京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析给互联网医疗带来的正效应
早在18世纪,南丁格尔便开始用可视化的数据来证明英国士兵之所以在克里米亚战争中的死亡率居高不下,并不是因为战争本身的伤亡较大,而是因为战地医院糟糕的治疗环境。当人们询问她为什么要用图来展示士兵的死亡率,她说她希望能够通过眼睛来传达没有能够通过耳朵传达到的信息。的确,在很多时候,眼睛看到的都能够比耳朵听到的更具有说服力和震撼力。
大数据分析公司Tableau
Tableau是一家致力于通过图表的形式帮助人们更好地认识、理解和分析数据的公司。简而言之,该公司的目标就是实现数据的可视化(Data Visualization),帮助客户更为直观的分析理解大数据。Tableau的创始人分别是Christian Chabot(首席执行官),Chris Stotle(开发总监)和Pat Hanrahan(首席科学家)。他们分别是投资家、计算机博士和奥斯卡视效专家,而此三人共同的共同点就是都开发过视觉化系统。
Tableau软件的研发最早源于美国国防部(DOD)在斯坦福大学的一个研究项目,目的就是为了提高快速实现数据和信息的分析能力。研究数据分析的Chris Stole教授,以及在视觉特效领域享有很高知名度的Dr.Pat Hanrahanye就参与其中。经过Chris Stotle和Pat Hanrahan的共同研究,开发了ViZQL技术。相比于Excel等数据处理软件,Tableau将数据分析本身进行了可视化操作,不再有繁琐的编程,让以前不可能或不容易进行的海量数据处理和精细分析成为了可能。
投资家Christian Chabot随即发现了这个富有前景的项目,而后,Chris Stotle和Pat Hanrahan将他们的发明从斯坦福大学的研究中独立出来,三人共同成立了大数据分析公司Tableau。Tableau公司成立之后,获得了一系列的奖项,也在短期内实现了营业额的高速增长。特别是09年以后,每年营收都以近一倍的幅度递增。这样的势头自然获得了投资人的青睐。2004年和2008年,Tableau分两次共成功融资1500万美元,这两笔投资均来自 New Enterprise Associates,占公司38%的股权。2013年5月18日,Tableau在美国纽约股市上挂牌交易,成功融资2.54亿美元,市值达到20亿美元。
当互联网医疗遇上大数据分析,我们都能做些什么?
得益于强大的数据分析能力,Tableau可以为各个行业提供数据分析支持,成为了最好的数据分析平台。医院、诊所、保险公司等从来都不缺乏数据,然而直到最近,一些有远见的企业才开始意识到利用这一丰富的资源,大数据分析也成为了互联网医疗的一个热门领域。
1、 利用数据分析加速患者分流
病人对于一个医院的印象往往都来自于急诊科,所以医院必须要确保服务能够满足病人的要求,因而利用医院已有的数据来分析,简化分流的步奏就会显得很重要。这样能够保证在急症过程的每一分钟都能得到有效利用,也让病人与家属都能有一个良好的诊疗体验。Tableau通过分析病人到达时间等数据,可以让你清晰的看到病人每天、每小时的来院情况,这可以让医院适时保证足够的值班人员,并合理分配医疗资源。Tableau还能帮助建立急诊科患者的个人档案,根据人口统计学提出相关建议。此外,Tableau可以分析出医院急诊科的应诊能力,并且在病人数量达到极值时做出反应。
2、 实现统一访问医疗记录和患者信息
据估计,超过50%的患者信息都被杂乱的保存,这使得开发利用这些重要的数据变得十分的困难。而在Tableau的帮助下,医生可以很方便的查阅病人的医疗记录等相关信息。Tableau极大的增强了患者信息的可视化程度,方便对医疗记录和患者信息进行统一管理和访问。通过对患者的住址、治疗进展以及其他深入到每个病人的详细记录的分析,Tableau可以为各级医疗卫生服务人员提供相关建议,帮助他们分析和改进服务。
3、 轻松研究医疗保险支出
情况医疗保险支出的情况是一个国家的重大问题。Tableau可以提供可视化的图表,分析医疗保险支出的区域分布,每个患者的平均医疗保险支付差异,还可以看到不同的保险公司的价格差异以及地区差异,还可以根据颜色不同理解不同地区医疗保险费用不同的原因。
4、 医疗服务监控
医院和保险公司都需要了解在一定的人群中有什么流行疾病、什么年龄段的人更容易受到感染、治疗的成本等情况。Tableau可以帮助医疗保险公司评估特定申请人的患病风险,分析申请人最可能患的疾病以及治疗费用。在得到这些分析结果之后,保险公司可以选择制定相应的保险方案。
5、 减少等待时间,提高病人满意度
等待的时间最有可能引起患者的不满情绪,追踪一个病人从被接待到接受诊疗所花费的时间可以让医院采取有效的措施,减少病人的等待时间,提高服务的满意度。Tableau可以追踪病人诊疗期间的等待时间等数据,为医院提供相应的建议,制定计划改进诊疗流程,以减少患者在候诊室的等待时间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25