Depuis plus d’une décennie, les organismes de santé ont investi des millions de dollars dans la création d’entrepôts de données et d’armées d’analystes de données dans le seul but de prendre de meilleures décisions avec les données afin d’améliorer les résultats pour les patients. Le problème historique est que ces entrepôts et analyses ne suffisent pas à eux seuls, car les informations d’analyse, de reporting et de tableau de bord qu’ils fournissent ne sont pas exploitables. Ils rapportent simplement ce qui se passe, mais les informations ne peuvent pas expliquer pourquoi cela se produit et ce qui peut être fait pour 1) empêcher que cela se produise à l'avenir si son impact sur les opérations est négatif, ou 2) encourager les résultats positifs souhaités.
Aujourd’hui, au lieu de simplement comprendre « ce qui se passe », l’infrastructure et la technologie sont devenues suffisamment matures pour comprendre « pourquoi » et « que faire à ce sujet ». Chez LeanTaaS, nous exploitons d’abord une multitude de données historiques sur les dossiers de santé électroniques (DSE) et utilisons des algorithmes sophistiqués pour repérer les tendances et les modèles, à la fois positifs et négatifs. Nous fournissons ensuite des conseils prescriptifs pour résoudre les problèmes opérationnels afin d’améliorer l’accès à des ressources limitées, de réduire les temps d’attente des patients dans les hôpitaux ou les centres de perfusion, d’augmenter la satisfaction du personnel et de réduire le coût global de la prestation des soins de santé.
Malheureusement, la majorité des sociétés d’analyse Big Data se concentrent uniquement sur leurs tableaux de bord et leurs outils de reporting, qui contiennent de grandes quantités de données. Mais il est temps d’attendre plus des sociétés d’analyse que la simple présentation de données. Les données doivent raconter une histoire et formuler des recommandations qui aboutissent à un changement significatif des processus. La solution doit être capable de développer des prévisions précises et de générer des recommandations suffisamment spécifiques pour que les intervenants de première ligne puissent prendre des centaines de décisions tangibles chaque jour, et non pas simplement « admirer le problème ».