Del análisis de datos a la estrategia empresarial en salud

Del análisis de datos a la estrategia empresarial en salud
[favorite_button]
Comentar

Recientemente siete expertos en análisis de datos y operaciones empresariales de la escuela de negocios Sloan del MIT generaron recomendaciones para que las empresas puedan construir un proceso práctico y efectivo de analítica de datos. A continuación he recopilado las ideas más importantes con algunos comentarios personales, derivados de mi experiencia en el campo a fin de aplicar dichas recomendaciones a las empresas de nuestro sector salud en Colombia.

1. “Uno de los mayores errores que las empresas cometen en cuanto a análisis es la desconexión entre la tecnología y las decisiones de negocio reales. Las empresas tienden a recopilar datos por el simple hecho de tener datos, y a desarrollar análisis por el simple hecho de tener análisis, sin pensar en cómo van a utilizar los datos y las capacidades de análisis para informar las decisiones de negocio”.

“Las organizaciones de análisis exitosas siempre están impulsadas por decisiones. Comienzan preguntándose qué decisiones de negocio necesitan datos y análisis, y luego invierten recursos para recopilar los datos adecuados y construir los análisis adecuados”.

El problema y la necesidad de decidir sobre el debe ser superiores a cualquier modelo de analítica que se pretenda realizar. Existe hoy un esnobismo marcado respecto al desarrollo de modelos predictivos que no necesariamente cobran sentido. En nuestro sector no hemos evolucionado más allá de lagos de datos mal estructurados que son capturados sin un sentido claro, a veces por obligación del cargo y no para fungir como insumos a las decisiones empresariales, son pocos los hospitales y aseguradores que realmente han podido utilizar su estructura analítica como fuente generadora de mejores decisiones. Debe invertirse lo necesario en autodefinición.

También le puede interesar: Se destinarán $3.5 billones de la adición presupuestal al sector salud

2. “Es igualmente importante tener los talentos adecuados en la organización que hablen tanto el lenguaje de análisis como el de los negocios, para que puedan ser el puente entre la tecnología y los tomadores de decisiones de negocio. Estos empleados comprenden las necesidades empresariales y cómo se pueden utilizar los análisis para satisfacer esas necesidades; al mismo tiempo, pueden comunicar la solución tecnológica a los tomadores de decisiones de negocio de una manera comprensible e intuitiva, en lugar de entregar una “solución de caja negra” que difícilmente es adoptada por los humanos”.

Un buen científico de datos lo es particularmente por dos elementos diferenciadores: el conocimiento de dominio y la capacidad de entender el negocio y la estrategia. No basta con tener personal entrenado en lenguajes de programación, preprocesamiento y modelación, el aporte diferencial de estos profesionales se encuentra en ser el acople entre lo que los datos dicen y lo que la empresa necesita. Infortunadamente en nuestras empresas los departamentos de tecnologías e información se encuentran dedicados a resolver peticiones de la operación diaria y no a este fin. 

No olvide leer: Así se transformaría la gestión de medicamentos en el nuevo sistema

3. La estrategia para construir una práctica de análisis es simple. Primero, identificar tres fuentes de casos de uso y empezar a construirlos. Las tres fuentes incluyen:

Casos de uso que apoyan las métricas de nivel C (piense en ingresos, costos y riesgos).

Procesos de negocio que pueden ser apoyados por análisis y paneles de autoservicio.

Actividades que deben hacerse por cumplimiento.

Es clave hacer una taxonomia operacional de estas tres fuentes ya que muchas veces se destinan recursos importantes a actividades que no son estratégicas para la evolución de la empresa, esto especialmente a las actividades de cumplimento exclusivo. Las metricas de nivel C en nuestras empresas del sector salud son muy básicas, volumétricas y no persuasivas, es decir no aportan mucho a la discusión gerencial, pero lo más grave es que son los mismos gerentes quienes no se percatan de dicho inconveniente. Los directivos deben ser lo suficientemente valientes para tomar decisiones intuitivas generadas por las dinámicas de su sector (oportunidades), pero también lo suficientemente cautelosos para esperar mejores insights de su proceso de analítica para las operaciones críticas del negocio.

No olvide leer: Cómo hacer con los médicos lo que la ministra (tal vez) quiso decir y no dijo…

4. “Desarrolle un nuevo lenguaje organizacional basado en modelos habilitados para datos. Las tecnologías de datos y análisis son un habilitador crítico para crear procesos y sistemas de toma de decisiones y flujo de trabajo inteligentes. Dicho esto, muchas empresas piensan en esto a través de una lente técnica y no se dan cuenta de que este es un desafío organizacional de extremo a extremo.

La oportunidad de diseñar procesos de toma de decisiones inteligentes surge de la capacidad de detectar el entorno organizacional mejor que nunca. Requiere un nuevo lenguaje organizacional basado en modelos habilitados para datos. Las organizaciones deben comprender profundamente sus procesos de toma de decisiones existentes y los datos que generan, y luego desarrollar capas de modelos habilitados para datos para permitir el diseño de procesos de toma de decisiones inteligentes e innovadores. Para tener éxito, es fundamental que las organizaciones comprendan y gestionen los cambios necesarios en los derechos de decisión y las definiciones de roles de la fuerza laboral”.

Hay dos conceptos que vienen cobrando mucha fuerza en el sector salud, uno de ellos es este de modelos habilitados para datos, pero para ellos debemos primero superar las fases primarias en las que nos encontramos ademas de la fricción del gobierno de datos, y una muy importante para los modelos envolventes como es la de los entornos sensibles al contexto que involucran además tecnologías de medición de dicho contexto y alojamiento de metadatos necesarios para la evolución de las perspectivas. Un gerente de empresas de salud debe empezar a interesarse y entrenarse en estos modelos y ser un buen gobernador del dato.

No olvide leer: Transformando la Ecuación del Riesgo en Salud

5. “Con toda la emoción alrededor del aprendizaje automático, es fácil olvidar que las predicciones son más útiles cuando informan la toma de decisiones. He visto organizaciones implementar modelos predictivos que no iban a informar sobre decisiones reales en absoluto.

Pero incluso si un modelo predictivo se utiliza directamente en la toma de decisiones, mejorar las predicciones no siempre mejora las decisiones. En cambio, las nuevas capacidades analíticas son más poderosas cuando se realizan para abordar casos de uso empresariales específicos con el fin de mejorar la toma de decisiones”.

La rimbombancia de algunos modelos predictivos (CART, ensambles, multistacking etc) a veces hacen perder la percepción de su real utilidad y su enfoque. Las capacidades de analñitica avanzada solamente cobran sentido en un entorno empresarial habilitado para los datos. Conozco pocos casos en el sector colombiano que se encuentren trabajando efectivamente en ellos, posiblemente la Fundación Cardiovascular de Colombia y el Centro de para el Tratamiento e Investigación en Cáncer -CTIC, los cuales están construyendo un ecosistema de captura y alojamiento de bases de datos relacionales que alimenten efectivamente a su proceso estrategico y operativo.

Le puede interesar: Logran predecir riesgos de la prescripción de opioides con inteligencia artificial

6. “Las empresas que construyen un proceso analítico deben tener definiciones y prácticas consistentes. La base para el análisis confiable es el consenso sobre cómo se definen las métricas básicas y cómo se realizan los análisis comunes.

“Este es a veces un beneficio indirecto más de establecer un sistema centralizado para experimentos aleatorizados (pruebas A/B y más allá): a menudo requiere descubrir qué métricas aparecerán al analizar una prueba determinada, y esto requiere que los equipos se pongan de acuerdo sobre cómo se definen las métricas específicas, ya sea el número de días activos, tiempo pasado en el sitio, o incluso ingresos publicitarios por usuario”.

“Estos beneficios se suman a los beneficios más directos de hacer más fácil la realización de experimentos y hacer que sus resultados sean estandarizados y confiables”.

Este es un punto relacionado de alguna forma con la armonización clínica, es decir, es clave que los equipos de salud definan conjuntamente las métricas que importan y que persuaden a los grupos de trabajo para medir la coherencia de los resultados y por ende las acciones de optimización. Esto tampoco abunda en el sector, conozco unas matrices interesantes de mediciones armónicas para la gestión de decisiones en centros de cuidado clínico como el de reemplazos articulares de la Fundación Santafé de Bogotá.

No olvide leer: Aseguramiento en salud en Amazonas es de”criticidad extrema”

Conclusiones

Solo después de tener clara su rumbo y su estrategia se puede definir un entorno de datos con sentido, la analítica es una técnica que permite optimizar lo que esos datos le van a entregar, pero si usted no sabe para qué es como tener un diamante en el bolsillo de un ciego que lo puede confundir con una simple piedra.

Defina los problemas claramente, luego la estructura alimentadora de potenciales soluciones y el perfil del equipo que se necesita, asegúrese de incorporar expertos de dominio y de negocio a los de tecnología y analítica. No tenga miedo a iterar varias veces y tampoco a tirar a la caneca modelos predictivos mediocres por mas nombre moderno que estos tengan.

En medicina la armonización clínica y la gestión de la variabilidad es un producto de alto valor, no escatime en gastos para medirlo e intervenirlo.

Le puede interesar: El sistema general de seguridad social en salud frente al eventual futuro del sistema de salud en Colombia

Temas relacionados

Compartir Noticia

Facebook
Twitter
LinkedIn
WhatsApp
Noticias destacadas
Más Noticias

Escríbanos y uno de nuestros asesores le contactará pronto

Reciba atención inmediata mediante nuestros canales oficiales aquí:

Preinscríbete y recibe información ampliada
XIX Congreso Nacional de Salud

* Todos los campos son requeridos

Días
Horas
Min.
Seg.
Tu carrito de compras está vacío.

Volver a la tienda

¡Gracias por su información!

El formulario ha sido enviado exitosamente, por favor verifique su bandeja de correo electrónico, enviaremos información ampliada sobre el XIX Congreso Nacional de Salud.

Pronto uno de nuestros asesores te contactará.