如果说哪个行业从分析大量不同来源的数据中受益，那一定是医疗。在电子病历系统、图片系统、电子处方软件、医疗索赔、公共卫生报告、新兴的健康应用、移动医疗设备及医疗产业中，充满了等待被使用的数据。

对于一个急于寻找方法来降低成本、提高效率并提供更好治疗的行业来说，分析这些数据是意义深远的。成效一定会有，但从不同的、专有的系统中获得数据，却是一个繁琐的过程，对于一个公司来说，相当于不可能。

数据就是数据，无论它来自哪里

总体说来，大多数医疗机构的数据来自临床、财务、操作的应用程序。就其本身而言，iHT2在《分析：高科技医疗的神经系统》报告中说，每个类型的数据都有一个特殊的用处。临床数据能提高医疗质量，使人口健康管理变得简单；财务数据帮助医院对盈亏底线做成本分析；而操作数据能帮助设备管理和资源利用。

把这些都综合在一起，就可以开始解决类似满足员工需求、提高工作效率和护理质量等大问题。这也是LauraMadsen在Lancet开展的商业智能医疗中提出，没有必要把不同类型的数据资源区分开的原因。

“数据就是数据，”她说，“最终，数据就只是位与字节，如果我们是好的数据专家，我们应该将临床数据和商业数据整合在一起。”

政府的项目，授权——给医疗增加了很大的压力，然而也给了医疗机构一个认真看待数据分析的理由。如果采用了HER系统，将ACO模型与病患治疗相结合，以病患为中心的医疗机构的理念，不断强调提高医疗质量，政府项目就会给予一定的经济补贴，但这都需要一个更复杂的医疗数据分析方法。

大量无结构化的医疗数据让数据分析变得困难

当然，医疗机构在没有收集数据的前提下无法进行数据分析。iHT2表示，在医疗机构中，有些因素使分析变得复杂。80%以上的医疗数据都是无结构的，无论纸质还是其他形式的都需要手动提取数据，甚至是结构数据——例如来自于HIE的——也经常无法分析。iHT2指出，这样的结果就是医疗机构最终使用来自保险公司的数据来对自己的机构有了更多的认识。

Madsen在书中写道，“谈到医疗商业智能化，医疗机构的规模是很重要的，”美国最大的医疗机构IntermountainHealthcare和KaiserPermanente，已经实施商业智能化的医疗很久了，但对于小型医疗机构，难度还是很大的。Madsen表示，大部分的医疗机构都看到了商业智能的价值，但他们一直想不清一个问题——“我们该做些什么呢”。

大多数选择商业智能的机构都是看重它适用于管理报告的需求。这对于医院每年要向政府机构提供一千份以上的报告很有意义。Madsen说，尽管有如此明显的需要，但医疗机构通常不知道接下来该怎么做，也不知道如何把报告中的数据使用好，来提高实际操作的效率或者是做出其他的改进。

还好，IHT2报告提出了建议。如对病人的健康需求做一个评估，可帮助医疗机构合理改进服务，同样也能认识每个人的健康差异，甚至能预测哪个病患的病情会变的更严重。另外，评估也能帮助推进高质量项目，更能发现造成医疗变化的原因。

值得注意的是，有些模型并不起效。在医疗共享储蓄计划和ACO模型中，目标就是能积累储蓄，最终使医疗成本降低。所以，根据iHT2的说法，收入周期管理工具并不起效。

另外，如今的成本计算系统并不能完整计算出医疗机构的总成本，它需要考虑到早期医院的一次解雇能为一个短期设备存到足够的钱，但对于另一个长期医疗设备，它失去了收入的机会。iHT2说，弄清楚医疗机构的总成本，需要一个“针对捆绑支付、复杂的、分阶段的会计记账系统”。

医疗采用数据分析能精确的找出它在哪里

不是所有的医疗分析系统都需要变得复杂。在美国亚拉巴马州SpringhillMemorial手机医院，最近由PandoraClinicals更新的自动药剂橱柜系统，这是一个分析数据包，来帮助减少麻醉药的失窃。