Q:
Quelles sont les principales erreurs que les entreprises ont tendance à commettre en ce qui concerne la mise en œuvre et l'utilisation de l'analyse des mégadonnées?
UNE:Depuis plus d'une décennie, les organisations de soins de santé ont investi des millions de dollars dans la construction d'entrepôts de données et d'armées d'analystes de données dans le seul but de prendre de meilleures décisions avec les données pour améliorer les résultats pour les patients. Le problème historique a été que ces entrepôts et analyses ne suffisent pas à eux seuls, car les analyses, les rapports et les informations de tableau de bord qu'ils fournissent ne sont pas exploitables. Ils signalent simplement ce qui se passe, mais les informations ne peuvent pas expliquer pourquoi cela se produit et ce qui peut être fait pour 1) l'empêcher de se produire à l'avenir si son impact sur les opérations est négatif, ou 2) encourager les résultats positifs souhaités.
Maintenant, au lieu de simplement comprendre «ce qui se passe», l'infrastructure et la technologie sont devenues matures pour comprendre «pourquoi» et «que faire à ce sujet». Chez LeanTaaS, nous exploitons d'abord des rames de dossiers de santé électroniques historiques ( DSE) et utiliser des algorithmes sophistiqués pour repérer les tendances et les modèles - à la fois positifs et négatifs. Ensuite, nous fournissons des conseils normatifs pour résoudre les problèmes opérationnels afin d'améliorer l'accès aux ressources limitées, de réduire les temps d'attente des patients dans les hôpitaux ou les centres de perfusion, d'augmenter la satisfaction du personnel et de réduire le coût global de la prestation des soins de santé.
Malheureusement, la majorité des sociétés d'analyse de Big Data se concentrent uniquement sur leurs tableaux de bord et leurs outils de reporting, avec de grandes quantités de données. Mais il est temps d'attendre davantage des sociétés d'analyse que la simple présentation de données. Les données doivent raconter une histoire et faire des recommandations qui entraînent un changement significatif du processus. La solution doit être en mesure de développer des prévisions précises et de générer des recommandations suffisamment spécifiques pour que la ligne de front puisse prendre des centaines de décisions tangibles chaque jour - et pas seulement «admirer le problème».
