सामग्री
प्रश्नः
मोठ्या डेटा ticsनालिटिक्सची अंमलबजावणी आणि वापर करताना कंपन्या कोणत्या काही चुका करतात?
उत्तरः
एका दशकापेक्षा जास्त काळ, आरोग्यविषयक संस्थांनी रुग्णांचे निकाल सुधारण्यासाठी डेटासह अधिक चांगले निर्णय घेण्याच्या एकमेव उद्देशाने डेटा वेअरहाऊस आणि डेटा विश्लेषकांच्या सैन्यांची इमारत करण्यासाठी कोट्यवधी डॉलर्सची गुंतवणूक केली आहे. ऐतिहासिक समस्या अशी आहे की ही गोदामे आणि विश्लेषक एकटेच पुरेसे नाहीत कारण त्यांनी प्रदान केलेले विश्लेषण, अहवाल आणि डॅशबोर्ड अंतर्दृष्टी कृतीशील नाही. ते फक्त काय घडत आहे हे नोंदवतात, परंतु अंतर्दृष्टी ते का घडत आहे हे स्पष्ट करू शकत नाही आणि एकतर काय केले जाऊ शकते 1) ऑपरेशनवर त्याचा परिणाम नकारात्मक असल्यास भविष्यात ते होण्यापासून प्रतिबंधित करते, किंवा 2) इच्छित सकारात्मक निकालास प्रोत्साहित करते.
आता, "काय चालले आहे" हे समजून घेण्याऐवजी, "का" आणि "त्याबद्दल काय करावे" हे समजण्यासाठी पायाभूत सुविधा आणि तंत्रज्ञान वयानुसार अस्तित्त्वात आले आहे. लीनटास येथे प्रथम, आम्ही ऐतिहासिक इलेक्ट्रॉनिक आरोग्य रेकॉर्डचे पुनर्वसन केले ( ईएचआर) डेटा आणि ट्रेंड आणि नमुने शोधण्यासाठी परिष्कृत अल्गोरिदम वापरा - सकारात्मक आणि नकारात्मक दोन्ही. मग आम्ही मर्यादित स्त्रोतांमध्ये प्रवेश सुधारित करण्यासाठी, रुग्णालयात किंवा ओतणे केंद्र सेटिंग्जमध्ये रूग्णाची प्रतीक्षा वेळ कमी करण्यासाठी, कर्मचार्‍यांचे समाधान वाढविण्यासाठी आणि आरोग्य सेवा देण्याची एकूण किंमत कमी करण्यासाठी कार्यकारी समस्यांचे निराकरण करण्यासाठी आम्ही प्रिस्क्रिप्टिक मार्गदर्शन प्रदान करतो.
दुर्दैवाने, बरीच मोठी डेटा companiesनालिटिक्स कंपन्या केवळ त्यांच्या डॅशबोर्ड आणि रिपोर्टिंग टूल्सवर लक्ष केंद्रित करतात, जे मोठ्या प्रमाणात डेटासह पूर्ण असतात. परंतु केवळ डेटा सादरीकरणापेक्षा विश्लेषक कंपन्यांकडून जास्त अपेक्षा करण्याची वेळ आली आहे. डेटाला एक कथा सांगण्याची आणि शिफारसी करणे आवश्यक आहे ज्यायोगे अर्थपूर्ण प्रक्रिया बदलू शकतात. निराकरण अचूक अंदाज विकसित करण्यास सक्षम असायला हवे आणि दररोज शेकडो मूर्त निर्णय घेण्यासाठी समोरच्या ओळीसाठी पुरेसे विशिष्ट शिफारसी व्युत्पन्न केले पाहिजे - केवळ "समस्येचे कौतुक केले नाही".