在设置一个令人兴奋的新项目时，提供解决复杂医疗保健业务问题的医疗保健数据解决方案的挑战并不明显。您的大部分时间都集中在您寻找最新的复杂数据处理，机器学习，预测数据分析工具上，这些工具将神奇地解决所有问题，而无需完全理解您正在解决的问题。
有一种自然的趋势，即假设问题的明显性，并低估了与之打交道的复杂性。
首先，在启动任何数据解决方案时至关重要，您要尝试解决或回答的每个单独问题开始，并避免诱惑它们在化妆中相似。每个离散的问题都需要一个手术刀，将层剥落，记录您所看到的，直到到达核心之前就停止。
了解每个离散问题的根本原因将使您全面了解需要解决的问题以及需要关注的地方。您可能会发现可能发现的根本原因的类型。
这是7个关键挑战：
- 未收集正确的数据来支持用例，这可能会导致您增强上游工作流程。
- 数据不完整或质量很差，无法充分解决用例，这可能会导致您改善系统控制，并教育那些输入数据的人。
- 原始数据需要增强以归一化或提供其他本体论环境以支持用例。
- 数据未完全集成到系统之间以支持用例。
- 用于得出指标的业务规则和KPI的规则可能会错误地计算。
- 当前报告的数据是未记录或理解的，以确定其是否正常工作。
- 最后，您需要支持用例的信息中的假设可能是完全不正确的！
这是很多地方可能会导致解决用例的障碍，您可能会在单个用例中找到一个或所有这些，或者在某种程度上找到所有这些，从而降低您可能提供的关键指标的价值。
是的，这可能是非常复杂和压倒性的，它要求组织以目前可能不这样做的方式拥有来自多个支持领域的资源。
但是，您会在分析结束时发现您可以在数据解决方案能够在大门中执行的内容提供现实期望，同时也提供了对问题的复杂性和范围的真正欣赏，以获得未来的适当支持。
