Inhalt
- Was ist Predictive Analytics?
- Predictive Analytics im Gesundheitswesen
- Fallstudie 2: Unbenannte Klinik zur Verbesserung der Rentabilität
- Die Anforderung
- Die Aktion
- Das Ergebnis
- Wichtige Punkte zum Erinnern
- Zusammenfassung
Quelle: Andreypopov / Dreamstime.com
Wegbringen:
Die medizinische Industrie setzt Predictive Analytics ein, um die Patientenversorgung zu verbessern, wiederkehrende Probleme zu verringern und die Rentabilität zu steigern.
Predictive Analytics wird die Art und Weise der Gesundheitsversorgung neu definieren. Es wird das Auftreten kritischer Krankheiten und die Wahrscheinlichkeit von Rückübernahmen in der Zukunft vorhersagen. Andere Bereiche wie Lebensmittel und Getränke, Veröffentlichungen und Unterhaltung haben bereits von der Verwendung von Predictive Analytics profitiert - es gibt keinen Grund, warum das Gesundheitswesen dies nicht tun kann.
Die Definition und der Umfang der prädiktiven Analytik müssen jedoch zunächst nur im Zusammenhang mit der Gesundheitsversorgung verstanden werden. Das Einheitsmodell wird nicht funktionieren. Es ist auch wichtig, dass die Infrastruktur für die Bereitstellung von Analysen bereitgestellt wird und die erforderlichen Informationen im richtigen Format an die Angehörigen der Gesundheitsberufe übermittelt werden können. Um eine ordnungsgemäße und proaktive Gesundheitsversorgung zu gewährleisten, müssen Angehörige der Gesundheitsberufe die richtigen Con- und Metadaten erhalten. Predictive Analytics ist zwar gut für das Gesundheitswesen, muss jedoch zuerst angepasst und die richtigen Daten im richtigen Format bereitgestellt werden. (Informationen zur Rolle von Big Data im Gesundheitswesen finden Sie unter Wird Big Data das Gesundheitswesen revolutionieren?)
Was ist Predictive Analytics?
Predictive Analytics ist ein Zweig der Advanced Analytics, der Vorhersagen für bestimmte Ereignisse basierend auf historischen Daten, Datenmustern und anderen Eingaben liefert. Es können proaktive Schritte unternommen werden, um die Anforderungen zu erfüllen, die sich aus den Vorhersagen ergeben. Zur Erstellung von Vorhersagen nutzt Predictive Analytics Techniken, die in anderen Bereichen wie Data Mining, künstliche Intelligenz, Modellierung, maschinelles Lernen und Statistik verwendet werden, und integriert Informationstechnologie, Management und Modellierung von Geschäftsprozessen. Die Vorhersagen können verwendet werden, um Risiken und Chancen für die Zukunft zu identifizieren. Predictive Analytics kann Geschäftsorganisationen dabei helfen, viele Dinge zu erreichen. Einige Beispiele sind:
- Versteckte Assoziationen und Muster erkennen
- Kundenbindung verbessern
- Reduzierung des Risikos zur Minimierung von Verlusten und Risiken
- Kundenzufriedenheit verbessern
Es gibt viele Beispiele aus der Praxis, wie Unternehmen von der Verwendung von Predictive Analytics profitiert haben. Accenture hat eine Umfrage durchgeführt, um herauszufinden, wie verschiedene Unternehmen von der Verwendung von Predictive Analytics profitiert haben. Einige der Ergebnisse sind:
- Best Buy stellte fest, dass weniger als 7% seiner Kunden zu 43% seines Umsatzes beitrugen. Anschließend segmentierte es seine Kunden logisch und gestaltete die Geschäfte und das In-Store-Erlebnis neu, um die Kaufgewohnheiten bestimmter Kundengruppen widerzuspiegeln.
- Olive Garden, ein amerikanisches Casual Dining Restaurant, verwendet Daten zur Gestaltung und Neugestaltung seiner Speisekarte. Auf diese Weise konnte die Lebensmittelverschwendung erheblich reduziert werden.
Predictive Analytics wird in vielen Bereichen wie dem Gesundheitswesen, dem Customer Relationship Management (CRM), der Betrugserkennung und dem Risikomanagement eingesetzt. Predictive Analytics wird häufig auch mit Prescriptive Analytics kombiniert. Prescriptive Analytics bedeutet in diesem Zusammenhang, dass nicht nur Vorhersagen zu bestimmten Ereignissen getroffen werden, sondern auch konkrete Schritte unternommen werden müssen, um mit der Situation umzugehen. Diese Schritte werden von der Analytics-Engine selbst bereitgestellt. (Weitere Informationen zur Betrugserkennung mit Machine Learning & Hadoop in der Betrugserkennung der nächsten Generation.)
Predictive Analytics im Gesundheitswesen
Theoretisch spielt die prädiktive Analytik eine wichtige Rolle bei der Verbesserung der Gesundheitsversorgung. Obwohl es noch ein Neuling im Gesundheitsmanagement ist und sein Umfang noch ausgearbeitet wird, kann Predictive Analytics historische Patientendaten analysieren und Vorhersagen für Krankheitsrisiken, Wahrscheinlichkeitsbewertungen von Herzinfarkten und asthmatischen Anfällen basierend auf dem Patientenprofil und liefern Wahrscheinlichkeit von Wiederaufnahmen.
Das menschliche Gehirn kann nicht mehr als sechs bis acht Variablen gleichzeitig gründlich analysieren, um ein Problem richtig zu profilieren. Der Algorithmus eines Vorhersagemodells kann jedoch Hunderte von Variablen gleichzeitig analysieren, um ein genaues Profil eines medizinischen Problems zu erstellen. Basierend auf dem Profil können genaue Diagnosen und Risikovorhersagen getroffen werden.
Die prädiktive Modellierung kann dazu beitragen, die Kosten im Zusammenhang mit der medizinischen Versorgung zu kontrollieren. In den USA wird jeder fünfte Medicare-Patient innerhalb von 30 Tagen nach seiner Entlassung wieder in das Krankenhaus eingeliefert, was eine jährliche Ausgabe von 17 Milliarden US-Dollar zur Folge hat.
Die Steadman Hawkins Clinic konnte ihre Nettoprofitabilität um 20 Millionen USD pro Jahr steigern. Sie konnten auch die Genauigkeit ihrer Finanzprognosen von 30 auf 32 Prozent verbessern.
Fallstudie 2: Unbenannte Klinik zur Verbesserung der Rentabilität
Die Anforderung
Die Klinik wollte sowohl die Leistungen für die Patienten verbessern als auch ihre Rentabilität verbessern, indem sie ihre Ressourcen, einschließlich Personal, Einrichtungen und Instrumente, optimal einsetzte.
Die Aktion
Die Klinik sammelte umfangreiche Daten zu verschiedenen Variablen wie der Art der von den Patienten benötigten Versorgung, dem Mitarbeiterprofil und der Qualifikation, dem Patientenprofil, der Qualität der erbrachten Dienstleistungen wie der Reaktionszeit, dem Ergebnis, der Patientenerfahrung und der Wartezeit für die Patienten. Basierend auf den gesammelten Daten wurde Predictive Analytics eingesetzt. Sie erwarteten konkrete Analysen und Vorgehensweisen.
Das Ergebnis
Obwohl die Klinik noch dabei ist, Richtlinien auf der Grundlage ihrer prädiktiven Analyse umzusetzen, gibt es Anzeichen dafür, dass sie auf dem Weg sind, eine um mindestens 10 Prozent höhere Rentabilität als zuvor zu erzielen.
Wichtige Punkte zum Erinnern
Es ist nicht so, dass die Implementierung von Predictive Analytics sofort Wunder wirken wird. Die Ergebnisse hängen vom Ansatz ab. Zunächst muss die Branche ermitteln, was Predictive Analytics in ihrem Zusammenhang bedeutet, und dann ihren Umfang festlegen. Auch die Gesundheitsbranche muss sich an die folgenden Lehren aus anderen Branchen erinnern:
- Die Menge an Erkenntnissen ist nicht direkt proportional zur Datenmenge. Sie erhalten keine weiteren Einblicke, wenn Sie die Datenerfassung erhöhen.
- Erkenntnisse liefern nicht unbedingt einen Wert. Sie müssen zuerst die Erkenntnisse in Ihrem Con anpassen, damit sie nützlich werden.
- Die Implementierung von Predictive Analytics wird eine große Herausforderung sein. Sie müssen sich die richtigen Technologien zunutze machen und dem medizinischen Fachpersonal Einblicke in das richtige Format gewähren.
Zusammenfassung
Predictive Analytics muss mit Prescriptive Analytics zusammengeführt werden, um die richtigen Ergebnisse zu erzielen, da die Branche nicht nur Prognosen, sondern auch Maßnahmen benötigt. Das Konzept scheint sich am Ende zu lohnen, aber Unternehmen müssen die richtigen Investitionen tätigen und mit den Ergebnissen geduldig sein, wenn sie die Vorteile nutzen möchten.