Способ вернуться к «новой норме», когда наша национальная экономика развивается, работники возвращаются на работу, а наши дети снова в школу, - это обширная стратегия обработки данных, вносимая пользователями, и простой, итеративный план выполнения

Примечание автора. Эта статья была написана 6 апреля, за несколько дней до широко распространенного объявления Google Apple об их сотрудничестве (см. Партнеры Apple и Google по технологии отслеживания контактов COVID-19 » , 10 апреля 2020 г. на Apple.com).

Резюме

Глобальная борьба с COVID-19 унесла огромные человеческие жертвы, а также унесла жизни экономического благополучия. К сожалению, на момент написания этой статьи конца еще не видно. Тезис этой статьи заключается в том, что необходима массовая распределенная система сбора данных на индивидуальном уровне, чтобы упреждающе выявлять симптомы, диагностировать вирус, а также с большим успехом разрабатывать иммунизацию и терапию. Кроме того, такая система раннего предупреждения позволит местным, региональным и национальным органам власти гораздо лучше использовать критически важные ресурсы, в конечном итоге спасая жизни. Решение заключается в сборе на индивидуальном уровне с помощью распределенной сенсорной технологии, которая использует существующее и новое оборудование и программное обеспечение, включая телефоны и носимые устройства, и управляется надежной инфраструктурой для обеспечения законного, соответствующего и надлежащего использования этих конфиденциальных данных для достижения важных целей в текущая борьба с COVID-19, а также будущие бои, с которыми мы, несомненно, столкнемся. Такая система может быть запущена в течение нескольких недель и требует срочного сотрудничества со стороны правительства, промышленности, медицины и других ключевых заинтересованных сторон.

Введение

У меня никогда не было возможности работать в ключевом секторе здравоохранения. Как специалист по продуктам данных и аналитики и академик, я сосредоточился в первую очередь на продуктах поддержки принятия решений на основе данных для финансовых услуг, розничной торговли, путешествий, лояльности и корпоративного маркетинга. Это, без сомнения, динамичные, сложные рынки, но, поскольку мы находимся глубоко в муках COVID-19, они кажутся менее актуальными, чем борьба, с которой борются система здравоохранения, специалисты здравоохранения и вспомогательный персонал.

Недавняя эпидемия дала мне возможность поразмышлять о многих сходствах между финансовыми (и аналогичными рынками) и отраслями здравоохранения с точки зрения управления данными. Что я и другие специалисты в области данных и аналитики, глубоко укоренившиеся в так называемых «второстепенных» рынках, могу предложить системе здравоохранения, чтобы помочь им в их нынешней битве, а также в возможных будущих эпидемиях? И ... как мы можем использовать эти уроки, чтобы вернуть нашу экономику в норму и вернуть жизнь к «нормальному» состоянию?

Подход

Отчасти ответ заключается в улучшенном управлении данными, в частности в диагностических аналитических возможностях. Например, в сфере финансовых услуг и розничной торговли мы высоко ценим массовый сбор данных из банковских операций с клиентами или операций по покупкам.

Каждый из нас ежемесячно совершает сотни или тысячи транзакций с использованием наших кредитных и дебетовых карт в магазинах и в Интернете. Эти массивные источники данных предоставляют банкам, кредиторам, розничным торговцам и другим лицам возможность использовать эти данные, когда это разрешено, чтобы лучше понять профили клиентов, прошлое и текущее поведение. Затем они могут прогнозировать свои будущие действия, известные как модели склонности, что позволяет фирмам оптимизировать приобретение и ценообразование на продукты для выявления мошенничества и обеспечения лояльности.

Что было бы эквивалентным массивом транзакционных данных, который могли бы использовать профессионалы в области здравоохранения, чтобы лучше понимать своих пациентов / клиентов?

К сожалению, его нет, и отсутствие такого ресурса, на мой взгляд, является самой основой проблем, с которыми сейчас сталкивается мир, пытаясь наверстать упущенное в борьбе со смертоносным глобальным вирусом, что пока невозможно. сделать прививку, чрезвычайно трудно обнаружить на ранних стадиях и успешно лечить.

Предложение

Однако одних данных недостаточно для достижения лучших результатов. Что нам нужно, так это усовершенствованные методы непрерывного управления данными, которые определяют цели, которых мы пытаемся достичь, метрики, которые мы стремимся оценивать, и, как следствие, типы требуемых активов данных. Например, в области лояльности целью может быть обнаружение лояльности существующих клиентов, чтобы уменьшить отказ от них. В результате возникает необходимость измерять лояльность с помощью аналитических показателей, что частично достигается за счет сбора данных о транзакциях клиентов от компаний, выпускающих кредитные карты (поскольку большинство покупок в Северной Америке совершается с помощью карт). Без такого подхода компании вынуждены обращаться с брошенными клиентами, когда они аннулируют учетные записи или просто не могут продлить подписку, что является гораздо более сложным, но распространенным делом.

В области здравоохранения целью является способность обнаруживать симптомы COVID-19 на ранней стадии до того, как пациент станет заразным или заболеет, тем самым уменьшая шансы распространения инфекции среди других, уменьшая нагрузку на системы здравоохранения и смягчая последствия. личные и финансовые потери отдельных лиц и семей. Для достижения этой цели требуется механизм раннего обнаружения, способный собирать данные и устанавливать профили здоровья людей на постоянной основе, измерять их с течением времени и выявлять тенденции, а также аномалии.

Базовые данные могут быть в форме основных показателей здоровья, таких как частота сердечных сокращений, уровень кислорода, температура, потоотделение, частота дыхания, режим сна, степень и скорость подвижности. Как специалист в области аналитики, я ожидаю, что специалисты по обработке данных в отрасли здравоохранения будут больше всего заинтересованы в таких данных, чтобы разработать аналитические модели, которые нацелены на корреляцию закономерностей в этих атрибутах данных с результатами, в данном случае с пациентами с COVID-19 и без него. . Те, у которых проявляются явные симптомы, такие как сильная одышка, лихорадка или кашель, уже являются симптоматическими, и их тестирование важно с точки зрения оказания помощи и выявления контактов, но не способствует сдерживанию распространения вируса (аналогично менеджер банка, который связывается с клиентами после того, как они передают ипотеку конкурентам). Однако необходимо также сосредоточить внимание на тех, кто протекает бессимптомно и может быть носителем вируса и, следовательно, в равной степени заразен для других.

Это не означает, что любой из этих атрибутов или составных показателей, безусловно, будет работать, а скорее, чтобы проиллюстрировать, что мы должны начать с широко распространенного целевого сбора основных данных о здоровье, чтобы разработать и проверить модели, которые позволяют достичь поставленных целей. прояснять. Но откуда бы взяться подобным данным?

Одно из предложений может заключаться в том, чтобы сосредоточиться на широкомасштабном скрининге с использованием диагностических наборов COVID-19. Это, по сути, сразу привело бы к результату - просто протестировало всех. Хотя это желательно, это невозможно по нескольким причинам. Первая проблема заключается в том, что тесты берут и отправляют в определенные лаборатории с разным временем обработки. Наборы необходимо производить, они дороги, требуют обученного персонала для администрирования и определенного периода времени для получения результата. В результате в настоящее время они назначаются только тем, у кого проявляются определенные симптомы и / или в ситуациях повышенного риска, что едва ли позволяет достичь цели раннего обнаружения.

Показательный пример: Исландия с очень небольшим населением, проверила 5% своих 350 000 граждан, как сообщает CNN 1 апреля 2020 г. технология) и обнаружили, что у 50% из тех, кто дал положительный результат, не было симптомов. CDC объявил 4 апреля (опубликовано в Политико), что CDC начинает анализы крови для выявления необнаруженных случаев коронавируса, чтобы узнать больше об истинном распространении болезни.

Кроме того, если тесты не проводятся непрерывно в течение определенного периода времени, человек, прошедший тестирование в понедельник, например, может быть инфицирован во вторник, и, хотя исходный тест будет отрицательным, он не отражает текущую ситуацию пациента, в результате в риске для себя и других. Существует острая необходимость в более доступном, широко распространенном, самостоятельном и постоянном методе сбора этих данных.

Более того, нынешняя реальность, при которой глобальная экономика, рынки и нормальные повседневные жизни почти на 100% отключены, не является устойчивой. В конце концов, возникнет необходимость «высвободить» население обратно в общество и экономику, и хотя мы надеемся, что это произойдет с гораздо меньшим риском заболевания, такое решение в настоящее время не предвидится, равно как и механизм для решения проблемы возрождения и будущих событий. . Даже если жизнь вернется к новому нормальному состоянию в течение 2020 года, что произойдет, если мутация этого вируса или новый преступник поднимет голову в 2021 году?

Описанный тип аналитического диагностического решения раннего предупреждения предназначен для постоянного развертывания и использования в качестве неотъемлемой части повседневной жизни, чтобы помочь обнаруживать угрозы и риски на ранней стадии и предотвращать массовые жертвы и негативные последствия для рынка, такие как мы в настоящее время переживаем. См. Следующий NYT от 6 апреля 2020 г. Изоляция не может длиться вечно. Вот как это поднять , что усилило потребность в масштабной распределенной инфраструктуре для сбора данных.

Решение

Ответ заключается в использовании мобильных и носимых или других интеллектуальных устройств (текущие и будущие аппаратные и программные продукты), что по сути превращает каждого человека на планете с мобильным телефоном и / или носимым устройством в узел сбора данных как часть система массового распределенного сбора данных и мониторинга состояния здоровья. По этой теме было написано несколько недавних статей, в том числе Эта компания утверждает, что ее интеллектуальный термометр может помочь обнаруживать горячие точки коронавируса быстрее, чем CDC, - написано Молли Блаудофф-Инделикато на CNBC.com, 2 апреля 2020 года, «Могут ли такие носимые устройства, как Apple Watch, фитнес-трекеры Fitbit помочь в обнаружении коронавируса? », - сказал Майк Фейбус 3 апреля 2020 года в USA Today, а также Estimote запускает носимые устройства для отслеживания контактов на рабочем месте при COVID-19 », Даррелла Этерингтона 2 апреля 2020 г., опубликовано в TechCrunch.

Это позволит проводить ежедневные или непрерывные измерения вышеупомянутых атрибутов (и других) с минимальными усилиями со стороны «клиента» или вообще без них. Данные о геолокации явно дополнят эти данные, добавив к этим атрибутам точное местоположение и схемы передвижения. Всю эту информацию необходимо будет очень тщательно собирать от этих лиц и с высокой степенью защиты, анализировать доверенными сторонами и использовать только для очень конкретных целей. Это не должно игнорировать неотъемлемые риски и проблемы, в первую очередь в отношении управления данными, безопасности и конфиденциальности, а также затраты на оборудование и обслуживание. Все эти проблемы можно решить, и, хотя они и не являются незначительными, они должны казаться вполне управляемыми в условиях нынешнего глобального кризиса, который мы переживаем.

Управление может осуществляться посредством распределенных или федерализованных подходов, обязательных или факультативных. Выгоды от этой программы растут в геометрической прогрессии с увеличением степени участия, учитывая сетевой эффект и реальность, при которой большинство людей не остаются изолированными в течение обычных дней. Отдельная семья получит большую выгоду от такой удаленной диагностики, а район или весь город, штат или регион - даже больше. В качестве неинвазивного и простого в использовании механизма сбора данных, лежащего в основе того, что может быть критической диагностикой и лечением, модель принудительной регистрации или участия может быть подходящей, например, в качестве неотъемлемого компонента систем здравоохранения и права на лечение или привилегий. например, водительское или коммерческое лицензирование.

Хотя предлагается, чтобы определенные атрибуты были доступны центральному, уполномоченному правительством аналитическому центру для раннего обнаружения критических заболеваний, таких как COVID-19, дополнительные инновационные модели обслуживания будут развиваться на основе доступности этих данных. Используя модель Open Banking, поставщики услуг могут обеспечить раннее обнаружение, а также постоянный мониторинг других заболеваний, возможно, за определенную плату. Например, можно отслеживать раннее начало диабета, сердечных заболеваний или рака, дополняя существующие медицинские практики, которые собирают и анализируют данные гораздо реже и почти никогда не проактивно, а только после появления определенных запущенных симптомов. Появятся новые программные и аппаратные инновации, которые позволят, а также смогут использовать эти данные ответственным образом, расширяя преимущества во всей экономике.

Воздействие

Может показаться, что такое решение не решит ближайшего кризиса, но оно верно лишь отчасти. Сбор важных данных может предоставить информацию, необходимую для разработки новых инструментов для диагностики, терапевтических средств для лечения и помочь сдержать распространение самого вируса с помощью инструментов раннего обнаружения и мониторинга. Установка такой системы на местных и национальных базах может показаться сложной, но ее можно было бы развернуть в течение нескольких недель для первоначального большого сегмента населения с последующим постоянным развертыванием.

Такие компании, как Apple, Google и Microsoft, а также Amazon - очевидный выбор, чтобы помочь возглавить эту инициативу, хотя есть сотни более мелких фирм, которые могут взять на себя руководство такой инициативой, которая может начаться на местном уровне и быстро расшириться. Для этого потребуется правительственный мандат и сотрудничество с проверенными научными, медицинскими, технологическими и промышленными партнерами. Хотя они и несовершенны, модели для такой возможности все же существуют в секторе финансовых услуг, и их следует использовать в качестве справочных материалов для помощи в срочном внедрении такой возможности в сфере здравоохранения.

Об авторе

Саймон Брайтман - недавно назначенный адъюнкт-профессором Школы менеджмента Телфера Университета Оттавы. Его исследовательские интересы включают глобальную стратегию, анализ данных и принятие решений на основе искусственного интеллекта в правительстве, международных организациях, а также в частных корпорациях.

Саймон более 12 лет читал лекции по коммерциализации технологий, инновациям и разработке продуктов в частных, государственных и академических организациях, занимал различные руководящие должности в ведущих технологических компаниях по аналитике данных в США и Канаде, включая главу отдела стратегии данных и открытого банкинга. в TransUnion (Агентство кредитных отчетов), вице-президент Panvista Analytics (американская компания, занимающаяся геолокационной аналитикой носимых устройств для выставок и конференций), руководитель подразделения Agile & Product в Points.com (ведущий глобальный провайдер электронной коммерции для авиакомпаний и отелей) , Старший менеджер KPMG (управление программами), в настоящее время старший партнер Global Data Insights (консультации по анализу данных и инвестиции в Fintech и другие области xTech).

Саймон имеет степень бакалавра наук. Имеет степень магистра в области компьютерного программного обеспечения и управления бизнесом, а также степень магистра международных отношений Кембриджского университета. Свяжитесь с Саймоном в Linked in.