作為一名專業的咨詢顧問，做過一些醫療相關項目，同時特意找了行業內朋友咨詢，結合自己之前讀各種國外材料的了解，整理如下，希望得到您的認可和轉發推薦。
降低成本和提高效率是醫療保健行業運營者的重要顧慮和考慮。比如通過減少廢物處理來削減成本和提高性能——自動化不僅僅是一個考慮因素——在過去的幾十年中，醫療行業已經采取措施實現操作和患者數據處理的數字化。
這種向數字化過程的轉變本身帶來了
隨著數字化過程中積累的數據不斷涌現，醫療保健的數據自動化已經從“有好處”變成了“必須擁有”，即使醫療保健的數據自動化剛剛開始著眼于利用商業智能。
什么是醫療保健中的數據自動化
商業智能的回顧和展望
自大數據現象出現以來，醫療行業從業企業一直在大量涌入數據收集和處理利用中。隨著臨床數據量的不斷增加，醫療保健領域的商業智能已成為當時的需求。下面列出一些可能的方向：
改善患者護理
醫療保健組織已經依靠數字工具和技術來支持他們的日常運營，最終目標是改善患者護理。商業智能與醫療保健數據自動化相結合可以通過使用自動化工具引入預測分析元素來確定患者健康數據、患者等待時間、患者滿意度、疾病和復發風險、潛在治療成本、再入院可能性等參數，從而進一步優化一個數據——平均住院時間。反過來，這些參數可以幫助醫療保健專業人員就患者護理做出明智的決定。
健康記錄分析
以電子方式存儲患者記錄幾乎已成為常態。但是，如果不能用于促進更好的患者護理和管理，那么所有患者數據的好處是什么？這是商業智能工具發揮作用的地方。他們可以從集中存儲的患者數據庫中挑選出相關的信息，以促進更好的預測和可操作的見解。
更好地分配資源
將醫療保健數據自動化與商業智能相結合的另一個關鍵優勢是通過跨部門分配基于需求的精確度來更好地管理資源，從而減少浪費。由于預測分析可以幫助確定患者何時準備好出院，因此它還有助于更好地分配床，藥品和員工等資源，以幫助減少浪費。
了解患者病史和生活方式
商業智能工具能夠從健康應用程序以及可穿戴設備（如計步器和健身帶）訪問可下載數據。這使醫療保健專家能夠利用無線技術的能力準確跟蹤健康指標和信息。這些數據對于醫療保健從業者了解患者的生活方式和病史非常有用。
成本優化
技術工具變得越來越便宜，商業智能符合這種模式。
臨床分析
數據挖掘
商業智能工具的數據挖掘能力可以幫助醫療保健從業者更精確地評估治療計劃，方法是確定選擇的治療方案的哪些方面正在工作，哪些方面沒有。這些工具還可用于預測任何給定治療程序的確切結果。通過幫助組織了解缺陷并采取糾正措施，這有助于提高醫療質量。
健康狀況分析
如今，幾乎所有醫療保健組織都了解分析在改善收入周期，績效，效率和整體患者護理方面的重要性。然而，他們中的大多數沒有完整的數據分析解決方案。
對于大多數醫療保健領導者而言，收入周期分析和商業智能都是重中之重。
對拒絕和拒絕的處理成為收入周期中的最大挑戰，可以通過分析來糾正。患者付款和結算流程緊隨其后。
利用商業智能和數據分析的最大障礙是缺乏有效利用數據分析的資源，無法對分析性能進行基準測試，以及難以將分析結果引入可操作的報告中。
能夠通過正確的戰略報告克服這些挑戰的組織已從健康分析中受益。
健康分析的一些主要優勢包括減少A/R天數和改善現金流，通過識別支付流程中的瓶頸增加收入，以及提高員工生產力。
醫療保健組織現在比以往任何時候都更加意識到健康的數據自動化對于醫療保健的重要性，以便進行分析和報告。數據分析和后續報告解決方案將在實施用戶友好流程中發揮關鍵作用，這些流程使用可操作的洞察力來促進收入周期的改善和明智的決策制定。
為什么醫療保健數據分析很難？
數據分析在整個行業垂直領域是一個具有挑戰性的主張，但在醫療領域更是如此。雖然大多數其他組織都在努力解決數據存儲，質量，訪問和集成等問題，但醫療機構還必須考慮安全性和隱私，數據管理和保留等更微妙的方面。
說到大數據，其實大數據應該在BI之前說
大數據的收集策略、存儲方式、使用方法，都是一堆問題。
醫療保健的大數據來源
1、物聯網（IoT）
物聯網在醫療保健領域的互聯產品數量正在增長。物聯網平臺也相對便宜，是大規模構建和營銷應用程序的經濟高效的選擇。目前和未來的數據來源包括（但不限于）：
可穿戴設備現在允許人們跟蹤他們的心率，血壓，體重，活動水平，壓力水平（例如：FitBit，PIP，Muse頭帶等）
智能手機上提供應用程序，可跟蹤用戶的鍛煉方案和睡眠強度，數量和質量（例如：PebbleTime，AliveCorHeartMonitor，MyFitnessPal等）。
可以將數據發送到云中的醫療設備和傳感器：脈搏血氧儀，血糖監測儀，電子秤，血壓監測儀，SpO2傳感器，接近傳感器（如iBeacon），以及將提供數百萬患者數據的未來傳感器一個持續的基礎
2、電子病歷/電子健康記錄（EMR/EHR）
3、保險提供商
包括私人付款人和計劃索賠，政府健康計劃索賠和藥房索賠。
4、其他臨床數據
來自計算機化醫囑錄入和臨床決策支持系統的數據（醫生的書面筆記和處方，醫學成像，實驗室，藥房，保險和其他管理數據）。
5、基因組及相關研究機構
6、社交媒體
社交媒體帖子，包括微博，博客和其他平臺上的狀態更新，以及網頁可以反映并提供個人健康，情緒，心態等的證據。
7、網絡知識
各種醫療咨詢平臺或通用平臺如知乎悟空問答，新聞提要和醫學期刊中的文章
如何充分利用大數據
想要充分利用數據的公司和組織需要一個全面的健康數據收集，優化和分析計劃。應用預測分析，建模和收集基于模式和智能的洞察力有可能使系統中的所有“參與者”受益，包括個人，醫療保健從業者，公共衛生機構，生命科學組織，健康保險公司以及醫療和制藥制造商。降低總醫療費用似乎可能是與以下所有優勢相關的主要好處之一：
1、預防性醫療保健和患者賦權
使用健康數據和其他變量（如社會經濟學）可以幫助組織預測預測患者的隨時間變化軌跡
在許多情景中存在產生最佳結果的潛力，例如：分析患者特征以及護理的成本和結果，以便提供最合適和最具成本效益的治療，這也將影響提供者的行為
人口級疾病分析將使研究人員能夠幫助確定預測事件并制定更有效的預防措施
將精神衛生保健納入傳統臨床環境將有助于提供更全面的服務，并為患者提供必要的資源和支持
在傳統護理環境（藥物依從性管理，家庭監測等）之外改進對患者活動的監測將有助于個人承擔更多的個人責任并幫助提供者確定最佳治療計劃
2、打擊欺詐
實施用于欺詐檢測的高級分析系統并檢查索賠的準確性和一致性將有助于最大限度地減少欺詐，同時更接近實時索賠授權
3、增加收入來源
能夠提供匯總和綜合數據的公司（例如，患者臨床記錄和索賠數據）可以為希望在醫藥和藥品領域取得進步的第三方提供創造新的收入流（例如，許可）數據，以幫助制藥公司識別選擇參加臨床試驗的患者），這反過來將有助于推動新醫療設備和藥品的創建
存在問題
但是數據分散、數據滯后、數據不全等問題都讓大部分的企業對此沒法深入利用。