Artikel

Impact maken met data volgens zorg-verzekeraar CZ

Fleur Hasaart
Manager Data Science bij CZ
January 25, 2022

“Door medewerkers te betrekken, merken ze meteen dat iets meerwaarde heeft.”

Om uiteindelijk impact te maken met je innovatie mag je falen. Of beter gezegd: móét je falen. Want ook de wetenschap dat iets niet werkt, is heel nuttig voor het verder finetunen van je acties rond klantbeleving. Eén van de zaken waar manager Data Science Fleur Hasaart bij zorgverzekeraar CZ aan werkt is het laten landen van die manier van denken. Dat is nog best een uitdaging: risico’s afdekken zit bij deze organisatie namelijk dubbel en dik in het dna. “De afdelingen waar we voor werken steeds blijven meenemen in wat we doen – dat is de sleutel. Als je een operationeel manager bij ons uitlegt: ‘hiermee besparen we 200 uur ontwikkeltijd’, dan snapt diegene echt wel dat dit een goede stap is.[1]

Middenin de organisatie

Van de vijftien jaar die Fleur inmiddels bij CZ rondloopt, is ze nu zo’n vijf jaar manager Data Science. Ze runt een afdeling die in opdracht van andere afdelingen en divisies onderzoek doet en data oplossingen aanlevert. Bijna een soort in-house consultancy, dus, gecentraliseerd in het bedrijf. Daarnaast zoekt het data science team zelf ook proactief naar mogelijkheden die de services aan verzekerden en aan zorginstellingen verder verbeteren. “Als ik vijf jaar geleden bij wijze van spreken iemand op het toilet hoorde fluisteren over data, dan dook ik er meteen op. Dat is nu niet meer nodig. Inmiddels weten collega’s ons ook steeds beter te vinden.”

 

Verandering omarmen

Hoe ziet zo’n samenwerking binnen haar organisatie eruit? Als voorbeeld noemt Fleur een project met collega’s van Debiteurenbeheer: “CZ sluit aardig wat betalingsregelingen af. Maar betalingsregelingen worden niet altijd nagekomen, omdat de regeling bijvoorbeeld toch niet goed genoeg past bij iemands persoonlijke omstandigheden. Terwijl we juist niet willen dat mensen die een regeling afsluiten, alsnog in de problemen komen. De vraag was dus: hoe kunnen we dit beter doen?” Op basis van beschikbare data bouwde het data science team een recommender, die een aanbeveling doet voor een regeling die het best bij iemands situatie past. In samenspraak met de medewerker van Debiteurenbeheer, die het grotere plaatje bekijkt, wordt de suggestie met de verzekerde overlegd. Fleur: “Dit traject loopt in pilotfase naast het huidige debiteurensysteem, maar de medewerkers merken nu al dat dit meerwaarde heeft. En dat zorgt er weer voor dat ze het definitieve product straks makkelijker zullen omarmen.[2]

 

Impactvolle beslissingen onder de loep

De modellen waar Fleur en team zich mee bezighouden, hebben meestal betrekking op het verbeteren van diensten aan mensen in een kwetsbare positie. Mensen die ziek zijn, of die afhankelijk zijn van bepaalde hulpmiddelen. Daarnaast heeft CZ te maken met allerlei wettelijke kaders en met toezichthouders. Dat betekent dus dat ze niet roekeloos kunnen experimenteren. “Voor beslissingen die niet makkelijk omkeerbaar zijn en die een hoge impact hebben op het leven van de verzekerde, gebruikt CZ alleen modellen die we volledig kunnen begrijpen”, zegt ze daarover. Kijk maar eens naar een model rond machtigingen. “Dat is meer een soort beslisboom, waar alleen ‘ja’ uit kan komen. Bij een ‘nee’ gaat de beslissing altijd langs een medewerker, die vervolgens dubbel checkt of de afwijzing echt wel klopt.[3]

 

Verwachtingsmanagement

Belangrijk, benadrukt ze nog maar eens, is dat de mensen voor wie je een dataproduct maakt betrokken zijn bij wat je ontwikkelt. Dat zorgt ervoor dat ze bereid zijn het op te nemen in hun huidige processen. “We hebben geïnvesteerd in een opleidingsprogramma en in kennisdeelsessies, demo’s, meet-ups – alles om de kennis en awareness van wat je met data kunt te vergroten. Dat hielp collega’s om de juiste vragen te stellen.” Ook het versterken van de rol van de data translator en het implementeren van formele stappen (zoals een handshake als je van prototype naar implementatie gaat, een stuurgroep die meekijkt naar risico’s) zorgt ervoor dat data science bij zorgverzekeraar CZ steeds meer voeten in aarde krijgt. Maar misschien nog wel het belangrijkste? “De business mag iets van ons verwachten, maar wij verwachten ook iets van de business. Die verwachtingen over en weer hebben we duidelijker naar elkaar uitgesproken. Dat blijven we doen, want om wat we doen te laten slagen, hebben we elkaar keihard nodig.[4]

 

In de podcast vertelt Fleur nog over andere interessante zaken, zoals over hoe CZ stap voor stap[5] een data science project doorloopt. En over het boek ‘De Impact Methode’[6] dat ze samen met haar collega Janneke van Leijen schreef. De volledige podcast beluister je hier.

[1] Vanaf +/- 12:20,  [2] Vanaf +/- 15:14, [3] Vanaf +/- 18:00, [4] Vanaf +/- 9:15, [5] Vanaf +/- 13:15, [6] Vanaf +/- 5:30

Of luister de podcast Apple Podcast of Soundcloud.

Over Consuminded

Deze podcast kwam tot stand dankzij Consuminded. Consuminded is de community waarin management en directie van toonaangevende consumentenmerken kennis delen om een klantgerichte organisatie te worden. We sparren over de uitdagingen van vandaag en geven invulling aan de wereld van morgen. Samen zetten we de markt in beweging en bouwen we aan transparante, eerlijke en waardevolle relaties met de consument. Altijd met een duidelijke missie: de consument op nummer één.

About the expert
Fleur Hasaart
Manager Data Science bij CZ