哈士奇和博美恋爱，于是就有了这只狗，美翻了！

http://5b0988e595225.cdn.sohucs.com/images/20190420/6dc60ca7abc54181831f1e23c32c6c2a.jpeg

有时候我过得很恐慌，钱越烧越多，信心越来越少，于是换运营人员换产品风格，换来换去一场空，因此一度怀疑过我的运营有问题，甚至外包出去运营过半年，结果越做越差。于是我招兵买马一个月全部到位

document.writeln('关注创业、电商、站长，扫描A5创业网微信二维码，定期抽大奖。与上述白皮书相呼应的是，我们此次对于死亡公司的调查统计发现，跟很多人的印象可能不同的是，从2014到2016年成立的创业公司彻底死亡数量为272家，占整个过去六年彻底死亡数量1398家的比重，并不超过1/3。这一年，依靠流量实现用户增长的模式已被淘汰，系统正在修正，那些盲目加入创业大军的人，终会被商业法则淘汰，不留下任何踪迹。这些一度站在风口中领域，自然也在风口中淘汰出一批。正因如此，我们认为探讨失败，其意义不亚于分析成功，故而希望通过梳理彻底关闭的项目名单、分析典型案例、统计“死亡”特征，为中国乃至全球范围内的TMT一级市场专业投资者、经营者，呈现出创业公司关闭的直观原因和深层次原因，对大家未来的投资策略及创业方向提供借鉴与参考。

 成功的案例总是相似，“死亡”的原因却各有各的悲剧，即便绝大部分都说是因为“资金链断裂”导致，但产生资金链断裂的原因也各有不同。我们还结合技术手段、公开信息、企业APP更新、企业微信公众号更新、企业官方网站更新及工作电话确认这五个纬度进行判断，同时满足所有纬度则判定项目为“已关闭”的，我们才称之为“彻底关闭”。患者的生理数据常常存在于不同的系统中，各个系统不能便捷地实现无缝信息共享。

但如果继续落后半拍，将会错失大量改革临床护理和个性化用药的机会。3、完成个性化医疗需要做到的三点将数据分析用于医疗领域会降低成本，延长人类寿命，让人们享受更健康、富有的精彩生活。如今，一系列新的数据表正在由用户的可穿戴和家庭健康设备(如血压监控仪或胰岛素泵)产生，这部分数据是有很大参考价值的。海量信息突破信息孤岛在产品创新上，数据分析在材料科学、合成生物学和生命科学领域产生了重大影响，比如药企巨头正在使用数据分析进行药物开发，从而确定药物化合物，作为一种治疗多种疾病的有效药物。

总之，想要整合数据分析，医疗领域还有很长的路要走。虽然这一改变会让制药企业面临大的挑战，但个性化医疗在肿瘤领域的应用是对其他疾病领域进行个性化的激励。

 1、医疗的现状与未来在医疗领域，个性化是基于患者的生物标志物、遗传情况和具体症状的数据来实现的。下面简述几种能打破既定产业格局、突破信息孤岛和创建新格局的新型数据集。同时，FDA与医疗保险公司和电子病历提供商合作开展SentinelInitiative项目，收集1.78亿患者的药品不良反应的数据。数据分析实现个性化数据分析可以从深层次将事物区别开来，最强大的功能之一就是基于人的特征给人群贴标签，由此向用户提供个性化的服务/产品，比如教育、旅游休闲、传媒、零售、广告等行业。

有机构预测，医疗领域在应用数据分析后，人均GDP将提高200美元，国家在医疗卫生领域的支出将减少5%~9%，人类的平均寿命将增1年。综合来看，数据分析让循证决策更精准更高效。那么，数据分析应用在医疗领域存在的问题又是什么呢?答案即为缺乏可以让数据实现交互性的操作。同时，鉴于医疗健康行业的大环境和政府政策，导致数据的利用过程可能会比较缓慢。

在医疗服务中，预估最有潜力的三个环节是：远程监测、导诊、个性化医疗。其次患者拥有精细化的数据就可以实现精准诊疗。

这样做可以避免不必要的住院时间延长，降低医疗保险支出。相比之下，制造业、公共领域和健康医疗影响就没那么深了。

所以在大数据商业探索的过程中，利益相关者们可能会从变化莫测的数据分析中迷失，不知所措。但支付方已经在逐步利用大数据来制定报销决策，因此数据分析在公共卫生监督方面将产生创新性效用。对于国家来说，可能需要调整医疗健康系统内的财政奖励，并转向以价值为基础的医疗保健体系，更强调诊疗过程中“预防”的重要性，以此来推动个性化医疗的发展。什么是标准化的路径呢?患者只有在患病时才主动进入医疗健康系统;诊疗服务重点不是为了优化的病人的体验或体现诊疗价值;相同的疾病，医生会对所有患者均采取相同的临床指导方案。医疗服务方为了提供真正的个性化医疗服务，服务方需要集成电子病历系统中的数据来获取患者的一个完整的病情视图。其次，患者需要在第一时间获得匹配的诊疗方案，让他们远离高成本、高风险的医疗点，此外，创建健康风险监测机构也是非常有必要的，并在其中应用数据分析技术，开展前瞻性的健康风险评估，预测并发症。

支付方也在逐步开始利用大数据制定报销决策，而且已经可以看到一些趋势。具体的操作方式是利用庞大的病历数据集来搭建智能的临床决策支持工具。

制药公司还可以利用基因组学和蛋白质组学的数据，加上数以百万计的患者诊疗记录来设计更好的药物治疗方案。这样在看到患者的一个病情完整数据图后，医院和其他医疗服务方就可能将焦点从治病转为预病及健康管理，从而节约巨额的医疗支出和改善生活质量。

导致这一现状的原因是个人健康数据一般是不会提供给患者本人的，所以他们不能及早发现并调整自身情况，只有当生病时才会去就医。不过虽然数据分析在医疗的应用存在一些抑制因素，但相比过去的诊疗方式，我们可以看到大数据在当今诊疗过程中的意义。

还有一系列问题亟待解决，比如缺乏激励、机构改革困难、技术人才短缺、数据共享挑战和法规监管。这种模式在推进科技和药物开发中非常有价值。支付方支付方可以使用数据分析来促进整个医疗系统的价格透明度。不过在医疗领域却又是另一番景象，因为法规会对此进行约束，从而产生阻碍。

医疗保险公司也可以通过数据来了解他们的客户。但同时，这个可能性要比5年前设想的大得多。

除此之外，在个人健康管理的过程中，收集数据的可穿戴暂时还没有显示出临床应用价值。如超大规模数字平台可实现实时交易，这对效率低下的商品市场是很有用的;精细化数据可用于个性化产品/服务的设计，尤其是医疗;而新的分析技术可以促进发现创新。

2011版报告预估，数据分析在医疗领域每年能够产生3000亿美元的潜在价值，年生产增长率为0.7%。对于治疗像糖尿病、心血管疾病和呼吸系统疾病这类慢性病，物联网的远程监测与数据分析是一种革命性的治疗手段。

大多数患者的现状是，只有当他们已经患病时才会主动进入医疗机构接受诊疗。截至目前，美国健康医疗仅仅抓住了数据分析在医疗领域中10~20%的机会。虽然建立新的合作关系和搭建新模式的过程可能相当缓慢，但是我们相信，数据丰富的大环境将增强支付方改变的决心。通过敦促客户针对潜在的健康问题采取预防性措施，从而降低医疗保险费用支出。

患者交流社区(如PatientsLikeMe)也是一个不错的数据源，它在公共卫生监测中的应用正在产生新的重要作用，如2014年爆发的埃博拉和齐卡病毒。第一个，它们可以帮助解决医疗系统的信息不对称和激励问题。

其中，医疗服务方面临的挑战是如何管理这些源源不断的数据流，并将它们应用到医疗中。如，美国中西部地区的一个医疗保健系统EssentiaHealth，就正在对充血性心力衰竭患者进行家庭监护，将30天再住院率降到2%，远低于全国25%的平均水平。

这可以由人工智能驱动的临床决策支持系统来完成，人工智能系统可以通过梳理数百万患者病历、基因组序列以及其他健康行为数据来确定对个体最有效的治疗方案。制药企业和医疗设备企业大数据和先进的分析方法可以让制药企业的药物预测建模更为精准，加速药物开发过程。