Inhoud
- Wat is voorspellende analyse?
- Predictive Analytics in the Con of Health Care
- Case Study 2: Naamloze kliniek die de winstgevendheid verbetert
- De benodigdheid
- De actie
- Het resultaat
- Belangrijke punten om te onthouden
- Samenvatting
Bron: Andreypopov / Dreamstime.com
Afhaal:
De medische industrie gebruikt voorspellende analyses om de patiëntenzorg te verbeteren, terugkerende problemen te verminderen en de winstgevendheid te vergroten.
Er wordt gezegd dat voorspellende analyses zullen herdefiniëren hoe gezondheidszorg wordt geleverd. Het voorspelt het optreden van kritieke ziekten en de kans op overname in de toekomst. Andere sectoren zoals eten en drinken, publicaties en entertainment hebben al profijt getrokken van het gebruik van voorspellende analyses - er is geen reden waarom de gezondheidszorg niet hetzelfde kan doen.
De definitie en reikwijdte van voorspellende analyse moet echter eerst alleen worden begrepen in de context van de gezondheidszorg. Het one-size-fits-all-model werkt niet. Het is ook belangrijk dat de infrastructuur voor het leveren van analyses wordt geleverd en dat deze de vereiste informatie in de juiste vorm aan de zorgverleners kan leveren. Om de juiste en proactieve gezondheidszorg te leveren, moeten zorgprofessionals de juiste con en metadata krijgen. Dus hoewel voorspellende analyses goed zijn voor de gezondheidszorg, moeten deze eerst worden aangepast en moeten de juiste gegevens in het juiste formaat worden aangeleverd. (Zie Big Data voor een revolutie in de gezondheidszorg? Voor meer informatie over de rol van big datas in de gezondheidszorg.)
Wat is voorspellende analyse?
Voorspellende analyse is een tak van geavanceerde analyse die voorspellingen van bepaalde gebeurtenissen biedt op basis van historische gegevens, gegevenspatronen en andere invoer. Proactieve stappen kunnen worden ondernomen om tegemoet te komen aan de vereisten die voortvloeien uit de voorspellingen. Om voorspellingen te doen, maakt voorspellende analyse gebruik van technieken die in andere branches worden gebruikt, zoals datamining, kunstmatige intelligentie, modellering, machine learning en statistieken, en het integreert informatietechnologie, management en modellering van bedrijfsprocessen. De voorspellingen kunnen worden gebruikt om risico's en kansen in de toekomst te identificeren. Voorspellende analyses kunnen bedrijfsorganisaties helpen om veel dingen te bereiken. Enkele voorbeelden hiervan zijn:
- Identificatie van verborgen associaties en patronen
- Verbetering van klantretentie
- Risico verminderen om verlies en blootstelling te minimaliseren
- Verbetering van de klanttevredenheid
Er zijn veel voorbeelden uit de praktijk van hoe bedrijven hebben geprofiteerd van het gebruik van voorspellende analyses. Accenture heeft een onderzoek uitgevoerd om te achterhalen hoe verschillende bedrijven hebben geprofiteerd van het gebruik van voorspellende analyses. Enkele bevindingen zijn:
- Best Buy ontdekte dat minder dan 7% van zijn klanten bijdroeg tot 43% van zijn omzet. Vervolgens segmenteerde het zijn klanten logisch en herontworpen zijn winkels en in-store ervaring om het koopgedrag van specifieke klantengroepen weer te geven.
- Olive Garden, een Amerikaans informeel restaurant, gebruikt gegevens om zijn menu te ontwerpen en opnieuw te ontwerpen. Op die manier heeft het de voedselverspilling aanzienlijk kunnen verminderen.
Voorspellende analyses worden toegepast op veel domeinen zoals gezondheidszorg, klantrelatiebeheer (CRM), fraudedetectie en risicobeheer. Voorspellende analyses worden ook vaak gecombineerd met voorschrijvende analyses. Voorschriftanalyses in dit verband betekenen dat niet alleen voorspellingen worden gedaan over bepaalde gebeurtenissen, maar dat er ook duidelijke stappen worden gegeven die moeten worden genomen om de situatie aan te pakken. Deze stappen worden geleverd door de analyse-engine zelf. (Meer informatie over fraudedetectie met Machine Learning & Hadoop in fraudeopsporing van de volgende generatie.)
Predictive Analytics in the Con of Health Care
Theoretisch speelt voorspellende analyse een grote rol bij het verbeteren van de gezondheidszorg. Hoewel het nog steeds een nieuwkomer in het beheer van de gezondheidszorg is en de reikwijdte ervan nog steeds wordt uitgewerkt, kunnen voorspellende analyses historische patiëntgegevens analyseren en voorspellingen bieden voor zaken als ziekterisico's, waarschijnlijkheidsscore van hartaanvallen en astmatische aanvallen op basis van patiëntprofiel, en kans op overname.
Het menselijk brein kan niet meer dan zes tot acht variabelen tegelijkertijd diep analyseren om een probleem goed te profileren. Maar het algoritme van een voorspellend model kan honderden variabelen tegelijkertijd analyseren om een nauwkeurig profiel van een medisch probleem te maken. Op basis van het profiel kunnen nauwkeurige diagnose en eventuele risicovoorspellingen worden gedaan.
Voorspellende modellen kunnen helpen de kosten in verband met medische zorg te beheersen. In de VS wordt een op de vijf Medicare-patiënten binnen 30 dagen na ontslag opnieuw opgenomen in het ziekenhuis, wat een kostenpost van $ 17 miljard per jaar oplevert.
De Steadman Hawkins Clinic kon hun netto winstgevendheid met $ 20 miljoen per jaar verhogen. Ze waren ook in staat om de nauwkeurigheid van hun financiële voorspellingen te verbeteren van 30 tot 32 procent.
Case Study 2: Naamloze kliniek die de winstgevendheid verbetert
De benodigdheid
De kliniek wilde zowel de dienstverlening aan de patiënten verbeteren als hun winstgevendheid verbeteren door hun middelen, waaronder personeel, faciliteiten en instrumenten, optimaal te gebruiken.
De actie
De kliniek verzamelde veel gegevens over verschillende variabelen, zoals het type zorg dat patiënten nodig hebben, het personeelsprofiel en de kwalificatie, het patiëntenprofiel, de kwaliteit van de geleverde diensten, zoals responstijd, uitkomst, patiëntervaring en wachttijd voor patiënten. Op basis van de verzamelde gegevens werd voorspellende analyse gebruikt. Ze verwachtten concrete analyses en de te volgen acties.
Het resultaat
Hoewel de kliniek nog steeds bezig is met het implementeren van beleid op basis van hun voorspellende analyses, zijn er tekenen dat ze op koers zijn om ten minste 10 procent hogere winstgevendheid te behalen dan voorheen.
Belangrijke punten om te onthouden
Het implementeren van voorspellende analyses zal niet meteen wonderen beginnen te doen. De resultaten zijn afhankelijk van de aanpak. Eerst moet de industrie bepalen wat voorspellende analyses in de context betekenen en vervolgens de reikwijdte ervan specificeren. Ook moet de gezondheidszorg de volgende lessen uit andere industrieën onthouden:
- De hoeveelheid inzichten is niet direct evenredig met de hoeveelheid gegevens. U krijgt niet meer inzichten door alleen maar meer gegevens te verzamelen.
- Inzichten leveren niet noodzakelijk waarde op. Je moet eerst de inzichten in je con aanpassen, zodat het nuttig wordt.
- Het implementeren van voorspellende analyses wordt een grote uitdaging. U moet de juiste technologieën omarmen en inzichten leveren aan de zorgverlener in het juiste formaat.
Samenvatting
Voorspellende analyses moeten worden samengevoegd met voorspellende analyses om de juiste resultaten te leveren, omdat de industrie niet alleen de voorspellingen nodig heeft, maar ook een handelwijze. Hoewel het concept uiteindelijk lonend lijkt, moeten bedrijven de juiste investeringen doen en geduld hebben met de resultaten als ze hopen de vruchten te plukken.