Inhalt
- Datenqualitätsprobleme, die die Leistung der Analytics-Plattform beeinträchtigen
- Überbrücken Sie die Lücke zwischen dem Lieferanten und Analytics-Systemen
- Fazit
Quelle: Everythingpossible / Dreamstime.com
Wegbringen:
Nur qualitativ hochwertige Daten können qualitativ hochwertige Analysen liefern. Daher ist es wichtig, dass die Daten korrekt strukturiert sind.
Die Idee, gegebenenfalls eine integrierte Analyseplattform zu implementieren, gewinnt schnell an Glaubwürdigkeit. Da Unternehmen die Bedeutung einer integrierten Analyseplattform erkennen, bemühen sich viele, eine zu implementieren. Dabei wird dem Thema Datenqualität jedoch nicht genügend Aufmerksamkeit geschenkt. Es ist wichtig zu beachten, dass die Datenqualität der wichtigste Faktor ist, um die Relevanz und Qualität der von den Analyseplattformen bereitgestellten Analysen zu bestimmen. Datenqualität bedeutet in diesem Zusammenhang, dass die richtigen Daten im richtigen Format einer integrierten Analyseplattform zur Verfügung gestellt werden sollten, damit sie aussagekräftige Analysen liefern können. Verschiedene Probleme wie systembedingte Inkompatibilität, Datenstrukturprobleme und menschliche Ineffizienzen verhindern jedoch, dass selbst hochwertige integrierte Analyseplattformen Qualitätsanalysen liefern.
Es versteht sich von selbst, dass der Return on Investment (ROI) auf integrierten Analyseplattformen ohne Berücksichtigung von Datenqualitätsproblemen nicht das erwartete Niveau erreichen wird. Hier untersuchen wir die Probleme, die die Datenqualität für Analyseplattformen beeinträchtigen, am Beispiel des Gesundheitssektors, einer der Sektoren, die am stärksten von einer schlechten Datenqualität betroffen sind.
Datenqualitätsprobleme, die die Leistung der Analytics-Plattform beeinträchtigen
Die Probleme mit der Datenqualität lassen sich wie folgt zusammenfassen: fehlerhafte Aufzeichnung und Erfassung von Datenformaten, Inkompatibilität von vorgelagerten Systemen mit Analyseplattformen und ungenaue Analyse.
Sie können Ihre Programmierkenntnisse nicht verbessern, wenn sich niemand um die Softwarequalität kümmert.
Erfassung ist die Phase, in der Personen Daten in das System eingeben, z. B. medizinische Untersuchungsberichte. Es ist äußerst wichtig, dass alle relevanten Daten identifiziert und in das System eingegeben werden.
Die Struktur ist die Phase, in der die richtigen Daten im richtigen Format und Feld eingegeben werden müssen. Das Patientengewicht wird beispielsweise als numerische Daten betrachtet. Wenn es jedoch in ein Feld eingegeben wird, wirkt sich dies auf die Qualität der Analyse aus.
Der Datentransport ist die Phase, in der die Daten zur Analyse in die Analysesysteme geladen werden. Der Hauptgrund, unter dem die Datenqualität in dieser Phase leidet, ist das Fehlen einer direkten Verbindung mit einer Datenbank. Wenn eine Datenbank direkt mit der Datenlieferkette verbunden ist, werden die wesentlichen Felder in der richtigen Struktur und im richtigen Format erfasst.
Im Folgenden werden einige Möglichkeiten zur Verbesserung der Datenqualität aufgeführt.
Wenn Benutzer Daten eingeben, müssen möglicherweise viele sich wiederholende Daten eingegeben werden. Wenn beispielsweise Daten für kardiologische Patienten eingegeben werden, können unterschiedliche spezifische Bedingungen unterschiedliche Codes aufweisen. Jedes Mal, wenn ein Code eingegeben wird; Das System sollte Vorschläge machen oder den entsprechenden Code automatisch eingeben. Um ein solches System zu implementieren, ist nur ein bisschen gute Programmierung oder Optimierung der Codes erforderlich. Auf diese Weise reduzieren Sie die Möglichkeit menschlicher Fehler in hohem Maße. Nach Möglichkeit sollten auch Überprüfungen durchgeführt werden, falls der Benutzer falsche Codes eingibt.
Überbrücken Sie die Lücke zwischen dem Lieferanten und Analytics-Systemen
Wie bereits erwähnt, leidet die Datenqualität unter Design- und Implementierungsproblemen zwischen dem Lieferanten und den Analytics-Engines. Unternehmen müssen daran arbeiten, eine gemeinsame Mindeststruktur für Datenlieferantensysteme wie die EHR-Systeme zu erstellen, damit die Analysemodule mit den wesentlichen Daten im richtigen Format versorgt werden. Angesichts der Vielzahl von Lieferantensystemen verschiedener Anbieter ist es eine Herausforderung, eine gemeinsame Struktur zu erreichen. Es sollten jedoch Anstrengungen unternommen werden, um eine gemeinsame Mindeststruktur für Datenlieferantensysteme aufzubauen.
Fazit
Der wichtigste Schritt in Richtung Datenqualität für Analytics Engines scheint die gemeinsame Mindeststruktur von Datenlieferantensystemen zu sein. Während die anderen Schritte, wie die effizientere Nutzung von Dateneingabesystemen durch den Menschen, wichtig sind, sind sie natürlich immer noch fehleranfällig. Ein Standard für die Dateneingabe und den Datentransport kann jedoch sicherstellen, dass die richtigen Daten im richtigen Format und in der richtigen Struktur in die Analytics-Engines eingegeben werden. Dazu muss es einen gemeinsamen Standard und ein gemeinsames Protokoll für die Entwicklung von Systemen und Benutzeroberflächen geben.