Offcanvas

BI / CIO / IoT / 마케팅 / 비즈니스|경제 / 빅데이터 | 애널리틱스 / 애플리케이션 / 의료|의학

'보너스' 효과 있었다··· 데이터 분석해 본 6개 기업 사례

2018.01.24 Bob Violino  |  CIO


변수와 관련된 실수 덕분에 숨은 원인 규명
의료업계 소프트웨어 제품 공급업체인 디시전 포인트 헬쓰케어 솔루션(Decision Point Heathcare Solutions)는 ‘현장 및 전화 건강 관리 프로그램’에서 여러 번 입원할 위험이 높은 고객들을 공략하는 방법으로 의료보험 고객들의 재입원율을 크게 낮추고 있다.

이와 관련, 디시전 포인트는 최초 ‘인덱스’ 입원에 앞서 30일 간격으로 2번 입원할 확률이 있는 회원/환자를 규명하는 전용 예측 모델링 알고리즘을 사용하고 있다. 디시전 포인트를 설립한 CEO 사에드 아민자데는 “간단히 말해, 첫 입원, 재입원, 둘 모두를 피할 수 있도록 적합한 사람들에 초점을 맞추는 방법으로 의료 보험에서 재입원을 적절히 제때 처리할 수 있게 만들었다”고 설명했다.

그런데 디시전 포인트는 우연한 계기로 이런 방법론을 발견했다. 디시전 포인트는 건강 관리에 있어 입원과 응급실(ER) 방문, 비용 발생을 피하고자, 전통적으로 고위험 환자들을 예측하는 방법을 사용했다.

그런데 디시전 포인트의 데이터 과학자가 예측 모델 개발 과정에서 예측 종속 변수인 입원율을 재입원율로 바꾸면서 집중된 기간에 여러 번 입원하는 환자나 고객을 예측하는 새로운 방법을 찾아 적용하게 되었다.

자세히 분석한 결과, 새 모델이 디시전 포인트가 전통적으로 사용했던 예측 모델과 크게 다르다는 점을 발견했다. 입원과 비용, ER방문을 예측하는 전통적인 모델은 임상적인 문제와 유틸리제이션(Utilization) 문제가 복합적인 고위험 고객, 환자를 찾는다. 반면 집중된 기간에 여러 번 입원할 고객, 환자를 예측하는 모델은 새로운 임상적 문제, 사회경제적 문제가 있는 고객, 환자를 찾는다.

아민자데는 “기존 모델의 경우, 여러 만성 질환을 앓고 있는 고위험 고객, 환자를 찾는다. 반면 새 모델은 만성 질환과 함께 혼자 살고 있거나, 병원을 자주 방문하지 못하거나, 신용카드가 없거나, 의료 지식이 부족하거나, 행동 건강에 문제가 있는 고위험 고객, 환자를 규명한다”고 설명했다. 이는 아주 중요한 발견이었다. 재입원율을 낮추기 위해서는, 의료기관들이 임상적인 문제와 함께 이런 임상적인 문제를 가중시키는 사회경제적 문제를 없애는 것이 중요하다는 점을 알려주기 때문이다.

1차 의료(진료)의 중요성 재발견
의료보험 회사인 헬쓰케어 서비스(Health Care Service Corp)도 예상치 못했던 데이터 분석 혜택을 얻었다.

헬쓰케어 서비스의 분석 및 거버넌스 담당 전무 히만슈 아로라는 “충분히 피할 수 있는 원인 때문에, 즉 응급실을 찾을 이유가 없는 원인 때문에 응급실을 방문하는 회원들을 찾으려 데이터 분석을 시도했다. 그런데 이 과정에 ‘숨겨진 보석’을 발견했다”고 밝혔다.

이 회사는 회원 중 10%가 HMO의료보험을 이용하고 있다고 가정했다. 그 결과 이들의 PCP(Primary Care Physician, 1차 의료 시설) 접근성을 감안했을 때, 이 집단이 ER서비스를 이용하지 않아도 되는 집단에서 차지하는 비율이 10% 미만으로 가정됐었다. 아로라는 “그런데 정반대의 추세를 발견했다. 예상보다 약 4배가 많았다. 이 10%가 ER서비스를 이용하지 않아도 되는 집단에서 차지하는 비율이 40%였다”고 말했다.

ER을 방문하면 큰 비용이 발생하기도 하지만, 불편도 초래된다. 또한 ER을 방문하지 않도록 질병을 예방하거나 낮추는 서비스가 있는데도, 이 혜택을 누리지 못한다는 게 문제다. 그 때문에 ‘인-네트워크(의료보험을 적용 받는)’ 의료 시설 접근성 이외에 회원들에게 도움을 줄 방법을 찾았다.

아로라는 “결정적인 요소에 대한 이해를 높이려 했다. 언어 장벽, 교통 접근성, 예약 문제 등이 여기에 해당된다. 이런 부분들이 HMO를 이용하는 회원들이 PCP 대신 ER을 방문할 수밖에 없도록 만든다. 우리는 소속 의료 기관을 참여시켜, 회원들이 필요한 의료 서비스를 미리 받도록 도움을 주고, 의료 기관과의 위험 분담 모델을 강화하기 위해 제품과 네트워크 설계를 재평가했다. 분석을 바탕으로 행동하도록 더 많은 인센티브를 제공하고 있다”고 설명했다.

고객 성과와 분석 방법론 재정립
마케팅용 소프트웨어 플랫폼을 공급하고 있는 제타 글로벌(Zeta Global)은 클라이언트 데이터와 관련된 예측 알고리즘 개발, 네트워크 흐름 관리를 위한 트래픽 로그 분석, 보안 관리를 위한 신호 분석 등 내부 이니셔티브와 고객을 지원하기 위해 분석을 활용하고 있다.

제타 글로벌의 CIO 제프리 니메로프 는 “데이터의 ‘예측력’이 기대 이상의 성과를 가져다주는 경우가 많다. 비지도 기법이 존재하는 이유는 (영리한 사람을 포함)개인이 표적화해 구체화할 수 있는 이상의 정보가 데이터에 존재하기 때문이다. 예상하지 못한 결과가 나온다. 이런 결과에 놀라는 때가 아주 많다”고 설명했다.

기술 관련 비용 절감을 예로 들 수 있다. 니메로프는 “기술에 투자하고, 그 결과 기술 비용이 발생하는 기업들 가운데 대다수가 ‘섀도우 기술’에 직면하게 된다. 개개인이 생산성을 높이기 위해 자신에게 효과가 있는 도구를 찾기 때문이다”고 언급했다.

이 회사는 최근 보안 운영 센터의 파트너십 노력의 일환으로 위협 인텔리전스에 초점을 맞췄다. 보안 체계가 발전하고 강화되는 것은 예상한 결과다. 그러나 예상하지 못한 결과도 있다. 보안 기술의 숨겨진 비용을 발견한 것을 예로 들 수 있다.

니메로프는 “이런 시각화를 토대로, 특정인과 특정 기술에 대해 논의할 수 있게 되었다. 일부는 이에 대해 잊고 있었다. 이를 통해 불필요한 서비스를 끊어 6자리 수의 비용 절감을 달성할 수 있었다”고 말했다.

고객사가 가장 큰 성과를 일궈낼 수 있는 고객을 파악하도록 도움을 준 것도 예상 못 한 성과다.

니메로프는 “클라이언트 분석은 주로 청중(고객) 확대에 초점을 맞춘다. 제타는 고유 데이터를 이용, 고객사가 제공하는 프로필과 속성(특징)을 공유하는 사람들에 프로필을 매칭하고 있다. 높은 성과를 일궈낼 수 있는 고객들이 많아야 성과가 개선된다”고 말했다.

제타는 고객사가 성과를 극대화하기 위해 ‘최고’의 고객들에게 제공할 마케팅 메시지를 예측하는 모델을 개발한 후, 고객 성과가 통제 집단을 맴돌고 있는 점을 발견했다. 그는 “메타 분석 결과, 고객사가 제공한 데이터는 가장 높은 성과를 일궈낼 수 있는 고객 집단의 데이터 세트가 아니라는 점이 밝혀졌다. 고객사가 고객 성과 규정에 중요한 것으로 간주한 속성들을 제한했기 때문에 나온 결과다”고 설명했다.

제타는 인사이트를 추가하고, 고객사 데이터베이스로 분석을 확대 적용했다. 더 많은 속성을 활용하기 위해서다. 그 결과, 데이터 품질을 높일 수 있었다. 고객사 데이터베이스와 메시징 목표를 출발점으로 삼았다. 그러나 중요한 속성을 미리 규정하지 않았다. 그 결과, 최고의 데이터세트를 도출할 수 있었다. 니메로프는 “이렇게 확대된 방법론으로 새로운 ‘프랙티스 영역’을 만들었다”고 강조했다. ciokr@idg.co.kr 

CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.