为了改善患者护理同时降低成本，医疗保健机构必须将大数据视为战略资产，从而实现更好的决策和绩效。
然而，为了依靠这项资产，护理提供者需要采用和掌握可以将这些大型数据集变成有意义的见解的软件工具和技术。
在这篇文章中，我们将讨论大数据分析在医疗保健领域的潜力和特点，描述实施大数据解决方案的步骤，并发现数据驱动型医疗机构的成功案例。
医疗保健大数据分析的承诺
根据麦肯锡估计，大数据分析占据了4500亿美元，占美国医疗支出总额的17％，为各个行业 - 从医生办公室到整个卫生系统提供支持。根据IBM的说法，医疗机构增强的数据和分析技术只有几个潜在的优势：
识别低效的治疗和过程，并揭示更好的替代品
认识到有再入院危险的患者，或资源密集型疾病最多的模式
通过为患者提供他们需要做出更好决策所需的洞察力，从而更有效地管理健康来促进参与
识别环境和生活方式因素导致再入学率下降
通过从穿戴式和家庭健康监测器收集数据及时发现异常来检查生命体
聚合临床，财务和运营数据来分析绩效和结果，无论是部门，诊所还是卫生系统
了解医疗保健中4大数据
为了更好地了解医疗大数据，让我们在以下四个方面仔细观察健康信息。
根据EMC报告，2013年全球医疗保健数据量达到153亿字节，到2020年将达到2300亿字节，每年增长48％。
品种。健康数据来自结构化，半结构化和非结构化，具有挑战性的组织，通过这些数据形式的组合来发现价值。现有的医疗数据包括医疗记录，手写护士和医生笔记，纸张处方，放射学图像和生物特征传感器读数，仅举几例。
速度。速度代表数据生成和分析的速度，随着常规在家监测（包括日常葡萄糖，血压，EKG和其他测量）的普及以及从住院实时数据收集的实时数据不断增加。床边心脏监护仪，手术室监护仪等。
准确性。这个特征为医疗保健数据质量（即数据的可靠性和准确性）确定了标准，以帮助专业人士改善决策，同时避免医疗错误。想到错误翻译的处方手写。
现在，由于在医疗保健方面，4 Vs密切相连，您可以看出挑战：要实时收集和分析大量不同的数据。然而，专家们对于真正的挑战如何戏剧性几乎没有共识。例如，Rajib Ghosh专注于IT在美国实施可持续医疗保健服务，认为医疗保健数据尚未成为一个重要的数据领域：
数字化医疗保健数据集是否具有这些属性[4 Vs]？在大多数情况下，答案是否定的...医疗保健是非常偶然的，因此体积和速度相对较低。当病人去看医生时，会创建一个新的遭遇记录。记录患者的生命体征; 产生过敏，症状和处方。一旦情节结束，就会产生记帐记录，如果患者被保险，则将索赔发送到结算所，以提交给病人的保险公司。如果病人在今年余下的时间里没有回头看医生，或者进入医院进行疾病加重，则不会再将任何数据添加到任何数据集中。
大数据分析采用的可行方法
美国学者W.和V. Raghupathi 概述了在医疗机构中采用大数据分析的实用方法。考虑四个重要阶段。
概念陈述。该组织确定了对大数据分析的需求，并描述了项目目标。
第二步。提案。基于批准的概念声明，组织的利益相关者与数据分析团队坐下来讨论问题，并决定“大数据分析”方法是否合理，考虑到后者与传统商业智能方法相比更昂贵。在这个阶段，组织应该在成本，替代方案和可扩展性方面清楚地看到权衡。
方法3 。使用概念声明，项目团队开发命题，识别变量和数据源，并决定要应用的数据分析工具和技术。
步骤4.部署。一旦系统实施，团队就会对模型进行测试和验证，以及他们提出的发现，并将其提交给利益相关方进行评估和采取行动。根据反馈，团队继续对软件进行微调，以提高准确性并尽可能降低故障的风险。