Q:
Apa saja kesalahan kunci yang cenderung dibuat perusahaan ketika datang untuk mengimplementasikan dan menggunakan analitik data besar?
SEBUAH:Selama lebih dari satu dekade, organisasi layanan kesehatan telah menginvestasikan jutaan dolar untuk membangun gudang data dan pasukan analis data dengan tujuan tunggal untuk membuat keputusan yang lebih baik dengan data untuk meningkatkan hasil pasien. Masalah historisnya adalah bahwa gudang dan analitik ini saja tidak cukup karena analisis, pelaporan, dan wawasan dasbor yang mereka berikan tidak dapat ditindaklanjuti. Mereka hanya melaporkan apa yang terjadi, tetapi wawasan tidak dapat menjelaskan mengapa itu terjadi dan apa yang dapat dilakukan untuk 1) mencegah hal itu terjadi di masa depan jika dampaknya pada operasi negatif, atau 2) mendorong hasil positif yang diinginkan.
Sekarang, alih-alih hanya memahami "apa yang sedang terjadi, " infrastruktur dan teknologi telah cukup umur untuk mencari tahu "mengapa" dan "apa yang harus dilakukan tentang hal itu." EHR) data dan gunakan algoritma canggih untuk melihat tren dan pola - baik positif maupun negatif. Kemudian kami memberikan panduan preskriptif untuk mengatasi masalah operasional untuk meningkatkan akses ke sumber daya terbatas, mengurangi waktu tunggu pasien di rumah sakit atau pengaturan pusat infus, meningkatkan kepuasan staf, dan menurunkan biaya keseluruhan pengiriman layanan kesehatan.
Sayangnya, sebagian besar perusahaan analisis data besar hanya fokus pada dasbor dan alat pelaporan mereka, lengkap dengan sejumlah besar data. Tetapi sekarang saatnya untuk mengharapkan lebih banyak dari perusahaan analitik daripada sekadar presentasi data. Data perlu menceritakan sebuah kisah dan membuat rekomendasi yang menghasilkan perubahan proses yang bermakna. Solusinya harus dapat mengembangkan prediksi yang akurat dan menghasilkan rekomendasi yang cukup spesifik untuk garis depan untuk membuat ratusan keputusan nyata setiap hari - tidak hanya "mengagumi masalah."
