BI（Business Intelligence）
醫療保健領域的資料自動化（Data Automation for Healthcare）
首先來看看BI（Business Intelligence），有一個新的業務分類叫做醫療保健領域的資料自動化（Data Automation for Healthcare），我們來看看這個新領域的一些分析。
降低成本和提高效率是醫療保健行業運營者的重要顧慮和考慮。比如透過減少廢物處理來削減成本和提高效能——自動化不僅僅是一個考慮因素——在過去的幾十年中，醫療行業已經採取措施實現操作和患者資料處理的數字化。
這種向數字化過程的轉變本身帶來了對資訊的即時訪問，簡化了資訊共享，從而改善了患者的治療效果。
隨著數字化過程中積累的資料不斷湧現，醫療保健的資料自動化已經從“有好處”變成了“必須擁有”，即使醫療保健的資料自動化剛剛開始著眼於利用商業智慧。
什麼是醫療保健中的資料自動化
自動化是指使用資訊科技以簡化的方式完成某些過程，而無需人為干預來實現預期的結果。在醫療保健領域，自動化技術可以整合到廣泛的此類流程中，從而減少管理工作量，消除浪費的做法，增強資訊交換，改進和一致的患者護理，有意義的資料分析，有效的患者監控。除了減少醫療保健組織必須處理的大量文書工作外，自動化還有助於提高運營效率和降低人員成本。
商業智慧的回顧和展望
自大資料現象出現以來，醫療行業從業企業一直在大量湧入資料收集和處理利用中。隨著臨床資料量的不斷增加，醫療保健領域的商業智慧已成為當時的需求。下面列出一些可能的方向：
改善患者護理
醫療保健組織已經依靠數字工具和技術來支援他們的日常運營，最終目標是改善患者護理。商業智慧與醫療保健資料自動化相結合可以透過使用自動化工具引入預測分析元素來確定患者健康資料、患者等待時間、患者滿意度、疾病和復發風險、潛在治療成本、再入院可能性等引數，從而進一步最佳化一個數據——平均住院時間。反過來，這些引數可以幫助醫療保健專業人員就患者護理做出明智的決定。
健康記錄分析
以電子方式儲存患者記錄幾乎已成為常態。但是，如果不能用於促進更好的患者護理和管理，那麼所有患者資料的好處是什麼？這是商業智慧工具發揮作用的地方。他們可以從集中儲存的患者資料庫中挑選出相關的資訊，以促進更好的預測和可操作的見解。
更好地分配資源
將醫療保健資料自動化與商業智慧相結合的另一個關鍵優勢是透過跨部門分配基於需求的精確度來更好地管理資源，從而減少浪費。由於預測分析可以幫助確定患者何時準備好出院，因此它還有助於更好地分配床，藥品和員工等資源，以幫助減少浪費。
瞭解患者病史和生活方式
商業智慧工具能夠從健康應用程式以及可穿戴裝置（如計步器和健身帶）訪問可下載資料。這使醫療保健專家能夠利用無線技術的能力準確跟蹤健康指標和資訊。這些資料對於醫療保健從業者瞭解患者的生活方式和病史非常有用。
成本最佳化
技術工具變得越來越便宜，商業智慧符合這種模式。
臨床分析
資料探勘
商業智慧工具的資料探勘能力可以幫助醫療保健從業者更精確地評估治療計劃，方法是確定選擇的治療方案的哪些方面正在工作，哪些方面沒有。這些工具還可用於預測任何給定治療程式的確切結果。透過幫助組織瞭解缺陷並採取糾正措施，這有助於提高醫療質量。
健康狀況分析
如今，幾乎所有醫療保健組織都瞭解分析在改善收入週期，績效，效率和整體患者護理方面的重要性。然而，他們中的大多數沒有完整的資料分析解決方案。
對於大多數醫療保健領導者而言，收入週期分析和商業智慧都是重中之重。
對拒絕和拒絕的處理成為收入週期中的最大挑戰，可以透過分析來糾正。患者付款和結算流程緊隨其後。
利用商業智慧和資料分析的最大障礙是缺乏有效利用資料分析的資源，無法對分析效能進行基準測試，以及難以將分析結果引入可操作的報告中。
能夠透過正確的戰略報告克服這些挑戰的組織已從健康分析中受益。
健康分析的一些主要優勢包括減少A / R天數和改善現金流，透過識別支付流程中的瓶頸增加收入，以及提高員工生產力。
醫療保健組織現在比以往任何時候都更加意識到健康的資料自動化對於醫療保健的重要性，以便進行分析和報告。資料分析和後續報告解決方案將在實施使用者友好流程中發揮關鍵作用，這些流程使用可操作的洞察力來促進收入週期的改善和明智的決策制定。
為什麼醫療保健資料分析很難？
資料分析在整個行業垂直領域是一個具有挑戰性的主張，但在醫療領域更是如此。雖然大多數其他組織都在努力解決資料儲存，質量，訪問和整合等問題，但醫療機構還必須考慮安全性和隱私，資料管理和保留等更微妙的方面。
安全和隱私在醫療保健中至關重要。對醫療保健資料的任何攻擊都可能對任何組織造成極大的破壞，因為它們不僅以經濟損失而且還以聲譽為代價。最重要的是，在任何違反資料安全的情況下，最大的受害者是個人的私人資訊，從信用卡詳細資訊到實驗室結果和診斷，都受到了危害。
醫療保健資料由於其長期保留而難以管理，這意味著醫療保健組織需要一種有遠見的方法來確定資料的儲存，訪問和使用方式。此外，醫學領域的資料管理軟體通常具有建立定期訪問許可權的範圍，該許可權根據需要為來自不同部門的不同工作人員提供臨時檢視功能。這些因素使組織更加迫切需要定期審查其資料，以便刪除，修改或匿名化資訊。
輸入任何健康組織記錄的資料也需要進行格式化，描述，檢查以確保準確性，然後才能為組織內的不同使用者訪問，以用於醫療，管理和計費目的。這種速度和體積進一步加劇了在醫療保健領域管理資料的難度。
醫療保健中資料管理策略的成敗也取決於可訪問性。如果組織沒有以正確的格式報告並且可供合適的人員訪問，那麼組織儲存的大量資料將無關緊要。除了使醫療保健資料成為困難主張的所有這些普遍挑戰之外，一些特定設施的困難可能使問題進一步複雜化。例如，有限的IT預算可能是一個很大的障礙
說到大資料，其實大資料應該在BI之前說
大資料的收集策略、儲存方式、使用方法，都是一堆問題。
1、物聯網（IoT）
可穿戴裝置現在允許人們跟蹤他們的心率，血壓，體重，活動水平，壓力水平（例如：FitBit，PIP，Muse頭帶等）
智慧手機上提供應用程式，可跟蹤使用者的鍛鍊方案和睡眠強度，數量和質量（例如：Pebble Time，AliveCor Heart Monitor，MyFitnessPal等）。
可以將資料傳送到雲中的醫療裝置和感測器：脈搏血氧儀，血糖監測儀，電子秤，血壓監測儀，SpO2感測器，接近感測器（如iBeacon），以及將提供數百萬患者資料的未來感測器一個持續的基礎
2、電子病歷/電子健康記錄（EMR / EHR）
3、保險提供商
包括私人付款人和計劃索賠，政府健康計劃索賠和藥房索賠。
4、其他臨床資料
來自計算機化醫囑錄入和臨床決策支援系統的資料（醫生的書面筆記和處方，醫學成像，實驗室，藥房，保險和其他管理資料）。
5、基因組及相關研究機構
6、社交媒體
社交媒體帖子，包括微博，部落格和其他平臺上的狀態更新，以及網頁可以反映並提供個人健康，情緒，心態等的證據。
7、網路知識
如何充分利用大資料
想要充分利用資料的公司和組織需要一個全面的健康資料收集，最佳化和分析計劃。應用預測分析，建模和收集基於模式和智慧的洞察力有可能使系統中的所有“參與者”受益，包括個人，醫療保健從業者，公共衛生機構，生命科學組織，健康保險公司以及醫療和製藥製造商。降低總醫療費用似乎可能是與以下所有優勢相關的主要好處之一：
1、預防性醫療保健和患者賦權
使用健康資料和其他變數（如社會經濟學）可以幫助組織預測預測患者的隨時間變化軌跡
在許多情景中存在產生最佳結果的潛力，例如：分析患者特徵以及護理的成本和結果，以便提供最合適和最具成本效益的治療，這也將影響提供者的行為
人口級疾病分析將使研究人員能夠幫助確定預測事件並制定更有效的預防措施
將精神衛生保健納入傳統臨床環境將有助於提供更全面的服務，併為患者提供必要的資源和支援
在傳統護理環境（藥物依從性管理，家庭監測等）之外改進對患者活動的監測將有助於個人承擔更多的個人責任並幫助提供者確定最佳治療計劃
2、打擊欺詐
實施用於欺詐檢測的高階分析系統並檢查索賠的準確性和一致性將有助於最大限度地減少欺詐，同時更接近實時索賠授權
能夠提供彙總和綜合資料的公司（例如，患者臨床記錄和索賠資料）可以為希望在醫藥和藥品領域取得進步的第三方提供創造新的收入流（例如，許可）資料，以幫助製藥公司識別選擇參加臨床試驗的患者），這反過來將有助於推動新醫療裝置和藥品的建立
存在問題
但是資料分散、資料滯後、資料不全等問題都讓大部分的企業對此沒法深入利用。
BI（Business Intelligence）
醫療保健領域的資料自動化（Data Automation for Healthcare）
首先來看看BI（Business Intelligence），有一個新的業務分類叫做醫療保健領域的資料自動化（Data Automation for Healthcare），我們來看看這個新領域的一些分析。
降低成本和提高效率是醫療保健行業運營者的重要顧慮和考慮。比如透過減少廢物處理來削減成本和提高效能——自動化不僅僅是一個考慮因素——在過去的幾十年中，醫療行業已經採取措施實現操作和患者資料處理的數字化。
這種向數字化過程的轉變本身帶來了對資訊的即時訪問，簡化了資訊共享，從而改善了患者的治療效果。
隨著數字化過程中積累的資料不斷湧現，醫療保健的資料自動化已經從“有好處”變成了“必須擁有”，即使醫療保健的資料自動化剛剛開始著眼於利用商業智慧。
什麼是醫療保健中的資料自動化
自動化是指使用資訊科技以簡化的方式完成某些過程，而無需人為干預來實現預期的結果。在醫療保健領域，自動化技術可以整合到廣泛的此類流程中，從而減少管理工作量，消除浪費的做法，增強資訊交換，改進和一致的患者護理，有意義的資料分析，有效的患者監控。除了減少醫療保健組織必須處理的大量文書工作外，自動化還有助於提高運營效率和降低人員成本。
商業智慧的回顧和展望
自大資料現象出現以來，醫療行業從業企業一直在大量湧入資料收集和處理利用中。隨著臨床資料量的不斷增加，醫療保健領域的商業智慧已成為當時的需求。下面列出一些可能的方向：
改善患者護理
醫療保健組織已經依靠數字工具和技術來支援他們的日常運營，最終目標是改善患者護理。商業智慧與醫療保健資料自動化相結合可以透過使用自動化工具引入預測分析元素來確定患者健康資料、患者等待時間、患者滿意度、疾病和復發風險、潛在治療成本、再入院可能性等引數，從而進一步最佳化一個數據——平均住院時間。反過來，這些引數可以幫助醫療保健專業人員就患者護理做出明智的決定。
健康記錄分析
以電子方式儲存患者記錄幾乎已成為常態。但是，如果不能用於促進更好的患者護理和管理，那麼所有患者資料的好處是什麼？這是商業智慧工具發揮作用的地方。他們可以從集中儲存的患者資料庫中挑選出相關的資訊，以促進更好的預測和可操作的見解。
更好地分配資源
將醫療保健資料自動化與商業智慧相結合的另一個關鍵優勢是透過跨部門分配基於需求的精確度來更好地管理資源，從而減少浪費。由於預測分析可以幫助確定患者何時準備好出院，因此它還有助於更好地分配床，藥品和員工等資源，以幫助減少浪費。
瞭解患者病史和生活方式
商業智慧工具能夠從健康應用程式以及可穿戴裝置（如計步器和健身帶）訪問可下載資料。這使醫療保健專家能夠利用無線技術的能力準確跟蹤健康指標和資訊。這些資料對於醫療保健從業者瞭解患者的生活方式和病史非常有用。
成本最佳化
技術工具變得越來越便宜，商業智慧符合這種模式。
臨床分析
資料探勘
商業智慧工具的資料探勘能力可以幫助醫療保健從業者更精確地評估治療計劃，方法是確定選擇的治療方案的哪些方面正在工作，哪些方面沒有。這些工具還可用於預測任何給定治療程式的確切結果。透過幫助組織瞭解缺陷並採取糾正措施，這有助於提高醫療質量。
健康狀況分析
如今，幾乎所有醫療保健組織都瞭解分析在改善收入週期，績效，效率和整體患者護理方面的重要性。然而，他們中的大多數沒有完整的資料分析解決方案。
對於大多數醫療保健領導者而言，收入週期分析和商業智慧都是重中之重。
對拒絕和拒絕的處理成為收入週期中的最大挑戰，可以透過分析來糾正。患者付款和結算流程緊隨其後。
利用商業智慧和資料分析的最大障礙是缺乏有效利用資料分析的資源，無法對分析效能進行基準測試，以及難以將分析結果引入可操作的報告中。
能夠透過正確的戰略報告克服這些挑戰的組織已從健康分析中受益。
健康分析的一些主要優勢包括減少A / R天數和改善現金流，透過識別支付流程中的瓶頸增加收入，以及提高員工生產力。
醫療保健組織現在比以往任何時候都更加意識到健康的資料自動化對於醫療保健的重要性，以便進行分析和報告。資料分析和後續報告解決方案將在實施使用者友好流程中發揮關鍵作用，這些流程使用可操作的洞察力來促進收入週期的改善和明智的決策制定。
為什麼醫療保健資料分析很難？
資料分析在整個行業垂直領域是一個具有挑戰性的主張，但在醫療領域更是如此。雖然大多數其他組織都在努力解決資料儲存，質量，訪問和整合等問題，但醫療機構還必須考慮安全性和隱私，資料管理和保留等更微妙的方面。
安全和隱私在醫療保健中至關重要。對醫療保健資料的任何攻擊都可能對任何組織造成極大的破壞，因為它們不僅以經濟損失而且還以聲譽為代價。最重要的是，在任何違反資料安全的情況下，最大的受害者是個人的私人資訊，從信用卡詳細資訊到實驗室結果和診斷，都受到了危害。
醫療保健資料由於其長期保留而難以管理，這意味著醫療保健組織需要一種有遠見的方法來確定資料的儲存，訪問和使用方式。此外，醫學領域的資料管理軟體通常具有建立定期訪問許可權的範圍，該許可權根據需要為來自不同部門的不同工作人員提供臨時檢視功能。這些因素使組織更加迫切需要定期審查其資料，以便刪除，修改或匿名化資訊。
輸入任何健康組織記錄的資料也需要進行格式化，描述，檢查以確保準確性，然後才能為組織內的不同使用者訪問，以用於醫療，管理和計費目的。這種速度和體積進一步加劇了在醫療保健領域管理資料的難度。
醫療保健中資料管理策略的成敗也取決於可訪問性。如果組織沒有以正確的格式報告並且可供合適的人員訪問，那麼組織儲存的大量資料將無關緊要。除了使醫療保健資料成為困難主張的所有這些普遍挑戰之外，一些特定設施的困難可能使問題進一步複雜化。例如，有限的IT預算可能是一個很大的障礙
說到大資料，其實大資料應該在BI之前說
大資料的收集策略、儲存方式、使用方法，都是一堆問題。
1、物聯網（IoT）
可穿戴裝置現在允許人們跟蹤他們的心率，血壓，體重，活動水平，壓力水平（例如：FitBit，PIP，Muse頭帶等）
智慧手機上提供應用程式，可跟蹤使用者的鍛鍊方案和睡眠強度，數量和質量（例如：Pebble Time，AliveCor Heart Monitor，MyFitnessPal等）。
可以將資料傳送到雲中的醫療裝置和感測器：脈搏血氧儀，血糖監測儀，電子秤，血壓監測儀，SpO2感測器，接近感測器（如iBeacon），以及將提供數百萬患者資料的未來感測器一個持續的基礎
2、電子病歷/電子健康記錄（EMR / EHR）
3、保險提供商
包括私人付款人和計劃索賠，政府健康計劃索賠和藥房索賠。
4、其他臨床資料
來自計算機化醫囑錄入和臨床決策支援系統的資料（醫生的書面筆記和處方，醫學成像，實驗室，藥房，保險和其他管理資料）。
5、基因組及相關研究機構
6、社交媒體
社交媒體帖子，包括微博，部落格和其他平臺上的狀態更新，以及網頁可以反映並提供個人健康，情緒，心態等的證據。
7、網路知識
如何充分利用大資料
想要充分利用資料的公司和組織需要一個全面的健康資料收集，最佳化和分析計劃。應用預測分析，建模和收集基於模式和智慧的洞察力有可能使系統中的所有“參與者”受益，包括個人，醫療保健從業者，公共衛生機構，生命科學組織，健康保險公司以及醫療和製藥製造商。降低總醫療費用似乎可能是與以下所有優勢相關的主要好處之一：
1、預防性醫療保健和患者賦權
使用健康資料和其他變數（如社會經濟學）可以幫助組織預測預測患者的隨時間變化軌跡
在許多情景中存在產生最佳結果的潛力，例如：分析患者特徵以及護理的成本和結果，以便提供最合適和最具成本效益的治療，這也將影響提供者的行為
人口級疾病分析將使研究人員能夠幫助確定預測事件並制定更有效的預防措施
將精神衛生保健納入傳統臨床環境將有助於提供更全面的服務，併為患者提供必要的資源和支援
在傳統護理環境（藥物依從性管理，家庭監測等）之外改進對患者活動的監測將有助於個人承擔更多的個人責任並幫助提供者確定最佳治療計劃
2、打擊欺詐
實施用於欺詐檢測的高階分析系統並檢查索賠的準確性和一致性將有助於最大限度地減少欺詐，同時更接近實時索賠授權
能夠提供彙總和綜合資料的公司（例如，患者臨床記錄和索賠資料）可以為希望在醫藥和藥品領域取得進步的第三方提供創造新的收入流（例如，許可）資料，以幫助製藥公司識別選擇參加臨床試驗的患者），這反過來將有助於推動新醫療裝置和藥品的建立
存在問題
但是資料分散、資料滯後、資料不全等問題都讓大部分的企業對此沒法深入利用。
回答如果沒有用，不妨點個收藏，看看其他專家給出什麼答案。