案例分析:大数据帮助提升医患关系

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:

导读:以下摘要来自Forbes/Wolfe前沿科技报告近来发布的采访,受访人是julie Yoo, Kyruus的合伙人和首席产品官。Julie分享了他们团队如何利用大数据提高病人就医通道和优化转诊管理。



JulieYoo


1
导致你创建kyruus的原因是什么

我们看见三个宏观市场走势融为一体,组成了这个完美的创业机会。

一个是围绕医生如何被支付薪资而进行的国家监管改革,以及随之而来的对医疗保健服务的商业模型重组的急迫感


第二个是在医疗健康范围内数据透明性的增长。医院及诊所会产生越来越多的数码数据,但我们发现这些数据没有被很好的利用在实时工作流中。


第三,我们看见属于医生的机会之光,正如电影Moneyball所描述的棒球运动员那样,我们可以利用精细的、选手级的统计数据和预测模型来帮助优化团队表现。我们如何利用类似的方法去保证医生和患者之间的精确匹配?我们如何帮助医生们去实现专业表现最优化并整合出一支最出色的团队,以充分利用他们独一无二的专业领域和经验,以上问题的答案就是我们为什么创建这样一个公司,通过利用大数据,帮助医院组建和运营高性能医疗团队。


2
你可以谈谈你旨在解决的,现存于医疗系统的问题吗?

关于健康改革重要前提之一,是从一个服务计酬(fee-for-service)模型- 医生按每个诊疗过程和回访次数来获得酬薪 - 到价值计酬(fee-for-value)的转换,这儿所谓的价值就是保证患者们的健康,尽量不去医院。


再拿棒球做类比,我们就是要帮助医院系统从一个模型每个选手按击球数拿相应酬薪转换到一个新模型 -按团队的整体表现得到薪酬。在这个新模型中,每个选手的表现都至关重要。当他们每次击球的时候产生了所需的结果吗?这是个全新的视角去看待每个球员的责任性。


我们发现医院系统最根本的问题在于没有这样一个数据平台用于理解谁是他们的选手,以及如何有效地经营以确保每个选手有效地产出。Kyruus就是要帮助医院系统去完成上面所提到的。


3
举例谈一下对于需要问诊的患者,Kyruus所起的作用吧

打个比方我需要预约MainStreet医院的服务,我也许打1-800的热线,或者提交一个网上预约申请表,或是被我的主治医生推荐。听起来很直观是吧,但在当今的系统,患者被匹配给不适合医生的概率高达25%。


“Kyruus提供者(医生)匹配申请”项目允许使用者实行“智能”关键词搜索,重要的是,要保证患者与最适合他们特殊临床需求的医生精确匹配(而不是仅仅基于专业类别和亚专业类别)。我也可以通过医生的时间安排进行动态搜索,而忽略医生们自己的预约系统一般我们的客户至少有三种不同的预约工作系统)

所有可以预约的医生和预约选择动态地呈现在一个屏幕上,我可以从中选择哪些医生接受我的保险,哪些医生离我家或办公室比较近,以及哪些医生适合我的性别和语言选择是不是想起了Kayak.com。


4
Kyruus在医院方面有什么影响

我们有一个后端工具使得管理者和供应者自身能够优化市场的供应端。这是一个从成千上百的数据源中挖掘和推断而来的,包含了数据和协议的预组装的配置,伴随着为了治疗法则的工作流以保证价格匹配。算法嵌套也提供了工序的动态观测,举个例子,多少患者在过去的24小时内询问了后背痛相关的服务, 以及多少供应者(医生)有空并且临床上适合去满足需求?这些控制面板和配置工具作为一个动态反馈循环以保证医院领导们去正确排列供应者(医生)网络。


5
在效率方面会有什么样的提升?

我们的客户已经意识到在两方面有显著提升和影响。一个是运营效率:已经证明我们有高达两位数的需求转化率和预约吞吐量的提升,使医院系统可以每年服务数以万计的更多患者。


第二个方面的指标,我们指的是对顶线收入(top-line revenue)的影响。我们让医院从他们最重要的资产- 他们的医生 - 获得更高的收益率 ,医生的看诊分钟数明显提高。我们还可以帮助减少高达50%“漏诊(leakage)”,这意味着医院能够在其网络中保留更多的业务。


我们跟踪客户的一个具体统计指标是医院的产能利用不足。大多数医院系统刚开始时大约有百分之二十到百分之五十的产能利用不足。采用我们的系统调整后,每年会增加数以百万计的净新收益。



6
投资回报率(ROI)

在投资回报率(ROI)方面,似乎在临床和经济上都受益。你同意吗?

的确是这样。临床投资回报率无论是对患者还是医院都是最重要的收益。在第一时间帮助患者找到正确的诊所增加了患者看好病的机会,预后效果会比较好。不管怎么说,这才是Kyruus的首要任务。


7
Kyruus产品在医院的接受度

你能描述一下Kyruus产品在医院的接受度吗?

目前,从客户接受度的角度来讲,我们正处于一个爆炸性时期。去年,我们的业务量及管理的医院数量都翻了两番。


医院系统现在都面临着很大的资金压力,他们面临的最大生存威胁是无法将病人的需求转化成他们系统中实际订单。这种威胁推动着我们在市场上看到的紧迫性,我们将提供领先的解决方案来解决这个问题。


8
医生短缺与医院效率问题的看法

我们听到了很多关于医生短缺的讨论,但又有些人认为,医院的效率才是真正的问题。你们对此怎么看?

我们的数据表明,实际上不存在医生短缺,只是我们没有充分利用我们这个系统的现有能力。我们也帮助客户实施创新方案,以充分利用医院的非医师资源-护士,医师助理和其他医疗人员可以看一些一般的病人,这样医生就可以腾出手来看更多比较特殊的、要求比较高的病人。的扩展可以看到许多的低视力的情况下,可以卸载医生看到更多的独特的,更高的视力情况。有时候,这些非医生医疗资源根本得不到充分利用。


9
与竞争对手的区别

你们的竞争对手是谁,你和他们有什么区别?

我们的竞争对手中,即有有经验的老公司,也有新公司,但没有一家公司像我们这样采取了全面的数据驱动的方法。我们利用手中的数据为我们的客户提供便捷实用的价值,我们多渠道方式的服务方式也很独特。我们不只是提供“医生对医生”转介,或呼叫中心,或者直接面向消费者的预约网站;我们是一个综合平台,供应所有这些就医渠道。我们的客户喜欢我们的平台,因为它提供了一个一站式的全面解决方案,而不需要与多个供应商签订合同。


10
面临的挑战及应对措施

什么是你们所面临的挑战,你怎么来应对这些挑战?

其中一个挑战是越来越激烈的人才市场的竞争。无论是在波士顿,或者其他地方的公司分部,我们都在和一些优秀的公司竞争,所以我们致力于通过我们公司的使命和实力来吸引人才,加入我们团队。每个加入Kyruus的职员都有过自己或家庭成员亲身经历过就医挫折的体验。第二个挑战是如何扩增我们的现场业务,以满足市场的需求激增。


11
你对Kyruus的未来怎么看?

从发展的眼光看,机会是巨大的。我们相信Kyruus将会是医疗保健IT下一个大类别-病人访问-的领导者。该类别的设立,不仅有利于我们,也有利于社会。


今天,我们主要专注于病人医生的配对,但该重心将随着我们对医疗保健各方面的提升和推动而发生变化。新的业务将包括远程医疗、急诊设置、或以零售为主的诊所设置。我们有着雄心勃勃的计划,将为整个医疗保健行业继续打造医患匹配的完美操作系统。



原文发布时间为:2015-07-02

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

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
|
1月前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
102 2
|
6天前
|
SQL 分布式计算 DataWorks
DataWorks产品测评|基于DataWorks和MaxCompute产品组合实现用户画像分析
本文介绍了如何使用DataWorks和MaxCompute产品组合实现用户画像分析。首先,通过阿里云官网开通DataWorks服务并创建资源组,接着创建MaxCompute项目和数据源。随后,利用DataWorks的数据集成和数据开发模块,将业务数据同步至MaxCompute,并通过ODPS SQL完成用户画像的数据加工,最终将结果写入`ads_user_info_1d`表。文章详细记录了每一步的操作过程,包括任务开发、运行、运维操作和资源释放,帮助读者顺利完成用户画像分析。此外,还指出了文档中的一些不一致之处,并提供了相应的解决方法。
|
5天前
|
分布式计算 DataWorks 搜索推荐
用户画像分析(MaxCompute简化版)
通过本教程,您可以了解如何使用DataWorks和MaxCompute产品组合进行数仓开发与分析,并通过案例体验DataWorks数据集成、数据开发和运维中心模块的相关能力。
38 4
|
24天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
61 4
|
25天前
|
关系型数据库 分布式数据库 数据库
PolarDB 以其出色的性能和可扩展性,成为大数据分析的重要工具
在数字化时代,企业面对海量数据的挑战,PolarDB 以其出色的性能和可扩展性,成为大数据分析的重要工具。它不仅支持高速数据读写,还通过数据分区、索引优化等策略提升分析效率,适用于电商、金融等多个行业,助力企业精准决策。
33 4
|
26天前
|
机器学习/深度学习 分布式计算 算法
【大数据分析&机器学习】分布式机器学习
本文主要介绍分布式机器学习基础知识,并介绍主流的分布式机器学习框架,结合实例介绍一些机器学习算法。
165 5
|
1月前
|
存储 监控 数据挖掘
【Clikhouse 探秘】ClickHouse 物化视图:加速大数据分析的新利器
ClickHouse 的物化视图是一种特殊表,通过预先计算并存储查询结果,显著提高查询性能,减少资源消耗,适用于实时报表、日志分析、用户行为分析、金融数据分析和物联网数据分析等场景。物化视图的创建、数据插入、更新和一致性保证通过事务机制实现。
141 14
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
289 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
44 2
下一篇
DataWorks