El viaje del análisis predictivo

Entonces, ¿cuál es la base para la innovación y la transformación?

Nuestros líderes deben sostener el espejo y preguntar "¿la información que estoy recibiendo me está ayudando a tomar decisiones y tomar medidas efectivas lo antes posible?" Luego pregunte "¿puedo obtener más de mis datos para lograr mejores resultados?".

El apuntalamiento básico de todos los análisis es: Datos - Perspicacia - Acción.

Los líderes astutos y visionarios se han dado cuenta de que a medida que las organizaciones se vuelven más complejas, centralizadas, globalizadas y digitalizadas, también se han vuelto ricas en datos, pero la percepción es pobre y aislada. Algunos han perdido de vista lo básico en la prestación de servicios. Hay tantas fuentes de datos que se capturan y almacenan en múltiples ubicaciones: una tormenta de datos que se arremolinan con un valor sin explotar. Datos; Uno de los activos más valiosos en cualquier organización se está perdiendo. No es raro que los fideicomisos de atención médica tengan cientos de sistemas operativos que tengan un gran valor latente.

La gobernanza sobre la eficiencia, la eficacia y la legitimidad es subóptima. En muchos casos mediocres en el mejor de los casos. Si utiliza un enfoque basado en datos y "convierte algunas piedras", las oportunidades caerán a sus pies con bastante facilidad.

Y aquí es donde emergen los disruptores en el sector público. Nuestros innovadores tratan los datos como un imperativo estratégico crítico, usándolos para iluminar cada parte del negocio. Están "abriendo" la cultura y la entrega de la organización utilizando un modelo moderno de análisis. El negocio está tomando la iniciativa; democratizando e industrializando cada bit del tablero a la línea del frente; creando una línea de visión o hilo dorado. La gente, el proceso y el sistema quedan al descubierto para su escrutinio y mejora. La mayor parte de este escrutinio está en manos de la "línea de frente": capacitar a las personas más cercanas a la decisión y la acción. La aplicación de estos enfoques cambia la seguridad, la productividad, la calidad y los resultados generales y, en última instancia, la cultura de entrega. No se trata de producir paneles con KPI, se trata de proporcionar inteligencia accionable para impulsar el negocio. Pensamiento diferente.

Una vez que haya construido su plataforma de análisis y conectado sus datos, los innovadores comienzan a pensar en subir la curva de inteligencia de negocios. La curva de inteligencia empresarial muestra la relación entre cómo las técnicas analíticas más avanzadas producen una mayor ventaja competitiva. Los innovadores están cambiando el conocimiento de los datos sin procesar a través de un enfoque descriptivo, diagnóstico y predictivo para finalmente un enfoque prescriptivo en un enfoque de hoja de ruta rápida. Los enfoques tradicionales en cascada no lo cortan: un enfoque ágil devuelve valor al negocio en semanas; no años.

Subiendo la curva y emprendiendo el viaje de análisis predictivo

Una vez que se conserva la presencia de bbins barbudos en habitaciones oscuras, la tecnología de análisis predictivo ahora es fácilmente accesible y asequible para el sector público. La tecnología se ha estado moviendo tan rápido en este campo; El factor limitante es la confianza y la creatividad para explotar lo que ofrece. Puede implementar análisis analíticos predictivos mediante la integración de Python / R o software de modelado visual como Big Squid / Data Robot en su plataforma de análisis. Realmente puede comenzar rápidamente si tiene la visión, la ambición y el conocimiento.

Entonces, ¿cómo funciona en términos simples?

La probabilidad es la lógica que sustenta el análisis predictivo; Algoritmos que trabajan las "matemáticas" para generar la probabilidad de que ocurra un evento.

Una vez que haya preparado el flujo de datos 'vital' (el bit más importante), puede construir y entrenar sus modelos en los resultados clave (el objetivo) que desea cambiar, por ejemplo; Riesgo de vulnerabilidad (cualquier agencia), duración de la estadía (atención médica), riesgo de delincuentes (aplicación de la ley), riesgo CSE (Autoridad Local), alto riesgo de inundación de carreteras (autopistas) y pronósticos de demanda (cualquier agencia). El modelo identificará los predictores clave que influyen en el resultado objetivo a partir de un verdadero enfoque basado en datos. Cuando se ejecuta con sus nuevos datos, el modelo genera una puntuación de riesgo o probabilidad de que ocurra el resultado.

La evaluación es clave; comprenda la precisión de sus modelos y las limitaciones clave. Pruébelos en el campo, identifique las mejoras del modelo y apunte para una mejor precisión. Recuerda, modelar es un viaje.

¿Qué tipo de recurso necesita para realizar un modelo predictivo? Algunas partes de la industria privada puede requerir un "acaparamiento" de científicos de datos cuando extraer una ganancia del modelo del 1% significa un beneficio mundial de varios millones, sin embargo; Este no es el caso del sector público. Un científico de datos, contratado o entrenado internamente puede tener un impacto significativo en la organización.

Los factores críticos de éxito son: simplicidad, conexión con los conductores de negocios operativos, desarrollo de modelos en su plataforma de análisis, desarrollo de tareas operativas. Despliegue sus modelos y actúe. Con la combinación de la tecnología adecuada y un científico de datos, debe haber un conjunto de 'rollos de información de Royce' a su alcance. Incorpore su análisis en flujos de trabajo y procesos de asignación de tareas.

Y este es el punto clave: proporciona una fuente de conocimiento basada en evidencia que permite a un profesional tomar mejores decisiones más a menudo. En el sector público, las cosas son complejas y requieren sabiduría. La gente es buena en esto; Los algoritmos no lo son. Aplique un enfoque pragmático y de sentido común a los resultados y se construirá una confianza, y se generarán buenos resultados. El mundo esta cambiando. Deben adoptarse técnicas automatizadas y aumentadas de administración de riesgos para ayudarnos a todos a enfrentar los dilemas éticos que enfrentan las organizaciones de hoy en día.

¿Qué están haciendo en el cuidado de la salud ...

Un número creciente de aplicaciones predictivas que se utilizan para respaldar las oportunidades de intervención temprana.

Wrightington Wigan y Leigh (Reino Unido NHS) analiza cómo los análisis están impulsando nuevas formas de administrar y mejorar el rendimiento de A&E. Han desarrollado una aplicación con capacidades predictivas que busca pronosticar y respaldar mejores decisiones de gestión de recursos y riesgos. Revisan y revisan los resultados cada dos horas para mejorar el servicio entregado al público.

Morece Bay (UK NHS) ha desarrollado una aplicación de prevención de accidentes cerebrovasculares para apoyar la reducción de este problema que cambia la vida. Es único al reunir datos de atención primaria y aguda, y poner esto en manos de nuestros profesionales de la salud. Este pionero es apoyar el desarrollo de una cultura innovadora y transformadora.

En Australia, Aginic (socio de Qlik) ha desarrollado una aplicación predictiva de duración de la estancia. Cuando el paciente se presenta, se presenta la información de detección inicial, y el algoritmo calcula la duración de la estadía predictiva para permitir un mejor tratamiento y un paquete para el cliente. También permite una forma basada en evidencia para administrar mejor el manejo de la cama más arriba en el proceso de flujo del paciente.

Otros ejemplos incluyen la calificación de riesgo para enfermedades crónicas, reingresos en el departamento de emergencias, citas en caso de no presentarse, satisfacción del paciente y autolesión del paciente .

¿Qué están haciendo en el cumplimiento de la ley?

Avon y Somerset Police han implementado análisis y visualización predictivos de una manera industrial para resolver algunos problemas empresariales muy reales. A escala, entender el riesgo, la escalada de riesgo y perfilar a las personas vulnerables todos los días simplemente no es posible mediante el uso de técnicas tradicionales. Además, la investigación en tiempo real de personas dentro de un contexto de comando y control consume mucho tiempo, ya que cada minuto puede comprometer una respuesta más efectiva. El tiempo general para investigar temas toma una cantidad significativa de tiempo en toda la organización. La intervención temprana es de misión crítica cuando se trata de prevenir daños.

La aplicación desarrollada para el análisis de riesgos y personas vulnerables proporciona perfiles de sujetos y descripciones rápidas y simples para permitir la comprensión del riesgo y las oportunidades de intervención temprana. La aplicación se ha incorporado a los perfiles de roles, procesos de asignación de tareas y rendición de cuentas.

Información analítica:

• 600,000 personas calificadas cada día.
• Riesgo de riesgo.
• Se pueden identificar personas vulnerables con riesgo creciente.
• Perfiles de personas y cohortes en una fuerza, área policial local y nivel de latidos en segundos.

Gobierno local...

Un buen ejemplo de cómo se aplican los análisis predictivos se encuentra dentro de un Programa de Familias Preocupadas, con sede en la Ciudad de Bristol del Reino Unido. Han reunido la imagen más completa de los problemas sociales que enfrentan las familias que la ciudad ha visto.

El Programa de Familias Preocupadas está diseñado para ayudar a las familias que luchan con factores como la deuda, la falta de vivienda, los problemas de salud mental, la violencia doméstica, la paternidad pobre, Enfermedad o abuso de sustancias. Los socios incluyen el consejo, la policía, la salud pública y el servicio de asistencia social.

El proceso de reunir a más de 30 conjuntos de datos de forma segura (muy importante), y en una manera oportuna, ha resultado fundamental para el éxito del Programa de Familias con Problemas de Bristol. Los datos se derivaron de eventos individuales, agrupados por persona, antes de integrarse en entidades familiares y domésticas agregadas. Se prestó especial atención a la coincidencia de entidades entre conjuntos de datos: reconocer la calidad del conjunto de datos permitirá utilizar enfoques analíticos más avanzados. No fue fácil. Hubo desafíos para compartir y reconciliar los conjuntos de datos, la renegociación con los socios existentes y la participación de otros nuevos fueron los temas clave que se deben superar.

Una parte importante de este proceso ha sido el uso de análisis predictivo para comprender el riesgo individual para los miembros en el esquema. Esto abarca desde la vulnerabilidad del abuso doméstico, los jóvenes que están en riesgo de conflicto callejero y la vulnerabilidad del comportamiento antisocial y el abuso sexual infantil.

¿Nos estamos deslizando hacia un enfoque de servicios integrados?

La aplicación de la verdadera analítica predictiva en el sector público Tiene, y sigue siendo bastante limitado, pero hay un gran apetito para cambiar esta imagen. Hay muchos líderes en el sector público que son grandes visionarios. También invierten para capacitar a su personal para empujar nuevos límites tecnológicos dentro de las limitaciones de su estructura de tecnología de la información. La gente está empezando a 'captar' el potencial de esta tecnología. Hay un verdadero impulso por parte de los líderes para 'hacer que suceda'.

Los mejores resultados públicos no son propiedad exclusiva de una sola agencia, sino que casi siempre son una combinación de todos ellos. Tomemos el crimen; ¿Es la policía la responsable de reducir el crimen? no, es una combinación de servicios de salud, libertad condicional, el consejo y muchos otros. A menudo, los primeros signos de activación temprana (predictores) son de agencias como la salud, por ejemplo, un adulto vulnerable acaba de comenzar a consumir drogas nuevamente, o está bebiendo más alcohol, etc., a menudo es el camino hacia el crimen.

El hecho de que la tecnología predictiva funcione en todas las agencias permitirá una actividad de prevención dirigida lo más pronto posible: pasar de la retrospectiva a la previsión.

Todas las agencias están intentando abordar el tema de la reducción de recursos, al tiempo que satisface una mayor demanda. Hay una fuerte inversión y visión para desarrollar aún más los servicios integrados, y el rol de big data y el análisis predictivo es fundamental para el éxito y el futuro de los servicios públicos.

Envolviéndolo...

El tratamiento en lugar de la prevención reducirá los servicios hasta un punto de rendición . Crear un sector público sostenido y exitoso. Debemos reducir la demanda, el riesgo y el daño, lo antes posible. La tecnología predictiva, cuando se aplica con confianza y creatividad, puede transformar una organización. Nuestros líderes pueden adoptar planos establecidos para el éxito y comenzar el viaje ahora.