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。
作者:刘牧樵 时间:2024-10-22 17:30:43 文章来源:原创
作者:码万祺 时间:2024-10-22 17:21:39 文章来源:原创
作者:凌晓 时间:2024-10-22 14:15:56 文章来源:转载
作者:贺华煜 时间:2024-10-22 14:06:08 文章来源:原创
作者:杨全玉 时间:2024-10-22 11:03:28 文章来源:原创
作者:宋红现 时间:2024-10-22 10:43:03 文章来源:原创