Contenido
- ¿Qué es el análisis predictivo?
- Análisis predictivo en la estafa de la atención médica
- Estudio de caso 2: Clínica sin nombre que mejora la rentabilidad
- El requerimiento
- La acción
- El resultado
- Puntos importantes para recordar
- Resumen
Fuente: Andreypopov / Dreamstime.com
Para llevar:
La industria médica está utilizando análisis predictivos para mejorar la atención al paciente, disminuir los casos de problemas recurrentes y aumentar la rentabilidad.
Se dice que el análisis predictivo redefinirá la forma en que se brinda la atención médica. Predecirá la aparición de enfermedades críticas y la probabilidad de reingresos en el futuro. Otros sectores, como los alimentos y las bebidas, las publicaciones y el entretenimiento, ya han obtenido beneficios del uso de análisis predictivos; no hay razón para que la atención médica no pueda hacer lo mismo.
Sin embargo, la definición y el alcance del análisis predictivo deben entenderse primero únicamente en el ámbito de la atención médica. El modelo de talla única no va a funcionar. También es importante que se proporcione la infraestructura para entregar análisis y que pueda entregar la información requerida a los profesionales de la salud en el formato correcto. Para brindar la atención médica adecuada y proactiva, los profesionales de la salud deben recibir los datos y metadatos adecuados. Entonces, si bien el análisis predictivo es bueno para la atención médica, primero debe personalizarse y deben entregarse los datos correctos en el formato correcto. (Para conocer el rol de los grandes datos en la atención médica, consulte ¿Big Data revolucionará la atención médica?)
¿Qué es el análisis predictivo?
El análisis predictivo es una rama del análisis avanzado que proporciona predicciones de ciertos eventos basados en datos históricos, patrones de datos y otras entradas. Se pueden tomar medidas proactivas para abordar los requisitos que surgen de las predicciones. Para realizar las predicciones, el análisis predictivo aprovecha las técnicas utilizadas en otras ramas, como la minería de datos, la inteligencia artificial, el modelado, el aprendizaje automático y las estadísticas, e integra la tecnología de la información, la gestión y los procesos empresariales de modelado. Las predicciones pueden usarse para identificar riesgos y oportunidades en el futuro. El análisis predictivo puede ayudar a las organizaciones empresariales a lograr muchas cosas. Algunos ejemplos incluyen:
- Identificar asociaciones y patrones ocultos.
- Mejorando la retención de clientes
- Reducción del riesgo para minimizar la pérdida y la exposición.
- Mejorando la satisfacción del cliente
Hay muchos ejemplos de la vida real de cómo las empresas se han beneficiado del uso de análisis predictivos. Accenture realizó una encuesta para descubrir cómo las diferentes empresas se han beneficiado del uso de análisis predictivos. Algunos de los hallazgos son:
- Best Buy descubrió que menos del 7% de sus clientes contribuyeron al 43% de sus ventas. Luego segmentaba a sus clientes lógicamente y rediseñaba sus tiendas y su experiencia en la tienda para reflejar los hábitos de compra de grupos específicos de clientes.
- Olive Garden, un restaurante de comida informal estadounidense, utiliza datos para diseñar y rediseñar su menú. De esa manera, ha sido capaz de reducir significativamente el desperdicio de alimentos.
El análisis predictivo se está aplicando a muchos dominios, como la atención médica, la gestión de las relaciones con los clientes (CRM), la detección de fraudes y la gestión de riesgos. La analítica predictiva también se combina con frecuencia con la analítica prescriptiva. El análisis prescriptivo en esta estafa significa que no solo se hacen predicciones con respecto a ciertos eventos, sino que también se dan pasos definitivos que deben tomarse para manejar la situación. Estos pasos serán proporcionados por el propio motor de análisis. (Obtenga más información sobre la detección de fraudes con Machine Learning y Hadoop en la detección de fraudes de próxima generación).
Análisis predictivo en la estafa de la atención médica
Teóricamente, el análisis predictivo tiene un papel importante en la mejora de la atención médica. Aunque todavía es un nuevo participante en la gestión de la atención médica y su alcance aún se está resolviendo, el análisis predictivo puede analizar datos históricos del paciente y proporcionar predicciones para cosas como riesgos de enfermedad, puntaje de probabilidad de ataques cardíacos y ataques asmáticos según el perfil del paciente, y probabilidad de reingresos.
El cerebro humano no puede analizar profundamente más de seis a ocho variables a la vez para perfilar adecuadamente un problema. Pero, el algoritmo de un modelo predictivo puede analizar cientos de variables a la vez para crear un perfil preciso de un problema médico. Según el perfil, se pueden hacer diagnósticos precisos y predicciones de riesgo, si existen.
El modelado predictivo puede ayudar a controlar los costos relacionados con la atención médica. En los EE. UU., Uno de cada cinco pacientes de Medicare es readmitido en el hospital dentro de los 30 días posteriores al alta, lo que resulta en un gasto de $ 17 mil millones al año.
La Clínica Steadman Hawkins pudo aumentar su rentabilidad neta en $ 20 millones al año. También pudieron mejorar la precisión de sus predicciones financieras del 30 al 32 por ciento.
Estudio de caso 2: Clínica sin nombre que mejora la rentabilidad
El requerimiento
La clínica quería mejorar los servicios a los pacientes y mejorar su rentabilidad mediante el uso óptimo de sus recursos, que incluyen personal, instalaciones e instrumentos.
La acción
La clínica recopiló abundantes datos sobre diferentes variables, como el tipo de atención que necesitan los pacientes, el perfil y la calificación del personal, el perfil del paciente, la calidad de los servicios prestados, como el tiempo de respuesta, el resultado, la experiencia del paciente y el tiempo de espera de los pacientes. Según los datos recopilados, se utilizó el análisis predictivo. Esperaban análisis concretos y el curso de acciones para poner en uso.
El resultado
Aunque la clínica todavía está en el proceso de implementar políticas basadas en sus análisis predictivos, hay indicios de que están en camino de lograr al menos un 10 por ciento más de rentabilidad que antes.
Puntos importantes para recordar
No es que la implementación de análisis predictivos comenzará a hacer maravillas de inmediato. Los resultados dependen del enfoque. Primero, la industria necesita determinar qué significa el análisis predictivo en su contra y luego especificar su alcance. Además, la industria del cuidado de la salud necesita recordar las siguientes lecciones de otras industrias:
- La cantidad de información no es directamente proporcional a la cantidad de datos. No obtendrá más información simplemente aumentando la recopilación de datos.
- Las ideas no necesariamente proporcionan valor. Primero debe personalizar las ideas en su estafa para que sea útil.
- La implementación de análisis predictivos será un gran desafío. Debe adoptar las tecnologías correctas y entregar información al profesional de la salud en el formato correcto.
Resumen
El análisis predictivo debe fusionarse con el análisis prescriptivo para obtener los resultados correctos, porque la industria no solo necesita las predicciones sino también un curso de acción. Si bien el concepto parece ser gratificante al final, las empresas deben hacer las inversiones correctas y ser pacientes con los resultados si esperan cosechar los beneficios.