Sisältö
- Mikä on ennakoiva Analytics?
- Ennustava analyysi terveydenhuollon yhteydessä
- Tapaustutkimus 2: Kannattavuutta parantava nimeämätön klinikka
- Vaatimus
- Toiminta
- Lopputulos
- Tärkeitä muistettavia seikkoja
- Yhteenveto
Lähde: Andreypopov / Dreamstime.com
Ottaa mukaan:
Lääketieteellinen teollisuus käyttää ennustavaa analysointia potilaiden hoidon parantamiseksi, toistuvien ongelmien vähentämiseksi ja kannattavuuden parantamiseksi.
Ennustava analytiikka, sanotaan, aikoo määritellä uudelleen, miten terveydenhuolto toimitetaan. Se ennustaa kriittisten sairauksien esiintymisen ja takaisinoton todennäköisyyden tulevaisuudessa. Muut alat, kuten ruoka ja juoma, julkaisut ja viihde, ovat jo saaneet hyötyä ennustavan analyysin käytöstä - ei ole syytä, että terveydenhuolto ei voi tehdä samaa.
Ennustavan analyytin määritelmä ja laajuus on kuitenkin ensin ymmärrettävä puhtaasti terveydenhuollon yhteydessä. Yksi koko sopiva malli ei toimi. On myös tärkeää, että tarjotaan infrastruktuuri analytiikan toimittamiseen ja että se pystyy toimittamaan tarvittavat tiedot terveydenhuollon ammattilaisille oikeassa muodossa. Oikean ja ennakoivan terveydenhoidon tarjoamiseksi terveydenhuollon ammattilaisille on annettava oikeat sisällöt ja metatiedot. Joten vaikka ennustava analytiikka on hyödyllistä terveydenhuollossa, sitä on ensin mukautettava ja oikeat tiedot oikeassa muodossa on toimitettava. (Jos haluat lisätietoja isojen tietojen roolista terveydenhoidossa, katso Will Big Data mullistaa terveydenhuoltoa?)
Mikä on ennakoiva Analytics?
Ennustava analytiikka on osa kehittynyttä analytiikkaa, joka tarjoaa ennusteita tietyistä tapahtumista historiallisen datan, tietomallien ja muiden syötteiden perusteella. Ennakoivien toimenpiteiden avulla voidaan vastata ennusteista johtuviin vaatimuksiin. Ennusteiden tekemiseksi ennustava analytiikka hyödyntää muilla aloilla, kuten tiedon louhinnassa, tekoälyssä, mallinnuksessa, koneoppimisessa ja tilastoissa, käytettyjä tekniikoita ja integroi tietotekniikan, hallinnan ja liiketoimintaprosessien mallintamisen. Ennusteita voidaan käyttää riskien ja mahdollisuuksien tunnistamiseen tulevaisuudessa. Ennustava analytiikka voi auttaa liikeyrityksiä saavuttamaan monia asioita. Muutamia esimerkkejä ovat:
- Piilotettujen assosiaatioiden ja kuvioiden tunnistaminen
- Asiakkaiden säilyttämisen parantaminen
- Vähentämällä riskiä menetyksen ja altistumisen minimoimiseksi
- Asiakastyytyväisyyden parantaminen
On olemassa paljon tosielämän esimerkkejä siitä, kuinka yritykset ovat hyötyneet ennustavan analyysin käytöstä. Accenture toteutti kyselyn selvittääkseen, kuinka eri yritykset ovat hyötyneet ennustavan analyysin käytöstä. Jotkut havainnoista ovat:
- Best Buy havaitsi, että alle 7% asiakkaistaan antoi 43% myynnistä. Sitten se segmentoi asiakkaansa loogisesti ja suunnitteli myymälänsä ja myymäläkokemuksensa uudelleen vastaamaan tiettyjen asiakasryhmien ostokäyttäytymistä.
- Olive Garden, amerikkalainen rento ruokasaliravintola, käyttää tietoja suunnitellakseen ja suunnitellakseen uudestaan ruokansa. Tällä tavoin se on pystynyt vähentämään huomattavasti ruokaa.
Ennustavaa analytiikkaa käytetään monilla aloilla, kuten terveydenhuolto, asiakassuhteiden hallinta (CRM), petosten havaitseminen ja riskienhallinta. Ennustavaa analysointia yhdistetään usein myös reseptilääkeanalytiikkaan. Preskriptiivinen analytiikka tässä yhteydessä tarkoittaa, että paitsi tehdään ennusteita tietyistä tapahtumista, myös annetaan tarkat toimenpiteet, jotka on toteutettava tilanteen käsittelemiseksi. Nämä vaiheet antaa itse analysointimoottori. (Lisätietoja petosten havaitsemisesta Machine Learning & Hadoop -sovelluksella seuraavan sukupolven petosten havaitsemisessa.)
Ennustava analyysi terveydenhuollon yhteydessä
Ennustavalla analytiikalla on teoriassa suuri rooli terveydenhoidon parantamisessa. Vaikka se on edelleen uusi tulokas terveydenhuollon hallinnassa ja sen laajuutta kehitetään edelleen, ennustava analytiikka voi analysoida historiallisia potilastietoja ja antaa ennusteita esimerkiksi sairausriskeistä, sydänkohtausten ja astmaattisten hyökkäysten todennäköisyyspisteistä potilaan profiilin perusteella, ja takaisinottamisen todennäköisyys.
Ihmisen aivot eivät pysty syvällisesti analysoimaan enemmän kuin kuusi - kahdeksan muuttujaa kerrallaan ongelman asianmukaiseksi profiloimiseksi. Ennustavan mallin algoritmi pystyy kuitenkin analysoimaan satoja muuttujia kerrallaan luomaan tarkan profiilin lääketieteellisestä ongelmasta. Profiilin perusteella voidaan tehdä tarkkoja diagnooseja ja mahdollisia riskiennusteita.
Ennustava malli voi auttaa hallitsemaan sairaanhoitoon liittyviä kustannuksia. Yhdysvalloissa joka viides Medicare-potilas otetaan takaisin sairaalaan 30 päivän kuluessa vastuuvapauden myöntämisestä, mikä johtaa 17 miljardin dollarin kustannuksiin vuodessa.
Steadman Hawkins -klinikka pystyi kasvattamaan nettokannattavuuttaan 20 miljoonalla dollarilla vuodessa. He myös pystyivät parantamaan taloudellisten ennusteidensa tarkkuutta 30 prosentista 32 prosenttiin.
Tapaustutkimus 2: Kannattavuutta parantava nimeämätön klinikka
Vaatimus
Klinikka halusi parantaa sekä potilaiden palveluita että parantaa heidän kannattavuuttaan optimaalisesti käyttämällä resurssejaan, mukaan lukien henkilökunta, tilat ja välineet.
Toiminta
Kliinikolla kerättiin runsaasti tietoja erilaisista muuttujista, kuten potilaiden tarvitsema hoidon tyyppi, henkilöstön profiili ja pätevyys, potilasprofiili, tarjottujen palvelujen laatu, kuten vasteaika, tulos, potilaskokemus ja potilaiden odotusaika. Kerättyjen tietojen perusteella ennakoivaa analytiikkaa otettiin käyttöön. He odottivat konkreettisen analyysin ja toimintatavan käyttöönottoa.
Lopputulos
Vaikka klinikka on edelleen toteuttamassa ennusteanalytiikkaansa perustuvaa politiikkaa, on merkkejä siitä, että klinikan kannattavuus on ainakin 10 prosenttia parempi kuin ennen.
Tärkeitä muistettavia seikkoja
Ei ole niin, että ennustavan analytiikan käyttöönotto alkaisi tehdä ihmeitä heti. Tulokset riippuvat lähestymistavasta. Ensinnäkin, teollisuuden on määritettävä, mitä ennustava analytiikka tarkoittaa sen con, ja täsmennettävä sen laajuus. Terveydenhuollon on myös muistettava seuraavat muilta aloilta saadut kokemukset:
- Näkemysten määrä ei ole suoraan verrannollinen tiedon määrään. Et saa enemmän oivalluksia lisäämällä tiedonkeruua.
- Oivallukset eivät välttämättä tarjoa arvoa. Sinun on ensin mukautettava oivalluksesi oivalluksessasi, jotta siitä tulee hyödyllistä.
- Ennustavan analytiikan toteuttaminen tulee olemaan suuri haaste. Sinun on omaksuttava oikeat tekniikat ja toimitettava näkemyksiä terveydenhuollon ammattilaiselle oikeassa muodossa.
Yhteenveto
Ennustava analytiikka on yhdistettävä reseptilääkeanalytiikkaan, jotta saadaan oikeita tuloksia, koska teollisuus tarvitsee ennusteiden lisäksi myös toimintatavan. Vaikka konsepti näyttää lopulta palkitsevan, yritysten on tehtävä oikeita investointeja ja oltava kärsivällisiä tuloksille, jos he toivovat hyötyvänsä hyödyistä.