Si uno analiza el mercado de la salud de Europa y de los Estados Unidos, podría inferir que el
mercado en la Argentina está en un momento de transición.
Las condiciones están dadas y aquellas organizaciones que desarrollen nuevos elementos que les permitan definir mejor sus precios y reducir o, en algunos casos, hasta eliminar costos, contarán con una ventaja frente a sus competidores.
Un claro ejemplo de esto es la aplicación de modelos predictivos en la definición de los precios de los Planes Médicos.

¿QUÉ SON LOS MODELOS PREDICTIVOS?
En pocas palabras, estos modelos permiten analizar grandes volúmenes de información con el objetivo de determinar o inferir cómo se relacionan las variables entre sí y usar esas relaciones para predecir mejor el futuro.
Estos modelos posibilitan determinar qué factores afectan cada variable y cuantificarlos correcta y dinámicamente, tomando en consideración las correlaciones y reflejando el comportamiento de los individuos cubiertos.
Su uso en los análisis de costos siniestrales y de comportamiento de la demanda ha demostrado su eficacia en la fijación de precios. Sin embargo, incluso los análisis estadísticos más sofisticados deben complementarse con experiencia real emergente y resultados, así como el uso regular de información de mercado.
El término “modelo predictivo” cubre una amplia gama de herramientas estadísticas utilizadas por los analistas para entender los datos.
Hay dos elementos básicos en los datos que se recopilan: las métricas que representan lo que se está midiendo (como ser la frecuencia siniestral, costo medio, tasa de retención, etc.), y los hechos, que representan la información recolectada que producen una métrica particular (por ejemplo, variables como edad, sexo, estado civil, etc.).
El objetivo de los modelos predictivos es lograr una explicación razonable de la experiencia histórica reciente y que al mismo tiempo sirva para predecir la experiencia futura. Para llegar a este objetivo, es necesario comprender que la respuesta del proceso tiene dos componentes claves: la “señal” y el “ruido”.
La señal representa un patrón sistemático que es probable que se repita en el futuro, mientras que el “ruido” representa la aleatoriedad que es inherente a un proceso estadístico (Figura 1) y que buscamos excluir de nuestros modelos.



La componente sistemática a menudo es conocida como “estructura del modelo” y refleja la relación entre las distintas variables predictivas del conjunto de datos y la respuesta del proceso. Como se mencionó anteriormente, el objetivo del proceso es la construcción de un modelo que explique de la “mejor” forma posible el futuro.
Para construir el “mejor” modelo entonces, será necesario buscar un equilibrio entre su poder predictivo y su poder explicativo. Si el modelo es demasiado simple, entonces la forma resultante no tendrá en cuenta las “señales” en los datos y tendrá un poder explicativo débil. Si el modelo es demasiado complejo, entonces reflejará muy bien el pasado, pero el incluir tanto “ruido” reducirá su capacidad de predicción.
Para el diseño de los Modelos se han desarrollado sistemas que permiten la construcción de modelos robustos de frecuencia, severidad, tasa de retención, conversión y otros comportamientos de la demanda.
Pero es importante señalar, que con un sistema potente no basta, es necesario contar con especialistas que comprendan acabadamente la problemática y las técnicas a emplear.

El uso de estas técnicas se encuentra muy difundido en los seguros de no vida, principalmente en autos, y permitió la mejora en la segmentación del riesgo, en la suscripción, en la tarifación e incluso en las decisiones de marketing. Algunas aseguradoras, de hecho, utilizan estos métodos para el análisis de la litigiosidad de sus carteras de siniestros. De esta forma, intentan identificar los siniestros con mayor probabilidad de convertirse en juicios y generan campañas para intentar cerrarlos antes de que evolucionen a siniestros de mayor envergadura.
Los modelos predictivos probaron ser muy exitosos y desde hace unos años, las compañías comenzaron a explorar su aplicabilidad a otros negocios.

USOS POTENCIALES DE LOS MODELOS PREDICTIVOS EN SALUD
Dadas las características de las coberturas de salud, con ciertos ajustes los modelos predictivos pueden ser aplicados de la misma manera que lo haríamos en los seguros generales. Un modelo predictivo posibilita estimar el costo siniestral bajo un conjunto de factores dados. Esto resulta fácil en el caso de coberturas con un período de exposición corto (un año o menos, como es el caso de los seguros de autos) y con alta siniestralidad. Sólo bastan un par de años de exposición para poder obtener conclusiones robustas. Distinto es el caso para coberturas de salud en las que el período de exposición al riesgo suele ser de varios años y la siniestralidad es muy baja y varía en el tiempo. Pero aún en esos casos, hay aplicaciones.

1) Fijación de precios de los Planes
Realizando la diagramación adecuada de las variables relevantes para la “tarificación” del negocio de salud, los modelos predictivos pueden ser tan poderosos como lo son para los seguros de autos. Sólo requerirá que se ajusten los modelos, se realicen los tests estadísticos pertinentes y se seleccionen las variables explicativas adecuadas para tener un modelo bien dimensionado.
Aun en entornos con precios altamente regulados y poca flexibilidad, el realizar estos ejercicios posibilita detectar nichos, orientar a la fuerza de ventas o rediagramar los incentivos.
Este tipo de procesos permite analizar de forma objetiva la nueva estrategia de precios y concretar objetivos específicos, como por ejemplo objetivos de ventas, mejoras en las ratios siniestrales, reducción de los subsidios cruzados, mejoramiento de la posición competitiva y cambios en la retención y conversión de los asociados, ya sea aumentándola o fijando límites aceptables para su deterioro.
También se han desarrollado herramientas que permiten proyectar el impacto de las diferentes estrategias de precios que se piensan llevar a cabo en el mercado, permitiendo comparar las tasas actuales con las propuestas, incorporar los modelos de comportamiento de la demanda y datos de la competencia para explorar una variedad de escenarios y permitir la elección que se ajuste a las necesidades estratégicas de cada organización.

2) Otras aplicaciones
Otra aplicación que se les puede dar a los modelos predictivos es en decisiones de marketing, haciendo uso de los aprendizajes del proceso de venta, de modo de detectar nichos o segmentos que sean más rentables e incentivar su comercialización a través de campañas o esquemas de comisiones. En un entorno en el cual hay cada vez más información sobre los consumidores, el hacer un buen uso de ella puede convertirse en una ventaja competitiva.

CONCLUSIÓN
Los modelos predictivos abren una puerta para la reducción de costos y para la mejora de resultados en el mercado de la salud a partir del análisis de las siguientes dimensiones:
1) Fijación de los Precios de los Planes (Tarifación).
2) Análisis geográfico.
3) Análisis de la suscripción.
4) Identificación de consumidores potenciales (haciendo un uso más eficiente del presupuesto de marketing).

Hoy, a diferencia del pasado, no existen barreras informáticas para efectuar este tipo de análisis y la efectividad de estos modelos ya fue probada no sólo en otros ramos, sino también en salud y vida particularmente. Así como con otros cambios que sucedieron en el sector, quienes inviertan y adopten estos procesos de forma temprana tendrán una ventaja competitiva y aquellos que no lo hagan tendrán que lidiar a futuro con la antiselección que se podría generar en sus carteras.

Agradecemos la colaboración de Matías Berasategui –Director del Área de Seguros de Willis Towers Watson en la elaboración de esta nota