Дэйв Андерсон*
Экспоненциальный рост цифровых данных для поддержки исследований соединений, разработки новых лекарств и клинических испытаний в целях улучшения ухода за пациентами создает определенные проблемы для клинического исследователя. Однако это также открывает огромные возможности для новых областей исследований, экономии средств и роста доходов для организаций, которые хотят визуализировать свои данные новыми способами. Размер и сложность клинических данных имеют значение, и, к сожалению, современная технология визуализации не обеспечивает критически важную функциональность для исследователя, чтобы быстро понять, как связаны данные и каковы зависимости между, казалось бы, разрозненными наборами данных. Обычные визуализации на панели инструментов не предоставляют необходимого контекста того, как связаны данные и какие выводы можно сделать на основе этих связей. Чтобы соответствовать растущему давлению совета директоров по снижению затрат и повышению рентабельности инвестиций, визуальные аналитические инструменты должны развиваться, чтобы легко поддерживать все возможные данные, доступные исследователям, включая сложные полуструктурированные, неструктурированные и сторонние данные, и позволять им лучше понимать, какие данные связаны и как связаны эти наборы данных. Эта эволюция предоставляет компаниям наилучшую возможность использовать данные более стратегическим образом для повышения ценности, предоставляемой пациентам и акционерам.
На этом занятии мы познакомим вас с программным обеспечением и продемонстрируем его работу:
• Как очень большие, плотные и сложные наборы данных можно быстро и эффективно интегрировать в программу визуального анализа
• Набор визуализаций, которые исследуют связи и зависимости между наборами данных.
• Новый метод визуального анализа данных, позволяющий проводить более глубокое контекстное исследование данных
• Как клиенты, принявшие этот новый метод, получают колоссальную экономию средств и улучшают свои конкурентные позиции