医疗保险大数据审计体系构建分析-保险论文-经济学论文.docx

医疗保险大数据审计体系构建分析-保险论文-经济学论文 ——文章均为WORD文档，下载后可直接编辑使用亦可打印—— 保险毕业论文第三篇：医疗保险大数据审计体系构建分析 　　摘要：随着社会医疗保险数据量的急剧增长和复杂程度的不断提高,搭建大数据分析平台,借助大数据创新审计技术和方法、转变审计模式已是当务之急。在梳理现有研究的基础上,结合湖北等地区的实践情况,以医疗保险审计为例,从技术、管理和模型等三个维度提出了自上而下的大数据审计建设实施路径,包括大数据文化建设、总体规划、团队组建、平台搭建、流程设计以及难题突破等五个方面,旨在为各地区开展医保大数据审计工作提供参考。 　　关键词：大数据;医保审计;实施路径;大数据审计平台; 　　一、引言 　　据人社部统计，截至目前，我国医保参保人数超过13亿人，参保覆盖率已达到95%以上，每年医保基金收入超过1万亿元。但医保诈骗案件却层出不穷，造成了医保基金的巨大损失。 在2017年医保基金的专项审计工作中，共发现欺诈、违法和违规问题金额超过15亿元，约占抽查资金总金额的0.46%。研究医保欺诈审计问题，关系到我国社会医疗保险制度能否持续、健康地发展，具有重要的经济价值和现实意义。 　　在传统计算机医保审计模式下，主要采用SQL数据库查询技术来获取医保欺诈线索，仅限于对结构化医保数据的处理和分析[1]。随着医保覆盖面的不断扩大，医保数据呈现出规模大、多样化、异构性、高价值和低密度等大数据特征，对医保审计数据的采集、存储、分析和处理等工作提出了巨大挑战。同时，国内人口流动日益频繁，居民异地就医需求增长迅速，跨省、跨市医保就医结算正逐步推行。如果仍以市或县级为单位，采用各自为政单兵作战的组织模式进行审计，势必造成大量医保欺诈行为被漏审，影响审计质量和监督效果。面对海量、多源、异质的医保数据，为突破传统审计技术瓶颈，克服传统抽样、离散、单兵作战审计模式带来的局限性和缺陷，缓解审计任务繁重和力量不足之间的矛盾，审计机关只能通过引入新技术、创新审计方法、转变审计模式来化解当前遇到的困境。 　　二、文献综述 　　（一）医保欺诈识别方法研究 　　医保欺诈识别是开展医保审计工作的关键和重点。国外对医保欺诈识别问题的研究起步较早，实证研究较多，主要采用统计分析、数据挖掘和机器学习等方法，如神经网络[2]、逻辑回归[3]、主成分分析[4]、贝叶斯[5]、聚类分析[6]、关联规则[7]、支持向量机[8]、异常检测[9]等。国内文献定性研究较多，主要集中在欺诈类型、欺诈原因分析及防范对策等方面[10]。近年来，国内一些学者开始利用统计模型、数据挖掘等技术进行实证研究。史径宇等[11]通过引入指标权重改进聚类分析算法，采用无监督学习方法实现了医保欺诈识别；邱瑞[12]采用频繁模式挖掘算法对医保骗保行为进行了模式挖掘；陈清凤等[13]将主成分分析、K-Means聚类方法和判别分析等三种方法相结合建立了医保欺诈识别模型。 　　（二）大数据环境下的医保审计研究 　　国外政府和学者对大数据环境下医保等领域的政府审计研究多侧重于大数据审计的具体操作层面，包括大数据环境下的审计模型、审计安全、主要制约因素及解决方法等方面[14]。英国、美国、挪威等国家在审计实务中已经广泛应用数据挖掘、机器学习等技术和工具[15]。 　　相比而言，国内学者对医保等领域的大数据审计研究更偏重于理论，如必要性和挑战性[16]、模式转变[17]、政策建议[18]等，指导大数据审计实践的研究相对较少。刘国城、王会金[15]指出，未来的研究应基于数据科学和工程学视角，从技术层面开展大数据在审计中的应用研究；郑伟等[19]从大数据审计的逻辑流程以及大数据平台的网络架构和应用架构等方面探讨了在大数据环境下进行数据式审计的操作路径；陈伟、居江宁[1]基于大数据可视化技术对医院药品加成问题进行了挖掘分析。总的来看，国内学术界有关医保等领域的大数据审计研究，无论在内容深度还是广度上都有待进一步提高。 　　从我国医保等领域的大数据审计实践来看，大数据技术在政府审计中的应用尚处于起步和探索阶段，缺乏成熟的大数据审计技术方案和可借鉴的经验，只有部分地区的审计机关真正开启了大数据审计的探索和建设工作，在医保领域开展大数据审计工作的地区更少。 　　本文依据大数据审计在其他领域应用的经验和教训，结合湖北、山东、天津、河南、河北、江苏、浙江等地区在医保等领域的大数据审计实践情况，从技术、管理和模型三个维度，提出了自上而下的医保大数据审计建设实施路径，包括大数据文化建设、总体规划、团队组建、平台搭建、流程设计以及难题突破等五个方面，梳理总结了部分省市的优秀做法，并针对各省市存在的问题提出了合理化建议，以期