Zawartość
- Co to jest analiza predykcyjna?
- Analityka predykcyjna w ramach opieki zdrowotnej
- Studium przypadku 2: Nienazwana klinika poprawiająca rentowność
- Wymagania
- Akcja
- Wynik
- Ważne punkty do zapamiętania
- Podsumowanie
Źródło: Andreypopov / Dreamstime.com
Na wynos:
Przemysł medyczny stosuje analizy predykcyjne w celu poprawy opieki nad pacjentem, zmniejszenia liczby powtarzających się problemów i zwiększenia rentowności.
Mówi się, że analityka predykcyjna na nowo zdefiniuje sposób świadczenia opieki zdrowotnej. Przewiduje występowanie krytycznych chorób i prawdopodobieństwo readmisji w przyszłości. Inne sektory, takie jak żywność i napoje, publikacje i rozrywka, już czerpały korzyści ze stosowania analityki predykcyjnej - nie ma powodu, dla którego opieka zdrowotna nie mogłaby zrobić tego samego.
Jednak definicję i zakres analiz predykcyjnych należy najpierw zrozumieć wyłącznie w kontekście opieki zdrowotnej. Model uniwersalny nie będzie działał. Ważne jest również, aby zapewnić infrastrukturę do dostarczania analiz i aby była ona w stanie dostarczyć wymagane informacje pracownikom służby zdrowia we właściwym formacie. Aby zapewnić odpowiednią i proaktywną opiekę zdrowotną, pracownicy służby zdrowia muszą uzyskać odpowiednie informacje i metadane. Tak więc, chociaż analityka predykcyjna jest dobra dla opieki zdrowotnej, należy ją najpierw dostosować i dostarczyć odpowiednie dane we właściwym formacie. (Aby dowiedzieć się więcej na temat roli dużych danych w opiece zdrowotnej, zobacz Czy Big Data zrewolucjonizuje opiekę zdrowotną?)
Co to jest analiza predykcyjna?
Analityka predykcyjna to gałąź zaawansowanej analityki, która zapewnia prognozy niektórych zdarzeń na podstawie danych historycznych, wzorców danych i innych danych wejściowych. Można podjąć proaktywne kroki w celu spełnienia wymagań wynikających z prognoz. Aby dokonać prognoz, analityka predykcyjna wykorzystuje techniki stosowane w innych gałęziach, takich jak eksploracja danych, sztuczna inteligencja, modelowanie, uczenie maszynowe i statystyki oraz integruje technologie informacyjne, zarządzanie i modelowanie procesów biznesowych. Prognozy można wykorzystać do identyfikacji ryzyka i szans w przyszłości. Analizy predykcyjne mogą pomóc organizacjom biznesowym osiągnąć wiele rzeczy. Kilka przykładów obejmuje:
- Identyfikacja ukrytych skojarzeń i wzorców
- Poprawa utrzymania klienta
- Zmniejszenie ryzyka w celu zminimalizowania strat i narażenia
- Poprawa satysfakcji klienta
Istnieje wiele rzeczywistych przykładów tego, w jaki sposób przedsiębiorstwa skorzystały na zastosowaniu analizy predykcyjnej. Accenture przeprowadził ankietę, aby dowiedzieć się, w jaki sposób różne firmy skorzystały na analizie predykcyjnej. Niektóre ustalenia to:
- Best Buy odkrył, że mniej niż 7% klientów przyczyniło się do 43% sprzedaży. Następnie logicznie posegmentował swoich klientów i przeprojektował sklepy i doświadczenie w sklepie, aby odzwierciedlić nawyki zakupowe określonych grup klientów.
- Olive Garden, amerykańska restauracja typu casual dining, wykorzystuje dane do zaprojektowania i przeprojektowania swojego menu. W ten sposób udało się znacznie ograniczyć marnotrawstwo żywności.
Analityka predykcyjna jest stosowana w wielu dziedzinach, takich jak opieka zdrowotna, zarządzanie relacjami z klientami (CRM), wykrywanie oszustw i zarządzanie ryzykiem. Analityka predykcyjna jest również często łączona z analizą nakazową. Preskryptywne analizy w tym kontekście oznaczają, że nie tylko poczyniono prognozy dotyczące niektórych zdarzeń, ale także określono konkretne kroki, które należy podjąć, aby poradzić sobie z sytuacją. Kroki te zostaną dostarczone przez sam silnik analityczny. (Dowiedz się więcej o wykrywaniu oszustw dzięki Machine Learning & Hadoop w Wykrywanie oszustw nowej generacji).
Analityka predykcyjna w ramach opieki zdrowotnej
Teoretycznie analityka predykcyjna odgrywa dużą rolę w poprawie opieki zdrowotnej. Chociaż wciąż jest to nowy podmiot w zarządzaniu opieką zdrowotną, a jego zakres jest wciąż opracowywany, analizy predykcyjne mogą analizować historyczne dane pacjentów i przewidywać takie rzeczy, jak ryzyko choroby, wynik prawdopodobieństwa zawałów serca i ataków astmy na podstawie profilu pacjenta, oraz prawdopodobieństwo readmisji.
Ludzki mózg nie może dogłębnie analizować więcej niż sześciu do ośmiu zmiennych na raz, aby właściwie profilować problem. Ale algorytm modelu predykcyjnego może analizować setki zmiennych jednocześnie, aby stworzyć dokładny profil problemu medycznego. Na podstawie profilu można dokonać dokładnej diagnozy i ewentualnych prognoz ryzyka.
Modelowanie predykcyjne może pomóc kontrolować koszty związane z opieką medyczną. W Stanach Zjednoczonych co piąty pacjent Medicare zostaje ponownie przyjęty do szpitala w ciągu 30 dni od wypisania ze szpitala, co kosztuje 17 miliardów dolarów rocznie.
Steadman Hawkins Clinic był w stanie zwiększyć swoją rentowność netto o 20 milionów dolarów rocznie. Byli również w stanie poprawić dokładność swoich prognoz finansowych z 30 do 32 procent.
Studium przypadku 2: Nienazwana klinika poprawiająca rentowność
Wymagania
Klinika chciała zarówno poprawić usługi dla pacjentów, jak i poprawić ich rentowność poprzez optymalne wykorzystanie ich zasobów, w tym personelu, obiektów i instrumentów.
Akcja
Klinika zgromadziła obfite dane dotyczące różnych zmiennych, takich jak rodzaj opieki wymaganej przez pacjentów, profil i kwalifikacje personelu, profil pacjenta, jakość świadczonych usług, takich jak czas reakcji, wynik, doświadczenie pacjenta i czas oczekiwania na pacjentów. Na podstawie zebranych danych zastosowano analizę predykcyjną. Oczekiwali konkretnej analizy i przebiegu działań do wykorzystania.
Wynik
Chociaż klinika wciąż wdraża zasady oparte na analizie predykcyjnej, istnieją oznaki, że są na dobrej drodze do osiągnięcia co najmniej 10-procentowej wyższej rentowności niż wcześniej.
Ważne punkty do zapamiętania
Nie jest tak, że wdrażanie analiz predykcyjnych od razu zacznie robić cuda. Wyniki zależą od podejścia. Po pierwsze, branża musi ustalić, co oznacza analiza predykcyjna, a następnie określić jej zakres. Również branża opieki zdrowotnej musi pamiętać o następujących lekcjach z innych branż:
- Ilość informacji nie jest wprost proporcjonalna do ilości danych. Nie będziesz uzyskiwać więcej informacji tylko poprzez zwiększenie gromadzenia danych.
- Statystyki niekoniecznie zapewniają wartość. Musisz najpierw dostosować spostrzeżenia w swoim oszustwie, aby stały się użyteczne.
- Wdrożenie analityki predykcyjnej będzie dużym wyzwaniem. Musisz zastosować odpowiednie technologie i przekazać pracownikom służby zdrowia informacje w odpowiednim formacie.
Podsumowanie
Analityka predykcyjna musi zostać połączona z analityką nakazową, aby zapewnić właściwe wyniki, ponieważ branża potrzebuje nie tylko prognoz, ale także kierunku działania. Choć koncepcja wydaje się w końcu opłacalna, firmy muszą dokonać odpowiednich inwestycji i uzbroić się w cierpliwość, jeśli chcą czerpać korzyści.