医疗保健分析峰会回来了!9月13日至15日，在盐湖城收看我们的现场报道。现在注册
文章总结
随着数据变得更加广泛，医疗保健组织正在转向自助服务分析，以使团队成员能够做出基于数据的决策。自助式分析不需要等待分析团队的手工报告，它允许各个团队成员自己执行查询、运行报告并深入研究数据细节。然而，这种更广泛的数据分布也带来了一些问题，例如决定谁将监督数据、谁可以访问哪些数据以及如何最好地将数据交付给最终用户。领导者可以通过关注五种常见犹豫的答案来解决这些问题，并从自助服务分析中获益:
1.投资于先进的数据平台以标准化数据。世界杯厄瓜多尔vs塞内加尔波胆预测
2.教授分析最佳实践和数据素养。
3.利用工具使数据超越历史分析。
4.改变分析团队的思维模式。
5.遵守数据安全程序和策略。
今天的分布更广医疗数据信息甚至可以使非专业的数据用户通过自助分析自己获得分析见解。Gartner自服务分析定义为“一种商业智能(BI)的形式，在这种形式中，业务部门的专业人员被启用并鼓励执行查询和自己生成报告，只提供名义上的IT支持。”
换句话说，与其面对典型的IT或集中分析团队的瓶颈，而不是等待较长的报告周转时间，自助服务分析在医疗保健中，允许团队成员运行他们自己的报告，自由地获得分析洞察力，无论何时何地，他们都可以毫不拖延地获得分析洞察力。通过将多个数据源聚集到一个地方的健壮的世界杯厄瓜多尔vs塞内加尔波胆预测数据平台，所有最终用户都可以访问最新的、最准确的数据集。例如，如果一个首席质量官想知道怎么做新型冠状病毒肺炎影响了手术室(OR)的容量，她可以使用自助服务功能运行当日报告。如果数据也显示患者安全与OR量变化相关的担忧，她可以针对这些患者安全领域运行额外的报告，而无需等待后续报告。
尽管自服务分析在医疗保健领域有明显的好处，但由于各种原因，许多领导者推迟了让团队成员直接访问数据和分析的时间。然而，通过解决他们的犹豫和采用自助服务，组织可以授权决策者有针对性的，及时的洞察关注的领域和机会结果改进。
医疗保健领域自助服务分析背后的五个犹豫以及如何克服它们
从数据基础设施的限制到文化惯性，医疗保健领域自助服务分析的不确定性可能令人难以承受。通过解决以下五种常见的犹豫，领导者可以有效地实施自助服务分析，增加有价值的见解的访问，并将数据交付到临床和商业决策的前线:
1 .缺乏数据标准化
有效的自助服务分析需要准备和标准化数据，如果手工操作，这对分析师来说是一个耗时的过程。数据准备，包括清理、归一化和使用一致的术语对数据集进行精确标记，对于大量分布和分析非常关键，因为它减少了不准确性和混淆。然而，由于可用数据源和数据集太多，缺乏数据标准化和不一致的标签在医疗保健领域很常见，这使得标准化不足成为领导者抵制自助服务分析的常见原因。如果没有标准化的数据，不同的团队成员可能会收到不同的数据集，从而导致不准确的答案。
解决方案:为了减轻数据标准化的负担，医疗保健组织可以投资于先进的数据平台，这些平台从不同的来源摄取数据，并自动(而不是手动)组织、规范化和正确标记数据。世界杯厄瓜多尔vs塞内加尔波胆预测例如,世界杯葡萄牙vs加纳即时走地健康催化剂数据操作系统(DOS™)将来自医院内外(如电子病历、辅助系统、社区诊所等)的数据汇集到一个地方。由于系统数据只有一个真实的来源，自服务分析工具允许整个组织的最终用户访问标准化的数据，从而为决策提供信息。寻找良好起点的组织可以利用开箱即用的数据模型，包括Health Catalyst DOS Marts。世界杯葡萄牙vs加纳即时走地
#2:缺乏数据素养
向缺乏数据读写能力(在不同用例中聚合、组织和利用数据的能力)的团队成员分发自助服务分析，将有希望的数据工具变成了负担。通常情况下，数据专家(如数据分析师和数据科学家)将解释数据，然后向最终用户提供答案。通过自助服务分析，决策者可以运行查询并得到自己的答案。但是，他们如何知道自己正在做出正确的决定并正确地解释数据呢?
解决方案卫生系统不应向一线人员释放数据和自助分析工具，并希望团队成员做出正确的决定，而应教授分析最佳实践。例如，组织应该利用其中心IT和分析团队来教用户如何使用数据，识别和培训跨不同部门的数据倡导者或拥护者，并对教育者进行投资。例如，一个经验丰富的数据和分析供应商可以通过提供数据专业知识、广泛的分析经验和关于哪些策略在其他组织中已被证明成功的知识，确保医疗系统最大化医疗保健中自助分析的各个方面。
此外，健康系统可以提供预先构建的内容和查询(例如，世界杯葡萄牙vs加纳即时走地健康催化剂DOS市场™)，以便用户在利用自助服务分析时不必从头开始。例如，大多数卫生系统筛查有患糖尿病风险的患者。因此，该组织可以为符合糖尿病前期特定标准的人提供预先构建的查询。通过提供指导，提供预构建的内容可以帮助团队成员建立对自助服务分析的信心，同时也使最终用户能够自己发现答案。
#3:描述性数据限制用例
组织通常将医疗保健中的自助服务分析与描述性或历史分析相关联。而且，由于系统已经拥有广泛的历史统计数据，它们可能会觉得反映过去性能的自助分析没有什么用处，除非它们投资于能够预测和预测未来活动、行为、趋势等的技术。
解决方案:为了超越描述性分析，组织应该考虑将人工智能工具或平台。世界杯厄瓜多尔vs塞内加尔波胆预测例如,医疗保健。人工智能使用描述性数据以及预测性和规范性数据推动自助分析，使卫生系统的数据比历史分析更进一步。例如，卫生系统可以使用描述性分析(例如，诊断的数量和患者细节)来识别2型糖尿病患者的增加。然后，医疗保健领导者可以使用识别趋势和模式的预测性和规范性分析，来预测这种风险的未来激增人口。基于这些预测，卫生系统可以做出适当的改变，包括对这种情况进行适当的筛查。
#4:缺乏企业数据治理策略
数据分析师和专家历来“拥有”组织内的数据。自助分析挑战了这一现状，并要求文化的改变，以允许每个团队成员作为数据所有者和管理员。许多数据分析师可能会认为自服务分析正在失去力量，失去了主要角色。如果数据被广泛获取，他们也可能担心自己对数据的影响或控制。
解决方案:思维方式的转变在自助服务分析的成功中起着至关重要的作用。数据分析师和专家不应放弃数据权力，而应认为自己仍处于强大的领先地位数据治理同时授权整个系统的其他决策者在他们的级别上进行分析工作。这就解放了数据分析师，让他们可以在执照的顶端工作。当数据专家开始从这个新视角审视自己时，他们会对自助分析和通过这些高级工具共享数据的能力感到兴奋。
这种观念的转变需要时间，但在数据领导者的支持下是可能的。例如，如果数据前导包含护理管理在团队讨论哪些工具在临床环境中最有用时，其他数据专家将更有可能建模这种协作行为，并采取相同的团队方法。领导者在医疗保健领域共享数据和支持自助服务分析的例子可以成为这种必要的文化变革的催化剂。
5 .缺乏数据安全性
能接触到数据的人越多，数据泄露的机会就越多。自然，一些医疗保健行业的领导者会选择限制数据的使用，以减少发生安全事件的可能性。此外，对于哪些数据适合共享以及与谁共享，经常存在误解。缺乏数据基础设施也使数据分割变得困难，因此卫生系统将自助服务分析视为访问所有数据或不访问数据。
解决方案:保留关键任务信息以避免可能的数据泄露并不能解决安全问题。虽然总是存在数据泄露的风险，但如果组织正确地实现了自助服务分析，共享关键健康数据的好处大于数据泄露的风险。遵守资料保安政策及程序(例如:HIPAA,电子医疗保健网络认证委员会,卫生信息技术促进经济和临床卫生法案)，卫生系统可以大大降低数据泄露的风险。此外，使用先进的数据工具和服务，如Health Catalyst分析产品，可以让领导者安全地划分数据，只将必要的数据分发给正确的人。世界杯葡萄牙vs加纳即时走地
医疗保健中的自助服务分析促进全系统改进
通过解决上述在医疗保健领域对自助服务分析的五种犹豫，医疗保健系统可以确保其数据充分发挥其潜力。自助分析降低了进入数据和分析使用的技术壁垒，从而扩大了访问关键信息的用户池，将相关数据和分析洞察置于临床护理和医疗保健业务决策的前线。
更多的阅读
你想了解更多关于这个主题的信息吗?以下是我们推荐的一些文章:
这个网站使用cookies
我们以为您提供相关、有用的内容而自豪。我们可以用cookies来追踪你所阅读的内容吗?我们非常重视您的隐私。请参阅我们的隐私政策了解详情和任何问题。