Hur man integrerar stor data - dummies

Att bara ha tillgång till stora datakällor räcker inte. Du måste integrera dessa källor. Snart kommer det att finnas petabytes av data och hundratals åtkomstmekanismer för dig att välja mellan. Men vilka strömmar och vilka typer av data behöver du?

• Förstå problemet du försöker lösa

• Identifiera processerna som berörs

• Identifiera den information som krävs för att lösa problemet

• Samla in data, bearbeta det och analysera resultaten

Denna process kan låta bekant eftersom företag har gjort en variation av denna algoritm i årtionden. Så är stora data olika? Ja, även om företag har hanterat stora mängder operativa data i åratal, introducerar stora data nya typer av data i människors yrkes- och personliga liv.

Twitter-flöden, Facebook-inlägg, sensordata, RFID-data, säkerhetsloggar, videodata och många andra nya informationskällor dyker upp nästan dagligen. Eftersom dessa källor till stora data dyker upp och expanderar, försöker människor att hitta sätt att använda dessa data för att bättre kunna betjäna kunder, partners och leverantörer. Organisationer letar efter sätt att använda dessa data för att förutsäga framtiden och att vidta bättre åtgärder.

Sjukvård är ett av de viktigaste och komplexa investeringsområdena idag. Det är också ett område som i allt högre grad producerar mer data i flera former än de flesta industrier. Därför kommer hälso- och sjukvården sannolikt att gynna nya former av stor data. Vårdgivare, försäkringsgivare, forskare och vårdpraktiker fattar ofta beslut om behandlingsalternativ med data som är ofullständiga eller inte relevanta för specifika sjukdomar.

En del av anledningen till denna skillnad är att det är mycket svårt att effektivt samla och bearbeta data för enskilda patienter. Dataelement lagras och hanteras ofta på olika ställen av olika organisationer. Dessutom kan klinisk forskning som utförs över hela världen vara till hjälp vid fastställandet av sammanhanget för hur en specifik sjukdom eller sjukdom kan närmas och hanteras.

Använd algoritmen till ett standarddatasjukvårdsscenario:

1. Förstå det problem vi försöker lösa:

   • Behöver behandla en patient med en specifik typ av cancer

2. Identifiera processerna som berörs:

   • Diagnos och testning

   • Resultatanalys inklusive att undersöka behandlingsalternativ

   • Definition av behandlingsprotokoll

   • Övervaka patienten och justera behandlingen efter behov

3. Identifiera den information som krävs för att lösa problemet:

   • Patienthistorik

   • Blod, vävnad, testresultat och så vidare

   • Statistiska resultat av behandlingsalternativen

4. Samla in data, bearbeta det och analysera resultaten:

   • Börja behandling

   • Övervaka patienten och anpassa behandlingen efter behov

     

Så här arbetar läkare med patienter idag.De flesta uppgifterna är lokala till ett hälsovårdsnätverk, och läkare har lite tid att gå utanför nätverket för att hitta den senaste informationen eller praktiken.