Comment intégrer les données de grandes

Juste avoir accès à des sources de données grand ne suffit pas. Vous aurez besoin d'intégrer ces sources. Bientôt il y aura pétaoctets de données et des centaines de mécanismes d'accès pour vous de choisir. Mais qui ruisselle et quels types de données avez-vous besoin?

• Comprendre le problème que vous essayez de résoudre

• Identifier les processus impliqués

• Identifier les informations nécessaires pour résoudre le problème

• Rassembler les données, processus, et analyser les résultats

Ce processus peut sembler familier parce que les entreprises ont fait une variante de cet algorithme pour des décennies. Alors est grand données différent? Oui, même si les entreprises ont été aux prises avec de grandes quantités de données opérationnelles pour les années, Big Data lance un nouveau types des données dans vie professionnelle et personnelle des gens.

Flux Twitter, les messages Facebook, les données du capteur, les données RFID, les journaux de sécurité, des données vidéo, et bien d'autres nouvelles sources d'information apparaissent presque quotidiennement. Comme ces sources de données importantes apparaissent et se développent, les gens essaient de trouver des moyens d'utiliser ces données pour mieux servir les clients, partenaires et fournisseurs. Les organisations sont à la recherche de façons d'utiliser ces données pour prédire l'avenir et de prendre de meilleures actions.

La santé est l'un des domaines les plus importants et les plus complexes de l'investissement aujourd'hui. Il est également un domaine qui produit de plus en plus de données en plus de formes que la plupart des industries. Par conséquent, les soins de santé est susceptible de bénéficier grandement de nouvelles formes de gros volumes de données. Les fournisseurs de soins de santé, les assureurs, les praticiens chercheurs, et de la santé prennent souvent des décisions au sujet des options de traitement des données qui est incomplet ou non pertinents pour des maladies spécifiques.

Une partie de la raison de cette différence est qu'il est très difficile de recueillir efficacement et traiter des données pour chaque patient. Les éléments de données sont souvent stockés et gérés dans différents endroits par différents organismes. En outre, la recherche clinique qui est menée partout dans le monde peut être utile pour déterminer le contexte de la façon dont une maladie ou d'une maladie spécifique pourraient être abordées et gérées.

Appliquer l'algorithme à un scénario de soins de santé de données standard:

1. Comprendre le problème que nous essayons de résoudre:

2. Nécessité de traiter un patient avec un type spécifique de cancer

3. Identifier les processus impliqués:

4. Le diagnostic et de test

5. L'analyse des résultats, y compris les options de traitement de la recherche

6. Définition du protocole de traitement

7. Surveiller le patient et d'ajuster le traitement selon les besoins

8. Identifier les informations nécessaires pour résoudre le problème:

9. Les antécédents du patient

10. Le sang, des tissus, des résultats de test, et ainsi de suite

11. Les résultats statistiques d'options de traitement

12. Rassembler les données, processus, et analyser les résultats:

13. Commencer traitement

14. Surveiller le patient et d'ajuster le traitement selon les besoins

    

Ceci est la façon dont les médecins travaillent avec des patients aujourd'hui. La plupart des données est locale à un réseau de soins de santé, et les médecins ont peu de temps pour aller à l'extérieur du réseau pour trouver les dernières informations ou de la pratique.