3. Daten aus großen Transaktionen wie Gesundheitsabrechnungen oder sonstigen Quittungen, Belegen, Rechnungen oder Buchhaltungsunterlagen, die häufig in halb- oder in unstrukturierter Form vorliegen;

4. Biometrische Daten, zum Beispiel Fingerabdrücke, genetische Informationen, handschriftliche Aufzeichnungen, Röntgenunterlagen, medizinische Bilder, Puls-, Blutdruck- und ähnliche -Informationen;

5. Un- oder halbstrukturierte Dokumente wie KIS-Daten, Arztnotizen, E-Mails oder sonstige auf Papier festgehaltene Informationen.

Die im Gesundheitsbereich vorherrschenden Dokumentenarten wären insofern hervorragend geeignet für Big-Data-Auswertungen, während klassische BI-Analysen vorwiegend auf strukturierten Daten aus Datenbanken wie OracleOracle, DB2 oder anderen beruhen. Die Studie zählt zahlreiche Beispiele auf, in denen Big-Data-Auswertungen schon erfolgreich durchgeführt wurden. Alles zu Oracle auf CIO.de

Erste Erfolge beim Big-Data-Einsatz

Zu den erst ansatzweise gelösten Herausforderungen zählt die Studie zunächst die unzureichende Fähigkeit der medizinischen Institutionen, rasch ihre Unterlagen zur Verfügung zu stellen. Diese liegen entweder in zersplitterter, versteckter Form vor und es bedarf eines dedizierten Teams, sie überhaupt für Analysen aufzubereiten. Damit bestehen ähnliche Eingabeschwierigkeiten wie bei klassischen Data-Warehouse- oder BI-Lösungen, bei denen die Daten oft aufbereitet oder in lesbare Formate umgewandelt werden müssen.

Hinzu kommt, teilweise bedingt durch die staatlichen Gesundheitsreformen in verschiedenen Ländern, dass heute wesentlich mehr Daten als noch vor ein paar Jahren erzeugt werden. Diese "Datenflut“ zu bändigen, sprich in beherrschbare Formen zu bringen, ist für viele IT-Abteilungen kaum noch möglich. Hier sollten externe Dienstleister mit ihrer Expertise eingeschaltet werden.

Krankenhäuser und andere Institutionen verfügen nur in Ausnahmefällen über eine so ausgebaute und moderne IT-Infrastruktur, dass sie jederzeit alle erforderlichen Big-Data-Instrumente bereit hätten. Es wären also Investitionen in die Server- und Storage-Anlagen erforderlich, damit überhaupt analytische Datenzugriffe erfolgen können.