Obsah
- Co je prediktivní analýza?
- Prediktivní analýza v kontextu zdravotní péče
- Případová studie 2: Neměnná klinika zlepšující ziskovost
- Požadavek
- Akce
- Výsledek
- Důležité body k zapamatování
- souhrn
Zdroj: Andreypopov / Dreamstime.com
Odnést:
Lékařský průmysl používá prediktivní analýzu ke zlepšení péče o pacienty, ke snížení výskytu opakujících se problémů a ke zvýšení ziskovosti.
Jak se říká, prediktivní analytika předefinuje způsob poskytování zdravotní péče. Bude předpovídat výskyt kritických onemocnění a pravděpodobnost zpětného přebírání osob v budoucnosti. Jiná odvětví, jako jsou potraviny a nápoje, publikace a zábava, již využily výhody prediktivní analýzy - neexistuje důvod, proč zdravotní péče nemůže dělat totéž.
Definici a rozsah prediktivní analýzy je však třeba nejprve chápat čistě v kontextu zdravotní péče. Univerzální model nebude fungovat. Je také důležité, aby byla poskytována infrastruktura pro poskytování analytiků a byla schopna poskytovat požadované informace zdravotnickým pracovníkům ve správném formátu. Pro zajištění řádné a proaktivní zdravotní péče musí být zdravotníkům poskytnuta správná kon a metadata. Ačkoli je prediktivní analytika dobrá pro zdravotní péči, musí být nejprve upravena a musí být doručena správná data ve správném formátu. (Chcete-li se dozvědět více o roli velkých dat v oblasti zdravotní péče, přečtěte si článek Revolucionalizace zdravotní péče ve velkých datech?)
Co je prediktivní analýza?
Prediktivní analytika je odvětví pokročilých analytiků, které poskytuje předpovědi určitých událostí na základě historických dat, datových vzorců a dalších vstupů. Mohou být podniknuty proaktivní kroky k řešení požadavků vyplývajících z předpovědí. Pro předpovědi využívá prediktivní analytika techniky používané v jiných oborech, jako je těžba dat, umělá inteligence, modelování, strojové učení a statistika a integruje informační technologie, správu a modelování obchodních procesů. Předpovědi lze použít k identifikaci rizik a příležitostí v budoucnosti. Prediktivní analytika může podnikovým organizacím pomoci dosáhnout mnoha věcí. Několik příkladů zahrnuje:
- Identifikace skrytých asociací a vzorů
- Zlepšení retence zákazníků
- Snížení rizika pro minimalizaci ztrát a expozice
- Zvyšování spokojenosti zákazníků
Existuje mnoho skutečných příkladů toho, jak podniky využívají prediktivní analýzy. Společnost Accenture provedla průzkum, aby zjistila, jak různé podniky těží z prediktivní analýzy. Některé ze zjištění jsou:
- Společnost Best Buy zjistila, že méně než 7% jejích zákazníků přispělo k 43% jejího prodeje. Poté logicky segmentovala své zákazníky a přepracovávala své obchody a zkušenosti v obchodech tak, aby odrážely nákupní zvyklosti konkrétních skupin zákazníků.
- Olive Garden, americká neformální restaurace, používá data k návrhu a přepracování svého menu. Tímto způsobem byla schopna výrazně omezit plýtvání potravinami.
Prediktivní analytika se používá v mnoha oblastech, jako je zdravotní péče, řízení vztahů se zákazníky (CRM), detekce podvodů a řízení rizik. Prediktivní analytika je také často kombinována s preskriptivní analytikou. Předepsaná analytika v této souvislosti znamená, že se nejedná pouze o předpovědi týkající se určitých událostí, ale také jsou uvedeny konkrétní kroky, které je třeba učinit, aby se situace vyřešila. Tyto kroky poskytne analytický stroj samotný. (Další informace o detekci podvodů pomocí nástroje Machine Learning & Hadoop najdete v části Detekce podvodů nové generace.)
Prediktivní analýza v kontextu zdravotní péče
Teoreticky má prediktivní analytika velkou roli při zlepšování zdravotní péče. Ačkoli je to stále nový účastník řízení zdravotní péče a jeho rozsah je stále rozpracován, prediktivní analytika může analyzovat historické údaje o pacientech a poskytovat předpovědi o věcech, jako jsou rizika onemocnění, skóre pravděpodobnosti srdečních infarktů a astmatických útoků na základě profilu pacienta, a pravděpodobnost zpětného převzetí.
Lidský mozek nemůže hluboce analyzovat více než šest až osm proměnných najednou, aby mohl správně profilovat problém. Algoritmus prediktivního modelu však dokáže analyzovat stovky proměnných najednou a vytvořit přesný profil zdravotního problému. Na základě profilu lze stanovit přesnou diagnózu a předpovědi rizika, pokud existují.
Prediktivní modelování může pomoci kontrolovat náklady spojené s lékařskou péčí. V USA je jeden z pěti pacientů Medicare přijat do nemocnice do 30 dnů od propuštění, což vede k výdajům 17 miliard USD ročně.
Steadman Hawkins Clinic dokázala zvýšit čistou ziskovost o 20 milionů dolarů ročně. Byli také schopni zlepšit přesnost svých finančních předpovědí z 30 na 32 procent.
Případová studie 2: Neměnná klinika zlepšující ziskovost
Požadavek
Klinika chtěla zlepšit služby pacientům i zlepšit jejich ziskovost optimálním využitím svých zdrojů, které zahrnují personál, zařízení a nástroje.
Akce
Klinika shromáždila rozsáhlá data o různých proměnných, jako je typ péče potřebné pro pacienty, profil a kvalifikace personálu, profil pacienta, kvalita poskytovaných služeb, jako je doba odezvy, výsledek, zkušenost pacienta a doba čekání na pacienty. Na základě shromážděných údajů byla použita prediktivní analýza. Očekávali konkrétní analytiku a průběh akcí, které budou použity.
Výsledek
Přestože klinika stále provádí politiky založené na jejich prediktivní analýze, existují náznaky, že jsou na cestě k dosažení alespoň o 10 procent vyšší ziskovosti než dříve.
Důležité body k zapamatování
Není to tak, že implementace prediktivní analýzy začne hned dělat zázraky. Výsledky závisí na přístupu. Nejprve musí průmysl určit, co znamená prediktivní analytika ve svém kontextu, a poté specifikovat jeho rozsah. Zdravotnický průmysl si také musí zapamatovat následující ponaučení z jiných odvětví:
- Množství statistik není přímo úměrné množství dat. Nebudete získat více informací pouze zvýšením sběru dat.
- Statistiky nemusí nutně poskytovat hodnotu. Nejprve je třeba přizpůsobit statistiky ve vašem účtu tak, aby byly užitečné.
- Implementace prediktivní analýzy bude velkou výzvou. Musíte přijmout správné technologie a poskytnout informace zdravotnickému pracovníkovi ve správném formátu.
souhrn
Prediktivní analytika musí být sloučena s předepisující analytikou, aby se dosáhlo správných výsledků, protože průmysl potřebuje nejen předpovědi, ale také postup. I když se zdá, že se tento koncept nakonec vyplatí, podniky musí provést správné investice a být trpělivé s výsledky, pokud doufají, že budou těžit z výhod.