Hoe een zorgaanbieder overstapte van silosystemen naar geïntegreerde data- en selfservice BI

Hoe een zorgaanbieder overstapte van silosystemen naar geïntegreerde data- en selfservice BI

UITDAGING: INTEGREER EN HAAL WAARDE UIT GEGEVENS IN ONGELIJKSOORTIGE SYSTEMEN

Het is een veelvoorkomend zakelijk probleem. Veel organisaties hebben de meeste gegevens die ze nodig hebben binnen hun eigen ecosystemen, maar toegang tot die gegevens om zinvolle inzichten te creëren, is een enorme hindernis omdat de gegevens zich in verschillende bronnen bevinden.

Dat was de uitdaging voor de gedragsgezondheidspraktijk van een grote zorgverlener.

Ze wilden de mogelijkheid hebben om gedrags-gezondheidsgegevens op te splitsen en deze te bekijken op een manier die clinici in staat zou stellen om belangrijke en relevante gebruiksstatistieken te begrijpen. Leiderschap zou deze visie gebruiken om de kwaliteit te meten en beslissingen te nemen.

Veel van de gegevens die nodig waren om een ​​selfservice-gegevensoplossing te creëren, bestonden al, maar waren verspreid over een enigszins losgekoppeld technologisch ecosysteem. De nodige informatie was er wel, maar was vaak afgeschermd en ontoegankelijk.

Zonder een manier om de gegevens te integreren en zonder een selfservice-weergave in alle gewenste gegevensdomeinen, zou de zorgverlener geen duidelijk, op gegevens gebaseerd verhaal kunnen produceren dat specifiek is voor gedragsgezondheid. De uitdaging was om bruggen te bouwen naar de data in het bestaande landschap en een geïntegreerde data-oplossing te creëren voor een gedragsgezondheidslens. We werkten samen met het data- en analyseteam van de klant om het project tot een succes te maken.

OPLOSSING: BESLISSINGSINTELLIGENTIE LEVEREN VIA EEN GEÏNTEGREERDE BI-ERVARING

Een simpele discussie leidde tot brainstormen en het creëren van deze oplossing. Een nieuwe bedrijfsleider binnen het netwerk van providers vertelde Bi.nl dat ze niet de inzichten kon krijgen die ze nodig had in wat alle gedragsmatige gezondheidsactiviteiten van de gezondheidssystemen waren.

De gegevens bestonden, maar het extraheren van deze inzichten zou vereisen dat de gegevens op een verteerbare manier worden geïdentificeerd, geopend, geaggregeerd en gepresenteerd. Zonder dat op zijn plaats zou de leider geen greep kunnen krijgen op gedragsgezondheid.

Andere klinische gebieden binnen het gezondheidssysteem, zoals diabetes, oncologie en hartziekten, ondervonden dit probleem niet. Ze gebruikten allemaal de ‘groupers’ in het bestaande datawarehousing- en zorganalyseplatform om verschillende data-elementen te groeperen in datasets die konden worden geanalyseerd om die visie te bieden.

Maar groupers zijn niet zo geavanceerd voor gedrags-gezondheidsgegevens als voor traditionele eerstelijns- of gespecialiseerde zorg, dus daarom kon onze klant niet genoeg datasets op dat gebied verzamelen.

Een probleem is dat gedragsgegevens over gezondheid niet zo eenvoudig zijn. Een patiënt met een hartaandoening wordt bijvoorbeeld gediagnosticeerd met een hartaandoening en hun klinische gegevens worden in verband gebracht met een hartaandoeningdiagnose en behandelingscodes. Het is gemakkelijker om gegevens uit verschillende bronnen te halen als u die diagnosecodes als uitgangspunt heeft.

Maar in gedragsgezondheid krijgen patiënten die aan een depressie lijden mogelijk geen definitieve “depressie” -diagnose, dus hun gezondheidsdossiers hebben die diagnosecode mogelijk niet. Hoewel u naar een opgesloten receptdatabase kunt kijken en kunt zien dat de patiënt een antidepressivum is voorgeschreven, moet u concluderen dat de persoon een onderliggend gedragsprobleem heeft.

Met experts op het gebied van gegevens in de gezondheidszorg begrepen we deze problemen en waarom die grijze gebieden het verzamelen van gegevens zo uitdagend maken voor gedragsgezondheid.

Terwijl er andere datakubussen bestonden om andere klinische gebieden te ondersteunen, had gedragsgezondheid er geen die de genuanceerde behoeften ondersteunde. Na veel discussie wist Bi.nl dat een gedrags-gezondheidsspecifieke oplossing noodzakelijk en volledig haalbaar was.

ONZE AANPAK

Om succes te garanderen, hebben we een gefaseerde, kruip-loop-loop-aanpak voorgesteld om het probleem aan te pakken. Begin met kruipen, krijg het vertrouwen om te lopen, maak je daar comfortabel mee en dan kun je rennen.

In een initiatief van deze omvang met zoveel bewegende delen, maakt het opsplitsen van de oplossing in kleinere delen het minder formidabel voor een klant. We werken aan één aspect tegelijk, tonen waarde en inhoudelijke vooruitgang, en dan kunnen de beslissers beslissen of we doorgaan met onze aanbevelingen voor de volgende fase.

Onze klanten waarderen deze aanpak omdat ze niet vastzitten in een omvangrijk en kostbaar langetermijnproject. Vaak bij de ontwikkeling van aangepaste software, als gebruikers het product eenmaal in handen hebben en ermee werken, willen ze misschien andere functionaliteit waar ze in het begin niet aan hadden gedacht. Deze aanpak biedt de flexibiliteit om aanpassingen door te voeren naarmate het project van de ene fase naar de volgende gaat.

FASE 1: ONTDEKKING EN AANBEVELINGEN

De klant stond te popelen om te beginnen met crawlen en we werkten samen met hun gegevens- en analyseteam om vooruit te komen. De eerste fase van het project was een zeer opzettelijke ontdekkingspoging om de strategie en doelen van de klant te begrijpen en te documenteren, evenals het huidige gegevenslandschap van gedragsgezondheid.

Dit proces is een cruciale eerste stap bij het oplossen van elk zakelijk probleem waarbij processen, technologie, gegevens en mensen betrokken zijn en van invloed zijn. Het helpt je vooruit te komen met afstemming en duidelijkheid.

In deze fase gaan wij:

  • Een actueel overzicht van de bedrijfsprocessen, de behoeften van de artsen in de praktijk en de eindgebruikers, de technische mogelijkheden en het bestaan ​​van gegevens, toegankelijkheid en kwaliteit.
  • Interviewde tal van belanghebbenden in de gedragspraktijk, waaronder de bedrijfsleider, clinici en artsen, om te leren wat ze zouden willen kunnen doen, hoe ze de gegevens wilden consumeren, welke problemen ze wilden oplossen en meer.
  • Werkte met de analysegroepen om uit te leggen welke vragen werden gesteld en welke gegevens we nodig hadden om ze te beantwoorden. Hierdoor verdienden we het vertrouwen van het team en ontwikkelden we dat tot een effectief partnerschap om de oplossing samen en tijdig te leveren.
  • Het datalandschap onderzocht om te begrijpen waar alle gewenste elementen zich bevonden (wat op tal van plaatsen was), toegang kreeg tot de data en vervolgens bedacht hoe deze samen te brengen voor een oplossing.

Het hoogtepunt van deze eerste inspanningen waren:

  • Een
    gapanalyse
  • Een bron-tot-target kaart brengen van de vereiste
    gegevens
  • Aanbevelingen voor een toekomstgerichte analyseoplossing die aan alle behoeften zou voldoen.

Daarna gingen we terug naar de bedrijfsleider met onze beoordeling en legden uit dat we alles in huis hadden om een ​​aangepaste gedragsgezondheidsgegevenskubus te bouwen om de aanvankelijk besproken problemen op te lossen. Dat zou fase 2 zijn. We stemden af ​​op de strategie en de klant besloot door te gaan.

FASE 2: DE KUBUS BOUWEN

In de loopfase kwamen we overeen om een ​​datakubus op te zetten, te ontwerpen en te implementeren die zou voldoen aan de initiële analysebehoeften van de afdeling met behulp van meetgegevens en attributen die direct beschikbaar waren.

De Behavioral Health-kubus zou gegevens uit de verschillende bronnen halen, in een toegankelijke omgeving plaatsen en instelbare visualisatiemogelijkheden bieden die ze konden aanpassen, afhankelijk van de vraag die ze probeerden te beantwoorden.

In dit proces, ons team:

  • De metrische gegevens die nodig zijn voor de Behavioural Health-kubus in kaart gebracht en gedocumenteerd, evenals de bronsystemen waar de gegevens zich bevinden.
  • De gegevenselementen gekopieerd naar een enkele, gefaseerde omgeving gericht op gedragsgezondheid.
  • Bouwde en ontwikkelde de aangepaste kubus, analyses en dashboards.
  • Gebruikte geavanceerde datamodellering om aangepaste groupers voor gedragsgezondheid te ontwikkelen.
  • Nieuwe Microsoft Power BI selfservice oplossingen gebouwd.
  • Getest, gedocumenteerd en getrainde eindgebruikers.

Uiteindelijk kregen de gedragstherapeuten en praktijkleiders de gewenste inzichten die voorheen niet beschikbaar waren. Ze hebben nu een werkende visualisatie met functionaliteit binnen handbereik.

Ons werk staat nu in de wachtrij (nog een opzettelijke pauze die we vanaf het begin hebben ingesteld) terwijl we wachten op de voltooiing van een apart extern initiatief om andere systemen online te brengen die nodig zijn voor een veel rijker datalandschap.

Het verrijkte datalandschap zal beter inzicht verschaffen in de workflows en klinische protocollen die nodig zijn voor verbeterde gedragsmatige gezondheidsbehandelingen.

Ondertussen maakt onze klant van deze gelegenheid gebruik om te werken met de gedragsmatige gezondheidsweergave die we hebben gemaakt om te zien of ze meer functionaliteit willen toevoegen of verbeteringen aan de interface willen aanbrengen.

FASE 3: TOEGANG TOT MEER GEGEVENS UITBREIDEN

Zodra dat werk is voltooid, zal de volgende fase zijn om te “rennen”. Het belangrijkste doel is om de beschikbare gegevenselementen in de nieuwe gegevenskubus uit te breiden door de maatregelen en attributen op te nemen in een gegevensbron voor een gezondheidsportaal. We zullen ook de reeds beschikbare inzichten versterken door toekomstige gegevenselementen in de kubus samen te voegen om in de loop van de tijd robuustere visualisaties te bieden. We kijken dan naar externe gegevensbronnen en groupers om de ontwikkeling van eventuele resterende vereisten af ​​te ronden.

RESULTATEN: IMPACT OP DE KLANTORGANISATIE

De gedragsgezondheidsorganisatie van onze klant heeft nu de mogelijkheid om effectief en efficiënt intelligente praktijken en patiëntgerelateerde beslissingen te nemen met behulp van en ondersteund door gegevens met betrekking tot zorgverleners, diagnostische categorieën en middelenmisbruik.

Enkele van de effecten zijn:

  • Eindgebruikers hebben toegang tot inzichten die gedragsgezondheidsdiensten versus medische diensten evalueren.
  • Leiders en belanghebbenden in de organisatie kunnen interactief self-service bieden via een geconsolideerd, gebruiksvriendelijk BI-dashboard.
  • De gedragsgezondheidsgroep heeft nu toegang tot robuuste informatie, uitgebreide intelligentie en doordachte inzichten die ze eerder moeilijk konden vinden of waarvan de waarde van de gegevens niet duidelijk was.
  • Zakelijke belanghebbenden hebben een hoger niveau van datageletterdheid bereikt, verkregen door onze discussies in dit proces en door training die ons team heeft gegeven.

De klant was dankbaar voor de bereidheid en het vermogen van Bi.nl om samen te werken met de zakelijke belanghebbenden van de organisatie, het IT-leiderschap en de data- en analyseteams als vertegenwoordiger en verlengstuk van de klinische bedrijfsorganisatie die we voornamelijk bedienden.

IMPACT OP BELANGHEBBENDEN:

  • Elimineerde de uitdagingen van de verzuilde
    data
  • Enabled gebruikers in staat om het verhaal van de gegevens
    vertelt
  • Krachtige intelligente besluitvorming