Huis Onderneming Wat zijn enkele belangrijke fouten die bedrijven maken bij het implementeren en gebruiken van big data-analyses?

Wat zijn enkele belangrijke fouten die bedrijven maken bij het implementeren en gebruiken van big data-analyses?

Anonim

Q:

Wat zijn enkele belangrijke fouten die bedrijven maken bij het implementeren en gebruiken van big data-analyses?

EEN:

Al meer dan tien jaar investeren organisaties in de gezondheidszorg miljoenen dollars in het bouwen van datawarehouses en legers van data-analisten met als enig doel betere beslissingen te nemen met data om de patiëntresultaten te verbeteren. Het historische probleem is dat deze magazijnen en analyses alleen niet voldoende zijn, omdat de analyses, rapportages en dashboardinzichten die ze bieden niet bruikbaar zijn. Ze rapporteren eenvoudig wat er gebeurt, maar de inzichten kunnen niet verklaren waarom het gebeurt en wat kan worden gedaan om ofwel 1) te voorkomen dat dit in de toekomst gebeurt als de impact ervan op de activiteiten negatief is, of 2) de gewenste positieve resultaten aanmoedigen.

Nu, in plaats van alleen maar te begrijpen "wat er aan de hand is", zijn de infrastructuur en technologie volwassen geworden om erachter te komen "waarom" en "wat er aan te doen." Bij LeanTaaS, eerst mijnen van historische historische medische gegevens ( EHR) gegevens en gebruik geavanceerde algoritmen om trends en patronen te ontdekken - zowel positief als negatief. Vervolgens bieden we richtlijnen voor het oplossen van operationele problemen om de toegang tot beperkte middelen te verbeteren, de wachttijden van patiënten in ziekenhuizen of infuuscentra te verkorten, de tevredenheid van het personeel te verhogen en de totale kosten van de gezondheidszorg te verlagen.

Helaas richt het merendeel van de bedrijven voor big data-analyse zich alleen op hun dashboards en rapportagetools, compleet met enorme hoeveelheden gegevens. Maar het is tijd om meer van analysebedrijven te verwachten dan alleen de presentatie van gegevens. De gegevens moeten een verhaal vertellen en aanbevelingen doen die resulteren in betekenisvolle procesverandering. De oplossing moet in staat zijn om nauwkeurige voorspellingen te ontwikkelen en aanbevelingen te genereren die specifiek genoeg zijn voor de frontlinie om elke dag honderden tastbare beslissingen te nemen - niet alleen "het probleem te bewonderen".

Wat zijn enkele belangrijke fouten die bedrijven maken bij het implementeren en gebruiken van big data-analyses?