Contente
- O que é análise preditiva?
- Análise preditiva no contexto da assistência médica
- Estudo de caso 2: Clínica sem nome, melhorando a lucratividade
- O requerimento
- A acção
- O resultado
- Pontos importantes a serem lembrados
- Sumário
Fonte: Andreypopov / Dreamstime.com
Leve embora:
O setor médico está usando análises preditivas para melhorar o atendimento ao paciente, reduzir casos de problemas recorrentes e aumentar a lucratividade.
A análise preditiva, está sendo dito, vai redefinir como os cuidados de saúde são prestados. Preverá ocorrências de doenças críticas e probabilidade de reinternações no futuro. Outros setores, como alimentos e bebidas, publicações e entretenimento, já colheram benefícios ao usar a análise preditiva - não há razão para que os cuidados com a saúde não possam fazer o mesmo.
No entanto, a definição e o escopo da análise preditiva precisam primeiro ser entendidos puramente no contexto dos cuidados de saúde. O modelo de tamanho único não funciona. Também é importante que a infraestrutura para fornecer análises seja fornecida e seja capaz de fornecer as informações necessárias aos profissionais de saúde no formato correto. Para fornecer os cuidados de saúde adequados e proativos, os profissionais de saúde precisam receber os contras e metadados corretos. Portanto, embora a análise preditiva seja boa para os cuidados de saúde, ela deve primeiro ser personalizada e os dados corretos no formato certo devem ser fornecidos. (Para saber mais sobre o papel dos grandes dados na assistência médica, consulte O Big Data Revolucionará a Assistência Médica?)
O que é análise preditiva?
A análise preditiva é um ramo da análise avançada que fornece previsões de determinados eventos com base em dados históricos, padrões de dados e outras entradas. Etapas proativas podem ser tomadas para atender aos requisitos decorrentes das previsões. Para fazer as previsões, a análise preditiva utiliza técnicas usadas em outros ramos, como mineração de dados, inteligência artificial, modelagem, aprendizado de máquina e estatística, e integra processos de negócios de tecnologia da informação, gerenciamento e modelagem. As previsões podem ser usadas para identificar riscos e oportunidades no futuro. A análise preditiva pode ajudar as organizações comerciais a conseguir muitas coisas. Alguns exemplos incluem:
- Identificando associações e padrões ocultos
- Melhorando a retenção de clientes
- Reduzindo o risco para minimizar a perda e a exposição
- Melhorando a satisfação do cliente
Existem muitos exemplos da vida real de como as empresas se beneficiaram com o uso da análise preditiva. A Accenture conduziu uma pesquisa para descobrir como diferentes empresas se beneficiaram com o uso da análise preditiva. Algumas das conclusões são:
- A Best Buy descobriu que menos de 7% de seus clientes contribuíam com 43% de suas vendas. Em seguida, segmentou seus clientes logicamente e redesenhou suas lojas e a experiência na loja para refletir os hábitos de compra de grupos específicos de clientes.
- O Olive Garden, um restaurante casual americano, usa dados para projetar e redesenhar seu menu. Dessa forma, ele conseguiu reduzir significativamente o desperdício de alimentos.
A análise preditiva está sendo aplicada a muitos domínios, como assistência médica, gerenciamento de relacionamento com clientes (CRM), detecção de fraudes e gerenciamento de riscos. A análise preditiva também é frequentemente combinada com a análise prescritiva. A análise prescritiva neste con significa que não apenas as previsões são feitas em relação a determinados eventos, mas também as etapas definidas que devem ser tomadas para lidar com a situação. Essas etapas serão fornecidas pelo próprio mecanismo de análise. (Saiba mais sobre detecção de fraude com o Machine Learning & Hadoop em Detecção de fraude de próxima geração.)
Análise preditiva no contexto da assistência médica
Teoricamente, a análise preditiva tem um grande papel na melhoria dos cuidados de saúde. Embora ainda seja um novo participante no gerenciamento de serviços de saúde e seu escopo ainda esteja sendo elaborado, a análise preditiva pode analisar dados históricos do paciente e fornecer previsões sobre riscos como doenças, pontuação de probabilidade de ataques cardíacos e ataques asmáticos com base no perfil do paciente e probabilidade de readmissões.
O cérebro humano não pode analisar profundamente mais de seis a oito variáveis ao mesmo tempo para analisar adequadamente um problema. Porém, o algoritmo de um modelo preditivo pode analisar centenas de variáveis ao mesmo tempo para criar um perfil preciso de um problema médico. Com base no perfil, é possível fazer diagnósticos precisos e previsões de risco, se houver.
A modelagem preditiva pode ajudar a controlar os custos relacionados aos cuidados médicos. Nos EUA, um em cada cinco pacientes do Medicare é readmitido no hospital dentro de 30 dias após a alta, o que resulta em uma despesa de US $ 17 bilhões por ano.
A clínica Steadman Hawkins conseguiu aumentar sua lucratividade líquida em US $ 20 milhões por ano. Eles também foram capazes de melhorar a precisão de suas previsões financeiras de 30 para 32%.
Estudo de caso 2: Clínica sem nome, melhorando a lucratividade
O requerimento
A clínica queria tanto melhorar os serviços para os pacientes quanto melhorar sua lucratividade, usando seus recursos de maneira otimizada, incluindo equipe, instalações e instrumentos.
A acção
A clínica coletou dados abundantes sobre diferentes variáveis, como tipo de atendimento necessário aos pacientes, perfil e qualificação da equipe, perfil do paciente, qualidade dos serviços prestados, como tempo de resposta, resultado, experiência do paciente e tempo de espera dos pacientes. Com base nos dados coletados, a análise preditiva foi utilizada. Eles esperavam análises concretas e curso de ações a serem utilizados.
O resultado
Embora a clínica ainda esteja em processo de implementação de políticas com base em suas análises preditivas, há sinais de que elas estão a caminho de alcançar uma lucratividade pelo menos 10% maior do que antes.
Pontos importantes a serem lembrados
Não é que a implementação de análise preditiva comece a fazer maravilhas imediatamente. Os resultados dependem da abordagem. Primeiro, o setor precisa determinar o que a análise preditiva significa em seu golpe e depois especificar seu escopo. Além disso, o setor de saúde precisa se lembrar das seguintes lições de outros setores:
- A quantidade de informações não é diretamente proporcional à quantidade de dados. Você não terá mais informações apenas aumentando a coleta de dados.
- As idéias não fornecem necessariamente valor. Você precisa primeiro personalizar as informações do seu golpe para que se tornem úteis.
- A implementação da análise preditiva será um grande desafio. Você precisa adotar as tecnologias certas e fornecer informações ao profissional de saúde no formato certo.
Sumário
A análise preditiva precisa ser mesclada com a análise prescritiva para fornecer os resultados certos, porque o setor precisa não apenas das previsões, mas também de um curso de ação. Embora o conceito pareça recompensador no final, as empresas precisam fazer os investimentos certos e ter paciência com os resultados, se esperam colher os benefícios.