作者：Jonathan E. Helm
Jonathan E. Helm，运营和决策技术助理教授
印第安纳大学凯莱商学院

大数据似乎带来了无穷的机遇。大数据似乎无处不在，渗透万物之中——嵌入在电子商务、社交媒体和电子病历中。无论规模大小，企业都面临着利用海量数据实现业务转型的机遇。但是， “如何做到”这点，我们不知？我们如何真正地利用大数据？

这是印第安纳大学凯莱商学院正在试图解决的问题。我们有机会与IBM合作，帮助将大数据课程整合到我们的教学计划中，确保我们的学生不仅仅学习到大数据的基础知识。例如，我们其中一门课程是通过让学生了解如何在Hadoop上使用IBM InfoSphere BigInsights处理大量结构化数据来介绍大数据的概念，并允许他们开发Java MapReduce应用程序。

我还有机会利用大数据开展自己的研究项目。例如，我目前负责的一个研究项目主要关注大数据如何帮助改进“患者安排”的特定业务流程。这像一个正常的业务任务，是吧？但事实上，患者安排工作的背后有许多工作要做。

例如，由于床位数量有限，医院必须尽可能高效地调度各项程序。患者安排是提高医疗质量和财务稳定性的基础。

医院中的患者负荷每天存在很大差异，而且难以预测，这使得管理与住院治疗相关的昂贵医疗资源极具挑战性。患者负荷的这种可变性带来的结果包括患者安全、医疗质量和服务便利性降低，同时引起成本、护士的工作不满意度和人员流失率的提高。此外，病房的人满为患可导致患者被转移到不能满足其需求的病房 – 或者更坏的情况是，导致程序取消，或者将患者转到另一家医院。

可喜的是，大数据在医疗领域中的应用有助于开发我们的业务模式，以帮助医疗机构更具战略性地安排患者的治疗程序，并避免人满为患、转院治疗和取消的情况发生。

我们的研究利用大数据的能力对未来30天的患者负荷做出准确预测。这些先进的知识允许医院主动计划突如其来的患者负荷增减，更有效地管理资源，从而消除当前医院普遍存在的“救火”模式。另外，我们能够进一步将医院工作负载预测数据与我们基于业务分析概念开发的智能调度系统进行整合，用于推荐手术安排，从而减少工作负载的变化。这样，医院能够实现更加一致且可预测的工作负载，从而为更多患者服务，减少拥挤现象。

通过利用业务分析，我们已于美国、荷兰、新加坡和加拿大的大中小型教学和非教学医院合作了超过四年时间。我们通过对先前研究与仿真模型进行推断，进行分析模型开发，而该模型已经通过四家合作医院提供的长达一年的历史原始患者数据得到了验证。

20世纪90年代，我们同步进行了蜂窝通信的研究。手机用户在移动过程中会从一个基站切换到另一个基站。研究预测了基站间的流量。手机用户在一个基站中停留多长时间？用户接下来会转移到哪个基站？这种移动模式与患者在医院中的移动路径并无区别。

换句话说，这不再是简单的“登记 — 占用床位 — 结账离开”。

我们的模式更好地反映了典型患者在医院中停留时间的现实情况，且成效显著。我们的决策工具使医院管理层能够根据自己的战略目标灵活地确定最佳安排，而非接受未经考虑所有可能因素的强制安排。我们相信，一旦医院使用这种工具优化日程安排，它就仅需实施该工具提供的简单决策，这样便能提高效率，并降低成本。

利用大数据开展这些项目让人振奋不已，而且我也看到了在这个方面拥有必要技能是何等重要。