Cigna的销售和客户入职转型之旅

Cigna的销售和客户入职转型之旅

关键字: [Amazon Web Services re:Invent 2024, 亚马逊云科技, Cigna Contour, Business Value Transformation, Stakeholder Experience Improvement, Cloud Native Platform, Sales Enablement Strategy, Intelligent Process Automation]

导读

Cigna Healthcare与TCS合作,通过在亚马逊云科技上构建的云原生解决方案,改革了其销售和入职体验。在本次会议中,了解这个创新平台如何简化、精简和标准化功能,帮助其销售和运营团队以速度和精准度提供市场领先的解决方案,并为利益相关者提供了领先的数字体验。本次演讲由亚马逊云科技合作伙伴Tata Consultancy Services为您带来。

演讲精华

以下是小编为您整理的本次演讲的精华。

在医疗保健行业不断变革的格局中,著名的健康保险公司Cigna着手进行了一场宏伟的转型之旅,目的是提升利益相关者体验并增强业务成果。Cigna意识到技术在塑造这个行业中扮演着关键角色,因此与Tata Consultancy Services (TCS)建立了战略合作伙伴关系,并利用亚马逊云科技的力量来推进这一转型进程。

Cigna是一家全球性公司,业务范围涵盖美国商业、美国政府、国际健康和Evernorth健康服务等多个领域,年收入超过1800亿美元,在全球30个司法管辖区拥有70,000名员工。秉持着确保所服务对象的健康和活力的使命,Cigna的触角延伸至全球超过1亿个客户关系,包括医疗服务提供者、医疗设施和个人。

TCS是一家知名的IT服务、咨询和商业解决方案组织,在过去55年里一直引领着全球领先企业的转型之旅。TCS坚信创新和集体智慧的力量,与Cigna建立了长达20年的合作伙伴关系,双方秉持着共同的目标,通过不懈的创新为客户创造价值、赋能社区并挑战现状。

这场转型之旅的起因源于雇主赞助的健康保险生态系统中固有的复杂挑战。市场分析显示,99%的经纪人在选择健康计划时优先考虑业务便利性,而技术则是影响他们向客户推荐的关键因素。与此同时,高达41%的员工希望保险公司能够提供更多帮助来理解他们的福利,而47%的消费者则寻求个性化的健康计划建议,以满足他们独特的需求。

认识到这些挑战,Cigna和TCS着手开启了一场转型之旅,目标宏伟:提升利益相关者体验、通过简化续保流程将新业务销售额提高一倍、客户留存率提高50%。他们采用了“4S战略”,即简化技术解决方案、优化业务流程以缩短响应时间、标准化客户外联以提供一致的体验,并使开发的解决方案能够跨业务领域扩展。

这场转型围绕三大支柱展开:为销售团队实现自我赋能、提高效率以推动健康计划的可负担性,以及端到端的协作战略,转变流程、交付机制和技术。总体目标是从分散的手动工作流和点自动化解决方案过渡到统一的云原生企业平台,简化流程,促进跨业务团队的高效协作,并为经纪人和客户提供及时准确的结果。

Cigna Contour是这场转型的核心,它将整个生态系统简化为四个关键应用程序:入口(入站RFP流程)、报价(核保)、构建和安装(实施已售出的计划),而亚马逊云科技则作为支撑。通过与Salesforce和Pega等产品的无缝集成,借助亚马逊云科技服务,Cigna Contour将分散的系统连接成一个协同统一的生态系统。

Cigna利用亚马逊云科技服务的强大功能,包括EC2、EKS、Aurora Postgres、AI/ML和NLP,用于编排、数据管理和自动化。Cigna建立了一致交付的模式,如身份验证和S3存储桶配置,大大提高了开发人员的生产力,缩短了交付时间。这场转型不仅通过将多个应用程序整合到一个平台上来增强用户体验,而且还获得了业务用户的积极反馈,他们对流程的简化和高效表示赞赏。

开发团队从使用现代技术、利用既定模式以及提高留存率中获益。然而,成本控制和考虑财务影响的设计评审对架构师来说变得至关重要,需要重新关注财务精明和权衡分析。

这场转型的一个关键成就是开发了EKS部署等模式,使团队能够在一周或更短时间内快速扩展和部署环境,而这一过程过去需要6-9个月。亚马逊云科技服务为Cigna带来了速度、可扩展性和灵活性,而与亚马逊云科技的合作则提供了宝贵的架构评审、技术见解以及对概念验证的服务工程师支持。

这段旅程的一个关键教训是交付增量业务价值并量化收益的重要性。Cigna采用了迭代方法,每6-9个月更新一次业务案例,以反映已实现的切实成果,并为未来的改进制定路线图。重构成为常态,确保平台与不断发展的技术和业务需求保持一致。

Cigna、TCS和亚马逊云科技之间的合作伙伴关系以开放式沟通、通过研讨会进行协作创意、技能发展计划、架构优化以及创建引人注目的业务案例为特征。迁移加速计划(MAP)和FinOps实践发挥了关键作用,最大化投资并优化云支出,进一步巩固了合作伙伴关系的战略价值。

随着Cigna继续推进转型之旅,未来将有望实现先进的数据和分析解决方案、实现目标业务成果,并纳入新兴的亚马逊云科技产品。持续重构和优化平台将至关重要,确保Cigna在不断变化的技术格局中保持领先地位。

Cigna销售和客户入职转型之旅的成功,归功于Cigna、TCS和亚马逊云科技之间的协同合作。他们利用亚马逊云科技服务和模式,构建了Cigna Contour这一云原生企业平台,简化了技术、优化了流程并标准化了客户外联。合作伙伴之间的开放式沟通、协作创新和持续优化是推动利益相关者体验改善、运营效率提高和实现有形业务成果的驱动力。

在医疗保健这个技术扮演着关键角色的动态领域,Cigna的转型见证了战略合作伙伴关系、创新思维和对卓越的不懈追求的力量。随着他们继续沿着这条转型之路前行,未来将为Cigna带来无限机遇,重新定义行业格局,并在提供卓越的医疗保健体验方面树立新的标杆。

下面是一些演讲现场的精彩瞬间:

来自Cigna的Rajesh分享了公司的增长和转型成功故事,重点介绍了Cigna、TCS和亚马逊云科技之间的合作,推动了巨大的业务价值。

塔塔咨询服务公司Cigna客户合作伙伴Abhishek Vomek强调了他们长达二十年的转型、合作和成功伙伴关系,这得益于创新和集体知识的推动。

Cigna旨在通过利用技术简化经纪人、雇主和员工的流程,来提升员工赞助的健康保险生态系统中的用户体验和合作伙伴关系。

Cigna Contour的转型之旅:通过统一品牌和简化生态系统,构建高可用性、可扩展性和可靠性平台,实现快速市场交付。

亚马逊云科技服务使企业能够建立模式并简化流程,提高开发人员的生产力,确保高效且一致的交付。

亚马逊云科技通过提供现代化平台和职业发展机会,有助于留住人才,从而加快创新医疗保健解决方案的交付。

演讲者强调拥有“桥梁”或过渡方法的重要性,以便在不中断业务运营的情况下促进变革,实现渐进且经济高效的转型。

总结

作为一家领先的医疗保健提供商,Cigna着手进行一场变革性的旅程,旨在彻底革新其销售和客户入职流程,这源于迫切需要提升利益相关者体验和业务成果。Cigna与TCS和亚马逊云科技合作,打造了一个创新的云原生平台Cigna Contour,该平台简化了流程、实现了智能自动化,并提供了无缝的数字体验。

这一变革围绕四大支柱展开:简化技术解决方案、精简业务流程、标准化客户外联,以及实现可扩展性。通过利用亚马逊云科技服务如EC2、EKS、Aurora以及AI/ML功能,Cigna Contour统一了分散的系统、加快了交付时间,并使团队掌握了现代模式和实践。

成果非凡——更快获得客户、提高续约率、增强报告能力,以及显著的成本优化。Cigna的用户对无缝体验赞不绝口,而开发人员则欣喜有机会在这个前沿平台上工作,从而促进了人才留任和职业发展。

展望未来,Cigna旨在进一步整合高级分析、探索主动智能AI架构,并持续重构平台以保持领先优势。与亚马逊云科技的合作伙伴关系,以透明度、架构评审和联合创新研讨会为标志,在推动这一变革性成功中发挥了关键作用,为持续的业务价值和行业领导地位铺平了道路。

亚马逊云科技(Amazon Web Services)是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务,服务全球245个国家和地区的数百万客户。做为全球生成式AI前行者,亚马逊云科技正在携手广泛的客户和合作伙伴,缔造可见的商业价值 – 汇集全球40余款大模型,亚马逊云科技为10万家全球企业提供AI及机器学习服务,守护3/4中国企业出海。

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值