Mais commençons par les présentations : celui qui parle de l'expérience de Humana est Greg Hayworth, dont le titre officiel est "scientifique" ("scientist") et dont la mission est d'explorer et analyser les montagnes d'information générées quotidiennement par l'activité de la compagnie, afin de bâtir des modèles prédictifs pertinents, source de valeur "opérationnelle".
Comme il l'explique lui-même, sa profession émerge aujourd'hui grâce aux formidables progrès des outils informatiques dont il peut disposer. En effet, les traitements qu'il doit effectuer sur les petaoctets de données disponibles prenaient autrefois plusieurs heures, alors qu'il peut dorénavant réaliser une analyse en quelques secondes, affiner son modèle puis recommencer immédiatement pour, finalement, obtenir un résultat utile dans un temps raisonnable.
Cependant, s'il parle des progrès technologiques, Greg ne se sent pas concerné par la technique, qu'il ne fait qu'exploiter pour atteindre ses objectifs. Et, lorsqu'il évoque la transition qui est en train de s'opérer, de l'analyse de données structurées vers l'exploration de corpus d'information textuelle, il ne fait que profiter des nouvelles solutions qui s'offrent à lui.
La principale success story présentée permet de mieux comprendre les enjeux de cette "science des données". Dans l'organisation de Humana, 18 personnes étaient chargées de gérer les doublons de déclarations, dûs au fait que les médecins et hôpitaux tendent à re-saisir leurs déclaration lorsqu'elles ne sont pas traitées assez rapidement (et semblent donc "perdues").
Logiquement, la compagnie devrait s'attaquer à la source de ce problème, mais elle n'y a apparemment pas encore pensé ! A défaut, les recherches de Greg sur les caractéristiques des dossiers dupliqués ont permis d'en automatiser la détection, sans les confondre avec les demandes identiques légitimes (par exemple pour le traitement d'affections chroniques). Et, désormais, 4 personnes suffisent à gérer les cas de doublons résiduels, soit un gain de productivité de 450% !
Dans le domaine de l'analyse textuelle, Greg a aussi une expérience intéressante à relater, qui, de surcroît, pourrait s'appliquer dans tous les secteurs, puisqu'elle implique le centre d'appel de la compagnie. L'histoire commence par un constat : une part importante des appels d'assurés concernait l'état de leurs dossiers en cours. Or les informations de statut sont accessibles en ligne et ne devraient donc pas générer autant de contacts téléphoniques.
Les commentaires des téléconseillers, enregistrés dans l'outil de CRM (gestion de la relation client), ont alors été passés au crible de l'analyse pour affiner le diagnostic. Et il s'est avéré que si les appels avait bien pour objet les dossiers en cours, il ne s'agissait pas uniquement du suivi d'avancement : en fait, le conseiller sélectionne dans le logiciel le premier choix correspondant, approximativement, au motif d'appel. Finalement, la prise en compte des résultats détaillés, notamment en fournissant les réponses appropriées dans les canaux en libre service, a permis à Humana de réduire de 10% le nombre de sollicitations...
La présentation de cette profession de "scientifique" rappelle directement l'un des 6 nouveaux métiers que je décrivais il y a quelques mois et qui est donc en passe de devenir une réalité. Je suppose que cette première (documentée) dans une compagnie d'assurance n'est pas tout à fait le fruit du hasard et est liée à la culture de l'analyse statistique qui prévaut, par nature, dans le secteur. Mais, comme le démontre le second cas d'utilisation, toutes les entreprises peuvent mettre à profit les données dont elles disposent pour améliorer leur productivité.
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)