Tartalom
- Az adatminőségi problémák, amelyek akadályozzák az Analytics platform teljesítményét
- Áthidalja a szakadékot a beszállító és az Analytics rendszerek között
- Következtetés
Forrás: Minden lehetséges / Dreamstime.com
Elvitel:
Csak kiváló minőségű adatok képesek kiváló minőségű elemzést készíteni, ezért alapvető fontosságú, hogy az adatok helyesen legyenek felépítve.
Az integrált elemző platform megvalósításának ötlete, ahol csak helyénvaló, gyorsan meggyőződik. Amint a szervezetek felismerik az integrált elemzési platform fontosságát, sokan elkísérlik annak megvalósítását. De a folyamat során az adatminőség kérdése nem kap elég figyelmet. Fontos megjegyezni, hogy az adatminőség a legfontosabb tényező az elemzési platformok által szolgáltatott elemzés relevanciájának és minőségének meghatározásában. Az adatminőség ebben az értelemben azt jelenti, hogy a megfelelő adatokat a megfelelő formátumban elérhetővé kell tenni egy integrált elemző platformon, hogy az értelmes elemzéseket tudjon szolgáltatni. De számos olyan probléma, mint a szisztematikus összeférhetetlenség, az adatszerkezettel kapcsolatos problémák és az emberi hatékonyság, megakadályozza, hogy még a kiváló minőségű integrált elemzői platformok is minőségi elemzéseket nyújtsanak.
Magától értetődik, hogy az adatminőséggel kapcsolatos kérdések megválaszolása nélkül az integrált elemzési platformokon a befektetés megtérülése (ROI) nem fogja elérni a várt szintet. Itt vizsgáljuk az elemzési platformokra szánt adatminőséggel kapcsolatos problémákat az egészségügyi ágazat példáján, amely az egyik olyan ágazat, amelyet a rossz adatminőség sújt.
Az adatminőségi problémák, amelyek akadályozzák az Analytics platform teljesítményét
Az adatminőséggel kapcsolatos kérdéseket az alábbiak szerint lehet összegezni: a helytelen adatformátum rögzítése és rögzítése, az upstream rendszerek inkompatibilitása az analitikai platformokkal és pontatlan elemzés.
Nem javíthatja a programozási képességeit, ha senki sem törődik a szoftver minőségével.
A rögzítés az a szakasz, amikor az emberek adatokat írnak be a rendszerbe, például az orvosi vizsgálati jelentés adatait. Rendkívül fontos, hogy az összes releváns adatot azonosítsák és bevigyék a rendszerbe.
A struktúra az a szakasz, amikor a helyes adatokat a megfelelő formátumban és mezőben kell megadni. Például a beteg súlyát numerikus adatnak tekintik, de ha egy mezőbe írják be, akkor az elemzés minőségét befolyásolja.
Az adatátvitel az a szakasz, amikor az adatokat elemzés céljából betöltik az elemző rendszerekbe. Az adatminőség ebben a szakaszban a fő oka az adatbázishoz való közvetlen kapcsolat hiánya. Ha az adatbázis közvetlenül kapcsolódik az adatszolgáltatási lánchoz, akkor az alapvető mezőket a megfelelő struktúrában és formátumban rögzítik.
Az alábbiakban bemutatjuk az adatminőség javításának néhány módját.
Amikor az emberi felhasználók adatokat írnak be, valószínű, hogy sok ismétlődő adatot kell bevinni. Például, ha a kardiológiai betegekre vonatkozó adatokat bevitték, a különböző speciális feltételeknek eltérő kódjai lehetnek. Minden egyes kód beírásakor; a rendszernek javaslatokat kell tennie, vagy automatikusan kitöltenie a megfelelő kódot. Csak egy kicsit jó programozásra vagy a kódok finomítására van szükség egy ilyen rendszer megvalósításához. Ily módon nagymértékben csökkenti az emberi tévedés esélyét. Ha lehetséges, akkor érvényesítéseket kell végezni arra az esetre is, ha az emberi felhasználó helytelen kódot ír be.
Áthidalja a szakadékot a beszállító és az Analytics rendszerek között
Mint korábban rámutattunk, az adatminőség a szállító és az elemző motorok közötti tervezési és végrehajtási problémák miatt szenved. A szervezeteknek az adatszolgáltató rendszerek, például az EHR-rendszerek minimális közös struktúrájának létrehozásán kell dolgozniuk, hogy az alapvető adatokat megfelelő formátumban juttassák el az elemző motorokhoz. Mivel számos szállítói rendszert gyártanak különféle gyártók, kihívást jelent a közös struktúra kialakítása. Ugyanakkor erőfeszítéseket kell tenni az adatszolgáltató rendszerek közös minimális struktúrájának felépítésére.
Következtetés
Az elemző motorok adatminősége felé mutató legfontosabb lépés az adatszolgáltató rendszerek általános minimumszerkezete. Noha a többi lépés, például az adatbeviteli rendszerek emberi felhasználásának hatékonyabbá tétele, fontos, ezek természetesen továbbra is hajlamosak hibára. Az adatbevitel és az adatátvitel szabványa azonban biztosíthatja, hogy a megfelelő adatok a megfelelő formátumban és struktúrában kerüljenek az elemző motorokba. Ehhez közös szabványra és protokollra van szükség a rendszerek és felhasználói felületek fejlesztésére.