J:
Kādas ir galvenās kļūdas, kuras uzņēmumi mēdz pieļaut, ieviešot un izmantojot lielo datu analītiku?
A:Vairāk nekā desmit gadus veselības aprūpes organizācijas ir ieguldījušas miljoniem dolāru datu noliktavu un datu analītiķu armiju veidošanā, lai vienīgais mērķis būtu pieņemt labākus lēmumus ar datiem, lai uzlabotu pacientu rezultātus. Vēsturiskā problēma ir bijusi tā, ka ar šīm noliktavām un analītiku vien nepietiek, jo to sniegtā analīze, pārskati un informācijas paneļa ieskats nav izmantojami. Viņi vienkārši ziņo par notiekošo, bet ieskats nespēj izskaidrot, kāpēc tas notiek un ko var darīt, lai 1) novērstu tā rašanos nākotnē, ja tā ietekme uz operācijām ir negatīva, vai 2) mudinātu sasniegt vēlamos pozitīvos rezultātus.
Tagad tā vietā, lai vienkārši saprastu “kas notiek”, infrastruktūra un tehnoloģijas ir sasniegušas vecumu, lai izdomātu “kāpēc” un “ko ar to darīt.” Vispirms LeanTaaS mēs analizējam vēsturisko elektronisko veselības ierakstu krājumus ( EVK) datus un izmantojiet sarežģītus algoritmus, lai noteiktu tendences un modeļus - gan pozitīvos, gan negatīvos. Tad mēs sniedzam recepšu norādījumus operatīvo jautājumu risināšanai, lai uzlabotu piekļuvi ierobežotajiem resursiem, samazinātu pacienta gaidīšanas laiku slimnīcas vai infūzijas centra apstākļos, palielinātu personāla apmierinātību un samazinātu veselības aprūpes sniegšanas kopējās izmaksas.
Diemžēl lielākā daļa lielo datu analīzes uzņēmumu koncentrējas tikai uz saviem informācijas paneļiem un atskaišu veidošanas rīkiem, kas papildināti ar milzīgu datu daudzumu. Bet ir pienācis laiks gaidīt vairāk no analītikas uzņēmumiem, nevis tikai datu noformējumu. Datiem ir jāstāsta stāsts un jāsniedz ieteikumi, kuru rezultātā notiek nozīmīgas procesa izmaiņas. Risinājumam jāspēj izstrādāt precīzas prognozes un radīt pietiekami specifiskus ieteikumus, lai frontes līnija katru dienu varētu pieņemt simtiem reālu lēmumu - ne tikai “apbrīnot problēmu”.
