Smarter Counter Fraud - SINOG · IBM Smarter Counter Fraud 30 . Estudo de Caso FAMS . Revisão e Aprimoramento de processos e critérios internos de pagamento . Após a aplicação

Smarter Counter Fraud Fighting fraud in today’s high risk environment

Abril, 2015 Daniel Scalli Fonseca Advanced Analytics Managing Consultant IBM Global Business Services, Business Analytics & Strategy [email protected]

IBM Smarter Counter Fraud

Agenda

• Visão do Mercado

• IBM’s Counter Fraud Management Point Of View

• FAMS – Fraud & Abuse Management System

• Estudos de Caso e Referências

2 | ©2014 IBM Corporation


Agenda







Healthcare CEOs identified technology, regulatory issues and people skills as the three most important external forces impacting their organizations

Source: IBM Institute for Business Value, 2012 Global CEO Study, Q1 “What are the most important external forces that will impact your organization over the next 3 to 5 years?” (Global n=1709) (Healthcare n=58).

External forces that will impact the organization

2012

Global Healthcare

3

6

5

8

4

7

1

9

2

10

People skills

Socio-economic factors

Technology factors

Regulatory concerns

Budgets

Macro-economic factors

Market factors

Environmental issues

Geopolitical factors

Globalization

4 http://www-935.ibm.com/services/us/gbs/thoughtleadership/ibv-healthcare-analytics.html


Market forces require a new approach for the health care industry

Industry challenges

and opportunities

Regulation & reform

New payment models

Industry standards

Clinical protocols / evidence-based guidelines

Public / private partnerships

New market entrants

Greater competition

Greater customer demand

Poor lifestyle choices

Demographic shifts

New treatments and technologies

Social networks and mobility

Data explosion

Globalization Growing

middle class

5


Outperformers strongly differentiate in data access, insight, and translation into actions – key to engaging customers as individuals

Healthcare organizations compare favorably with Outperformers at driving value from data

Access to data 54%

Draw insights from data 54%

Translate insight into action 57%

“Survival skill 101 for the next five years will be deriving insight ahead of peers.”

Healthcare Provider CEO, Australia

26%

48%

26%

51%

31%

45%

Source: IBM Institute for Business Value, 2012 Global CEO Study, Q22 “How good is your organization at driving value from data? [Today]” (Global n=631 to 636) (Healthcare n=55 to 56).

Global Outperformers Global Underperformers Healthcare

108% more

108% more

84% more

6


Operation efficiency

Revenue growth

Risk management

Medical Management

Fraud & Abuse

Marketing Analytics

Contact Center Analytics

Automated Decision Making

Underwriting Analytics

Customers Insights Pricing Analytics

Producer/Broker Analytics

Claims Other business processes

Leveraging Analytics

Provider Profiling

Risk Analytics

Clinical Analytics

Population Health

Product Analytics

7

Fraud & Abuse


Agenda







Important Definitions of Terminology

We use the phrase "Fraud" by reference and simplicity. The "fraud“ aim in the claims paying process is to identify the potential risk of fraud and based on that, take appropriate actions and considerations. Fraud, Abuse, Waste and Error together we call "Fraud".

Fraud is a legal term and refers to unlawful for an overpayment from Insurance company. Implies an intention and a violation of the Law, among other requirements.

Abuse is the same as fraud, but can not be proved by Law.

Waste is the result of mismanagement, lack of policies (or poorly defined) and inadequate internal controls or supervisions. It can result in overpayments and overuse.

Error is the result of lack of compliance with the policies or procedures.


Counter Fraud Journey and IBM PoV

Detect

Investigate

Respond

Discover

Investigate

Confirm suspicions by

efficiently and effectively investigating

Identified Fraud

Detect

Detect if a request or transaction brought

forward by a customer, employee, or partner is

likely fraud

Discover

Discover fraudulent providers, schemes,

firms, or other actors through retrospective

analysis of data

Reporting

Governance

Intelligence Respond

Take the next best

action once fraud has been identified



Business Rules

Entity Analytics

Predictive Model

Optimize Fraud

Decisions Anomaly Detection

Detection Claims Process Application

Intelligent Investigation Intelligent Fraud

Dashboards

Entity Analytics

Processing of Claims and Detection of Fraud

Case Management

Real Time Alert

New Investigation

Claimant

Provider

Discovery

9,500 model library

Selection

Evaluation Identification

Observation Space



Counter Fraud Journey and IBM PoV

Business Rules

Entity Analytics

Predictive Model

Optimize Fraud

Decisions

Anomaly

Detection

Detection Claim

Network and relationship view

Intelligent Fraud

Dashboards

Entity Analytics

Case Management for Investigation

Real Time Alert

New Investigation

Patient

Provider

Behavior Analysis

9,500 feature library

Selection Evaluation Identificatio

n

Discovery Discovery

Investigation

Respond


FAMS – Fraud and Abuse Management System


Discovery

9,500 model library

Selection Evaluation

Identification

FAMS


Agenda







15

Analisa sinistros em busca de anomalias estatísticas

Após o pagamento de sinistros, auxilia auditores a se concentrarem nos referenciados que realmente precisam ser investigados

Como FAMS se diferencia de uma investigação tradicional?

Detecta múltiplos comportamentos e padrões simultaneamente

Encurta o tempo de investigação e redução de custos referentes a pagamentos indevidos

Capacidade de aferir fraudes cientificamente, com o suporte de dados existentes na própria companhia

IBM Fraud and Abuse Management System (FAMS)

FAMS auxilia auditores a identificar comportamentos suspeitos através de análise avançada dos dados

Áreas de interesse para

investigação são selecionadas

FAMS determina quem apresenta desvios de comportamento

Analistas aprofundam a

investigação nos casos identificados

Relatórios são revisados Referenciados são segmentados de acordo com seu comportamento


16

FAMS integra tecnologia, pessoas e experiência

Mais de quinze anos de experiência no auxílio de seguradoras públicas e privadas a detectar fraudes, desperdícios e abusos

Uma biblioteca de mais de 8000 métricas que compõem a base de modelos de análise por especialidade médica implementados em mais de 40 clientes pelo mundo

Um poderoso motor analítico que lida com um grande volume de dados através de algoritmos e modelos avançados

Ativos e Ferramentas de

Software


17

System Generates:

BP S

core

Fuzzy

Set

Methodologia- U.S. Patent

O SISTEMA GERAPerfil da Entidade

GeraValores de PC Compostos

Scores

GeraGC e

Biblioteca de PC

Tabelas de PC

GeraScores de PC

Valor PC

Relatórios da Entidade

ID SCORE VALUE

PROV-ID 3304038010009COMPOSITE SCORE 524.6

BG0001 479.2 BP0001 803.1 1049 BP0002 239.6 23 BP0003 104.0BG0002 537.1

O CLIENTE DEFINEGrupos de Entidades

Eeografia, Organização,Perfil

Dados de Sinistros e Apólices

COMPOSITE

BG0001 BG0002 BG0003

BP0001 BP0004 BP0006

BP0002 BP0005 BP0007

BP0003 BP0008

Modelo de Perfil da Entidade

Informações de Sinistro

Geografia, Organização, Perfil

Realiza a geração do perfil dos referenciados e de relatórios para análise


18

Qua

ntid

ade

de P

rest

ador

es

Valores da Métrica

20 18 16 14 12 10 8 6 4 2 0

1000 900 800 700 600 500 400 300 200 100 0

“Valor total cobrado por Radiografias"

400 1200 2000 2800 800 1600 2400 3200 0

1820

370

Score da M

étrica

A distribuição dos valores de todos os prestadores, de uma determinada métrica, é utilizada para a transformação do valor em score.


19

Suspeitos Volumes Cobranças Grupos de Métricas

Ortopedista Entidade

Média atendimentos por paciente

% Visitas com procedimentos

suspeitos

Total de Duplicidade

Média de Fisioterapias por Paciente

Média procedimentos por atendimento

Média cobrada por paciente

Média cobrada por Radiografias

Média cobrada por procedimento

Métricas / Padrões de

Comportamento

SCORE

SCORE

SCORE

SCORE

SCORE

SCORE

SCORE SCORE

PESO

PESO

PESO

PESO

PESO

PESO

PESO PESO

SCORE

PESO PESO PESO

SCORE SCORE

SCORE

Exemplo de cálculo do Score


20

O FAMS traz como importante acelerador uma biblioteca com mais de 9500 métricas para área da saúde em geral, sendo mais de uma centena específicas para odontologia.


21

O FAMS gera uma lista com os prestadores selecionados pelos usuários, e mostra um perfil completo para análise.


22

A apliação das Curvas de Score permite avaliar e prover insights a respeito do comportamento da entidade (prestador/beneficiário)

22


23

Visão de Análise


24

A técnica de segmentação são utilizadas para agrupar prestadores em clusters de prestadores que possuem características de comportamento semelhante. Algumas vantagens da segmentação: Identificação de sub-especialidades, refinando os peer groups; Identificação de padrões de comportamento diferentes dos outros clusters;

Técnicas de Segmentação


25

Visão de análise - Triplewise


Agenda







27

Os clientes participam de um encontro anual para troca de experiências e informações sobre novas técnicas de análises para detecção de fraudes.


28

Estudo de Caso FAMS Oftalmologistas com cobranças irregulares

Um dos oftalmologistas apresentava desvio de comportamento na seguinte métrica do FAMS:

- % Pacientes c/ Oftalmoscopia detalhada

FAMS detectou que o oftalmologista cobrava simultaneamente por ambos procedimentos.

FAMS

Descobriu

Ações e

Resultados

Desafio Uma seguradora norte-america desejava descobrir oftalmologistas que estavam cobrando por procedimentos de maneira indevida. Um exemplo disso é incluir na sua conta um procedimento oftalmológico detalhado e superficial simultaneamente, embora sejam mutuamente exclusivos.

A seguradora solicitou detalhes dos registros médicos. Eles foram revisados por um oftalmologista independente, que identificou que o procedimento detalhado não constava na maioria dos registros de acompanhamento dos pacientes.

A seguradora calculou que o oftalmologista recebeu $400,000 em pagamentos indevidos por um período de mais de 7 anos.

A seguradora enviou uma carta formal ao oftalmologista solicitando que o valor fosse devolvido.

O médico aceitou um acordo em que devolveria a quantia em pagamentos regulares durante uma certa janela de tempo.


29

Estudo de Caso FAMS Abuso na cobrança de Serviços de Ambulâncias

Através do FAMS, a seguradora analizou sinistros e padrões de comportamento para empresas de serviços de ambulância. FAMS detectou que um dos prestadores cobrava por um serviço de código genérico (“Outros Serviços”) 90% acima do que o normal para esse tipo de empresa.

FAMS Descobriu

Ações e Resultados

Desafio Uma seguradora norte-americana queria descobrir prestadores de serviços de ambulâncias com cobranças irregulares ou sobre serviços não realizados.

A seguradora solicitou os registros médicos.

Após examina-los, descobriu que as cobranças deveriam ter sido feitas sobre o código de serviço “Atendente Extra”.

O valor total pago indevidamente foi de $130,000.

O prestador teve que devolver a quantia à seguradora.


30

Estudo de Caso FAMS Revisão e Aprimoramento de processos e critérios internos de pagamento

Após a aplicação das regras de sistema nos dados reais da operadora, a ferramenta FAMS apontou várias possibilidades de melhorias. “Em pouco mais de cinco meses de funcionamento da solução já foi possível destacar os resultados advindos do maior controle e da gestão mais efetiva dos riscos vinculados ao processo de pagamento das nossas despesas assistenciais”, destaca o executivo da Gerência de Riscos e Controles Internos da CASSI.

FAMS Descobriu

Ações e Resultados

Desafio Com dificuldade de administrar uma grande massa de dados em decorrência do alto volume de atendimentos e procedimentos, e de definir padrões de comportamento, a CASSI, maior operadora de autogestão em saúde do Brasil, procurava uma solução que pudesse ajudá-la a identificar inconsistências no pagamento das contas médico-hospitalares. Além disso, como utilizava um processo de investigação manual, as análises realizadas eram lentas e por vezes imprecisas

A seguradora reestruturou os processos de pagamento de registros médicos, uniformizando os critérios de pagamento, revisão e auditoria, e glosa entre as diversas sucursais nas várias regiões do país, atingindo payback de projeto antes do esperado.

* Fonte: http://www-03.ibm.com/press/br/pt/pressrelease/39343.wss

http://www-03.ibm.com/press/br/pt/pressrelease/39343.wss

http://www.ibm.com/press/br/pt/pressrelease/39343.wss%E2%80%8E

http://www.ibm.com/press/br/pt/pressrelease/39343.wss%E2%80%8E


Obrigado !

Daniel Scalli Fonseca

Advanced Analytics Managing Consultant IBM Global Business Services, Business Analytics & Strategy

[email protected]



Fighting complex fraud requires a holistic approach across the enterprise, that provides defenses as well as counter measures

Security & Authentication

Policies & Procedures

Business Applications & Workflow

Counter Fraud Management

Prevent

Counter

Define Business Policies • Document rules and limits for payment/access • Document approvals and escalations • Define required “evidence” to support request • Limit access in areas of known fraud

Authenticate • Validate requester is who they say they are • Validate they have right to request benefit for

payment • Stop known bad guys from “entering”

Implement in Applications and Workflow • Implement rules in the applications used to

process requests for payment • Implement approvals and guidelines in workflow

and BPM

Counter and Defeat • Detect fraudsters in real time • Respond quickly and consistently • Discover fraud retrospectively • Investigate suspicious activity

“I’d like to file a claim…”



A comprehensive set of integrated market-leading software and services capabilities designed to combat today’s new threats

IBM Smarter counter fraud framework



IBM has invested billions in best of breed technology's that make up IBM Smarter counter fraud

2005 SRD is acquired for identity resolution software and entity analytics

2012 Tealeaf is acquired to improve digital experience across channels

Advanced Fraud Protection

Digital Experience Management

2013 Trusteer is acquired for mobile and application security, counter fraud and malware detection

Case Management 2006

FileNet is acquired for advanced case management and enterprise content management

Business Intelligence 2008

Cognos is acquired for business intelligence

2008 ILOG is acquired for business process management

Business Rules

2009 SPSS is acquired for text and data mining, advanced statistical analysis and predictive solutions

Predictive Analytics

2009 Guardium is acquired for enterprise database activity monitoring and protection capabilities

Database Protection

2010 OpenPages is acquired for integrated set of solutions that automate risk management across the enterprise

Risk Management

2011 i2 is acquired for intelligence analysis targeting fraud, crime

Intelligence Analysis

2011 Q1 Labs is acquired for analytics to correlate information across domains and create security dashboards

Security Intelligence

2011 Cúram is acquired for solutions for social programs and ability to improve service delivery

Service Delivery

Entity Analytics

2014

IBM Research and Development

IBM Smarter counter fraud

announcement



To simplify, IBM Counter Fraud Management was announced in 2013 as an integrated platform that provides Counter fraud capabilities An integrated, next generation offering addresses all phases of enterprise fraud

Four value-priced, industry-specific offerings: • IBM Counter Financial Crimes Management for Banking • IBM Counter Fraud Management for Insurance • IBM Counter Fraud Management for Healthcare • IBM Counter Fraud and Improper Payments Management for Government

IBM Counter Fraud Management

Detect Respond Investigate Discover

Single SKU

IBM Counter Fraud Deployment Services: • Packaged deployment services to accelerate ROI on CF investment

• Industry and Use Case specific • Quick win & full lifecycle deployment entry points

• Client and Partner enablement • Integrated implementation methodology, tools & templates



IBM Counter Fraud Management offers distinctive capabilities to proactively manage fraud

1.Ability to ingest information from many disparate sources

2.Develop rich profiles and create real time risk weightings.

3.Optimum layering of analytic techniques to model behaviors and identify anomalies

Extensive Forensic Analysis capabilities to speed validation of suspicious activity

Repeatable framework that enables flexible extension and leverages existing capabilities, without a rip and replace.

End-to-end out-of-the-box integration of best of breed capabilities from Detection to Response to Investigation, reduces the cost and risk of tying together traditional point solutions


Documents

Smarter Counter Fraud - SINOG · IBM Smarter Counter Fraud 30 . Estudo de Caso FAMS . Revisão e Aprimoramento de processos e critérios internos de pagamento . Após a aplicação