一周前，數據思考筆者與一位在數據公司、公司公司信息技術公司有深厚技術背景的信息學習老師交流，受到一些啟發。技術

　　拿到數據

　　理論上，融于醫療數據比醫保數據更接近、醫改全面，大健但現實中也不一定真實，數據思考未必能反映客觀合理的公司公司醫療服務需求。這個瑕疵先擺在一邊，信息學習摸排清楚費用發生、技術統計情形，融于已算是醫改數據探索。信息技術公司如有機會做數據相關的大健工作，一定要堅持創新發現，數據思考既有信息技術應用上的，也有數據對象開發上的。這些積累成果即便現在沒有用處，不能變現，將來總會派上用場。舉例：惠民保產品運行需要一些數據公司、信息技術公司的工作支持，對于投保、未投保，賠付、未賠付等，都有很多研究靶點，都必須是做過才行。這是惠民保概念圈錢的好故事。

　　管理數據

　　長期數據對保險來說是有用的，即便有些時間誤差，都可以接受。關鍵是平時要多打磨可靠性、合理性，以及數據結構。以數據為中心，保險經營在行銷、運營甚至投資上都受幫助。數據公司、信息技術公司目前可為保險打工，既是有效率的通道，也是有自信的平臺。有專業能力維護數據資源，提出統計意義、個體意義上的洞見。既對得起現在，也夠得見將來。是數據短缺？還是數據泛濫？其實數據渠道千萬條，做好平臺第一條。管理數據質量，具體在字段的分期、分型、分類，在結構化、在區分難度和可靠性。管好數據，才是數據公司。

　　使用數據

　　仍以惠民保產品運行舉例：怎么看待數據公司的優劣呢？在各環節、在同一位置上，尋找數據公司能力素養的差異性。保險本身要經歷一場巨變，作為重要組成，數據必須有加分項。比如：數據公司可以去關心一下各種醫療保險的賠付順序，惠民保在第幾順位，于經營、競爭最有平衡意義？再如：數據公司勸慰保險，既然無法懂得醫療，那根本不用懂，有辦法。

　　再如：數據公司協助保險從知曉統計到有能力激勵（醫療供需）行為改變。大家都知道醫防協同、治未病的經濟性更好，怎么變現呢？需要做實施性科學項目，打通數據應用、評價。再如：腫瘤早篩這件事，保險因擔憂成本、觀瞻而遲疑。數據公司在一些特定早篩項目里，已看清了美國經驗（有效率、有效益、技術可靠性），就該尋找生態伙伴先行先試，走起來。

　　一方面，不再等政策，政策總在風雨后。另一方面，數據公司整合數字醫療、可穿戴設備、隨訪服務等，構成服務閉環。其實只要走通圓周的三分之二，就能遇見更多遞過來的橄欖。

　　數據平臺

　　比如：醫聯體、醫共體等的信息服務下，數據公司可同時參與信息系統、業務服務。一方面，對已有信息化基礎設施搭橋修路。另一方面，對已有信息化基礎設施運行發現效率提升空間。筆者感觸：無論醫保信息平臺、保險科技，在宏微觀應用上都不成熟、到位。對商保機構來說，信息技術、數據與業務互動仍存在不少提升空間。越是業務體量大，網絡治理越重要。

　　但是，數據服務往往“不值錢”，估值低。這好理解：保險是玄的，數據玄之又玄。一般地，數據服務應以結果定價值總額，以過程看價值逐步兌現。CVS“吃”掉安泰，數據公司吃誰？不排除將來在中國會有比較激烈的情形上演：一家數據公司“吃”掉一家保險公司，數據服務從線下汲取營養，又從線上殺回來。國內政策環境不支持PBM盈利，但支持科技力轉型。

　　數據平臺的一個BUG是不斷長大：2.0瞧不起1.0，3.0瞧不起2.0，如此堆疊，造成一堆僵尸平臺。數據平臺建設理念應該兼顧適度開源、回溯，重視將必要建設部分可留存的意義。數據平臺的一個優勢是事實上以監管取代管理，無論提高站位或后退站位，總之在任何時空都能畫出一條紅線，這條紅線代表著當時當地的管理剛性，并結合主客觀因素變化再調整。

　　應用思考

　　數據服務應用，可以融于萬業。就醫療健康領域看。比如：DRG費率法、點數法，以及DIP都以一定的總額預算為前提。數據服務從供方、需方考量各個因素，特別是診斷、樣本跟蹤。如果以較長周期或全周期來看，數據服務不僅是為醫療機構、醫保部門服務，更體現2C價值。繼續發揮想象，網絡救助信息也需要數據服務長期記錄、跟蹤，約束不再是幾個節點。

　　再如：數據服務可以助力本地醫療、遠程醫療的相互理解。遠程醫療就像保險，容易超出人們的認知、認可。我們覺得遠程醫療可以做大，實際想多了，數據服務幫助其穩健地做好。數據服務有很強的屬地化特征，在哪長大，就是哪里模樣。數據服務必須順應國情、社情、行情，通過關注供需矛盾、效率改善來適時嵌入具體場景，比如慢病、罕見病及所有疾病。