Business Intelligence, Data Visualization et Big data : le MiPih au cœur de la donnée
11 déc. 2018 - 10:20,
Actualité
- DSIH, Pierre DerrouchPiloter la performance en exploitant les données : le défi des établissements de santé
La transition numérique de notre système de santé s’appuie pour partie sur l’analyse des données pour permettre aux structures de soins d’améliorer leurs performances en termes de prise en charge thérapeutique, de finances et de gestion. Conscient de cet enjeu, le accompagne ses adhérents depuis plusieurs années avec une plateforme décisionnelle, des solutions de pilotage opérationnel ainsi que des prestations de développement utilisant la technologie Qlik.
Fiabiliser, organiser, consolider et partager les données
La force de l’offre du MiPih repose sur la consolidation des données issues des applications métiers, qu’elles soient administratives, médicotechniques ou médicales. Les indicateurs proposés permettent une approche globale, fiable et partagée par les différents acteurs. Ils fournissent les réponses adaptées aux besoins de chaque établissement (pilotage de la performance, dialogue de gestion, production réglementaire, simulation, etc.).
À partir de ce socle commun, une gamme transversale, avec la plateforme décisionnelle, se décline par métier pour une approche ciblée dédiée aux acteurs opérationnels, qui intègre le pilotage de la masse salariale, du SIHA, du PMSI ou des dépenses et recettes.
Plus de 200 établissements ont mis en place le pilotage de la performance du MiPih. Ils ont compris l’intérêt de collaborer avec le GIP, à la fois pour sa connaissance du monde hospitalier, ses interfaces éprouvées avec les principales solutions du marché, les fonctionnalités offertes par son offre et l’accompagnement proposé sur les programmes Hôpital numérique et Hop’en à partir de 2019.
Intelligence artificielle et Big data
Le MiPih va plus loin, via une branche Big data/IA permettant d’accéder aux données non structurées de l’établissement, publiques, en streaming, etc. et de les utiliser dans un contexte plus vaste afin d’explorer des informations inexploitées aujourd’hui. Pour traiter un phénomène épidémiologique, suivre des patients en cohorte, avec des timelines ou par géolocalisation, en croisant les informations avec des données météorologiques ou de pollution par exemple, ou encore analyser les signaux faibles annonciateurs d’événements plus importants ou des logs de matériel médical, ces nouvelles approches de l’information représentent l’avenir de l’analyse des données médicales.