K:
Mitä keskeisiä virheitä yritykset yleensä tekevät suurten tietojen analysoinnin toteuttamisessa ja käyttämisessä?
V:Yli vuosikymmenen ajan terveydenhuollon organisaatiot ovat investoineet miljoonia dollareita rakentamalla tietovarastoja ja tietoanalyytikkojen armeijoita ainoana tarkoituksenaan tehdä parempia päätöksiä tiedoilla potilaan tulosten parantamiseksi. Historiallinen ongelma on ollut, että nämä varastot ja analytiikka eivät yksin riitä, koska niiden tarjoamat analytiikat, raportointi ja kojetaulun oivallukset eivät ole toimivia. He yksinkertaisesti ilmoittavat tapahtuvasta, mutta näkemykset eivät voi selittää miksi se tapahtuu ja mitä voidaan tehdä joko 1) estämään sitä tapahtumasta tulevaisuudessa, jos sen vaikutus operaatioihin on kielteinen, tai 2) kannustamaan toivottuihin positiivisiin tuloksiin.
Nyt sen sijaan, että ymmärrämme vain "mitä tapahtuu", infrastruktuuri ja tekniikka ovat ikääntyneet selvittämään "miksi" ja "mitä tehdä sille." LeanTaaS: ssä ensinnäkin meidän kaivokset kattaa historiallisen sähköisen terveyskertomuksen ( EHR) -dataa ja käytä hienostuneita algoritmeja havaitaksesi trendit ja mallit - sekä positiiviset että negatiiviset. Sitten tarjoamme reseptilääkkeitä toimintakysymyksiin, joilla parannetaan rajoitettujen resurssien saatavuutta, vähennetään potilaiden odotusaikoja sairaalan tai infuusiokeskuksen ympäristöissä, lisätään henkilöstön tyytyväisyyttä ja alennetaan terveydenhuollon toimituskustannuksia.
Valitettavasti suurin osa suurista data-analyysiyrityksistä keskittyy vain hallintapaneeleihinsa ja raportointityökaluihinsa, joihin sisältyy valtava määrä tietoja. Mutta on aika odottaa enemmän analytiikkayrityksiltä kuin pelkkää tietojen esittämistä. Tietojen on kerrottava tarina ja annettava suosituksia, jotka johtavat prosessin merkitykselliseen muutokseen. Ratkaisun on kyettävä kehittämään tarkkoja ennusteita ja tuottamaan tarpeeksi erityisiä suosituksia, jotta etulinjassa voidaan tehdä satoja konkreettisia päätöksiä päivittäin - ei vain "ihailla ongelmaa".
