3、 在大数据发现线索后，飞检工作组应如何配合进一步工作？

　　分析：飞检工作组及时出手，很有现实意义。因为大数据发现的是“涉嫌”“疑似”，被检查对象有权利“解释”“辩解”。在一些现实工作中，不排除有证据销毁，也不排除飞检工作组要被动放弃一些情形性质的本来认定。飞检工作组展开线下及时果断深入排查线索，就是在抢时间、守住大数据筛查的线索成果和原貌。关于进一步工作，一是把现场全面检查该不容忍的情况都予以记录、曝光，真正守住原则，而不是停留在“所谓一般地、原则上、主要是”；二是将这些情形曝光，积极地投放到社会、行业更多利益相关方、关注者，使讨论氛围、改善工作的氛围得到持续发展。及时说明严肃严重性，避免“不教而诛”。

　　4、 相比传统监管手段，大数据监管模型运用的优势有哪些？可以为医保飞行检查带来哪些改变？

　　分析：首先，基金监管难在“查谁”，大数据监管模型比“抓阄”更有依据。原来“查谁”，有时是办些小案，有时是办些大案。关于“查谁”，有机制么？可能看形势、看运动、看心情。今后，大数据是不停生产的一条条产线，就像有自动报案，就不得不“出警”，这是机制。其次，大数据监管不唯大案要案，且飞检工作组很负责地“又抠出很多典型、接地气的骗保做法”，使“查谁”变得不那么重要了，因为屡次发现同样的骗保情形不断重演，就倒逼完善基金监管条款、改进行业实操共识和做法，使行业内无论谁都难逃影响。第三，大数据监管模型真正把达摩克利斯剑悬于任何医院医生头顶，从一件基金监管案件、他人被飞检查处案件的事前、事中、事后，对社会、行业形成长期有效的宣教和震慑，敢于持续犯法、批量试法者越来越少。

　　5、 在医保飞检中，大数据监管模型还有哪些可以发展和提高之处？

　　分析：首先，不满足于“查了谁”“查到什么”“实锤什么”，而应从战斗结果梳理总结经验，通过建章立制、细化要求来赋能大数据监管的普世生产力；其次，不满足于“查了哪家医院”，要贯通下去到具体的处方医师、医务人员等，哪怕是找到背锅侠，要能触动到具体人的利益影响，从而瓦解“一块铁板”。第三，大数据监管模型与飞检工作组的榜样精神要有机结合，避免大数据监管模型流于技术形式，该较真就要较真，该认真一定认真，并且飞检工作组的价值观和方法论要反哺大数据模型发展。第四，大数据监管模型需要深度学习、交互，也应考虑向医疗行业释放善意、开明、辅导，减少误伤，发挥机器的智慧。第五，大数据监管模型适时要强调回头看、一直回头看，坚持原则，避免打击效果不长、反复。

　　感谢林老师对本文的启发。