5G：从移动互联到万物互联

　　 　　我们通过用户评论截图、从移制作H5等方式来做传播，在拉新方面表现很棒。

作为婚礼，动互其中一些环节是可以抽离出来的，动互将环节分解后，选择可标准化的、sku较少的、利润较高的环节，进行互联网化，例如场地排期选择，例如司仪推介。民间有句俗话叫做“有钱不买半年闲”，互联说的就是这个道理。

前边说过，从移低频非标在限制了市场规模的同时，从移也意味着利润较高，在现有市场规模下提升效率、提高客户满意度和转化率，则toB生意同样很有前途，价值巨大。什么样的生活场景算高频呢?生活中常见的，动互汇总一下，就是“衣食住行玩”。尤其是互联网领域，互联BAT和TMD这类企业的在职和离职员工也有大几十万人了吧，跑出来到处讲课指导年轻人的也大有人在。作为十四年职场浮沉，从移外企合资国企民企个体走过一圈的老司机，从移很惭愧的是，我还是不太懂得怎么讲成功学，况且成功经验这种东西，大都是天时地利人和使然，难以复制，不如和大家聊聊，怎么做会死的比较快。比如做房屋销售的可以考虑一下做租房，动互做房屋的快速翻新;做婚恋的转向做泛婚恋交友，这个也是世纪佳缘之类平台的立身之本。

当然，互联也有一种创业模式，是奔着被巨头收购去的，那你就在巨头的赛道上，努力做好绊脚石，也是不错的。现在大家都懂，从移创业要做刚需，做高频。在世界上许多国家，动互尤其是美国，信息透明度的缺乏导致医疗健康系统机能失调。

一些医疗服务方已经应用在工作中，互联临床发展潜力无限。个性化的医疗服务因每个人疾病史和基因构成的不同，从移所以标准化治疗方案根本不适合所有人。如SutterHealth，动互它的新EMR系统要比旧系统快40倍，而且在预测再住院率上准确率大大提高。数据分析在医疗领域内的潜在机会我们强调的机会有五大类：互联临床、报销、研发、商业模式创新和公共卫生。

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。其中，影响最大的是零售业和基于地理位置的服务，因为这两个领域的用户以数字土著(那些出生于80年代末，90年代初这一批及其以后的年轻一代人)为主，所以传播也最快，数量级也就最大。

完成个性化医疗需要做到哪几方面?首先，服务方可以使用物联网和数据分析来远程监测患者，在症状严重前就及时进行干预和调整。此外在研发上的应用可以快速确定目标人群，从而节约时间，降低成本。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。例如，服务方和制药企业可能不愿与支付方共享更多数据，因为数据可能会暴露企业的盈利模式。

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。在整个医疗健康系统中，当前状的态是：患者沿着一个统一化、标准化的治疗流程进行诊疗。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。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。

那么，未来诊疗的具体路径又是怎样的?持续性监测和风险评估;最大限度地提高诊疗服务的价值;针对每个个体提供个性化的治疗方案。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。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。

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。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。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。在支付方、服务方和制药企业之间建立新的合作关系，并搭建可能对提高价格透明度有所帮助的新的绩效薪酬模式。根据协议，阿斯利康将要建立一个专门的基因组学研究中心，将临床样本的基因组测序数据和相关的临床治疗和药物反应信息有效整合。

其次患者拥有精细化的数据就可以实现精准诊疗。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。

未来的创新技术(如免疫和CRISPR/Cas9基因组定点编辑技术)可以最大限度地提高每个人的体格。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。

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。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。

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。支付方将会越来越多地参与患者的诊疗过程。我们不要心急，随着尖端技术的慢慢渗，整个医疗系统会随之革新。大多数制药企业在从动物试验到I期临床试验期间，使用预测模型来优化给药，但数据分析还没应用于后期的试验中，如各类药物临床试验入组和排除标准。

几家保险公司也因此盈利，比如联合健康集团的一个业务板块Optum就通过梳理处方药的索赔记录帮助雇主节约医疗支出。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。

在将来，随着深入学习的进步，尤其是自然语言和视觉技术的发展，可能有助于医疗活动的自动化，节约劳动力成本。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。

虽然围绕“个性化”产生的大部分讨论都集中在最后一个维度，但如果可以结合激励机制设计以预防和以价值为基础的服务模式，那么远程监测和导诊也可以发挥更大的作用。这样可以最大限度地提高药物、手术和其他治疗方案的疗效，减少不必要的浪费和有害副作用。

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。这样看来，显然更好地利用数据可以帮助用户在没有生病前就了解到自身的健康风险所在，这也是对自己健康负责的关键所在。在临床中，主要的成功就是电子病历的快速扩张，已经从2010年的15.6%提升到2014年的75%，这其中很大的推动来自平价医疗法案的实施。 数据分析在5大领域中实现的潜在价值占比(2011年)此外，数据分析还创建了几大颠覆性创新模式。

使用这些精细化数据，可以确定量身定制的个人治疗方案。在新的商业模式中，服务方不妨可以使用这些技术，并结合健康干预措施，来打造一个关注预防、疾病管理和健康解决方案的新疾病管理机制，在用户生病前就帮助解决健康问题。

加上国家级医疗保险和医疗补助服务中心的动作，医疗价格的透明度已有所提高，同时超过30个州建立了所有保险索赔数据库以作为大型报销信息库。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。

如在2016年4月，阿斯利康与美国测序公司HumanLongevity、英国桑格研究院以及芬兰分子医学研究所展开合作进行200万例全基因组测序，为今后的药物研发提供指导。但也确实取得了一些成效，如临床上，最大的成功就是电子病历的采用，虽然目前看来其中的海量数据尚未完全挖掘出来。