コンテンツ
ソース：Andreypopov / Dreamstime.com
取り除く：
医療業界では、予測分析を使用して、患者のケアを改善し、再発する問題の事例を減らし、収益性を高めています。
予測分析は、ヘルスケアの提供方法を再定義すると言われています。重大な病気の発生と、将来の再入院の可能性を予測します。飲食料品、出版物、エンターテイメントなどの他のセクターは、予測分析を使用することですでにメリットを享受しています。ヘルスケアで同じことができない理由はありません。
ただし、予測分析の定義と範囲は、最初に純粋にヘルスケアの観点から理解する必要があります。 One-size-fits-allモデルは機能しません。また、分析を提供するためのインフラストラクチャが提供され、必要な情報を適切な形式で医療専門家に提供できることが重要です。適切でプロアクティブなヘルスケアを提供するには、ヘルスケアの専門家に正しい詐欺とメタデータを提供する必要があります。したがって、予測分析はヘルスケアには適していますが、最初にカスタマイズし、適切な形式の適切なデータを提供する必要があります。 （ヘルスケアにおけるビッグデータの役割については、「ビッグデータがヘルスケアに革命をもたらすか？」を参照してください。）
予測分析とは何ですか？
予測分析は、履歴データ、データパターン、およびその他の入力に基づいて特定のイベントの予測を提供する高度な分析のブランチです。予測から生じる要件に対処するために、事前対策を講じることができます。予測分析では、予測を行うために、データマイニング、人工知能、モデリング、機械学習、統計などの他のブランチで使用される手法を活用し、情報技術、管理、モデリングビジネスプロセスを統合します。予測は、将来のリスクと機会を特定するために使用できます。予測分析は、ビジネス組織が多くのことを達成するのに役立ちます。以下に例を示します。
- 隠された関連付けとパターンの特定
- 顧客維持率の改善
- 損失と露出を最小限に抑えるためのリスクの低減
- 顧客満足度の向上
予測分析の使用によりビジネスがどのように恩恵を受けたかの実例はたくさんあります。アクセンチュアは、予測分析を使用することでさまざまなビジネスがどのように恩恵を受けているかを調査する調査を実施しました。調査結果の一部は次のとおりです。
- Best Buyは、顧客の7％未満が売上の43％を占めていることを発見しました。次に、顧客を論理的にセグメント化し、特定の顧客グループの購買習慣を反映するように店舗と店舗内のエクスペリエンスを再設計しました。
- アメリカンカジュアルダイニングレストランであるオリーブガーデンは、データを使用してメニューを設計および再設計しています。これにより、食料の無駄を大幅に削減することができました。
予測分析は、ヘルスケア、顧客関係管理（CRM）、不正検出、リスク管理などの多くのドメインに適用されています。予測分析は規範的分析とも頻繁に組み合わされています。この詐欺の規範的分析は、特定のイベントに関して予測が行われるだけでなく、状況を処理するために取らなければならない明確なステップが与えられることを意味します。これらの手順は、分析エンジン自体によって提供されます。 （次世代の不正検出でのMachine Learning＆Hadoopを使用した不正検出の詳細をご覧ください。）
ヘルスケアのコンにおける予測分析
理論的には、予測分析は医療の改善に大きな役割を果たします。まだヘルスケア管理の新規参入者であり、その範囲はまだ練られていますが、予測分析は患者の履歴データを分析し、病気のリスク、心臓発作の確率スコア、患者プロファイルに基づく喘息発作などの予測を提供できます。再入院の確率。
人間の脳は、問題を適切にプロファイリングするために、一度に6〜8個を超える変数を深く分析することはできません。しかし、予測モデルのアルゴリズムは、一度に数百の変数を分析して、医学的問題の正確なプロファイルを作成できます。プロファイルに基づいて、正確な診断とリスク予測（ある場合）を行うことができます。
予測モデリングは、医療に関連するコストを制御するのに役立ちます。米国では、5人に1人のメディケア患者が退院後30日以内に病院に再入院します。その結果、年間170億ドルの費用がかかります。
Steadman Hawkins Clinicは、年間純利益を2,000万ドル増加させることができました。また、財務予測の精度を30〜32パーセント改善できました。
ケーススタディ2：収益性を改善する無名クリニック
要件
クリニックは、スタッフ、施設、機器などのリソースを最適に使用することで、患者へのサービスを改善し、収益性を改善したいと考えていました。
アクション
クリニックは、患者が必要とするケアの種類、スタッフのプロファイルと資格、患者のプロファイル、応答時間、結果、患者の経験、患者の待ち時間などのサービスの質など、さまざまな変数に関する豊富なデータを収集しました。収集されたデータに基づいて、予測分析が使用されました。彼らは、具体的な分析と一連の行動が使用されることを期待していました。
結果
診療所は、予測分析に基づいてポリシーを実装するプロセスにまだありますが、以前よりも少なくとも10％高い収益性を達成しようとしている兆候があります。
覚えておくべき重要なポイント
予測分析の実装がすぐに驚くべきことを始めるということではありません。結果はアプローチに依存します。まず、業界は、予測分析がその詐欺で何を意味するかを判断し、次にその範囲を指定する必要があります。また、ヘルスケア業界は、他の業界からの次の教訓を覚えておく必要があります。
- 洞察の量は、データの量に直接比例しません。データ収集を増やすだけでは、さらなる洞察を得ることはできません。
- 洞察は必ずしも価値を提供するとは限りません。まず、conで洞察をカスタマイズして、有用になるようにする必要があります。
- 予測分析の実装は大きな課題になるでしょう。適切なテクノロジーを採用し、適切な形式で洞察を医療専門家に提供する必要があります。
概要
業界では予測だけでなく一連の行動も必要であるため、適切な結果を提供するには、予測分析を規範的分析と統合する必要があります。コンセプトは最終的にはやりがいのあるように見えますが、ビジネスは適切な投資を行い、利益を享受したい場合は結果に忍耐する必要があります。