Q:
Hvad er nogle af de vigtigste fejl, virksomheder har en tendens til at gøre, når det kommer til implementering og anvendelse af big data-analyse?
EN:I mere end et årti har sundhedsorganisationer investeret millioner af dollars i bygning af datalager og hære af dataanalytikere med det eneste formål at tage bedre beslutninger med data for at forbedre patientens resultater. Det historiske problem har været, at disse lagre og analyser alene ikke er nok, fordi de analyser, rapportering og kontrolpaneler, de leverer, ikke kan bruges. De rapporterer ganske enkelt, hvad der sker, men indsigterne kan ikke forklare, hvorfor det sker, og hvad der kan gøres for at enten 1) forhindre, at det sker i fremtiden, hvis dens indvirkning på driften er negativ, eller 2) tilskynder til de ønskede positive resultater.
I stedet for bare at forstå "hvad der foregår" er infrastrukturen og teknologien blevet ældre for at finde ud af "hvorfor" og "hvad vi skal gøre ved det." På LeanTaaS, først, udnytter vi historiske elektroniske sundhedsoplysninger ( EHR) data og bruger sofistikerede algoritmer til at se tendenser og mønstre - både positive og negative. Derefter giver vi receptpligtig vejledning til at tackle operationelle problemer for at forbedre adgangen til begrænsede ressourcer, reducere patientens ventetider på hospitaler eller infusionscenterindstillinger, øge personaletilfredsheden og sænke de samlede omkostninger ved levering af sundhedsydelser.
Desværre fokuserer størstedelen af big data-analysefirmaer kun på deres dashboards og rapporteringsværktøjer komplet med store mængder data. Men det er på tide at forvente mere fra analysefirmaer end blot præsentationen af data. Dataene skal fortælle en historie og fremsætte henstillinger, der resulterer i meningsfuld procesændring. Løsningen skal være i stand til at udvikle nøjagtige forudsigelser og generere henstillinger, der er specifikke nok til, at frontlinjen kan tage hundreder af konkrete beslutninger hver dag - ikke bare ”beundre problemet”.
