Archivo de la etiqueta: Analítica Predictiva

La analítica predictiva en el sector salud

La industria de la salud es uno de los sectores de mayor impacto estimado de análisis de datos y analítica predictiva, sin embargo, contrario a las predicciones el desarrollo ha sido más lento a lo esperado.

Los expertos opinan que parte de esto se debe a la dificultad de recolectar los datos en formatos de historias digitales, y cuando existen en las dificultades relacionadas con el manejo de esta información, sea por limitaciones legales o de privacidad, sea porque forman parte de esquemas propietarios y cerrados de recolección de información.

En cualquier caso, cuando existen los resultados del uso intensivo de analítica predictiva han sido muy exitosos. En la clínica CrescentCare dirigida al tratamiento de HIV y SIDA en Nueva Orleans  EEUU, el uso de la información contenida en bases de datos (SQL) les ha permitido definir indicadores de riesgo de los pacientes, que actualizados de manera diaria, permiten definir políticas de atención de pacientes y orientar de manera eficiente el uso de recursos humanos, recomendaciones de hospitalización o proyectar tratamientos especializados.

Otro ejemplo lo constituye el uso de información de atención médica, hospitalizaciones, cpm_03laboratorios y productos farmacéuticos de pacientes de una gran empresa estatal latinoamericana. El análisis de estos datos (en curso) ha permitido detectar pacientes “en riesgo” o “complejos” y diseñar estrategias adecuadas para tratar con casos crónicos de manera más efectiva, asegurando el mejoramiento en la calidad de vida de los pacientes así como un uso más eficiente de los recursos. El análisis ha permitido, por otro lado, la detección de uso fraudulento de los recursos disponibles mejorando la distribución de gastos.

Pero quizás los ejemplos más notables lo constituyen los ejemplos de aplicaciones que incluyen el manejo integrado y estandarizado de información de conglomerados de hospitales, clínicas, laboratorios lo cual implica  un esfuerzo importante de puesta en marcha de criterios unificados de tratamiento de la información. En el centro para Servicios de Información en Salud en Illinois, EEUU, que integra 12 hospitales las ventajas justifican con creces los esfuerzos: donde antes cada proyecto de análisis de datos se realizaba de manera independiente buscando datos de los registros, ahora se pueden integrar la información en una misma plataforma. Por otro lado el manejo integrado permite diseñar estrategias más adecuadas de atención a pacientes incluyendo traslados o uso de recursos compartidos.

Las posibilidades del uso de herramientas de analítica predictiva en la gestión de salud  son casi infinitas y representan un gran reto sobre todo en sistemas más precarios donde el manejo eficiente de recursos humanos, hospitalarios,  clínicos y farmacéuticos puede significar el acceso a un sistema de salud  de  primera calidad reduciendo los costos globales. Ojalá veamos este tipo de soluciones en el futuro cercano.

Una guía fácil sobre Inteligencia de Negocios

Ya sabemos que la inteligencia empresarial se trata de las decisiones correctas que toma una empresa para impulsar o mantener su negocio pero, ¿cómo se llega a eso? Esta guía del proceso explica los básicos del qué, por qué, cómo y el para qué de la inteligencia de negocios.

Cuando se implementa una estrategia de business intelligence, el proceso involucra principalmente estas cuatro etapas:

El qué → Descriptivo: se refiere a la estadística que se aplica como punto de partida para desarrollar una solución de inteligencia de negocios. Se parte por lo básico, es decir, recolectar, clasificar y ordenar los datos, así ponemos sobre la mesa qué se tiene de la empresa, qué se necesita y hacia dónde vamos.cpm_02

Cuando una empresa se acerca al business intelligence, es la primera oportunidad que tiene la organización puede ver datos dispersos en un solo sitio, ya que gran parte del esfuerzo que se hacer para lograr una solución de inteligencia de negocios se centra en recopilar e integrar datos que vienen de fuentes distintas, en sistemas diferentes y que se deben llevar a la misma escala para poderlos comparar, entre otras cosas.

El por qué → Diagnóstico: esta fase se trata de explicar por qué el negocio se comporta como se comporta, es decir, si responde o no a los datos del contexto o los datos internos, es decir, el business intelligence describe al negocio en términos reales.

El cómo → Predictivo: después de los pasos anteriores, se determinan tendencia con base en esos datos internos y eventualmente de los externos.

El para qué → Prescriptivo: como el final del proceso, se trata de saber si yo puedo, teniendo como base la inteligencia de negocios, determinar cursos de acción.

Como se observa, cada fase es más compleja que la otra y cada una completa un bloque de información y de procesos necesarios para llegar a lo que tanto anhelamos: decisiones inteligentes que nos permitan adelantarnos a la competencia, vender más, impulsar el negocio, mantenerlo o cambiarlo. De esto se trata el qué, el por qué, el cómo y el para qué del BI.

La conciencia del dato

Conseguí esta semana un artículo escrito por un profesor, quien fue fundador de las Escuelas de Matemática y Física de la UCV, así como fundador del Departamento de Cálculo Numérico, el cual luego se convirtió en la Escuela de Computación de la Facultad de Ciencias de UCV. Hablo de Manuel Bemporad.

Este insigne profesor, quien también fue director de la ASOVAC (Asociación Venezolana para el Avance de la Ciencia), publicó el siguiente artículo titulado La conciencia del dato el cual me parece muy importante compartirlo por la veracidad de sus argumentos y validez que tiene cada día que me veo inmerso en proyectos de datos.

Bemporad habla acerca de un mal que nos aqueja a los países de nuestra región, instituciones públicas y privadas por igual, que es el poco valor que le damos al “dato” crudo. La poca importancia que le damos a esto, repercute en otra cuestión más importante, que es la generación de estadísticas, para poder contabilizar, reportar y en última instancia, predecir el comportamiento basado en los datos recolectados.

Luego de leer dicho artículo, recordé mis clases de Introducción a la Informática de la UCV, las cuales nunca fueron de mi agrado, pero que ahora, en retrospectiva, me sirven de base para implementar proyectos en el área de toma de decisiones estratégica, principalmente, gracias a los conceptos de dato, información y conocimiento. El siguiente gráfico que conseguí en esta web ilustra de manera concisa la relación entre los tres conceptos mediante una pirámide:

conciencia del dato

Esta pirámide refleja que en la base están los datos, los cuales soportan la operación diaria del negocio (cuando me refiero a negocio, me refiero al proceso al cual el software da soporte, por ejemplo: contabilidad, nómina, ventas, suministro, inventario, etc). Como vemos, a partir de esta base podemos obtener información valiosa que nos generan estadísticas acerca del comportamiento de nuestro negocio; y es, mediante un proceso de análisis y aprendizaje que obtenemos “conocimiento”.

Dato: son la mínima unidad semántica que se corresponde con elementos primarios de un negocio: un hecho, un evento, una imagen, una descripción, o un simple número
Información: es la interpretación o comprensión de los datos. Son datos que son contextualizados y categorizados
Conocimiento: es una mezcla de experiencia, valores, información y know-how que sirve Objeto inteligente vectorial3-01 (1)como marco para la incorporación de nuevas experiencias e información, y es útil para la acción.

Si la base está mal… todo en la pirámide hacia arriba estará mal. Y esto me lleva a un lema bien arraigado que dice “si entra basura, sale basura” o “La calidad de las estadísticas depende de la calidad de tus datos”.

Sirva este post como un homenaje a Manuel Bemporad y como un recordatorio de nuestro ejercicio profesional, sobre todo en Inteligencia de Negocios.

Bibliografía consultada:
La informacion y el conocimiento. http://peremarques.pangea.org/infocon.htm
Sinnexus: Datos, información, conocimiento, http://www.sinnexus.com/business_intelligence/piramide_negocio.aspx
Bemporad , M. (2003). La conciencia del dato. Interciencia, 28(7) Recuperado de http://www.redalyc.org/articulo.oa?id=33908201