Vsebina
V:
Katere so ključne napake, ki jih podjetja naredijo pri izvajanju in uporabi analitike velikih podatkov?
A:
Zdravstvene organizacije že več kot desetletje vlagajo milijone dolarjev v gradnjo skladišč podatkov in vojske podatkovnih analitikov z edinim namenom sprejemanja boljših odločitev s podatki za izboljšanje rezultatov pacientov. Zgodovinska težava je bila, da samo ta skladišča in analitika niso dovolj, ker analitiki, poročanje in vpogled na nadzorno ploščo, ki jih zagotavljajo, niso izvedljivi. Preprosto poročajo o tem, kaj se dogaja, vendar vpogled ne more razložiti, zakaj se dogaja in kaj lahko storimo, da 1) preprečimo, da bi se to zgodilo v prihodnosti, če je njegov vpliv na poslovanje negativen, ali 2) spodbudijo želene pozitivne rezultate.
Zdaj, namesto da bi samo razumeli, kaj se dogaja, sta se infrastruktura in tehnologija zreli, da bi ugotovili, "zakaj" in "kaj storiti glede tega." Na LeanTaaS najprej kopamo zgodovinske elektronske zdravstvene podatke ( EHR) in uporabljajo sofisticirane algoritme za ugotavljanje trendov in vzorcev - pozitivnih in negativnih. Nato ponujamo smernice za reševanje operativnih vprašanj za izboljšanje dostopa do omejenih virov, zmanjšanje čakalnih dob pacientov v bolnišnicah ali infuzijskem centru, povečanje zadovoljstva osebja in znižanje skupnih stroškov izvajanja zdravstvenih storitev.
Na žalost se večina velikih analitičnih podatkov osredotoča samo na svoje nadzorne plošče in orodja za poročanje, skupaj z ogromno količino podatkov. Čas je, da od analitičnih podjetij pričakujemo več kot zgolj predstavitev podatkov. Podatki morajo povedati zgodbo in dati priporočila, ki vodijo do smiselnih sprememb procesa. Rešitev mora biti sposobna razviti natančne napovedi in oblikovati priporočila, ki so dovolj specifična, da fronta vsak dan sprejema na stotine oprijemljivih odločitev - ne samo »občudovanja problema«.