Adatelemzés a kártérítési ügyekben
Ez a cikk több mint egy éve került publikálásra. A cikkben szereplő információk a megjelenéskor pontosak voltak, de mára elavultak lehetnek.
A big data stratégiai lendületet adhat az ügyvédeknek és a szakértőknek a kárszakértés területén is. Az adatokon alapuló számításokkal a szakértők növelhetik a szakvéleményük megalapozottságát, így az általuk számított összeget a bírósági és a választottbírósági eljárásokban is nagyobb valószínűséggel fogadják el.
A kérdés az, hogy hogyan jutnak hozzá az ügyvédek és a kárszakértők az adatokhoz? És a megszerzett adatokból hogyan készítenek a perben alkalmas bizonyítékot?
Akár egyetlen ügy is több terrabájtnyi elektronikus információt tartalmazhat, látszólag véletlenszerű elektronikus adatbázisban.
Előfordulhat, hogy strukturálatlan adatokat, például egyedi e-maileket vagy vállalati számlákat kell kigyűjteni és megvizsgálni. Még a régi, papír alapú dokumentumokat is lehet, hogy be kell szkennelni és ellenőrizni kell.
Ezeket a problémákat egyre inkább az adatelemzéssel, a kifinomult szoftverek és az adattudomány használatával oldják meg, a big data bányászatára, rendszerezésére és elemzésére szakosodott szakértők. Az adatelemzési megközelítés sokkal részletesebb információkkal szolgál, megerősítheti a számításokat, sőt bizonyítékokkal szolgálhat, amelyek befolyásolhatják az ügy kimenetelét.
Egy betegellátással kapcsolatos per
Az adatelemzés egyik legelterjedtebb alkalmazásakor több látszólag különálló adatsort összefüggéséből állnak elő a bizonyítékok Vegyük például azt az esetet, hogy egy kis közösség kórháza megállapodást kötött két klinikával, hogy az eseteket egyformán irányítják az egyes praxisokra, ha a betegeknek orvosi konzultációra van szükségük. Idővel azonban az egyik klinika úgy érezte, hogy a kórház előnyben részesíti versenytársát, és panaszt tett az ügyről a kórház vezetésének. Válaszul a kórház beleegyezett abba, hogy a beteg beutalóit rotációsan ütemezve adja ki.
Ez azt jelenti, hogy egy klinikára egy adott napra kapnak beutalót a beteget; a másik napra a másik klinikára kapnak beutalót. Három év telt el. A megállapodás ellenére a klinika meg volt győződve arról, hogy a betegek beutalása nem méltányos módon történik. Ennek eredményeként pert indított. Két kérdést kellett megválaszolni az ügyben: A kórház egyenlőtlenül irányította-e a betegeket, és ha igen, milyen károkat köteles megtéríteni a klinikának? A kérdések megválaszolásához három különféle információra volt szükség. Egyrészt kielemezték a kórházi nyilvántartást a két klinikára történő beutalásokról. A betegkezelő rendszerben számlázási kódokkal határozták meg, mely betegeket melyik klinikára irányítják.
Az ügyet azonban bonyolították a megállapodások egyedi jellemzői. Ha egy betegnek már volt kapcsolata az egyik klinikával, akkor a kórház nem volt köteles követni a rotációs rendet [és őt arra a klinikára utalhatta be, ahol már korábban járt]. E kapcsolatok értékeléséhez mindkét klinikáról betegnyilvántartási adatokra volt szükség. A perelő klinika nyilvántartásaihoz való teljes hozzáférés megszerzése nem volt probléma.
A másik klinika viszont nem volt részese a pernek, és kevésbé volt hajlandó együttműködni. A kórház által beutalt új betegekről korlátozott információt nyújtott be.
A kihívások leküzdése
Az adatelemzés döntőnek bizonyult annak a kihívásnak a leküzdésében, hogy meghatározzák, a beteg kapcsolata a kórházi beutaló előtt vagy után jött létre a klinkával. A konkrét betegeket azonosító információkat a három adatsorozatból vetették ki, és összehasonlították a tranzakciókkal és a beutalókkal. Végül az adatok bebizonyították, hogy a kórház több beteget irányított a versenytárshoz- és akkor is ezt tette, amikor a betegnek már korábban fennállt a kapcsolata a felperes klinikájával. A betegszintű tranzakcióelőzmények segítettek megmutatni, hogy mely beutalók képezik a kárszámítás alapján, illetve melyek nem (Valójában az adatok elemzése annyira alapos volt, hogy még az ellenérdekű fél szakértői is egyetértettek vele.)
Az adatelemzés megerősítette továbbá, hogy a kórház és a klinikák reagáltak-e az adatok iránti megkeresésekre, és segítettek-e az adatok következetlenségeinek és hiányosságainak feltárásában. Az, hogy egy ellenfél – vagy ebben az esetben a versengő klinika, amely nem vett részt az ügyben- reagált-e, kulcsfontosságú szempont a tanácsadó számára a kár kiszámításához.
Az adatelemzés lehetővé teszi a kár pénzügyi hatásának mélyebb elemzését is. A klinika esetében az adathalmazokat bányászták, hogy mérőszámokat hozzanak létre arról, hogy egy tipikus beteg mennyi díjat fizetett volna a klinikai látogatása során, és hány dollárt számlázhattak volna nekik.
Ezeket a mutatókat ezután a nem megfelelően beutalt betegek halmazára lehet alkalmazni, hogy segítsenek meghatározni a klinika kárát.
Megfelelő adatelemzéssel az ügyvédek és a kártérítési szakértők nagyobb pontossággal számolhatnak. Gyakran az ügyvédek és a szakértők széles iparági vagy regionális átlagok alapján kénytelenek a veszteség pénzügyi hatásait megállapítani. Az adatelemzés lehetővé teszi számukra, hogy olyan számítást készítsenek, amely részletesebb képet fest az ügyfél által elszenvedett veszteségről.
A csoportos perek
Az adatelemzés hatékony eszközként szolgálhat az ügyvédeknek az összetett csoportos perekben is. Vegyünk például egy közelmúltbeli csoportos keresetet, amelyben több vállalkozás és egy olyan eladó vett részt, amelynek nem sikerül leszállítani a termékét az ügyfelek számára.
Az ügyvédnek meg kellett határoznia az csoport tagjait, és ki kellett számolni az esetleges részarányukat egy településen. Ehhez össze kellett állítani az ügyfelek nevét, elérhetőségüket, illetve azt, hogy kifizették-e számláikat és ha igen, akkor milyen összeget egy meghatározott időtartamra vonatkozóan.
Noha rendelkezésre álltak a tranzakciószintű részletek, az egyes vállalkozások külön számlázási rendszert üzemeltettek, és a rendszerek olyan adatbázisokra támaszkodtak, amelyek külön naplózták az ügyfelek nevét, számlázási információkat és kifizetéseket. Tovább bonyolítja az ügyet, hogy az ügyfelek gyakran változtatnak lakóhelyet. Új ügyfelek költöztek a szolgáltatási területekre; mások pedig elköltözött. Az ügyfél a szolgáltatási terület határain belül vagy a szolgáltatási területek között mozoghat. A szállítási címek, ha rendelkezésre állnak a nyilvántartásokban, akkor általában kézírásos feljegyzések voltak.
Az összes adatsort össze kellett fésülni, felhasználható adatokká kellett alakítani és elemezni kellett őket. Az ügyfelek számlázási információit összegyűjtötték és megvizsgálták, hogy megállapítsák, mennyi ideig használták a szolgáltatásokat, így vizsgálva, hogy a csoport tagjai voltak-e. A jelenlegi elérhetőségi adatokat külön kigyűjtötték az adatokból, hogy az ügyvéd értesíthesse az csoport tagjait az esetről. A fizetési előzmények elemzése pedig konkrétabb veszteségszámításokat tett lehetővé.
Strukturálatlan adatok
Bár összetettek, a fent leírt vállalkozások adatai elsősorban a meglévő adatbázisokban helyezkedtek el, amelyeket össze lehetett kötni, majd összességében elemezni lehetett. Időnként azonban az adatok „strukturálatlanok”, és ezeket egy adatbázisba kell gyűjteni a bizonyítékok pontos meghatározása és az azonosított igények értékének megállapítása érdekében.
Egy közelmúltbeli ügyben egy vállalati bejelentő azt állította, hogy munkáltatója megsértette a törvényt, és számos hamis követelést nyújtott be a kormányhoz. A vállalatot azzal vádolták, hogy egy szövetségi programon keresztül fizetett szolgáltatásokért felajánlásokért cserébe harmadik félnek fizetett.
A bizonyítékokat több nehezen elérhető helyen ásták el. Két számlázási rendszer tranzakciós adataiból állt, amelyek részletesen bemutatták a kormánynak benyújtott igényeket. A beszerzési nyilvántartások azt mutatták, hogy a harmadik fél szervezete értékesítette az árukat az eladónak. E-mailek a vállalattól, a harmadik féltől származó szervezettől és az ügyfelektől árukat kértek és visszaigazolták az átvételüket.
Az adatok elemzésével összegyűjtötték az összes szálat, azonosították a hamis állítások bizonyítékait és kiszámították azok potenciális értékét. Új struktúrát fejlesztettek ki a strukturálatlan információk (például a beszerzési nyilvántartások és az e-mail hivatkozások) és az anyagok strukturált adatbázisokban (például számlázás) történő rögzítésére. Strukturált adatokkal állapították meg, hogy a követeléseket a kormányhoz nyújtották be. A strukturálatlan adatokat összehasonlították vele.
Együttvéve az információk kifinomult sémát tártak fel. Az ügyfelek számára átadott áruk ösztönzött ajánlóként szolgáltak; a társaság követeléseit benyújtotta a kormánynak, amely azokat megtérítette; és a „jutalékfizetés” valójában a harmadik fél szervezetének csorgott vissza.
A fejlett adatelemzés révén kidolgozott és azonosított bizonyítékok több mint 10 millió dollár értékű visszatérítést tártak fel a kormány részéről a vállalat több ezer hamis követelése miatt.
Az emberi tényező
Az adatelemzés definíció szerint matematikát, statisztikát és számítógépes szoftvert jelent az összetett problémák megoldására. Kifinomult törvényszéki eszközökre van szükség a különálló adatkészletek, a pénzügyi nyilvántartások és a strukturálatlan adatok egyetlen platformon történő egyesítéséhez a nyomozás és az elemzés céljából.
Az emberi tényező is kritikus. Egy tapasztalt adatelemző tudja, hogyan lehet kérdéseket feltenni, rejtett adatforrásokat keresni, foglalkozni azokkal az emberekkel, akik a szervezetben ellenőrzik az információkat, és a megfelelő technológiai eszközöket alkalmaznak a munka elvégzéséhez. A fejlett adatelemzés segítségével azonosíthatják a trendeket, kapcsolatokat, váratlan mintákat, inkonzisztenciákat és szabálytalanságokat – és segítséget nyújthatnak a győztes kárstratégia kialakításában.
(law.com)
