Q:
Kokias klaidas daro bendrovės, vykdydamos didelių duomenų analizę ir naudodamos ją?
A:Per daugiau nei dešimtmetį sveikatos priežiūros organizacijos investavo milijonus dolerių į duomenų saugyklų ir duomenų analitikų armijų kūrimą, kad vienintelis tikslas būtų priimti geresnius sprendimus atsižvelgiant į duomenis, siekiant pagerinti pacientų rezultatus. Istorinė problema buvo ta, kad vien šių sandėlių ir analizės nepakanka, nes jų teikiamos analizės, ataskaitų teikimo ir prietaisų skydelio įžvalgos negali būti vykdomos. Jie tiesiog praneša apie tai, kas vyksta, tačiau įžvalgos negali paaiškinti, kodėl tai vyksta ir ką galima padaryti: 1) užkirsti kelią tam, kad ateityje tai įvyktų, jei jo poveikis operacijoms yra neigiamas, arba 2) skatinti norimus teigiamus rezultatus.
Dabar, užuot tiesiog supratę „kas vyksta“, infrastruktūra ir technologijos įgavo amžių išsiaiškinti „kodėl“ ir „ką su tuo daryti.“ Pirmiausia „LeanTaaS“ mes apžvelgiame istorinių elektroninių sveikatos įrašų privalumus ( EHR) duomenis ir naudokite sudėtingus algoritmus, kad pastebėtumėte tendencijas ir modelius - tiek teigiamus, tiek neigiamus. Tada mes pateikiame nurodomąsias gaires, kaip spręsti operacinius klausimus, siekiant pagerinti prieigą prie ribotų išteklių, sutrumpinti pacientų laukimo laiką ligoninės ar infuzijos centro aplinkoje, padidinti darbuotojų pasitenkinimą ir sumažinti bendras sveikatos priežiūros paslaugų išlaidas.
Deja, dauguma didžiųjų duomenų analizės kompanijų daugiausia dėmesio skiria tik savo prietaisų skydams ir ataskaitų teikimo įrankiams, kuriuose yra didelis duomenų kiekis. Bet atėjo laikas tikėtis daugiau iš analitikos kompanijų, o ne tik duomenų pateikimo. Duomenys turi papasakoti istoriją ir pateikti rekomendacijas, kurios leistų reikšmingai pakeisti procesą. Sprendimas turi sugebėti sukurti tikslias prognozes ir pateikti pakankamai specifines rekomendacijas, kad fronto linija kiekvieną dieną priimtų šimtus realių sprendimų - ne tik „žavisi problema“.
