P:
Jakie kluczowe błędy popełniają firmy, jeśli chodzi o wdrażanie i korzystanie z analityki dużych zbiorów danych?
ZA:Przez ponad dekadę organizacje opieki zdrowotnej zainwestowały miliony dolarów w budowę hurtowni danych i armii analityków danych, których jedynym celem jest podejmowanie lepszych decyzji na podstawie danych w celu poprawy wyników pacjentów. Historyczny problem polegał na tym, że same magazyny i analizy nie wystarczą, ponieważ udostępniane przez nich analizy, raporty i informacje na pulpicie nawigacyjnym nie są dostępne. Po prostu informują o tym, co się dzieje, ale spostrzeżenia nie mogą wyjaśnić, dlaczego tak się dzieje i co można zrobić, aby 1) zapobiec temu w przyszłości, jeśli jego wpływ na operacje będzie negatywny, lub 2) zachęcić do pożądanych pozytywnych wyników.
Teraz, zamiast po prostu rozumieć „co się dzieje”, infrastruktura i technologia osiągnęły pełnoletność, aby dowiedzieć się, „dlaczego” i „co z tym zrobić”. W LeanTaaS najpierw wydobywamy ryzę historycznej elektronicznej dokumentacji medycznej ( EHR) i wykorzystuj zaawansowane algorytmy do wykrywania trendów i wzorców - zarówno pozytywnych, jak i negatywnych. Następnie zapewniamy wskazówki nakazowe w celu rozwiązania problemów operacyjnych w celu poprawy dostępu do ograniczonych zasobów, skrócenia czasu oczekiwania pacjenta w szpitalu lub centrum infuzyjnym, zwiększenia zadowolenia personelu i obniżenia ogólnego kosztu świadczenia opieki zdrowotnej.
Niestety większość firm zajmujących się analizą dużych zbiorów danych koncentruje się tylko na swoich pulpitach nawigacyjnych i narzędziach do raportowania, wraz z ogromną ilością danych. Ale nadszedł czas, aby oczekiwać od firm analitycznych więcej niż samej prezentacji danych. Dane muszą opowiadać historię i przedstawiać rekomendacje, które powodują znaczącą zmianę procesu. Rozwiązanie musi być w stanie opracować dokładne prognozy i wygenerować rekomendacje, które są wystarczająco szczegółowe, aby linia frontu mogła podejmować setki konkretnych decyzji każdego dnia - a nie tylko „podziwiać problem”.
