Sadržaj
P:
Koje su ključne pogreške koje tvrtke imaju kod provođenja i korištenja analitike velikih podataka?
A:
Više od desetljeća zdravstvene organizacije ulažu milijune dolara u izgradnju skladišta podataka i armiju analitičara podataka s jedinom svrhom donošenja boljih odluka s podacima za poboljšanje ishoda pacijenata. Povijesni problem bio je što ta skladišta i analitika sama nisu dovoljna jer analitika, izvještavanje i uvidi na nadzornoj ploči koje pružaju nisu djelotvorni. Jednostavno izvještavaju o onome što se događa, ali uvidi ne mogu objasniti zašto se događa i što se može učiniti bilo 1) spriječiti da se to događa u budućnosti ako je njegov utjecaj na poslovanje negativan, ili 2) potaknuti željene pozitivne ishode.
Sada, umjesto da samo razumijemo "što se događa", infrastruktura i tehnologija su postali punoljetni da bismo shvatili "zašto" i "što učiniti u vezi s tim." Na LeanTaaS-u, prvo, rudamo ponove povijesnog elektroničkog zdravstvenog kartona ( EHR) i koriste sofisticirane algoritme za prepoznavanje trendova i obrazaca - i pozitivnih i negativnih. Zatim dajemo propisivanje smjernica za rješavanje operativnih pitanja za poboljšanje pristupa ograničenim resursima, smanjenje vremena čekanja pacijenata u postavkama bolnice ili infuzijskog centra, povećanje zadovoljstva osoblja i smanjenje ukupne cijene pružanja zdravstvene zaštite.
Nažalost, većina tvrtki za analitiku velikih podataka fokusira se samo na nadzorne ploče i alate za izvještavanje, zajedno s ogromnim količinama podataka. Vrijeme je da od analitičkih kompanija očekujete više od pukog predstavljanja podataka. Podaci trebaju ispričati priču i dati preporuke koje rezultiraju značajnom promjenom procesa. Rješenje mora biti u stanju razviti točna predviđanja i generirati preporuke koje su dovoljno specifične za liniju fronta za donošenje stotina opipljivih odluka svaki dan, a ne samo za „divljenje problemu“.