Q:
పెద్ద డేటా విశ్లేషణలను అమలు చేయడానికి మరియు ఉపయోగించటానికి కంపెనీలు చేసే కొన్ని ముఖ్యమైన తప్పులు ఏమిటి?
A:రోగి ఫలితాలను మెరుగుపరచడానికి డేటాతో మెరుగైన నిర్ణయాలు తీసుకునే ఏకైక ఉద్దేశ్యంతో ఆరోగ్య సంరక్షణ సంస్థలు డేటా గిడ్డంగులు మరియు డేటా విశ్లేషకుల సైన్యాలను నిర్మించడానికి మిలియన్ డాలర్లను పెట్టుబడి పెట్టాయి. చారిత్రాత్మక సమస్య ఏమిటంటే, ఈ గిడ్డంగులు మరియు విశ్లేషణలు మాత్రమే సరిపోవు ఎందుకంటే అవి అందించే విశ్లేషణలు, రిపోర్టింగ్ మరియు డాష్‌బోర్డ్ అంతర్దృష్టులు చర్య తీసుకోలేవు. వారు ఏమి జరుగుతుందో నివేదిస్తారు, కాని అది ఎందుకు జరుగుతుందో అంతర్దృష్టులు వివరించలేవు 1) భవిష్యత్తులో దాని కార్యకలాపాలు దాని ప్రభావం ప్రతికూలంగా ఉంటే భవిష్యత్తులో జరగకుండా నిరోధించండి లేదా 2) కావలసిన సానుకూల ఫలితాలను ప్రోత్సహిస్తుంది.
ఇప్పుడు, "ఏమి జరుగుతుందో" అర్థం చేసుకోవడానికి బదులుగా, మౌలిక సదుపాయాలు మరియు సాంకేతిక పరిజ్ఞానం "ఎందుకు" మరియు "దాని గురించి ఏమి చేయాలో" గుర్తించడానికి వయస్సు వచ్చాయి. లీన్టాస్ వద్ద, మొదట, మేము చారిత్రక ఎలక్ట్రానిక్ హెల్త్ రికార్డ్ ( EHR) డేటా మరియు పోకడలు మరియు నమూనాలను గుర్తించడానికి అధునాతన అల్గారిథమ్‌లను ఉపయోగించండి - సానుకూల మరియు ప్రతికూల. నిర్బంధ వనరులకు ప్రాప్యతను మెరుగుపరచడానికి, ఆసుపత్రి లేదా ఇన్ఫ్యూషన్ సెంటర్ సెట్టింగులలో రోగుల నిరీక్షణ సమయాన్ని తగ్గించడానికి, సిబ్బంది సంతృప్తిని పెంచడానికి మరియు ఆరోగ్య సంరక్షణ డెలివరీ యొక్క మొత్తం వ్యయాన్ని తగ్గించడానికి కార్యాచరణ సమస్యలను పరిష్కరించడానికి మేము సూచనాత్మక మార్గదర్శకత్వాన్ని అందిస్తాము.
దురదృష్టవశాత్తు, పెద్ద డేటా అనలిటిక్స్ కంపెనీలు చాలావరకు వారి డాష్‌బోర్డ్‌లు మరియు రిపోర్టింగ్ సాధనాలపై మాత్రమే దృష్టి సారించాయి, ఇవి చాలా ఎక్కువ డేటాతో పూర్తి అయ్యాయి. కానీ కేవలం డేటాను ప్రదర్శించడం కంటే విశ్లేషణ సంస్థల నుండి ఎక్కువ ఆశించే సమయం ఇది. డేటా ఒక కథను చెప్పాలి మరియు అర్ధవంతమైన ప్రక్రియ మార్పుకు దారితీసే సిఫార్సులు చేయాలి. పరిష్కారం ఖచ్చితమైన అంచనాలను అభివృద్ధి చేయగలగాలి మరియు ప్రతిరోజూ వందలాది స్పష్టమైన నిర్ణయాలు తీసుకోవటానికి ముందు వరుసకు తగిన నిర్దిష్ట సిఫార్సులను రూపొందించగలగాలి - “సమస్యను ఆరాధించడం” మాత్రమే కాదు.
