Q:
Hva er noen viktige feil selskaper pleier å gjøre når det gjelder implementering og bruk av big data-analyse?
EN:I mer enn et tiår har helseorganisasjoner investert millioner av dollar i å bygge datavarehus og hærer av dataanalytikere med det eneste formål å ta bedre beslutninger med data for å forbedre pasientresultatene. Det historiske problemet har vært at disse varehusene og analysene alene ikke er nok, fordi innsikten om analyse, rapportering og dashbord de gir ikke er mulig. De rapporterer ganske enkelt hva som skjer, men innsikten kan ikke forklare hvorfor det skjer og hva som kan gjøres for å 1) forhindre at det skjer i fremtiden hvis dets innvirkning på driften er negativt, eller 2) oppmuntre til de ønskede positive resultatene.
I stedet for bare å forstå "hva som skjer", har infrastrukturen og teknologien blitt eldre for å finne ut "hvorfor" og "hva vi skal gjøre med det." På LeanTaaS, først, gruver vi historiske elektroniske helsejournaler ( EHR) data og bruker sofistikerte algoritmer for å oppdage trender og mønstre - både positive og negative. Deretter gir vi reseptbelagte veiledninger for å adressere driftsmessige problemer for å forbedre tilgangen til begrensede ressurser, redusere pasientens ventetid på sykehus- eller infusjonssenterinnstillinger, øke personaletilfredsheten og senke de totale kostnadene for levering av helsetjenester.
Dessverre fokuserer de fleste Big Data Analytics-selskapene bare på dashbordene og rapporteringsverktøyene, komplette med store datamengder. Men det er på tide å forvente mer av analyseselskaper enn bare presentasjon av data. Dataene må fortelle en historie og komme med anbefalinger som resulterer i meningsfull prosessendring. Løsningen må kunne utvikle nøyaktige spådommer og generere anbefalinger som er spesifikke nok til at frontlinjen kan ta hundrevis av konkrete avgjørelser hver dag - ikke bare “beundre problemet.”
