Ситуационная осведомленность определяет нашу реакцию

Содержательные дашборды для правительства

По словам Гранта Брукса, вице-президента SAS по государственному сектору США: «Большинство правительственных дашбордов были созданы для других целей и не могут своевременно интегрировать и синтезировать все доступные и актуальные данные для принятия конструктивных и гибких ответных мер. Им также не хватает возможностей прогнозирования, моделирования и масштабного анализа данных, необходимых для реального улучшения процесса принятия решений».

Брукс описывает семь категорий данных, которые должны включать правительственные дашборды для обеспечения оптимальной ситуационной осведомленности в условиях кризиса. Эти данные включают данные общественного здравоохранения, данные о медицинских ресурсах, данные о занятости и заработной плате, данные о социальных выплатах, показатели финансового стресса, данные о сборе налогов и доходах, а также данные банковской системы. «Объединяя эти данные, чтобы получить представление о траектории распространения вируса, дополненное советами экспертов в области общественного здравоохранения, - говорит Брукс, - у губернаторов будет самая лучшая и наиболее точная информация, доступная для принятия важных решений, которые принимаются для сохранения безопасности людей и перезапуска экономики».

В Индии правительства некоторых штатов обратились к SAS за помощью, чтобы активировать свои данные и аналитические ресурсы, когда разразилась пандемия. ² Например, штат Одиша (Odisha) полагается на аналитический дашборд для мониторинга постоянно обновляемых показателей. SAS работала с отделами информационных технологий и министерствами здравоохранения нескольких штатов, отслеживая показатели COVID-19: горячие точки, кривые роста инфекции, зоны локализации и потребности больниц в ресурсах. Основываясь на своевременных данных из штатов, SAS построила аналитические модели, которые помогли улучшить результаты.

Аналитические инсайты и модели для здравоохранения в реальном времени

SAS помогает организациям здравоохранения оставаться осведомленными о ситуации за счет непрерывного сбора данных и интерактивных аналитических визуализаций, позволяющих количественно оценить воздействие вируса. Эти инструменты помогают определить, где есть самые большие потребности и как направить ресурсы для удовлетворения этих потребностей.

Визуализации показывают затронутые группы населения, места передачи вируса, скорость роста и то, как ситуация меняется с течением времени. Картирование распространения болезни с течением времени позволяет руководителям в области здравоохранения планировать ресурсы и поддержку, которые им понадобятся в перспективе, на основе ожидаемого состояния вируса в ближайшем будущем. В свою очередь, медицинские работники могут оценить возможности и подготовиться к распределению коек, ресурсов, оборудования и людей.

Тот же тип данных, который используется для ситуационной осведомленности, актуален для другой аналитики в области здравоохранения, включая предиктивные модели и анализ сценариев. Аналитика помогает нам определить, работают ли такие меры, как социальное дистанцирование или политика в области обеспечения жильем на местах для замедления передачи болезни, и с помощью аналитики также можно прогнозировать распространение болезни с учетом определенных предположений. Эпидемиологические модели помогают нам понять влияние вируса, когда мы снимаем карантин в определенных зонах. А оценка множества сценариев риска помогает выявить наиболее уязвимые группы населения и выявить факторы, которые могут усложнить стратегии защиты здоровья.

Прогнозирование и планирование воздействия на клинические исследования в области медико-биологических наук

Клинические испытания проводятся по строгим протоколам и регулируются обширными правилами. Таким образом, этот тип исследований уязвим для любых нарушений, особенно на уровне глобальной пандемии.

Ситуационная осведомленность помогает фармацевтическим компаниям понять, где проведение исследований является более проблематичным, чтобы организации могли разработать планы по сокращению задержек, обеспечению непрерывности клинических исследований и повышению устойчивости испытаний к изменениям. 

Фактические данные играют решающую роль в заполнении пробелов в данных и определении потенциальных методов лечения. «COVID-19 ускорит использование реальных данных и реальных доказательств в клинических исследованиях. Это особенно актуально, поскольку фармацевтические компании изучают методы лечения и вакцины, а также варианты продолжения текущих испытаний с минимальными перебоями», - сказала Шеррин Эйд, магистр здравоохранения, руководитель департамента глобального здравоохранения SAS.

ИИ и IoT для производства и ритейла

Некоторые производители полагались на датчики Интернета вещей с технологиями аналитики и искусственного интеллекта (ИИ), чтобы заполнить пробелы, возникшие во время пандемии. Собирая и анализируя данные в реальном времени с датчиков и сетей в своих операционных средах и применяя методы искусственного интеллекта, они оптимизировали действия в цепочке поставок, совершенствуя свои операции и помогая своим розничным партнерам и потребителям.

Например, вид сценария «что, если» помогает им улучшить планирование поставок, анализировать замены продуктов, лучше реагировать на колебания спроса, выявлять запасы, подверженные риску, повышать прозрачность производственных операций и повышать безопасность персонала. Даже самые маленькие улучшения имеют большое значение. Такие аналитические методы оказались особенно ценными во время пандемии, поскольку на цепочки поставок повлияли закрытые границы, закрытые помещения и магазины и многое другое.

Облако и машинное обучение для банков

Для банков необходима цифровая аутентификация. Это было особенно важно во время пандемии коронавируса, поскольку преступники рассматривают кризисы как возможность совершения мошенничества. Банкам необходимо немедленно узнать, является ли виртуальный соискатель кредита тем, кем он себя называет, или реальным клиентом является человек, пытающийся нечестным способом получить доступ к онлайн-счету.

Проведение должной осмотрительности в отношении таких клиентских транзакций - это процесс, которому следуют банки, чтобы получить осведомленность о ситуации, когда на принятие решения есть всего несколько секунд. Благодаря облачному решению от SAS банки могут сравнивать каждое цифровое событие с различными данными аутентификации от ведущих поставщиков цифровых, биометрических, общедоступных и поведенческих данных. Данные централизованы и передаются в аналитические алгоритмы SAS и алгоритмы машинного обучения, наслаивая методы для быстрого и точного обнаружения мошенничества. Это позволяет получать аналитические инсайты почти в реальном времени, чтобы банки могли отличать законных клиентов от преступников, не полагаясь на медленное ручное вмешательство.