可视化分析平台为智能医疗系统加速

医疗行业与人们的生活息息相关，在现代社会中更是不可或缺。随着我国经济快速发展，人口老龄化等现象的增加，民众对医疗保健行业的关注也不断增加。如何更好的为民众服务，如何在削减开支的情况下提高效率，成为医疗业迫切需要解决的问题。随着互联网的普及以及大数据的发展，医疗业也进入了一个智能化时代，顺应潮流，开启医疗业的新模式，成为当今行业内的普遍认知。

无论是对发达国家还是发展中国家来说，医疗保健都是一个花费很大的事情。随着人口老龄化不断发展，医疗花费还会继续增加。而随着生活期望值的增加，为了保持良好的生活质量，相应的花费也会增加。

世界经济论坛最近公布：“过去50年间，经济合作与发展组织国家中的医疗花费平均超出经济增长2%。”

此外，Towers Watson2014年全球医疗发展趋势调查显示，亚太区员工医疗福利2013年增长了8.8%，2014年增长了9.3%，高于平均收入增长。即便是那些成熟的医疗市场如中国香港、新加坡也不例外，并且正在迎来持续的高达8%–9%的增长。

可视化分析帮助智能医疗削减开支

医疗开支上涨的风潮正在席卷亚洲以及全球。各国政府已经开始采取行动——出台医疗保险相关政策，提前发放资金帮助民众支付费用，进行预防不健康生活方式的宣传活动等等。这些措施对任何一个国家来说都是花销很大的，可却是补救效果最小而且需要长期进行的解决方案。

落实到更具体的层面，利用技术和数据分析实现”智能医疗“可以快速取得实际成效。物联网和可穿戴设备的发展极大地推动了信息爆炸和智能化的发展，而医疗机构利用数据来驱动决策也更加为人瞩目。

IDC数据显示，到2018年全球可穿戴设备的应用数量将达到约1.12亿个，与2014年的1900万个相比增长了6倍。据估计，在2013年全球范围内部署的物联网设备约91亿个，IDC预测这个数字的复合年增长率为17.5%，到了2020年将会达到281亿个。

关于数据分析，Qlik和HIMSS Analytics最近所做的一项调查发现：医疗机构正在借助医疗数据提高护理效率。这项调查涉及包括高级主管在内的400多名受访者，他们都认为部署BI以及分析平台有利于医疗机构在各个层面做出更好的决策。

56%的已经部署了BI平台的医疗机构都提高了对病患的整体护理水平，极大减少了病患的医疗开支，满足了病患需求、增强了人口健康水平。此外，48%的医疗机构表示部署BI分析平台能够帮助他们更快更精确地做出决策，而47%的医疗机构表示BI分析平台帮助他们大大节省了开支。

调查还发现，随着BI和分析工具的价值被决策者们广泛认知，医疗机构正在寻求投资机会以释放其附加价值。36%的医疗机构表示将在未来12-24个月进一步加大对BI和分析平台的投入，使其与现有的应用和系统整合在一起。而36%的机构表示将仪表板发展的投入设为首要增加投入的项目，31%的机构表示要增加对分析工具的投入。有趣的是，18%的机构将终端用户培训列为其首要投入的目标。

医疗业数据分析工具部署建议

如调查显示，BI和分析平台加强了医疗机构的管理者、医生和医疗专业人士的监管能力，但部署BI和分析平台也并非没有挑战。

医疗机构充分认识到，BI和分析平台最大的障碍来自用户的接受度(42%)。当面临数据质量差(41%)、集合不同数据源的挑战(27%)时，决策者只能依靠过时的电子表格和人工流程进行数据分析。此外，还有临床整合工作的局限性(29%)、仪表板制作能力欠缺(27%)、报告能力欠缺(26%)、文化抵抗(22%)和解决方案整合(20%)等问题。

除了文化因素，常见的影响医疗机构工作效率的数据驱动决策可以分为三大类：数据管理、用户、BI软件特点，如仪表板特点和功能。总体来说，数据分析的症结可以通过部署现代可视化分析平台来解决。以下是购置此类软件时需要注意的问题：

数据管理：如今，可视化分析—利用表格和图形产生交互性的可视化和分析信息，必然会出现在与BI、数据分析或是大数据相关的情况中。然而，图形只是整个拼图的一小部分。医疗机构面临的更大问题是，如何将不同的内外部数据统一管理并进行实时的分析。当部署这样的项目时，机构也应该考虑到他们的BI平台是否允许其扩大规模，因为一个成功的数据分析方案会变得越来越复杂。

用户：随着数据和人类集体智慧对业务和机构带来的价值不断增长，数据分析已不在只局限于数据科学家。可视化分析平台只需要稍稍培训就能消除用户使用时的疑问，这是很必要的。有时候，选择引导类分析软件对机构来说是一个增值的选择，因为这类软件对每个人来说操作简便，还能最大限度地提供分析能力以帮助用户获取监测和提升个人、部门以及整个机构业绩的深刻洞见。

BI软件：医疗机构需要这样一个可视化分析平台：与现有系统无缝整合，并提供近乎实时的、按需的、精确的访问。该平台还必须是根据需求设置的，保持足够的敏捷性，帮助用户获得可以付诸行动的见解。比如，基于组合模型的算法能够让用户看到数据背后的整个故事，通过外部信息的展示而发掘隐藏其中的洞见。在医疗领域，这些“隐藏的洞见”往往能够获得最有价值的发现。

总而言之，像医疗政策、宣传活动这种长期的举措可以帮助减少医疗开支，但是以可视化分析为驱动的智能医疗则可以在较短时间内同时实现成本降低和提高效率，确保病患在初次就诊时就能得到最好的护理。然而，阻碍部署可视化平台的痛点依旧是数据管理、用户和BI软件特点这些因素。而现代可视化分析平台正是排除这些障碍的解决方案，它可以管理不同来源的数据，易于使用，具备满足所有用户的敏捷性，还采用基于平台的不可知论方法。基于平台的可视化分析方案应该与现有系统进行无缝整合，为机构补充价值，允许用户通过数据看到背后的故事而获得深刻见解。