Q:
До яких ключових помилок компанії схильні робити, коли йдеться про впровадження та використання аналітики великих даних?
A:Протягом більш ніж десятиліття медичні організації вкладають мільйони доларів у будівництво сховищ даних та армії аналітиків даних з єдиною метою прийняття кращих рішень із даними для покращення результатів пацієнтів. Історична проблема полягала в тому, що цих складів та аналітики однієї недостатньо, тому що надані ними аналітичні дані, звіти та інформаційні панелі не підлягають дії. Вони просто повідомляють про те, що відбувається, але розуміння не можуть пояснити, чому це відбувається, і що можна зробити для того, щоб 1) не допустити цього в майбутньому, якщо його вплив на операції негативний, або 2) заохочувати бажані позитивні результати.
Тепер, замість того, щоб просто зрозуміти "що відбувається", інфраструктура та технологія виросли, щоб зрозуміти "чому" і "що з цим робити". На LeanTaaS спочатку ми видобуваємо пачки історичної електронної медичної карти ( EHR) та використовують складні алгоритми, щоб визначити тенденції та закономірності - як позитивні, так і негативні. Тоді ми надаємо настанови щодо вирішення оперативних питань для поліпшення доступу до обмежених ресурсів, скорочення часу очікування пацієнтів в установах лікарні чи інфузійного центру, підвищення рівня задоволеності персоналу та зниження загальної вартості надання медичної допомоги.
На жаль, більшість компаній, що займаються аналітикою великих даних, зосереджуються лише на своїх інформаційних панелях та інструментах звітності в комплекті з величезною кількістю даних. Але час очікувати більше від аналітичних компаній, ніж просто представлення даних. Дані повинні розповісти історію та дати рекомендації, які призводять до змістовної зміни процесу. Рішення повинно бути в змозі розробити точні прогнози та генерувати рекомендації, які є достатньо конкретними для того, щоб передова лінія приймати сотні відчутних рішень щодня - не просто "захоплюватися проблемою".
