Innehåll
- Vad är prediktiv analys?
- Predictive Analytics in the Con of Health Care
- Fallstudie 2: Namnlös klinik som förbättrar lönsamheten
- Kravet
- Handlingen
- Resultatet
- Viktiga punkter att komma ihåg
- Sammanfattning
Källa: Andreypopov / Dreamstime.com
Hämtmat:
Den medicinska industrin använder prediktiv analys för att förbättra patientvård, lägre fall av återkommande problem och öka lönsamheten.
Predictive analytics, sägs det, kommer att omdefiniera hur hälsovården levereras. Det kommer att förutsäga förekomsten av kritiska sjukdomar och sannolikheten för återtaganden i framtiden. Andra sektorer som mat och dryck, publikationer och underhållning har redan utnyttjat förutsägbar analys - det finns ingen anledning till att hälsovården inte kan göra detsamma.
Emellertid måste definitionen och omfattningen av prediktiv analys först förstås rent med tanke på hälsovården. Modellen i en storlek som passar alla kommer inte att fungera. Det är också viktigt att infrastrukturen för att leverera analys tillhandahålls och att den kan leverera nödvändig information till vårdpersonal i rätt format. För att kunna leverera korrekt och proaktiv hälsovård måste sjukvårdspersonal ges rätt con och metadata. Så även om prediktiv analys är bra för hälsovård, måste den först anpassas och rätt data i rätt format måste levereras. (För att lära dig mer om stor dataspel i hälsovården, se Kommer Big Data att revolutionera hälsovården?)
Vad är prediktiv analys?
Predictive analytics är en gren av avancerad analys som ger förutsägelser om vissa händelser baserade på historiska data, datamönster och andra ingångar. Proaktiva åtgärder kan vidtas för att möta de krav som uppstår genom förutsägelserna. För att göra förutsägelser, använder prediktiv analytics tekniker som används i andra grenar som data mining, artificiell intelligens, modellering, maskininlärning och statistik, och den integrerar informationsteknologi, hantering och modellering av affärsprocesser. Förutsägelserna kan användas för att identifiera risker och möjligheter i framtiden. Förutsägbar analys kan hjälpa företag att uppnå många saker. Några exempel inkluderar:
- Identifiera dolda föreningar och mönster
- Förbättra kundbevarandet
- Minska risken för att minimera förlust och exponering
- Förbättra kundnöjdheten
Det finns många verkliga exempel på hur företag har gynnats av användningen av prediktiv analys. Accenture genomförde en undersökning för att ta reda på hur olika företag har gynnats av att använda prediktiv analys. Några av resultaten är:
- Best Buy upptäckte att mindre än 7% av sina kunder bidrog till 43% av försäljningen. Sedan segmenterade de sina kunder logiskt och omdesignade sina butiker och erfarenheter i butiken för att återspegla köpvanor för specifika kundgrupper.
- Olive Garden, en amerikansk restaurang för avslappnad middag, använder data för att designa och utforma sin meny. På så sätt har det kunnat minska matsvinnet betydligt.
Predictive analytics tillämpas på många domäner som sjukvård, kundrelationshantering (CRM), bedrägeri och riskhantering. Prediktiv analys kombineras också ofta med receptbelagda analyser. Föreskrivande analyser i detta förhållande innebär att inte bara förutsägelser görs om vissa händelser, utan också definierade steg som måste vidtas för att hantera situationen. Dessa steg tillhandahålls av själva analysmotorn. (Läs mer om bedrägeri upptäckt med Machine Learning & Hadoop i nästa generations bedrägeri upptäckt.)
Predictive Analytics in the Con of Health Care
Teoretiskt sett har prediktiv analys en stor roll för att förbättra hälsovården. Även om det fortfarande är en ny anställd i vårdhanteringen och dess omfattning fortfarande utarbetas, kan prediktiv analys analysera historiska patientdata och ge förutsägelser för saker som sjukdomsrisker, sannolikhetsresultat för hjärtattacker och astmatiska attacker baserat på patientprofil, och sannolikhet för återtaganden.
Den mänskliga hjärnan kan inte analysera mer än sex till åtta variabler åt gången för att korrekt profilera ett problem. Men algoritmen för en prediktiv modell kan analysera hundratals variabler åt gången för att skapa en korrekt profil för ett medicinskt problem. Baserat på profilen kan noggrann diagnos och eventuella riskförutsägelser göras.
Prediktiv modellering kan hjälpa till att kontrollera kostnader relaterade till medicinsk vård. I USA återinförs en av fem Medicare-patienter till sjukhuset inom 30 dagar efter utskrivning, vilket resulterar i en kostnad på 17 miljarder dollar per år.
Steadman Hawkins Clinic kunde öka sin nettolönsamhet med 20 miljoner dollar per år. De kunde också förbättra noggrannheten i sina ekonomiska förutsägelser från 30 till 32 procent.
Fallstudie 2: Namnlös klinik som förbättrar lönsamheten
Kravet
Kliniken ville både förbättra tjänsterna till patienterna och förbättra deras lönsamhet genom att optimalt utnyttja sina resurser som inkluderar personal, faciliteter och instrument.
Handlingen
Kliniken samlade in omfattande data om olika variabler, såsom typ av vård som behövs av patienter, personalprofil och kvalifikation, patientprofil, kvalitet på de tjänster som levererats såsom responstid, resultat, patientupplevelse och väntetid för patienter. Baserat på insamlad data användes prediktiv analys. De förväntade sig att konkret analys och förlopp skulle tas i bruk.
Resultatet
Även om kliniken fortfarande håller på att implementera policyer baserade på deras prediktiva analyser, finns det tecken på att de är på väg att uppnå minst 10 procent högre lönsamhet än tidigare.
Viktiga punkter att komma ihåg
Det är inte så att implementera prediktiv analys kommer att börja göra underverk direkt. Resultaten beror på metoden. Först måste industrin bestämma vad prediktiv analys innebär i sin nackdel och sedan ange dess omfattning. Hälsoindustrin måste också komma ihåg följande lektioner från andra branscher:
- Mängden insikter står inte direkt i proportion till datamängden. Du kommer inte att få mer insikter bara genom att öka datainsamlingen.
- Insikter ger inte nödvändigtvis värde. Du måste först anpassa insikten i din con så att den blir användbar.
- Implementering av prediktiv analys kommer att bli en stor utmaning. Du måste omfamna rätt teknik och leverera insikter till sjukvårdspersonalen i rätt format.
Sammanfattning
Predictive analytics måste slås samman med receptbelagda analyser för att ge rätt resultat, eftersom branschen inte bara behöver förutsägelser utan också en handlingsplan. Även om konceptet verkar vara givande i slutändan, måste företagen göra rätt investeringar och ha tålamod med resultaten om de hoppas kunna dra nytta av.