Internet of Events
Big data
Datascientist: beroep van de toekomst
Vult u maar in. Internet of…… Volgens hoogleraar (TU/e) Wil van der Aalst (auteur van een recente publicatie in Computable) vormen databronnen samen het Internet of Events. Verder onder te verdelen in de domeinen content, people, loactions en things. Een terrein waar datascience zich op richt. Als zodanig niet nieuw, maar wel waar het gaat om de schaalgrootte, methoden en techniek aldus van der Aalst in het artikel. Die schaalgrootte betekent dat we in een onderzoeksopzet een hele populatie kunnen analyseren (en niet meer hoeft te worden volstaan met een steekproef). Al die data moeten worden gevonden, geëxtraheerd, geraffineerd, verwerkt, opgeslagen en getransporteerd voor verwerking. Er ontstaan ook voortdurend nieuwe businessmodellen. De veranderingssnelheid is dusdanig groot dat systemen voortdurend moeten worden aangepast…
Booking.com
Dat leidt tot experimenten ( Redactie: denk aan de recente rel rond misleiding bij booking.com). Bij het ontwerpen en analyseren kan processmining een belangrijke bijdrage leveren. Zelf schreef ik daar ook al over. Van der Aalst houdt een pleidooi voor het combineren van data analyse met deze procesmining tools. Zo verlopen in ziekenhuizen behandelprocessen vaak totaal anders dan beschreven in de richtlijnen. Het verschil tussen model en werkelijkheid kan nu boven tafel komen. Ook activiteiten die ten onrechte zijn overgeslagen (bijvoorbeeld anesthesiologisch onderzoek voorafgaande aan een operatieve ingreep) komen bovendrijven. Het is dus veel meer dan louter statistische verbanden ontdekken. De dynamiek wordt zichtbaar. Het is wel zaak om de echte events bij te houden en de expertise van de analist wordt cruciaal. De datascientist heeft de toekomst.
Walter Vanherle, Process Mining Camp 2013 TU/e
Durf nodig! Internet of Healthcare?
In ziekenhuizen wordt voor analyse kennelijk veelal gebruik gemaakt van declaratiegegevens (DBC). Toch is dat maar een deel van het verhaal. Het wordt al interessanter als deze gegevens gekoppeld worden aan andere (eigen) registraties op afdelingsniveau. Want er blijken vaak aanzienlijke discrepanties tussen factuurgegevens en patiëntregistraties. Een stap dieper is procesmining van omschreven patiëntengroepen aan de hand van logfiles. Dan dan blijkt pas waar die werkelijkheid uit bestaat. Overgeslagen procedures, complicaties e.d. worden zichtbaar voor de insider. Het is meer dan aannemelijk dat dit inzicht snel kan leiden (feedback) tot doelmatiger en veiliger inrichting van het zorgproces. In een tijd van bezuinigen kan dit combineren van data-en procesmining de weg wijzen naar zinvolle interventies. Een stap verder is dat we de ziekenhuis gegevens weten te verbinden aan vergelijkbare informatie uit de eerste lijn. Internet of Healthcare?
[…] Taco te Gussinklo writes about the Internet of Events and generates a lively discussion about the applicability in the healthcare domain (in […]
Beste Jan Taco.
Best practices hangen erg af van de onderliggende architectuur of software programma’s, en de manier waarop die benaderd kunnen worden. En van het enthousiasme van personen als boven beschreven. Die zullen van plaats tot plaats verschillen. Dat betekent dat er verschillende oplossingen mogelijk moeten zijn dan wel nagespeurd dienen te worden. Zoals aangegeven heb ik zelf met small data al problemen. Creatieve mensen als Ronny die actief zijn in process mining in de zorg worden in ieder geval door mij node gemist.
Dank voor de diverse reacties. Early adopters zijn er dus zeker. Nu de volgende fase. Kunnen we ‘best practices’ identificeren?
Inderdaad is het “Internet of Healthcare” de toekomst. Dit zal nog wel enige inspanningen vergen. Het helpt echter de tijd 10-15 jaar terug te zetten om te beseffen wat al allemaal mogelijk is.
Op veel plaatsen is “small data” al een uitdaging. Positief is echter dat veel managers de waarde van goede data beginnen te beseffen. Ook nieuw opgeleide mensen (data scientists, of nog beter, process scientists) zullen geen genoegen nemen met de totale afwezigheid van uitermate voor de hand liggende data.
Process mining zal hierbij natuurlijk een rol spelen: het gaat om betere processen en diensten/producten en niet alleen om veel data!
Mijn ervaring is dat in dit soort situaties de kunst is om de mogelijkheden eerst voorstelbaar te maken. Zoals hierboven staat “wanneer men de eerste resultaten ziet dan zijn mensen direct erg enthousiast”. Zodra mensen de mogelijkheden echt zien, kunnen ze zelf met een nieuwe blik meekijken naar de schat waar ze op zitten en zullen ze eerder geneigd zijn mee te denken in oplossingen voor de problemen die zich voordoen bij het delen van informatie. Stap 1 is dus een aansprekend voorbeeld. Daarbij is het niet erg wanneer dat voorbeeld niet perfect is. Dat kan zelfs een voordeel zijn, omdat het daarmee direct duidelijk wordt dat het nog beter kan en mensen uitgedaagd worden daar aan mee te werken. Ook big data dus klein beginnen.
Ik ben zelf zeer actief met process mining in de zorg aangezien ik in een wetenschappelijk project hiervoor werkzaam ben. Zie ook de website.
Wanneer ik de techniek bespreek binnen ziekenhuizen dan merk ik dat mensen hiervan nog niet op de hoogte zijn. Echter, wanneer men de eerste resultaten ziet dan zijn mensen direct erg enthousiast en willen ze het graag toepassen voor meerdere zorgprocessen.
Een belangrijk aspect is natuurlijk de beschikbaarheid van data. Vaak heb ik gebruik gemaakt van DBC-data. Echter, daar kleven de nodige nadelen aan. Voorbeelden zijn ontbrekende registraties, onnauwkeurige of ontbrekende tijdstempels, etc.
Daarom hebben we in een onderzoek gekeken naar het totale ziekenhuis om te zien welke process mining data aanwezig is. Voorbeelden zijn afsprakensystemen, ordersystemen, OK-systemen, EPD, enz. Er is een gigantische schat aan informatie beschikbaar waarvan mensen simpelweg niet op de hoogte zijn. Toegegeven het kan behoorlijk wat inspanning vergen om de benodigde data te krijgen maar de verkregen inzichten zijn vaak zeer waardevol. Bijvoorbeeld, bij een academisch ziekenhuis hebben we door data te krijgen uit de zogenaamde ‘change logs’ informatie verkregen over de interne wachttijden op een poli. Normaliter wordt deze informatie verkregen door handmatige metingen. Met process mining is dit automatisch verkregen.
Process mining heeft de toekomst!
Beste Jan Taco.
het volgende voorbeeld komt rechtstreeks uit de praktijk van een groot ziekenhuis 🙂 ;
we schrijven als datum ergens begin april 2014!
Vraag van mij aan onze afdeling ICT / gegevensbeheer:
“Wij willen graag monitoren dat huisartsen over patiënten op tijd een brief krijgen.
Daarom behoefte om -gekoppeld aan huidige patiënten- overzicht te hebben van verzonden brieven, c.q. datum van de laatste brief.
Zou dat technisch mogelijk zijn, zo ja, hoe?”
Antwoord:
“ik heb ivm uw vraag contact gehad met mw ……..;
van haar kreeg ik toegelicht dat zij geen directe mogelijkheden zag.”
Big data? Not even small data! Dream on, baby
Ik onderschrijf de ideeën van Wil van der Aalst, ziekenhuizen zitten op een schat aan data. De waarde ervan moet niet worden onderschat. Ondanks de veelbelovende technieken is het maken van informatie uit deze ruwe data nog verre van triviaal. Kennis en kunde rond de nieuwste data science technieken is in de meeste ziekenhuizen nog niet aanwezig. Hierdoor wordt de waarde ervan vaak niet gezien en is er weinig animo hierin te investeren. In de Isala is mede door onderzoek samen met vd Aalst inmiddels de nieuwsgierigheid gegroeid en wordt op groeiende schaal geïnventariseerd en geëxperimenteerd waar deze data onderzoeken en toegevoegde waarde kunnen hebben voor het (continue) verbeteren van de zorgprocessen en de ondersteunende diensten.