Healthcare IT


Hilfe für Business Analytics

9 Punkte für die Big-Data-Strategie

25. April 2013
Von Hartmut  Wiehr
Big Data kann der Medizin helfen, Informationen auszuwerten. Eine neue Studie des US-Instituts iHT2 klärt über das Warum und das Wie auf.

Analytische Ansätze waren bisher vor allem mit Technologien wie Data Warehousing und Business IntelligenceBusiness Intelligence (BI) verknüpft. Ihre Ergebnisse haben vielen Unternehmen geholfen, ihre geschäftlichen StrategienStrategien umzusetzen oder herauszufinden, was ihre jeweilige Klientel erwartet und was ihr weniger gefällt. Leisten konnten sich das aber nur sehr zahlungskräftige Unternehmen oder Organisationen. Zudem sind die Programme alles andere als leicht zu implementieren und zu bedienen, und die Auswertungen dauern eine längere Zeit – von Tagen bis zu Wochen. Alles zu Business Intelligence auf CIO.de Alles zu Strategien auf CIO.de

Große Datenmengen schnell analytisch aufbereiten - das ist das Ziel von "Big Data".
Große Datenmengen schnell analytisch aufbereiten - das ist das Ziel von "Big Data".
Foto: iHT2

Big Data – angetrieben von Herstellern wie EMC, HPHP oder IBMIBM, die dieses Marktsegment besetzen wollen – verspricht dagegen schnellere und weniger aufwändig zu erzielende Resultate. Im Gesundheitssektor ist vor allem IBM bisher mit Initiativen hervorgetreten. In den USA, die dem "alten Kontinent“ auch auf diesem IT-Feld ein Stückchen voraus sind, hat das iHT2 (The Institute for Health Technology Transformation) vor kurzem eine Studie zu den Aussichten von Big Data in der Gesundheitsindustrie veröffentlicht. Die Studie ist auch von zahlreichen Fachleuten aus Krankenhäusern und anderen medizinischen Institutionen unterstützt worden. Alles zu HP auf CIO.de Alles zu IBM auf CIO.de

5 Herausforderungen für Big Data

Nach einer Einführung, die grundsätzlich erklärt, was "Big Data“ eigentlich ist und bezwecken soll, widmen sich die Autoren den Herausforderungen („challenges“), die mit dieser Technologie verbunden sind. Big Data umfassen laut Studie vor allem diese fünf Kategorien:

1. Informationen aus Web- und Social-Media-Quellen (Facebook, Twitter, LinkedIn, Blogs, Gesundheitspläne, Webseiten oder Apps für Smart Phones);

2. Machine-to-Machine-Data, also Informationen von Sensoren, Messgeräten oder anderen Instrumenten – besonders interessant im medizinischen Umfeld;