90%的医疗大数据产品是伪需求?刚需在哪里?谁来买单?

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

雷锋网消息,近日,中电数据服务有限公司主办的“数据风口  生态联盟”健康医疗大数据国家试点工程(福州)生态峰会在福州举行,中电数据召集红杉资本中国基金、IBM、药明康德、戴尔等20家数字医疗市场的大玩家出席,共同成立健康医疗大数据国家试点工程(福州)生态联盟。

前不久,一篇《90%的大数据产品是伪需求,所以没人买单》的文章让不少业内人自我怀疑起来,为此,会议当天,主持人向与会嘉宾抛出这个话题,而他们一致认同的是:医疗大数据产品一定有刚需,医院、政府、药厂、个人等都可以成为需求方,而谁来买单的问题,则仁者见仁,智者见智了。

何谓“需求”?有人买单?

“所谓90%有点标题党的感觉,90%怎么得出的?为什么不是50%?”中电数据董事长李世锋说道,需求肯定存在,不过一般说的“需求”是基于商业的定义,即有人买单。他认为,目前对于大数据的探索目的是产生真正的价值,进而有人买单。“同时,这也意味着大数据发展潜力无穷,今天中电数据召开的生态峰会,恰恰是如何从不同的维度、不同的层次、不同的用户理解和不同的用户需求出发,把他们变成真正有效的需求,这可能比谁来买单更有意义。”

需求很大,做好了就有人买单

飞利浦大中华区战略与新业务发展总经理梁建球说道,“医疗大数据需求很大,关键是我们能不能做好。”他认为各方面都有需求。

比如政府,目前来讲,政府在健康医疗方面的财政支持是绝对不够的,如今中国医疗资源分布不平衡、人才缺乏对于国家来讲都是很头痛的事情,目前慢病管理和健康管理形成很大的压力,我们曾做过统计:超过85%的医疗费用花在5%的急重症上。那通过医疗大数据,能不能用更高效的方式减少对于慢病管理、健康管理的支出呢?还有病人。我们曾做过分析,发现中国癌症病人接受治疗后,5年后的存活率远远低于美国,这其实是医疗水平和规范化的问题,而大数据对此能有所帮助。

中国长城高级副总裁周在龙称,最终谁会买单,这肯定有一个过程。但目前政府是非常关注医疗大数据方面的,“你有没有这种能力,能让政府或者能让国家相关部门下决心大力支持?这个阶段只要是我们围绕自我生态、技术生态等等问题把它做好,能够提供可靠的数据,那我觉得买单的事情就不用愁了。”

有刚需,这些人可能会买单

“医疗大数据产品对于每个普通民众而言都是刚需,而买单的问题很简单,只要有市场。”戴尔公司副总裁大中华区战略发展部总经理吴海亮说道。

药明康德执行副总裁、首席商务官杨青认为,“对于新药研发和精准医疗而言,大数据一定是刚需”,因此,药厂以及药厂相关的利益关联方应该是愿意买单的。

IBM大中华区副总裁、沃森健康事业部总经理郭继军称,医疗大数据产业其实是B2B2C的产业,目前来看,中间的B是直接买单的,C是最终买单的。

就目前来看,中间的B,目前我们看到的有4大板块:第一是医院,第二是政府,比如政府有疾控,他们给老百姓提供疾病的健康的管理的需求;第三是药厂,因为药需要跟医疗大数据结合;第四是保险公司,他们需要通过医疗信息优化运营。

如果从紧急性维度看,他说道,医疗健康大数据服务有三大层次,第一层次是疾病管理;第二是慢病管理;第三是健康管理。从当下看,最紧急的是疾病管理,发展空间最大的是健康管理。“我们会从疾病入手,然后逐渐进入到慢性管理和健康管理里面去。”

目前仍处于应用探索阶段,数据源更重要

联想数据中心集团公共服务行业高级总经理胡少奇认为,关于谁买单的问题,有三个维度,第一是基于不同的需求,比如基因分析由个人来买单;第二是新药研发方面;第三是治疗方面,可以政府买单,走社保、医保,也可以医院买单,最终受益者是患者。

但是,“其实我不是特别关心谁付钱的问题,更关心数据端的问题。”胡少奇说道,目前相对来说,数据还是比较初期的,讲的更多的是大数据在医疗行业的应用,目前,BAT是数据巨头,比如阿里巴巴的经营数据与医疗数据结合,构成一个人的生命全周期数据。

更多关于雷锋网人工智能升级传统机构的文章,请关注雷锋网(公众号:雷锋网)AI商业化垂直微信公众号:AI掘金志(ID:HealthAI)。


本文作者:张利

本文转自雷锋网禁止二次转载,原文链接


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
3月前
|
SQL 分布式计算 DataWorks
DataWorks产品使用合集之如何开发ODPS Spark任务
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
3月前
|
DataWorks Kubernetes 大数据
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
|
25天前
|
人工智能 分布式计算 大数据
大数据&AI产品月刊【2024年9月】
大数据& AI 产品技术月刊【2024年9月】,涵盖本月技术速递、2024云栖大会实录、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
9天前
|
Oracle 大数据 数据挖掘
企业内训|大数据产品运营实战培训-某电信运营商大数据产品研发中心
本课程是TsingtaoAI专为某电信运营商的大数据产品研发中心的产品支撑组设计,旨在深入探讨大数据在电信运营商领域的应用与运营策略。通过密集的培训,从数据的本质与价值出发,系统解析大数据工具和技术的最新进展,深入剖析行业内外的实践案例。课程涵盖如何理解和评估数据、如何有效运用大数据技术、以及如何在不同业务场景中实现数据的价值转化。
21 0
|
2月前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
54 6
|
2月前
|
人工智能 编解码 搜索推荐
大模型、大数据与显示技术深度融合 加速智慧医疗多元化场景落地
大模型、大数据与显示技术深度融合 加速智慧医疗多元化场景落地
|
21天前
|
SQL 运维 大数据
大数据实时计算产品的对比测评
在使用多种Flink实时计算产品后,我发现Flink凭借其流批一体的优势,在实时数据处理领域表现出色。它不仅支持复杂的窗口机制与事件时间处理,还具备高效的数据吞吐能力和精准的状态管理,确保数据处理既快又准。此外,Flink提供了多样化的编程接口和运维工具,简化了开发流程,但在界面友好度上还有提升空间。针对企业级应用,Flink展现了高可用性和安全性,不过价格因素可能影响小型企业的采纳决策。未来可进一步优化文档和自动化调优工具,以提升用户体验。
90 0
|
21天前
|
SQL 存储 监控
大数据-161 Apache Kylin 构建Cube 按照日期、区域、产品、渠道 与 Cube 优化
大数据-161 Apache Kylin 构建Cube 按照日期、区域、产品、渠道 与 Cube 优化
30 0
|
2月前
|
人工智能 分布式计算 DataWorks
大数据&AI产品月刊【2024年8月】
大数据& AI 产品技术月刊【2024年8月】,涵盖本月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
3月前
|
机器学习/深度学习 自然语言处理 数据可视化
基于Python大数据的京东产品评论的情感分析的研究,包括snwonlp情感分析和LDA主题分析
本文探讨了基于Python大数据技术对京东产品评论进行情感分析的研究,涵盖了文本预处理、情感分类、主题建模等步骤,并运用了snwonlp情感分析和LDA主题分析方法,旨在帮助电商企业和消费者做出更明智的决策。
119 1
基于Python大数据的京东产品评论的情感分析的研究,包括snwonlp情感分析和LDA主题分析