Il caso raccontato da Databricks su Health Catalyst è promozionale, ma sotto c’è una tesi che merita attenzione anche fuori dalla sanità: nella maggior parte delle organizzazioni il collo di bottiglia non è l’accesso ai dati, ma il tempo che passa tra il capire di avere un problema e il fare qualcosa. “Tutti hanno dashboard. Tutti hanno un’opinione”, sintetizza il Chief Product Officer di Health Catalyst, Robbie Hughes.
Il contesto sono le cure ambulatoriali, dove i numeri citati sono concreti: un nuovo paziente aspetta in media 31 giorni per una visita, +19% dal 2022 secondo un’indagine AMN Healthcare 2025; i sistemi sanitari statunitensi perdono una stima di 150 miliardi di dollari l’anno per referral leakage, e il 38% dei referral non chiude mai il ciclo. Dati che vivono in cinque o sei sistemi scollegati e, quando vengono messi insieme, sono già vecchi.
La scelta architetturale interessante
Il punto rilevante per chi lavora con i dati è dove gira la soluzione: Health Catalyst la installa direttamente nel workspace Databricks del cliente, così i dati sensibili non lasciano mai l’ambiente. È una risposta esplicita alla diffidenza verso i dati usati “come terreno di training da cui altri estraggono valore senza consenso”. La governance parte da Unity Catalog (accessi, lineage, audit restano dal cliente), la latenza dallo strato di serving Lakebase, e Genie gestisce il “perché” dietro un numero con query in linguaggio naturale invece di una coda di ticket.
L’architettura è medallion, con modelli gold trasformati in un semantic layer comune; sopra, decine di metriche precostruite in quattro domini (Access Optimization, Revenue Intelligence, Panel Management, Referral Insights). Il risultato rivendicato è visibilità nella stessa settimana, non dopo un progetto analytics di sei mesi.
I risultati citati
Sui clienti, i numeri riportati: Thibodaux Regional con +1,2 milioni di dollari di ricavi annui e +15,3% di incontri; INTEGRIS Health con +2,2 milioni, 55.000 care gap chiusi e tassi di screening per la depressione raddoppiati; WakeMed con +25,4 milioni di dollari e -7,1% di cancellazioni senza riprogrammazione. Vanno letti come risultati del vendor, non come benchmark indipendenti.
La lezione trasferibile, al netto del marketing, è duplice: primo, il valore non sta nell’ennesima dashboard ma nel ridurre la distanza tra insight e azione; secondo, sta diventando pattern portare il software di terze parti dentro il lakehouse del cliente, per non spostare i dati e mantenere la governance in un unico posto. Due idee che valgono ben oltre l’ambulatorio.
In sintesi
- La tesi: il vincolo non è l’accesso ai dati ma il tempo tra insight e azione, con numeri concreti sui ritardi in sanità.
- Il pattern architetturale: installare la soluzione dentro il workspace Databricks del cliente (Unity Catalog, Lakebase, Genie), senza spostare i dati.
- I risultati sui clienti sono rivendicazioni del vendor, non benchmark indipendenti.
Fonte: The Ambulatory Intelligence Gap — https://www.databricks.com/blog/ambulatory-intelligence-gap
Hai qualcosa da aggiungere? Unisciti alla discussione.