콘텐츠
출처 : Everythingpossible / Dreamstime.com
테이크 아웃 :
고품질 데이터 만 고품질 분석을 생성 할 수 있으므로 데이터가 올바르게 구성되어야합니다.
적절한 경우 통합 분석 플랫폼을 구현하려는 아이디어는 빠르게 신뢰를 얻고 있습니다. 조직이 통합 분석 플랫폼의 중요성을 인식함에 따라 많은 사람들이 하나를 구현하기 위해 노력하고 있습니다. 그러나 그 과정에서 데이터 품질 문제는 충분히 주목을받지 못했습니다. 분석 플랫폼이 제공하는 분석의 관련성과 품질을 결정하는 데있어 데이터 품질이 가장 중요한 요소라는 점에 유의해야합니다. 이와 관련하여 데이터 품질은 의미있는 분석을 제공 할 수 있도록 올바른 형식의 올바른 데이터를 통합 분석 플랫폼에서 사용할 수 있어야합니다. 그러나 시스템 비 호환성, 데이터 구조 문제 및 인적 비효율 성과 같은 몇 가지 문제로 인해 고품질 통합 분석 플랫폼조차도 품질 분석을 제공 할 수 없습니다.
데이터 품질 문제를 해결하지 않으면 통합 분석 플랫폼의 ROI (투자 수익률)가 예상 수준에 미치지 못할 것입니다. 여기서는 데이터 품질이 좋지 않은 최악의 섹터 중 하나 인 건강 관리 부문의 예를 통해 분석 플랫폼의 데이터 품질에 영향을 미치는 문제를 살펴 봅니다.
분석 플랫폼 성능을 저해하는 데이터 품질 문제
데이터 품질 문제는 다음과 같이 요약 할 수 있습니다. 잘못된 데이터 형식 기록 및 캡처, 분석 플랫폼이있는 업스트림 시스템의 비 호환성 및 부정확 한 분석.
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
캡처는 사람들이 의료 조사 보고서 데이터와 같이 시스템에 데이터를 입력하는 단계입니다. 모든 관련 데이터를 식별하여 시스템에 입력하는 것이 매우 중요합니다.
구조는 올바른 형식과 필드에 올바른 데이터를 입력해야하는 단계입니다. 예를 들어 환자 체중은 숫자 데이터로 간주되지만 필드에 입력하면 분석 품질에 영향을 미칩니다.
데이터 전송은 분석을 위해 데이터가 분석 시스템에로드 될 때의 단계입니다. 이 단계에서 데이터 품질이 저하되는 주된 이유는 데이터베이스와 직접 연결되지 않기 때문입니다. 데이터베이스가 데이터 공급망과 직접 연결되면 필수 필드가 올바른 구조와 형식으로 캡처됩니다.
다음은 데이터 품질을 향상시키는 몇 가지 방법입니다.
인간 사용자가 데이터를 입력하면 입력해야 할 반복적 인 데이터가 많이있을 가능성이 있습니다. 예를 들어, 심장 환자에 관한 데이터가 입력되면, 특정 조건에 따라 코드가 다를 수 있습니다. 코드가 입력 될 때마다; 시스템은 제안을 제공하거나 해당 코드를 자동으로 작성해야합니다. 이와 같은 시스템을 구현하려면 코드에 약간의 프로그래밍이나 조정이 필요합니다. 이렇게하면 인적 오류 가능성이 크게 줄어 듭니다. 가능한 경우 사용자가 잘못된 코드를 입력하는 경우 유효성 검사도 수행해야합니다.
공급 업체와 분석 시스템 간 격차 해소
앞서 지적한 바와 같이, 공급 업체와 분석 엔진 간의 설계 및 구현 문제로 인해 데이터 품질이 저하됩니다. 조직은 필수 데이터가 분석 엔진에 올바른 형식으로 제공 될 수 있도록 EHR 시스템과 같은 데이터 공급 업체 시스템의 최소 공통 구조를 작성해야합니다. 서로 다른 공급 업체가 만든 공급 업체 시스템이 많기 때문에 공통 구조를 달성하는 것은 어려운 일입니다. 그러나 데이터 공급 업체 시스템의 공통 최소 구조를 구축하기위한 노력이 있어야합니다.
결론
분석 엔진의 데이터 품질을 향한 가장 중요한 단계는 데이터 공급 업체 시스템의 공통 최소 구조 인 것 같습니다. 데이터 입력 시스템을보다 효율적으로 사용하는 것과 같은 다른 단계가 중요하지만 여전히 자연스럽게 오류가 발생하기 쉽습니다. 그러나 데이터 입력 및 데이터 전송 표준을 사용하면 올바른 형식 및 구조의 올바른 데이터가 분석 엔진에 입력 될 수 있습니다. 이를 위해서는 시스템 및 사용자 인터페이스 개발을위한 공통 표준 및 프로토콜이 필요합니다.