Qlik Analytics，Datarobot建模燃油医疗保健变化

数据驱动的决策

会议前六周，奥尼尔的岳父死于中风。在观看晚上新闻后，走在他的客厅和厨房之间的走廊里，他崩溃了，从未恢复意识。

高血压是中风的最大风险因素并影响世界上约25％的人口。然而，高血压难以诊断，奥尼尔的说法，难以诊断，大约40％是高血压的人都是未确诊的。

但是，使用数据，保健机构可以预测它。

与此同时，紧急护理是医疗组织的一致源。

根据奥尼尔的说法，U.10％的急诊室。收到了不合格的评级。近年来对床的需求越来越多，甚至在大流行之前 - 尚未降低成本，医院已经减少了供应。

然而，通过数据，医院可以更好匹配供需在呃，提高患者护理的质量。

当然，医疗组织的最大问题仍然是Covid-19。

在过去的15个月里，医院因患有冠状病毒经常致命影响的患者而被淹没。作为疫苗变得更加可用但是，许多国家的案例量均下降。这意味着医院很快就能治疗许多患有非生命危及危及生命情况的患者，但却无法治疗。

我们有一个大规模的机会来从根本上改变医疗保健。

分析可以成为能够使医疗组织能够管理一旦大流行结束才能寻求护理的积压患者的手段。

“我们可以使用数据，特别是自主机器学习模型集成到我们的Qlik感觉仪表板中，改变卫生系统模型患者流量的方式，”奥尼尔说。“医疗保健业务规划的传统方法不再足够了。事实上，他们从来没有足够过。”

Qlik和DataRobot一直是UHMB转型的关键。

从生产医疗保健数据的许多不同源中获取数据，组织使用雪花仓库数据，分解数据孤岛并将其转换为分析消耗。使用能够连接到雪花的Qlik和DataRobot，UHMB能够将数据提取到QLIK中，以获得其商业智能需求和用于预测建模的DataRobot。

然后，医疗保健提供者能够嵌入模型从DataRobot进入Qlik仪表板，以便在熟悉的环境中与相关的分析资产一起访问和可视化。

“在体积，品种和速度方面，数据正在快速增长，我们需要能够真正快速利用这些数据并将它们直接集成到我们的分析平台中，”奥尼尔说。“令人兴奋的事情是我们可以创建一个循环，在我们的弹性云数据平台，我们的AI模型和分析解决方案之间流动。”

据凯利·赫尔斯·赫尔斯，分析和数据科学经理在UHMB的核心，分析和数据科学经理的说法，该循环现在是UHMB决策过程的基础。

“能够预测[使用DataRobot]然后将其集成到我们现有的QLIK Searing Dashboards允许我们将预测分析无缝地介绍到我们的报告中，”她说。“这是我们作为一个组织的基本构建块，所以我们可以更积极地处理我们的服务而不是反应。”

成功的蓝图

虽然UHMB正在使用QLIK进行分析需求和DataRobot进行预测建模，但许多组织 - 都在医疗保健和其他行业 - 继续抵制数据驱动的决策。

然而，数据驱动的决策是什么使许多组织能够在流行病中幸存下来并使它们能够继续成功，因为分析成为规范而不是例外。

要开始改变医疗组织的文化，并使数据驾驶员落后于所有决定，o'neill开发了一个六步蓝图：

• 通过成为阐明包括的愿景的人来说改变文化和战略，包括交付计划;
• 通过涉及发展战略的领导力来激发组织，并提供快速的成功，将导致对该战略的更多投资;
• 通过了解问题是什么和的创新提供成功的建模解决方案;
• 被准备成为挑战现有流程和通过分析提供新解决方案的人扰乱;
• 持续存在抵抗;和
• 通过查找机会重复，构建成功的分析解决方案，实现它们并继续前进到下一个。

“医疗保健影响着我们所有人，”奥尼尔说。“它的个人地影响着我们，以及我们周围的人。我们在医疗保健中的预测分析民主化是现实的推广。随着地球员开始导航到Covid-19大流行，数据驱动的医疗保健交付是恢复和恢复过程的绝对基本组成部分。“