08 AVRIL 2024 – ACTUS
Barmer révolutionne la gestion des processus avec le machine learning
Process Mining : L’atout d’efficacité de Barmer
La caisse d’assurance maladie allemande Barmer, comptant environ 8,6 millions d’assurés, cherche à rationaliser ses processus internes. Comme de nombreux acteurs du secteur de la santé, elle vise à améliorer le traitement des données personnelles de ses assurés, la gestion de la facturation et la réactivité aux demandes des clients.
Le Défi de l’Optimisation des Processus
Pour ce faire, Barmer a décidé d’utiliser du process mining, une méthode qui consiste à analyser et extraire des événements des systèmes informatiques, tels que les ERP ou les CRM, afin de comprendre le fonctionnement des processus et d’anticiper les problèmes éventuels.
Barmer compte environ 8,6 millions d’assurés, ce qui en fait l’une des plus grandes caisses d’assurance maladie en Allemagne.
Vers une Approche Révolutionnaire : L’intégration du Machine Learning
Cependant, le process mining traditionnel présente des limites, notamment dans des activités complexes comme celle de Barmer, car il ne considère chaque processus que de manière individuelle. Pour pallier cela, Barmer a opté pour la solution PI-Graph de l’éditeur Celonis, basée sur le concept d’object centric process mining (OCPM).
Une Vue d’Ensemble Inédite grâce à PI-Graph
Grâce à PI-Graph, Barmer peut créer un graphe complet de ses processus, prenant en compte tous les objets liés à ces processus et leurs interactions. Cette solution utilise des algorithmes de machine learning, entraînés sur une base de milliers de projets clients, pour identifier les blocages, les problèmes et les leviers d’amélioration.
La caisse d’assurance maladie Barmer gère un volume considérable de données personnelles et de transactions liées à la santé de ses assurés.
Vers une Transformation de la Gestion des Soins : Focus sur les Parcours de Soins
Actuellement, Barmer et Celonis travaillent sur l’optimisation des parcours de soin et la gestion des frais de déplacement et de transport des patients, des processus complexes qui bénéficieront des avantages du process mining enrichi de machine learning.
