ש:
מהן כמה טעויות מפתח שחברות נוטות לעשות בכל מה שקשור ליישום ושימוש בניתוח נתונים גדולים?
ת:במשך למעלה מעשור, ארגוני בריאות השקיעו מיליוני דולרים בבניית מחסני נתונים וצבאות של אנליסטים נתונים במטרה אחת ויחידה לקבל החלטות טובות יותר עם נתונים לשיפור תוצאות המטופלים. הבעיה ההיסטורית הייתה שמחסנים ואנליטיקה אלה בלבד אינם מספיקים מכיוון שתובנות הניתוח, הדיווח והמרכז שהם מספקים אינן ניתנות לביצוע. הם פשוט מדווחים על מה שקורה, אך התובנות אינן יכולות להסביר מדוע זה קורה ומה ניתן לעשות בכדי לאפשר 1) למנוע את התרחשותו בעתיד אם השפעתו על הפעילות תהיה שלילית, או 2) לעודד את התוצאות החיוביות הרצויות.
עכשיו, במקום רק להבין "מה קורה", התשתית והטכנולוגיה התגלגלו כדי להבין "למה" ו"מה לעשות בקשר לזה. "ב- LeanTaaS, ראשית, אנו מכסים את הרשימות של רשומות בריאות היסטוריות אלקטרוניות ( EHR) נתונים ומשתמשים באלגוריתמים מתוחכמים כדי לאתר מגמות ודפוסים - חיוביים ושליליים כאחד. לאחר מכן אנו מספקים הנחיות מרשם לטיפול בבעיות תפעוליות לשיפור הגישה למשאבים מוגבלים, צמצום זמני ההמתנה של המטופלים בהגדרות של מרכז בית חולים או עירוי, הגברת שביעות הרצון של הצוות והורדת העלות הכוללת של משלוח שירותי בריאות.
לרוע המזל, רוב חברות ניתוחי ה- Big Data מתמקדות רק במרכזי המחוונים וכלי הדיווח שלהן, להשלים עם כמויות אדירות של נתונים. אבל הגיע הזמן לצפות מחברות אנליטיקה ליותר מאשר הצגת נתונים בלבד. הנתונים צריכים לספר סיפור ולהביא המלצות המביאות לשינוי משמעותי בתהליך. הפתרון צריך להיות מסוגל לפתח תחזיות מדויקות ולייצר המלצות ספציפיות מספיק כדי שהקו הקדמי יוכל לקבל מאות החלטות מוחשיות בכל יום - ולא רק "להתפעל מהבעיה."
