有许多工具可以识别枢纽，表征附属于每个枢纽的社区或受众并评估每个社区对消费产品的相对价值

对于更复杂的产品，例如新药，医疗设备或医疗保健，要在医生和其他医疗保健提供者中确定影响者的枢纽，需要对患者的理赔数据进行深入分析以发现推荐关系，建立在关系数据库上的传统分析解决方案需要在包含处方药，索赔和患者数据的大表之间进行昂贵的连接，完成数据库连接可能需要几个小时，有时甚至是几天，这使得传统的分析解决方案不适合此类分析，图形技术使发现推荐关系变得更加容易，因为患者，处方者和索赔数据已预先连接在图形数据库中。

 

帮助安进绘制患者旅程

希望了解患者和处方者之间的关系，以增加药物的销售。这需要梳理数TB的记录，以通过将医疗和药学索赔与时间相关联，并基于索赔分析来检测处方者群体，从而确定处方者之间的推荐关系，安进很快遇到了使用原始图形数据库进行缩放的问题，加载数据花费了太多时间，一旦加载，计算速度非常慢或根本无法完成，借助的图形技术，公司可以扩展对这些关系的分析并获得新的，隐藏的见解。

 

使用图数据库发现组之间的推断关系

再看另一个例子：全科医生看病人呼吸急促症状导致保险索赔。同一名患者下周会去心脏专科进行心脏导管检查或血管造影，一周后再去做一次血管成形术，以便数据分析人员可以直观地理解这种关系。它还基于时间窗口将它们链接起来，以得出推荐关系，考虑在三周内发生的声明以建立推荐关系。通过相关权利要求从推荐医师到推荐专家的遍历需要四步或步骤，两位医生之间建立了转诊边缘或关系，并且该关系边缘携带重要信息，例如，转诊的患者数量，与转诊患者相关的医疗状况组。

 

可以添加处方声明数据

以提供两位医生经常开的用于心脏保健的特定药物，有了这些见解，生产心脏护理药物的制药公司以及生产用于心脏手术的支架和其他产品的医疗设备制造商可以将这些产品推销给医生及其网络。

 

用图形数据库识别周围的影响力和社区枢纽

在影响者或受信任的产品或服务提供商（例如制药和医疗保健行业的处方药或医生）之间建立推荐关系之后，下一步涉及确定推动大多数活动（例如针对特定情况的医疗保健索赔）的影响力的枢纽心脏保健或糖尿病管理，在确定枢纽的影响力并对其排名后，由影响者推动的产品和服务营销的一步是确定每个枢纽周围的社区并评估市场机会，以确定每个社区的相对重要性，该技术包括社区检测算法，以识别每个中心附近的社区。

 

类似SQL的图形查询语言用于汇总与心血管疾病相关的社区所有索赔的支出

以及保险支出和患者的自付费用。将为药物处方计算总支出以及保险支出和自付费用，有了这些见解，生产药物的制药公司和生产用于心脏手术的支架和其他产品的医疗设备制造商可以优先访问社区中影响力的枢纽。

 

这为社区带来了医学

保健手段和程序方面的新创新，这些创新可能会从中受益，同时为这些产品和服务的生产商带来的收入增长，确定影响力中心是在医学环境中进行营销的强大工具。

 客服热线：400-050-6600

商业联合会数据分析专业委员会

 

• 为什么自适应数据仓库是大数据未来
• 为什么今天的数据爆炸对IT来说是致命的炸弹

返回列表