医疗大数据盈利模式困难重重,“健康大数据+保险”相对更加可靠

简介:

“在移动医疗领域,可穿戴装置是实现有效的健康管理、移动医疗的关键,但目前乱象明显。”在11月12日举行的大数据时代精准预防与健康促进高峰论坛上,清华大学健康传播研究所副所长苏靖认为,在目前的移动医疗服务水平下,“健康大数据+保险”是相对可靠的盈利模式。

据苏靖介绍,截至今年三季度,清华大学健康传播研究所采用定量定型方法,搭建了一个数据平台,收集了近900万的用户数据,再结合公开的行业数据,对健康医疗大数据行业发展现状和趋势进行了分析和研判。他们认为,健康医疗大数据属于朝阳行业,未来有千亿级的市场,行业潜力巨大,但目前还处于起步阶段,存在不少的问题,其中一个主要问题是盈利模式不清,很多时候是在烧资本的钱,又没有真正改变公众的医院消费习惯,盈利模式或商业模式需要进一步改进和努力。

苏靖说,健康医疗大数据应用目前可分为移动医疗、医生工具、医药电商、健康保险、健康管理等11类。移动医疗是最早受资本青睐的,2014年被称为移动医疗元年,火起来后,最近发展遇到瓶颈,比如覆盖低、没有办法解决用户粘性问题,当用户需要挂号看病,下载了APP,但病好了就删除,因为APP容易让人想到生病时的难受。用户活跃度难以再进一步增高,覆盖率难以进一步扩大。同时,预约挂号平台等新玩法,政策壁垒多且复杂,效果也不令人满意。

健康管理这一块,虽然可穿戴设备是实现健康管理的必要条件,但目前良莠不齐,各种数据支持不一,没有办法形成云端统一、与社区打通,这是非常重要的问题。未来的发展方向,是健康管理、健康险与社区医疗相联系。

而最近受到越来越多资本关注的运动管理同样存在盈利模式拓展问题,比如医药健康通过游戏功能留存用户,变现方式大多数是提供销售线索,让用户跟线下的机构比如医美的诊所导流,这个可能不是长久之计,没有触及真正的健康医疗大数据的核心。

另外,政策壁垒也制约了健康移动大数据的发展和应用。健康医疗大数据是新领域,政策在这部分非常的审慎,有很多的顾忌。当前医疗信息化是从单个医院的场景中生发出来的,信息孤岛现象严重,导致大数据多元异构,大数据应用高度碎片化,服务水平低,行业壁垒多,各种利益纠葛复杂。

目前,健康大数据应用比较好的是医生工具类,这块的人群是刚需,虽然用户群相对较小,但未来的需求和发展前景比较大。大数据辅助医生诊疗、用药,提高了医生的工作效率,是有高需求的市场。医疗信息化也是较早的一个领域,今天医疗信息化的玩法是高价值高门槛,医疗影像系统、肿瘤受到关注,这个门槛在不断抬高。

应用市场上,值得关注的是健康保险。一些保险公司雄心勃勃,加上强大的资本势力,从去年开始,加快布局“健康管理+保险”,创新了险种、销售模式,开始从行业下游转到行业上游。

苏靖认为,在目前的移动医疗服务水平下,“健康大数据+保险”是相对可靠的盈利模式。传统观念里,保险是整个医疗行业、健康行业的最末端,人生病了再让保险公司付费。在行业的最下游,保险业开始介入大数据领域,主要通过大数据设计保险产品、提供决策依据。但保险公司的野心不止于此,现在大量的保险,比如平安保险、阳光保险等正大力借助资本进入互联网+领域中,希望通过前端的健康管理、医疗服务的各种接口接入,使得他们从行业下游转到上游,从保险控费到健康管理服务。保险的介入将产生一连串的效应,给目前非常纠葛的移动医疗或者移动健康行业,带来更多好玩的未来前景。


本文作者:佚名

来源:51CTO

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
7月前
|
分布式计算 资源调度 Hadoop
Hadoop学习指南:探索大数据时代的重要组成——Hadoop运行模式(下)
Hadoop学习指南:探索大数据时代的重要组成——Hadoop运行模式(下)
|
1月前
|
存储 关系型数据库 测试技术
印尼医疗龙头企业Halodoc的数据平台转型之Lakehouse架构
印尼医疗龙头企业Halodoc的数据平台转型之Lakehouse架构
35 4
|
7月前
|
分布式计算 资源调度 Hadoop
Hadoop学习指南:探索大数据时代的重要组成——Hadoop运行模式(上)
Hadoop学习指南:探索大数据时代的重要组成——Hadoop运行模式(上)
|
3月前
|
大数据
大数据在医疗领域的应用有哪些?请举例说明。
大数据在医疗领域的应用有哪些?请举例说明。
49 0
|
4月前
|
分布式计算 大数据 调度
大数据计算MaxCompute怎么将一个Quota的资源优先供给给标准模式的生产库调度使用?
大数据计算MaxCompute怎么将一个Quota的资源优先供给给标准模式的生产库调度使用?
33 2
|
6月前
|
分布式计算 资源调度 Kubernetes
大数据问题排查系列 - SPARK STANDALONE HA 模式的一个缺陷点与应对方案
大数据问题排查系列 - SPARK STANDALONE HA 模式的一个缺陷点与应对方案
|
7月前
|
分布式计算 资源调度 Java
大数据Spark部署模式DeployMode
大数据Spark部署模式DeployMode
89 0
|
10月前
|
数据采集 缓存 大数据
大数据数据采集的数据采集(收集/聚合)的Flume之数据采集流程的Selector的多路复用模式
在大数据处理和管理中,数据采集是非常重要的一环。为了更加高效地进行数据采集,Flume作为一种流式数据采集工具得到了广泛的应用。其中,Flume的Sink Processor模块是实现数据输出和处理的核心模块之一。本文将介绍Flume中的Selector多路复用模式,讲解其数据采集流程。
110 0
|
10月前
|
数据采集 缓存 大数据
大数据数据采集的数据采集(收集/聚合)的Flume之数据采集流程的Selector的复制模式
在大数据处理和管理中,数据采集是非常重要的一环。为了更加高效地进行数据采集,Flume作为一种流式数据采集工具得到了广泛的应用。其中,Flume的Sink Processor模块是实现数据输出和处理的核心模块之一。本文将介绍Flume中的Selector复制模式,讲解其数据采集流程。
81 0
|
12月前
|
Java 大数据 Scala
大数据开发基础的编程语言的Scala的模式匹配和正则
Scala是一种支持模式匹配和正则表达式的编程语言,它提供了强大的字符串处理和数据解析功能。本文将介绍Scala中模式匹配和正则表达式的概念和用法,帮助开发者更好地理解和应用这门语言。
57 0