องค์กรที่ดำเนินงานเกี่ยวกับการดูแลสุขภาพ(healthcare)มักจะมีการดําเนินงานที่เกี่ยวข้องกับการทําธุรกรรมที่หลากหลาย และการดำเนินธุรกรรมเหล่านั้นมักจะมีประสิทธิภาพต่ำกว่าที่ควรจะเป็น Minitab ได้เข้าไปมีส่วนช่วยให้องค์กรเหล่านี้ค้นหาวิธีการแก้ไขปัญหาโดยใช้ข้อมูลที่มีมาหาวิธีการปรับปรุงกระบวนการทําธุรกรรมให้มีประสิทธิภาพมากขึ้น โดยในบทความนี้จะพูดถึงตัวอย่างที่ Minitab นำวิธีการสร้างตัวแบบจําลองเชิงคาดการณ์(predictive modeling)และการจําลองแบบมอนติคาร์โล(Monte Carlo Simulation) มาช่วยปรับปรุงกระบวนการทำธุรกรรมที่เกี่ยวกับเรื่องคำร้องเรียนให้ดีขึ้น
การลดเวลาชําระเงินค่าสินไหมทดแทน
ตัววัดประสิทธภาพที่สำคัญในการดำเนินงานขององค์กรที่เกี่ยวกับการดูแลสุขภาพ คือ ระยะเวลาที่ใช้ในการแก้ปัญหาตามคำร้องเรียน และระยะเวลาที่ลูกค้าจะได้รับค่าสินไหมทดแทน ถ้ามีการปรับปรุงประสิทธิภาพกระบวนการดำเนินธุรกรรมในการเรียกร้องค่าสินไหมทดแทนจะส่งผลดีต่อรายได้และกระแสเงินสดขององค์กรเป็นอย่างมาก
สมมติว่าค่ามัธยฐานของจํานวนเงินในการเรียกร้องค่าสินไหมทดแทนคือ $5200 และ ค่าเฉลี่ยจำนวนคำเรียกร้องคือ 1,200 เรื่องต่อเดือน ต้นทุนดอกเบี้ยจะเพิ่มขึ้นอย่างรวดเร็วตามจำนวนวันที่มีการเรียกร้องและยังไม่ถูกชําระ ซึ่งส่งผลให้เกิดต้นทุนที่สําคัญต่อองค์กรในที่นี้ยังไม่รวมถึงความตึงตัวของกระแสเงินสดที่จะเกิดตามมาด้วย
ตัวชี้วัดผลลัพธ์ที่น่าสนใจ คือ ระยะเวลาที่เป็นจำนวนวันนับตั้งแต่ยื่นคำร้องไปจนถึงการชำระค่าสินไหมทดแทน
ตัวปัจจัยอื่น ๆ ที่อาจเกี่ยวข้อง ได้แก่ ภาระงานของพนักงานที่รับผิดชอบคำเรียกร้องที่ต้องดำเนินงานต่อคนต่อวัน อัตราข้อผิดพลาดรายวัน (เช่น ข้อมูลที่ขาดหายไป ค่าที่ไม่ถูกต้อง ฯลฯ ) รวมถึงค่าใช้จ่ายในการดำเนินงาน ชุดข้อมูลอื่นๆที่ระบุว่าการเรียกร้องนั้นเกี่ยวข้องกับการประกันส่วนตัวหรือไม่ และ สถานะของการเป็นผู้ป่วยนอกหรือไม่
การสัมมนาออนไลน์ที่เกี่ยวข้อง: ปรับปรุงบริการด้านสุขภาพและผลลัพธ์ที่ผู้ป่วยได้รับด้วยพลังของการวิเคราะห์ข้อมูล
ข้อมูลสรุป
ความล่าช้าในการดำเนินงานธุรกรรมตามคำเรียกร้องทําให้องค์กรต้องเสียค่าใช้จ่ายในหลาย ๆ ด้านรวมถึงการจ่ายดอกเบี้ยที่เพิ่มขึ้นและกระแสเงินสดที่ขาดความน่าเชื่อถือ เพื่อรักษาประสิทธิภาพทางการเงินจึงได้สร้างแผนธุรกิจเชิงกลยุทธ์ที่มีเป้าหมายให้ต้องมีการจ่ายค่าสินไหมทดแทนภายใน 50 วัน และเพื่อให้บรรลุได้ตามเป้าหมายนี้เราจะใช้การศึกษาความสามารถเพื่อดูว่าจำนวนคำเรียกร้องค่าสินไหมทดแทนที่ทำได้ตามเป้าหมายนั้นมีจำนวนเท่าไหร่ และจากศึกษาพบว่าปัจจุบันในการดำเนินงานนี้อาจคาดการณ์ได้ว่ามีคำเรียกร้องส่วนใหญ่ (883,000 จากหนึ่งล้าน) ใช้เวลาในการดำเนินการมากกว่า 50 วัน
การรักษาเสถียรภาพของการดำเนินงานในการเรียกร้องค่าสินไหมทดแทน
ลูกค้าจะมั่นใจได้อย่างไรว่าการดำเนินธุรกรรมที่เกี่ยวกับการเรียกร้องค่าสินไหมทดแทนจะยังคงทำงานได้ดีอยู่เสมอเมื่อเวลาผ่านไป? บางครั้งอาจมีความผิดปกติเกิดขึ้นทำให้ต้องใช้เวลาในการดําเนินการเรื่องการเรียกร้องค่าสินไหมทดแทนที่นานขึ้น และบางครั้งนั้นอาจจะเป็นเรื่องที่แก้ไขได้ง่าย ถ้าความแตกต่างของระยะเวลาในการดำเนินเรื่องการเรียกร้องค่าสินไหมทดแทนจึงมีลักษณะที่สม่ำเสมอส่งผลให้การวางแผนการปรับปรุงโดยรวมทำได้ดีขึ้น แผนภูมิการควบคุมคุณภาพ(control chart) จะถูกนำมาใช้เพื่อประเมินความมีเสถียรภาพ (สม่ำเสมอ) ของกระบวนการ
จากแผนภูมิ I-MR แสดงให้เห็นว่าการดำเนินงานในกระบวนการชําระค่าสินไหมทดแทนตามคำเรียกร้องมีความสม่ำเสมอ (เสถียรภาพ) โดยมีค่าเฉลี่ยประมาณ 53 วัน โดยระยะเวลาในการดำเนินการตามคำเรียกร้องที่ถือเป็นปกติจะอยู่ในช่วง 46 ถึง 60 วัน
การสร้างตัวแบบจําลองการถดถอย
ส่วนมากแล้วกระบวนการทําธุรกรรมจะมีตัวแปรหลายอย่างมาเกี่ยวข้องและอาจส่งผลต่อระยะในการชําระค่าสินไหมทดแทน เทคนิคต่อไปนี้คือ ตัวอย่างของตัวแบบที่ดีที่สุดที่จะนำไปใช้:
- การวิเคราะห์เชิงคาดการณ์ (Predictive analytics) เป็นเครื่องมือที่ยอดเยี่ยมในการจำกัดตัวแปรที่มีผลกระทบมากที่สุด
- Automated machine learning ใช้งานง่ายและยังมีประสิทธิภาพมากในการปรับเปลี่ยนตัวแบบ
- ตัวแบบ TreeNet ที่สามารถอธิบายความผันแปรของระยะเวลาในการดำเนินการตามคำเรียกร้องได้ว่ามีตัวแปรที่สำคัญอยู่ 3 ตัว (การดำเนินงานของคำเรียกร้อง, ค่าใช้จ่ายในการเรียกร้องค่าสินไหมทดแทน, ข้อผิดพลาดรายวัน) โดยมีผลถึง 81.8% ในค่าความผันแปรนั้น
เมื่อตัวแปรเริ่มต้น (input) มีจำนวนน้อยลงทำให้การสร้างตัวแบบจําลองการถดถอย(regression model)นั้นง่ายขึ้น ข้อดีของตัวแบบการถดถอย คือ เข้าใจง่ายเนื่องจากสมการจะอยู่ในรูปแบบสมการเชิงเส้นของตัวแปรเริ่มต้น
ตัวแบบจําลองการถดถอยที่มีตัวแปรตั้งต้น 3 ตัว สามารใช้อธิบายความผันแปรของระยะเวลาในการดำเนินงานตามคำเรียกร้องได้มากกว่า 78% ซึ่งมีความใกล้เคียงกับตัวแบบที่ได้จาก Tree Net ที่มีความซับซ้อนกว่า ผลลัพธ์ของการคาดการณ์จากตัวแบบจําลองจะใช้อธิบายความผันแปรของเวลาในการดำเนินการตามคำเรียกร้องได้ประมาณ 75% ตามผลที่แสดงไว้ด้านล่าง
การสัมมนาออนไลน์ที่เกี่ยวข้อง : มองเห็นสิ่งที่ไม่รู้ด้วยเทคนิค Monte Carlo Simulation
การใช้ตัวแบบจําลองมอนติคาร์โลในการปรับแต่งข้อมูล
เมื่อตัวแบบการถดถอยถูกสร้างขึ้นใน Minitab ผู้ใช้งานยังสามารถนําตัวแบบเข้าไปใช้การจําลอง Monte Carlo ได้อย่าง่ายดาย ข้อมูลในอดีตเกี่ยวกับรูปร่างและพารามิเตอร์ของตัวแปรตั้งต้นทั้ง 3 ตัวจะถูกป้อนพร้อมกับค่าเป้าหมาย – ระยะเวลาในการดำเนินการตามคำเรียกร้อง ไม่เกิน 50 วัน – กรณีที่ไม่ทราบพารามิเตอร์การใช้พฤติกรรมของตัวแปรตั้งต้นทำให้สร้างข้อมูลได้ง่ายขึ้น
การจำลองของตัวแบบมอนติคาร์โล จะมีการทําซ้ำจำนวน 50,000 ครั้ง ที่ถือเป็นค่าเริ่มต้น (default) ของการทําซ้ำ จากผลลัพธ์แสดงให้เห็นว่าความสามารถของกระบวนการปัจจุบันนั้นมีค่าที่ไม่ดีนักตามที่ระบุไว้ข้างต้น จากนั้นทำการปรับค่าตัวแปรตั้งต้นเพื่อค้นหาค่าระดับเฉลี่ยของตัวแปรตั้งต้นที่จะทำให้ได้ผลลัพธ์ที่ดีที่สุด
เพิ่มประสิทธิภาพการปรับปรุง
ผลของการปรับปรุงทำให้ประสิทธิภาพเพิ่มขึ้นอย่างมีนัยสําคัญ – โดยผลลัพธ์ คือ มีคำเรียกร้องจำนวนน้อยกว่า 1% ที่ไม่ได้ตามเป้าหมาย รวมทั้งสามารถลดภาระงานให้เหลือ 30 ข้อเรียกร้องต่อคนต่อวัน เพิ่มความพยายามในการลดข้อผิดพลาดให้ไม่เกินหนึ่งในสิบ และเพิ่มทรัพยากรที่จะเพิ่มต้นทุนต่อการเรียกร้องประมาณ 345 ดอลลาร์ต่อคำเรียกร้อง ส่วนค่าใช้จ่ายที่เพิ่มขึ้นมาเทียบกับข้อผิดพลาดที่ลดลงน่าจะมาจากกระบวนการที่ต้องทำมากขึ้น และในส่วนต้นทุนที่เพิ่มขึ้นมานี้ถือว่าเป็นสิ่งเล็กน้อยเมื่อเทียบกับผลประโยชน์ที่จะได้รับจากการที่ทำให้กระบวนการจ่ายค่าสินไหมทดแทนมีประสิทธิภาพมากขึ้น
การเพิ่มประสิทธิภาพของการปรับปรุง คือ การปรับเปลี่ยนค่าเฉลี่ยของตัวแปรตั้งต้นตามกระบวนวิธีที่สร้างขึ้นรวมถึงมีการวิเคราะห์หาตัวแปรตั้งต้นที่มีผลต่อความผันแปรของระยะเวลาในการดำเนินธุรกรรมเพื่อให้เกิดประสิทธิภาพที่ดีที่สุด ให้ไปเท่ากับระดับที่กำหนดวิธีการนี้จะเป็นการปรับค่าพารามิเตอร์ให้เกิดความเหมาะสม
จากผลที่ได้แสดงให้เห็นว่า ระยะเวลาในการดำเนินการตามคำเรียกร้อง น่าจะเป็นสิ่งสำคัญต่อปริมาณภาระงานมากที่สุด ผู้มีส่วนได้ส่วนเสีย (Stakeholders) ในโครงงานเพื่อการปรับปรุงนี้ระบุให้มีการลดความผันแปรลง 20% ซึ่งสามารถทําได้โดยการเพิ่มกำลังคนเพื่อทำให้เกิดความสมดุลระหว่างความต้องการกำลังคนในช่วงสัปดาห์การทํางาน
จากนั้นทำการทดสอบตัวแบบจำลองอีกครั้งเพื่อดูผลของการเปลี่ยนแปลง และจากผลลัพธ์ที่ได้แสดงให้เห็นว่ามีความสามารถเพิ่มขึ้นโดยมีจำนวนคำเรียกร้องที่ใช้เวลาดำเนินการเกินกว่าระยะเวลาที่ตั้งเป้าไว้ มีจำนวนลดลงอย่างมาก โดยมีจำนวนน้อยกว่า 0.04% เท่านั้น ค่าวัดความสามารถ (Cpk = 1.1) มีความหมายว่า 110% ของการประมาณค่าพบว่าค่าระยะเวลาในการดำเนินงานจะมีค่าไม่เกิน 50 วัน ซึ่งเป็นไปตามเป้าหมายที่วางไว้แต่ต้น
การยืนยันผลลัพธ์ด้วย T-test
การจําลองจะแสดงให้เห็นค่าเฉลี่ยที่น่าจะเกิดขึ้น แต่ก็ควรจะมีการยืนยันข้อมูลอีกครั้ง เพราะอาจจะมีปัจจัยอื่นๆที่ส่งผลกระทบต่อผลลัพธ์ที่ไม่สามารถรู้ล่วงหน้า หรือ ยากที่จะรวมไว้ในตัวแบบจําลองทางสถิติ ข้อมูลคำเรียกร้องจำนวน 100 รายการ ถูกเก็บมาเป็นตัวอย่างเพื่อใช้ในการทดสอบเพื่อการยืนยันผล และ เพื่อดูว่ามีความสามารถในการชําระเงินภายในเป้าหมาย 50 วันหรือไม่ ผลของการทดสอบแบบทีสองตัวอย่าง ( two-sample t-test) แสดงให้เห็นว่า ค่าเฉลี่ยเวลาในการดำเนินงานตามคำเรียกร้องมีค่าลดลงอย่างมีนัยสำคัญมาก (p ~ 0.000)
ความสามารถในการชําระเงินภายใน 50 วันตามเป้าหมายได้รับการปรับปรุงอย่างมาก โดยมีคำเรียกร้องจำนวนน้อยกว่า 300 ครั้งในหนึ่งล้านที่อาจเกินเป้าหมาย
บทสรุป
หวังว่าตัวอย่างทั้งหมดในบทความนี้จะทำให้เห็นว่าการศึกษาตัวแบบจําลองและการจําลองมีส่วนช่วยในการศึกษากระบวนการและการประมาณผลของการปรับปรุงก่อนที่จะมีการเปลี่ยนแปลง ขั้นตอนเหล่านี้ช่วยให้ผู้มีส่วนได้ส่วนเสียกับกระบวนการได้รับความเชื่อมั่นตามสมควรเมื่อจะต้องทำการเปลี่ยนแปลงตามข้อแนะนํา สําหรับองค์กรด้านการดูแลสุขภาพที่มีมูลค่าของการปรับปรุงประมาณล้านดอลลาร์
แนวทางการใช้งานของ Minitab ที่เกิดขึ้นในบทความนี้ แสดงให้เห็นเป็นตัวอย่างเพื่อคนที่ไม่ใช่นักสถิติและสําหรับผู้ตรวจสอบ รวมทั้งเพื่อเป็นการแบ่งปันให้เป็นแนวทางปฏิบัติที่ดีที่สุดทั่วทั้งองค์กร
บทความต้นฉบับ : Escalate Claims Transactions with These Problem-Solving Methodologies
ต้นฉบับนำมาจาก Minitab blog, แปลและเรียบเรียงโดยสุวดี นำพาเจริญ,
บริหารจัดการ SCM Blog โดยชลทิชา จำรัสพร บริษัท โซลูชั่น เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย
เพิ่มเติมเกี่ยวกับบริษัท Minitab
Minitab ช่วยให้บริษัทและองค์กรต่างๆ สามารถมองเห็นแนวโน้มของข้อมูล, แก้ปัญหาและค้นพบประเด็นสำคัญจากข้อมูลเชิงลึก โดยนำเสนอชุดโซลูชั่นที่ครอบคลุมทุกด้านและดีที่สุดสำหรับซอฟต์แวร์ในระดับเดียวกัน ที่ใช้สำหรับการวิเคราะห์ข้อมูลและการปรับปรุงกระบวนการ
ด้วยวิธีการที่เป็นเอกลักษณ์ และการนำเสนอซอฟต์แวร์และบริการแบบองค์รวม Minitab ช่วยให้องค์กรเข้าถึงกระบวนการตัดสินใจในส่วนที่ช่วยผลักดันให้เกิดความเป็นเลิศทางธุรกิจได้ดีขึ้น ความง่ายในการใช้งานที่โดดเด่นกว่าใครมีส่วนช่วยให้ Minitab สามารถทำให้การเข้าถึงข้อมูลเชิงลึกเป็นเรื่องที่ง่าย ทีมงานของ Minitab ซึ่งประกอบด้วยผู้เชี่ยวชาญทางด้านการวิเคราะห์ข้อมูลที่ได้ผ่านการอบรมมาเป็นอย่างเข้มงวด จะช่วยให้ผู้ใช้งานมั่นใจว่าจะได้รับประโยชน์สูงสุดจากการใช้งานวิเคราะห์ข้อมูลและพร้อมที่จะให้คำปรึกษาตลอดเวลาที่ใช้งานเพื่อนำไปสู่การตัดสินใจที่ดีขึ้น รวดเร็ว และแม่นยำ
เป็นเวลากว่า 50 ปีที่ Minitab ได้ช่วยองค์การต่าง ๆ เพิ่มรายได้ ควบคุมและลดต้นทุน เพิ่มคุณภาพ เสริมสร้างความพึงพอใจของลูกค้า และเพิ่มประสิทธิภาพ ธุรกิจและองค์นับหมื่นทั่วโลกใช้ Minitab Statistical Software®, Companion by Minitab®, Minitab Workspace®, Salford Predictive Modeler® and Quality Trainer® เป็นเครื่องมือช่วยในการค้นพบและปรับปรุงความบกพร่องใน