П:
Које су неке кључне грешке компаније које раде када су у питању примена и коришћење аналитике великих података?
О:Више од деценије здравствене организације улажу милионе долара у изградњу складишта података и армија аналитичара података с једином сврхом доношења бољих одлука с подацима за побољшање исхода пацијената. Историјски проблем је био што та складишта и аналитика сама по себи нису довољна јер аналитика, извештавање и увиди на контролној табли које пружају нису применљиви. Једноставно извештавају о ономе што се догађа, али увиди не могу објаснити зашто се то дешава и шта се може учинити било да: 1) спречи да се то дешава у будућности ако је његов утицај на операције негативан, или 2) подстиче жељене позитивне исходе.
Сада, уместо да само разумијемо "шта се догађа", инфраструктура и технологија су постали пунољетни да бисмо схватили "зашто" и "шта треба учинити у вези с тим." ЕХР) и користе софистициране алгоритме да би уочили трендове и обрасце - и позитивне и негативне. Затим дајемо прописивање упутстава за решавање оперативних питања ради побољшања приступа ограниченим ресурсима, смањења времена чекања пацијената у поставкама болнице или инфузионог центра, повећања задовољства особља и смањења укупних трошкова пружања здравствене заштите.
Нажалост, већина компанија које се баве великим аналитичким подацима фокусирају се само на своје надзорне плоче и алате за извештавање, употпуњене огромном количином података. Али време је да очекујете више од аналитичких компанија него пуко представљање података. Подаци требају испричати причу и дати препоруке које резултирају значајном промјеном процеса. Рјешење мора бити у стању развити прецизна предвиђања и генерирати препоруке које су довољно специфичне да линија фронта сваког дана доноси стотине опипљивих одлука - а не само да се „дивите проблему“.
