公共部門 - ソーシャル・サービスのニーズ評価

高度な分析でソーシャル・サービスのニーズを把握して、より焦点を絞ったケアを提供

ソーシャル・ケアのニーズ評価プロセスは、身体的、精神的、または社会的課題に関する支援を必要とする個人の幸福と支援を確保するため、それぞれの特定の要件を特定し、把握するのに役立つ重要な役割を果たしています。個人の身体的、感情的、社会的ニーズを評価することで、専門家は対象者の状況について、より広範かつ機微を捉えた理解を深めることができます。これにより、各個人の独自の課題に対処するパーソナライズされたケア・プランを作成し、ソーシャル・ケアに対するより効果的でクライアント中心のアプローチを促進できます。

評価プロセスが重要である理由のいくつかを次に挙げます。

• 独立性の促進と維持：個人の支援を必要とする可能性のある領域を特定することで、主治医は、日常生活において自律性を維持するための支援に集中できます。これには、日常的なタスクを遂行する能力を強化するサポート・システムの導入が含まれる場合があります。こうしたシステムは、自給自足と尊厳の維持に寄与する可能性があります。
• コストを管理しながらサポートを調整：評価プロセスは、早期介入の手段の1つです。潜在的な問題や課題を初期の段階で特定することで、タイムリーかつ的を絞った介入が可能となり、問題が深刻化するのを防ぐことができます。このプロアクティブなアプローチにより、全体的なケアの質を向上させるだけでなく、より広範かつ費用のかかる事後的な介入を避けることでコストを削減することもできます。
• 医療システム内での様々な利害関係者間のコラボレーションの実現：アセスメント・プロセスは、医療従事者、ソーシャル・ワーカー、およびその他の関連者間の効果的なコミュニケーションを促進します。このコラボレーション・アプローチにより、個人の幸福のすべての側面が確実に考慮されるため、より包括的で統合された医療計画につながる可能性があります。
• 効率的、公平、公正にリソースを割り当てる：個人またはコホートが必要とするサポート・レベルを正確に測定することで、ソーシャル・ケア・ポリシー作成者は、より大きなニーズの領域をターゲットとして、リソースを効率的に割り当てることができます。これにより、利用可能なリソースの使用が最適化されるだけでなく、サービスのプロビジョニングの不足や過剰化を防止し、ソーシャル・ケア・システム全体の持続可能性と応答性を高めることができます。

多くの場合、ソーシャル・ケア・リソースには限りがあるため、最も必要とされる人に効率的に割り当てる必要があります。分析主導のニーズ評価は、ニーズの重要度が最も高い個人およびコミュニティを特定するのに役立ちます。これにより、リソースを最も影響の大きい対象に割り当てることができます。ニーズを早期に特定することは、タイムリーな介入とサポートを実現するため、ソーシャル・ケアにおいて極めて重要です。早期介入により、問題が深刻化したり、問題への対処の負担が増大したりするのを防止できる可能性があります。また、様々な介入の結果を分析し、個人の幸福に対する影響を評価することで、ケア提供業者は継続的にアプローチの改善と最適化を図ることができます。

近年、データと分析を使用する手法が、ソーシャル・ケアを変革する推進力として台頭し、ソーシャル・ケアのニーズ評価の有効性と効率性を向上させる比類のない機会をもたらしています。データと分析を組み合わせることで、ソーシャル・ケア・プロフェッショナルには強力なツールセットが提供され、個人の多様なニーズの理解、予測、対応に役立ったり、十分な情報に基づいた意思決定に必要となる、エビデンス・ベースのインサイトが提供されたりします。

ソーシャル・ケア・ニーズを評価するためのデータ主導型のアプローチにより、ケア提供業者は、詳細かつ正確な、パーソナライズされた介入戦略を策定し、ソーシャル・ケアの精度と有効性を高めることができます。医療記録、ソーシャル・インタラクション、人口統計情報などの様々なソースからのデータを集約することで、ソーシャル・ケア・チームは個人の状況とニーズを包括的に理解できます。高度な分析により、健康および社会福祉状況が悪化するリスクのある個人を特定できる予測モデルを開発できます。これらのモデルは、履歴データおよびパターンを分析することで、ケア・ワーカーが潜在的な問題を深刻化する前に予測するのを支援し、早期介入を実現したり、危機の防止や、ソーシャル・ケア・サービスに関する全体的な負担の軽減を支援したりします。

また、データと高度な分析により、ケア・チームはソーシャル・ケアに先を見越してアプローチできるため、個人だけでなく、全体的なソーシャル・ケア・システムにもメリットがあります。たとえば、機械学習アルゴリズムは、膨大なデータセットを分析して、人間の観察者にすぐには見えないパターンや相関関係を特定できます。ケア提供業者は、この情報を使用して、個人の現在のニーズに合わせて、調整された介入と将来の課題の予測の両方を提供できます。これは、より臨機応変に対応できて応答性の高いソーシャル・ケア・システムを構築するのに役立ちます。

さらに、ウェアラブル・デバイスやスマート・ホーム・センサーなどのデバイスからのリアルタイム・データ・ストリームは、個人の毎日の活動やケア状況に関する貴重なインサイトを提供するため、そのニーズや介入の有効性をリアルタイムで継続的に監視できるようになります。これにより、事態の変化に応じてケア・チームが介入を調整できるリアクティブな介入および適応計画の両方が可能になります。

包括的なデータ・プラットフォームで、個別にターゲットを絞って最適化されたソーシャル・ケア・サービスを特定し、提供します

ケアのニーズおよびサービス提供に関連するデータを取り込み、キュレーション、処理、分析できるデータ・プラットフォームは、個人やコミュニティの多様で進化するニーズを特定、評価、対処するためのデータドリブン・インサイトにより、ソーシャル・ケア部門の関係者を支援します。データ分析、人工知能、機械学習は、組織がリソース割り当ての最適化、サービス提供の強化、そして最終的には脆弱な集団の成果の改善を行うのに役立つ可能性があります。ここで紹介するアーキテクチャは、推奨されるOracleのコンポーネントを組み合わせて、データ分析のライフサイクル全体をカバーし、ソーシャル・サービス・プロバイダがクライアントのニーズをより正確に特定するのに役立つように設計された分析アーキテクチャを構築する方法を示しています。

この図は、Oracle Data Platform for Public Sectorを使用して、ソーシャル・サービスのニーズ評価を改善し、先を見越した介入を可能にする方法を示しています。

1. 1. データソース、検出
2. 2. 取込み、変換
3. 3. 永続化、キュレーション、構築
4. 4. 分析、学習、予測
5. 5. 測定、実行

データソース、検出の柱には、データの4つのカテゴリーが含まれます。

1. 1. アプリケーションは、ソーシャル・サービス・レコード、教育記録、クライアント・インタビューおよびケース・ノート、児童福祉データからのデータで構成されます。
2. 2. ビジネス・レコードは、雇用データ、課税データ、公衆衛生データ、コミュニティ調査、人口分析に由来するデータで構成されます。
3. 3. 技術的インプットは、ソーシャル・データからのデータで構成されます。
4. 4. サードパーティ・データは、国勢調査と人口統計データ、環境データで構成されています。

接続、取込み、変換の柱は、4つの機能で構成されます。

1. 1. バッチ取り込みには、OCI Data Integration、Oracle Data Integrator、DBツールを使用します。
2. 2. 一括転送には、OCI FastConnect、OCI Data Transfer、MFT、OCI CLIを使用します。
3. 3. 変更データの取得には、OCI GoldenGateとOracle Data Integratorを使用します。
4. 4. ストリーミング取り込みにはKafka Connectを使用します。

4つの機能はすべて、永続化、キュレーション、構築の柱の中で、サービング・データ・ストアとクラウド・ストレージに一方向に接続されます。

さらに、ストリーミングの取り込みは、分析、学習、予測の柱の中で、ストリーム処理に接続されます。

永続化、キュレーション、構築の柱は、5つの機能で構成されます。

1. 1. サービング・データストアには、Oracle Autonomous Data Warehouse、Exadata Database Cloud Service、Exadata Cloud@Customerを使用します。
2. 2. マネージドHadoopには、Oracle Big Data Serviceを使用します
3. 3. クラウド・ストレージには、OCI Object Storageを使用します。
4. 4. バッチ処理には、OCI Data Flowを使用します。
5. 5. ガバナンスには、OCI Data Catalogを使用します。

こうした機能は、柱の中で接続されています。クラウド・ストレージは、サービング・データストアとマネージドHadoopの両方に一方向に接続され、バッチ処理にも双方向に接続されます。

マネージドHadoopは、サービング・データストアに一方向に接続されます。

2つの機能は、分析、学習、予測の柱につながります。サービング・データストアは、分析機能と可視化機能、そしてデータ製品とAPI機能の両方に接続します。クラウド・ストレージは、機械学習機能に接続します。

分析、学習、予測の柱は、4つの機能で構成されます。

1. 1. 分析、可視化は、Oracle Analytics Cloud、GraphStudio、およびISVを使用します。
2. 2. データ製品・APIは、Autonomous Data Sharing、API Gateway、Functionsを使用します。
3. 3. 機械学習は、Oracle Machine Learning、Oracle ML Notebooksを使用します。
4. 4. ストリーミング処理には、OCI Goldengate Stream Analyticsとサードパーティのストリーム分析を使用します。

測定、行動の柱は、人とパートナー、ソーシャル・ケア・アナリスト、介入アラートによって、データ分析がどのように使用されているかを捉えます。

「人とパートナー」は、ソーシャル・プロファイリング（人口統計、社会経済指標、健康関連データ）、リスク評価、社会的傾向分析、コホート分析で構成されています。

ソーシャル・ケア・アナリストは、根本原因分析、パターン識別、自然言語処理センチメント分析、分類モデリング、クラスタリング、異常検出で構成されます。

介入アラートはストリーム処理に接続されます。

3つの中心的な柱である、取込み・変換、永続化・キュレーション・構築、分析・学習・予測は、インフラストラクチャ、ネットワーク、セキュリティ、IAMによってサポートされています。

データの接続、取込み、変換

オラクルのソリューションは、それぞれが特定のデータ・プラットフォーム機能をサポートする3つの柱で構成されます。最初の柱は、データの接続、取り込み、変換の機能を提供します。

サービス提供組織がソーシャル・ニーズを識別および評価できるように、アーキテクチャにデータを注入するには、主に3つの方法があります。

• プロセスを開始するには、ケース管理、介入管理、教育記録システムなどの業務システムからの特定のイベントまたは介入ニーズを識別するために通常必要となる、頻繁、リアルタイムまたはほぼリアルタイムの抽出を有効にします。Oracle Cloud Infrastructure（OCI）GoldenGateを使用して、ケース管理、HCM/リソース、およびサービス・システムからデータを取り込みます。イベント・データ、サービスの可用性および適格性の要件は、ソーシャル・ケア提供業者が必要なサービスを特定して提供できるように、ほぼリアルタイムでの取り込み（「適時」取り込みとも呼ばれます）が必要となります。このデータは、通常、本質的にリレーショナル・データであり、エンタープライズ・アプリケーションから取得されます。OCI GoldenGateは、変更データの取得を使用して、サービスが必要な業務プロセスを提供するシステムの基本構造における変更イベント（たとえば、ケースの作成、顧客の問題のフラグ付け、介入など）を検出し、そのデータを永続性レイヤーやストリーミング・レイヤーにリアルタイムで送信します。OCI GoldenGateは、完了したアクション/トランザクションのログ・ファイルを処理し、取得した変更をデータベースとは独立した外部の証跡ファイルに保存することで、ソース変更を非侵襲的に処理できる変更データ取得メカニズムを提供します。その後、変更はステージング・データベースに確実に転送されます。ジャーナル・ナレッジ・モジュール（JKM）は、Oracle Data Integratorによって管理されるメタデータを使用して、すべてのOCI GoldenGate構成ファイルを生成し、ステージング領域ですべてのOCI GoldenGateで検出された変更を処理します。これらの変更は、Oracle Data Integratorの宣言変換マッピングを使用して、ターゲット・データ・ウェアハウスにロードされます。このアーキテクチャにより、分析データ・ウェアハウス・テーブルへのデータのロードおよび変換に加えて、正規化されたステージング領域テーブルの個別のリアルタイム・レポート作成が可能になります。
• 次に、モデル・トレーニングおよびサービス提供分析の業務トランザクションの履歴データの一括転送を有効にします。一括転送サービスは、既存のオンプレミスの分析リポジトリや他のクラウド・ソースからのデータなど、大量のデータを初めてOracle Cloud Infrastructureに移動する必要がある場合に使用します。具体的にどのような一括転送サービスを利用するかは、データの保存場所や転送頻度によって決まります。例えば、過去の計画やデータウェアハウス・リポジトリから大量のオンプレミス・データをロードするためには、OCI Data TransferサービスやOCI Data Transfer Applianceを使用することがあります。大量のデータを継続的に移動させる必要がある場合は、お客様のデータセンターとOCIの間を広帯域の専用プライベート・ネットワークで接続するOCI FastConnectの利用を推奨しています。
• 複数のソースからのコミュニティ・データ、コホート・データまたはクライアント・データをリアルタイムで分析する機能は、早期介入の機会を特定するためにますます重要になっています。このユース・ケースでは、ストリーミング取り込みを使用して、モバイル・インタラクション、IoT、マシン間通信、その他の手段を通じて、クライアントまたは社内のイベントから読み取ったすべてのデータを取り込みます。ストリームは、内部（テレマティクスと監視）および外部（ソーシャル）の様々なソースから発信され、位置情報データ、クライアント・インタラクション・データ、移動データおよびソーシャル・メディア・データを含めることができます。データ（イベント）が取り込まれ、OCIオブジェクト・ストレージに保存される前に、基本的な変換と集計がいくつか行われることになります。相関するロケーション・イベントを特定し、クライアントの介入などのアクションを開始するため、追加のストリーミング分析を使用できます。特定されたパターンは、OCI Data Scienceを使用して生データを調査できるように（手動で）フィードバックできます。
• リアルタイムのニーズは進化していますが、ケース、トランザクション、リソース・プランニング、クライアント、人口統計、リスクおよびコンプライアンス管理システムからの最も一般的な抽出操作が、ETLプロセスを使用したある種のバッチ取り込みです。バッチ取り込みは、データ・ストリーミングをサポートできないシステム（たとえば、古いケース管理システムおよびレジスタ）からデータをインポートするために使用されます。こうした抽出は、10分や15分といった頻度で行うことができますが、個々のトランザクションではなく、トランザクションのグループを抽出して処理するため、性質的にはあくまでバッチ処理です。OCIは、ネイティブのOCI Data Integrationサービスや、OCI Computeインスタンス上で動作するOracle Data Integratorなど、バッチ取り込みを処理するさまざまなサービスを提供しています。サービスの選択は、主に技術的な要件よりもお客様の嗜好に基づいて行われることになります。

データの維持、処理、キュレート

データの永続化と処理は、3つのコンポーネントで構築されています。お客さまによっては、そのすべてを使用する場合も、サブセットで使用する場合もあります。データの量や種類によっては、オブジェクト・ストレージにロードしたり、構造化されたリレーショナル・データベースに直接ロードして永続的に保存することが可能です。データ・サイエンス機能の適用を想定する場合は、データ・ソースから生の状態（未処理のネイティブ・ファイルや抽出物）で取得したデータをトランザクション・システムからクラウド・ストレージにロードするケースがより一般的です。

• クラウド・ストレージは、オラクルのデータ・プラットフォームで最も一般的なデータ永続性レイヤーです。構造化データと非構造化データの両方に使用することができます。OCI Object Storage、OCI Data Flow、Oracle Autonomous Data Warehouse（ADW）が基本的な構成要素です。データソースから生の状態で取得したデータを取り込み、OCI Object Storageにロードします。OCI Object Storageはプライマリ・データ永続性層で、OCI Data FlowのSparkはプライマリ・バッチ処理エンジンです。バッチ処理には、基本的なノイズ処理、欠損データ管理、定義されたアウトバウンド・データセットに基づくフィルタリングなど、複数の作業が含まれます。結果は、必要な処理と使用されたデータ・タイプに基づいて、さまざまな層のオブジェクト・ストレージまたは永続的なリレーショナル・リポジトリに書き戻されます。
• ここでは、サービング・データストアを使用して、クエリのパフォーマンスのために最適化した形でキュレーションされたデータを永続化し、ソーシャル・サービス・ケアに関する需要やニーズを包括的に可視化します。サービング・データストアは、質の高いキュレートされたデータをSQLベースのツールでエンド・ユーザーに直接提供するために使用される、永続的なリレーショナル・データ層です。このソリューションでは、Oracle Autonomous Data Warehouseは、エンタープライズ・データウェアハウスと、必要に応じてより専門的なドメイン・レベルのデータマートのためのサービング・データストアとしてインスタンス化されます。また、データ・サイエンス・プロジェクトのデータソースや、Oracle Machine Learningに必要なリポジトリとなることもあります。サービング・データストアは、Oracle MySQL HeatWave、Oracle Database Exadata Cloud Service、Oracle Exadata Cloud@Customerなど複数ある形式のいずれかを取ることができます。

データの分析、学習、予測

分析、学習、予測を行う機能は、2つのテクノロジー・アプローチにより促進されます。

• 高度な分析機能は、現在および将来のソーシャル・サービスのニーズを特定する上で極めて重要です。このお客様事例では、分析と可視性を提供するために、Oracle Analytics Cloudを活用します。これにより、組織は記述的分析（ヒストグラムやチャートで現在の傾向を説明）、予測分析（将来のイベントを予測し、傾向を特定し、不確実な結果の確率を決定）、処方的分析（最適な意思決定をサポートするために適切な行動を提案）を使用することができます。
  
  履歴データへの予測モデルの適用は、次の方法でソーシャル・ケア・ニーズの評価を改善する大きな可能性を秘めています。
  • 将来の需要の予測：予測分析アルゴリズムにより、ソーシャル・ケアの利用状況、人口統計的傾向および社会経済指標に関する履歴データを分析して、様々なサービスの将来の需要を予測できます。コミュニティの予測されるニーズを把握することで、社会福祉機関は、こうした要求を効率的に満たすため、リソースの計画および割り当てを先を見越して行うことができます。
  • リスクのある人々の特定: サービス提供業者は、予測分析を使用して、年齢、収入レベル、健康状態、過去のサービス利用パターンなどの要因の組合せに基づいて、ソーシャル・ケアを必要とするリスクが高い個人またはコミュニティを識別できます。こうした危機に瀕している人々に対する介入をターゲットにすることで、社会福祉機関は危機の防止と潜在的な課題の軽減のための早期支援を行うことができます。
  • 介入の調整：社会福祉組織は、予測分析を使用して、個人の特定のニーズと特性に基づいて、最も適切で効果的な介入を特定することで、ケア提供を最適化できます。各個人またはグループの固有の要件に合わせてサービスを調整することで、ソーシャル・ケア提供業者が介入の影響を最大化し、改善された結果をサポートして、プログラムのコスト効率を高めることができます。
  • リソース割当ての最適化：ソーシャル・ケア・ワーカーは、分析を使用して、サービスの必要性が最も高い領域を特定することで、リソース割当ておよび戦略的プランニングを通知できます。社会福祉機関は、こうした必要性の高い分野への投資を優先することで、コミュニティ内で最も困難な課題に対処するため、リソースを効率的かつ効果的に割り当てることができます。
  • 進化するケア・ニーズへの適応：予測分析により、社会福祉機関はリアルタイムのデータとフィードバックに基づいて介入を継続的に監視し、改善することができます。変化するニーズや状況に応じて結果を分析し、戦略を調整することで、組織はコミュニティのニーズの変化に応じて、ソーシャル・ケア・プログラムの有効性と応答性を維持できます。
• 高度な分析やストリーミング分析に加えて、データ・サイエンス、機械学習、人工知能が、異常の検出、プロセスに遅延が発生する可能性のある箇所の予測、クライアント体験の最適化にますます使用されるようになっています。たとえば、機械学習モデルは、クライアント・コンテキストの識別、母集団分析および結果のセグメンテーションに使用できます。新しいデータからの継続的な学習により、これらのモデルは時間の経過とともに適応し、パフォーマンスを向上させることができ、業務の効率化とより適切な意思決定を導き出しすことができるようになります。データベースには、OCI Data Science、OCI AI Services、Oracle Machine Learningを使用することができます。
  
  機械学習やデータ・サイエンスの手法を用いて、予測モデルを構築およびトレーニングしています。これらの機械学習モデルはその後、APIを介してスコアリング用に導入したり、OCI GoldenGateストリーム分析パイプラインの一部として組み込むことができます。場合によっては、Oracle Machine Learning Services REST APIを使用して、これらのモデルをデータベースに導入することも可能です（これを行うには、モデルがOpen Neural Network Exchange形式であることが必要です）。さらに、Jupyterや Python中心のノートブック用のOCI Data Scienceや、Zeppelinノートブックおよび機械学習アルゴリズム用のOracle Machine Learningを、サービング・データストアまたはトランザクション・データトア内に導入することができます。同様に、Oracle Machine LearningとOCI Data Scienceを単体または組み合わせて、推奨および決定モデルを開発することができます。これらのモデルはサービスとして導入することができるので、OCI API Gatewayの背後に導入して「データ製品」や「サービス」として提供することが可能です。最後に、構築された機械学習モデルは、（許可されていれば）運用上の意思決定システムの一部であるアプリケーションへの導入が可能です。
• 最後に重要な要素として、データ・ガバナンスがあります。これは、データ・プラットフォーム・エコシステム内のすべてのデータ・ソースに対して、データ・ガバナンスとメタデータ管理（技術メタデータとビジネス・メタデータの両方）を提供する無料サービスであるOCI Data Catalogによって実現されます。また、OCI Data Catalogは、Oracle Autonomous Data WarehouseからOCI Object Storageへのクエリにおいて、保存方法に関係なくデータを迅速に検出する方法を提供する極めて重要なコンポーネントです。これにより、エンド・ユーザー、開発者、データ・サイエンティストは、アーキテクチャ内のすべての永続データストアで共通のアクセス言語（SQL）を使用することができます。

コミュニティのニーズを包括的に把握し、先を見越したエビデンス・ベースの意思決定を実現

ソーシャル・ケアのニーズに高度な分析を適用するデータ主導のアプローチは、個人とコミュニティの両方の要件を満たすようにソーシャル・サービスを開発、提供およびカスタマイズする方法を強化できます。データ主導の分析により、コミュニティ内のさまざまな人口統計グループのニーズをより深く理解することができます。ソーシャル・サービス・プロバイダは、健康記録、コミュニティ調査、ソーシャル・アシスタンス・プログラム・データ、国勢調査データなど、多様なデータ・ソースを使用して、健康指標、社会経済決定要因、人口統計トレンドおよびサービス利用パターンに関する貴重なインサイトを取得できます。包括的な視点を導入することで、組織はサービス提供のギャップを特定し、恵まれないグループに介入を集中させ、最も緊急性の高いニーズを満たすため、リソースを賢明に配分できます。

ここでは、最新のデータ・プラットフォームが、組織によるソーシャル・ケア・ニーズの評価とケア提供の品質、効率性、有効性を改善するのに役立ついくつかの方法を紹介します。

• 国勢調査データ、公衆衛生記録、社会支援プログラム・データ、コミュニティ調査など、さまざまなソースに由来する多様なデータセットを統合します。これらのデータセットを一元化されたリポジトリに統合すると、すべての情報を分析しやすくなり、異なる変数間の相関を識別しやすくなります。
• 予測モデリングやデータ視覚化ツールなどの高度な分析機能により、意思決定者はソーシャル・ケア・ニーズの傾向、パターン、格差を特定できます。たとえば、予測モデリング技術は、人口統計と社会経済的要因に基づいて、特定のソーシャル・サービスの将来の需要を予測できます。
• 機械学習アルゴリズムは、大量のデータを分析して、従来の分析方法では明らかにできなかった隠れたパターンや関係を特定できます。これらのアルゴリズムは、類似したソーシャル・ケア・ニーズを持つ個人のクラスタを検出したり、特定の課題のリスクがある個人を予測したりして、先を見越した介入戦略を実現できます。
• 地理空間分析ツールにより、地図上にソーシャル・ケアのニーズを可視化できるため、政策立案者は脆弱な集団の密度が高い地理的領域や、ソーシャル・サービスへのアクセスが限られている地域を特定できます。こうした空間的把握は、リソースの割当てやサービス・プランニングに役立ちます。
• ソーシャル・ケア指標のリアルタイム監視は、サービス提供戦略へのタイムリーな介入と調整をサポートします。継続的なフィードバック・ループにより、ソーシャル・サービス・プロバイダは、介入の有効性を評価し、観察された結果に基づいてソーシャル・ケア・プログラムを改善できます。
• データの収集、保存、分析を厳格な倫理的ガイドラインおよびプライバシー規制に準拠させ、個人の機密情報を保護するための措置を講じます。最新のデータ・プラットフォームには、堅牢なセキュリティ対策と匿名化手法が組み込まれており、組織はプライバシーを保護しながら、ソーシャル・ケア・ニーズの評価のためにデータを活用できます。