pame
Συνειρμικό Business Intelligence αντί για αναφορά προς αναφορά. Για όσους θέλουν να κινούνται μέσα από τις συσχετίσεις στα δεδομένα.
Business Intelligence
καλύτερες αποφάσεις
Το Business Intelligence φέρνει κοντά δεδομένα από πολλά συστήματα και τα μετατρέπει σε αποφάσεις. Χτίζουμε συστήματα BI για νοσοκομεία και επιχειρήσεις, με τα οποία δεν βλέπει κανείς μόνο δείκτες, αλλά βρίσκει αιτίες και κατανοεί συσχετίσεις. Στον χώρο της υγείας έχουμε εμπειρία από το 1994, εκεί όπου τα δεδομένα σπάνια περιμένουν τακτοποιημένα.

Λονδίνο / αποφάσεις με βάση δεδομένα
Florence Nightingale
„Florence Nightingale CDV by H Lenthall“ από H. Lenthall, London, ca. 1850er
Πηγή: Wikimedia Commons (Original: Heritage Auctions) · Άδεια χρήσης: Public Domain (PD-US) · Πηγές εικόνων
Επεξεργασία: Στο Wikimedia Commons ήδη περικομμένη, με διόρθωση αντίθεσης και ρετούς· για την Today is Life επιπλέον αποκομμένη από το φόντο και επεξεργασμένη.
Η Florence Nightingale έγινε διάσημη ως «Lady with the Lamp». Για το Business Intelligence όμως είναι πολύ πιο ενδιαφέρουσα μια άλλη πλευρά της δουλειάς της: δούλευε με δεδομένα. Η Nightingale συγκέντρωνε συστηματικά δεδομένα υγείας και θνησιμότητας, ανέλυε συσχετίσεις και ανέπτυσσε οπτικοποιήσεις, με τις οποίες έκανε κατανοητά τα συμπεράσματά της στην πολιτική και στη διοίκηση. Δεν ήθελε περισσότερα δεδομένα. Ήθελε από τα δεδομένα να προκύπτουν καλύτερες αποφάσεις. Γι' αυτό ακριβώς πρόκειται στο Business Intelligence μέχρι σήμερα.
Με τα χρόνια το Business Intelligence έγινε όλο και πιο όμορφο.
Παλιά παίρναμε ατελείωτες λίστες σε πρασινόλευκο χαρτί από τον εκτυπωτή. Μετά ήρθαν το Excel, τα συστήματα reporting, οι κύβοι OLAP και κάποια στιγμή τα dashboards. Σήμερα μπορεί κανείς να εμφανίσει πρακτικά κάθε δείκτη στο χρώμα που θέλει. Με ταχύμετρο, φανάρι και παγκόσμιο χάρτη, αν χρειαστεί οπωσδήποτε.
Αυτό είναι πρόοδος. Μόνο που ένα dashboard απαντά συνήθως σε ερωτήσεις που κάποιος ήξερε ήδη από πριν.
Πόσος είναι ο τζίρος; Πόσα περιστατικά είχαμε; Πώς εξελίσσεται η διάρκεια νοσηλείας; Ποιο κέντρο κόστους είναι πάνω από το πλάνο; Πόση είναι η πληρότητα;
Γι' αυτά τα dashboards είναι εξαιρετικά. Μόνο που η πραγματική ανάλυση ξεκινά συχνά ακριβώς εκεί όπου τελειώνει το dashboard.
Βλέπετε για παράδειγμα ότι σε ένα νοσοκομείο αυξήθηκε η διάρκεια νοσηλείας. Καλά. Ή μάλλον όχι καλά. Τώρα όμως τουλάχιστον το ξέρετε.
Το ενδιαφέρον ερώτημα είναι: γιατί;
Ίσως η μεγαλύτερη διάρκεια νοσηλείας δεν αφορά καθόλου ολόκληρο το νοσοκομείο. Κοιτάτε λοιπόν τις κλινικές. Εκεί ξεχωρίζει ένα τμήμα. Κοιτάτε λοιπόν τα DRG. Μετά τις διαγνώσεις. Τους θαλάμους. Τους γιατρούς. Τις ημέρες εισαγωγής και εξιτηρίου.
Και κάποια στιγμή διαπιστώνετε: αυτό συμβαίνει κυρίως σε μια συγκεκριμένη ομάδα περιστατικών και εκεί με εντυπωσιακή συχνότητα σε ασθενείς που εισήχθησαν προς το τέλος της εβδομάδας.
Τώρα έχετε ανακαλύψει κάτι.
Το πρόβλημα: όταν χτιζόταν το dashboard, κανείς δεν ήξερε ότι κάποια στιγμή θα θέτατε ακριβώς αυτή την ερώτηση. Πώς θα μπορούσε;
Αυτό είναι το σημείο όπου τα κλασικά συστήματα αναφορών τείνουν να γίνονται κάπως πεισματάρικα. Για την επόμενη ερώτηση χρειάζεται μια άλλη ανάλυση, μια επιπλέον διάσταση ή κάποιος από το IT.
Ή εξάγει κανείς τα πάντα στο Excel.
Κάτι που, μετά από πάνω από 30 χρόνια Business Intelligence, έχει μια κάποια κωμικότητα. Έχει όμως και έναν καλό λόγο.
Στο Excel ο χρήστης μπορεί να κάνει με τα δεδομένα ό,τι θέλει. Μπορεί να ταξινομεί, να φιλτράρει, να δοκιμάζει, να βάζει δύο πράγματα δίπλα δίπλα και να ακολουθεί μια ιδέα που μόλις του ήρθε. Γιατί έτσι ακριβώς λειτουργεί η ανάλυση. Δεν γνωρίζει κανείς την πέμπτη ερώτηση, πριν δει την απάντηση στην τέταρτη.
Αυτό είναι το κομμάτι του Business Intelligence που πάντα με ενδιέφερε περισσότερο.
Τα δεδομένα συνδέονται.
Ένας πελάτης παραγγέλνει ένα προϊόν. Την παραγγελία την χειρίστηκε ένας πωλητής. Ο πελάτης βρίσκεται στο Αμβούργο. Το προϊόν ανήκει σε μια ομάδα εμπορευμάτων. Η παραγγελία παραδόθηκε τον Μάρτιο και αμφισβητήθηκε τον Απρίλιο.
Φυσικά μπορεί κανείς να κάνει από αυτά έξι πίνακες και δώδεκα αναφορές. Μπορεί όμως και να το δει γι' αυτό που είναι: μια συσχέτιση.

Όταν επιλέγω το Αμβούργο, δεν θέλω γι' αυτό να δω μόνο τον τζίρο από το Αμβούργο. Θέλω να δω ταυτόχρονα ποιοι πελάτες ανήκουν σε αυτόν, ποια προϊόντα αγόρασαν αυτοί οι πελάτες, ποιοι πωλητές συμμετείχαν, πότε συνέβη αυτό και ποια παράπονα σχετίζονται με αυτά.
Και μετά επιλέγω ίσως επιπλέον μια ομάδα προϊόντων.
Έτσι αλλάζουν πάλι όλα. Ορισμένοι πελάτες εξακολουθούν να ανήκουν. Άλλοι όχι πια. Μερικοί πωλητές μένουν. Ορισμένοι μήνες επίσης.
Και ξαφνικά μπορώ να κινούμαι μέσα στα δεδομένα. Όχι μέσα από αναφορές. Μέσα από συσχετίσεις.
Όποιος δούλεψε πολύ με συνειρμικά συστήματα, αποκτά κάποια στιγμή, παρεμπιπτόντως, μια περίεργη σχέση με το γκρι χρώμα.
Γιατί ενδιαφέρον δεν έχει μόνο ό,τι ανήκει σε μια επιλογή. Ενδιαφέρον έχει και ό,τι δεν ανήκει.
Ας υποθέσουμε ότι ένα συγκεκριμένο προϊόν πουλάει εξαιρετικά στο Αμβούργο. Επιλέγουμε το Αμβούργο και αυτό το προϊόν και βλέπουμε αμέσως τους πελάτες που το αγόρασαν.
Μέχρι εδώ αναμενόμενο.
Ταυτόχρονα όμως βλέπουμε και τους πελάτες από το Αμβούργο που δεν αγόρασαν αυτό το προϊόν. Και αυτοί μπορεί να είναι για τις πωλήσεις πολύ πιο ενδιαφέροντες.
Ή επιλέγουμε στο νοσοκομείο μια συγκεκριμένη διάγνωση και βλέπουμε τις αντίστοιχες διαδικασίες. Ταυτόχρονα βλέπουμε όμως και ποιες διαδικασίες δεν εμφανίζονται σε αυτά τα περιστατικά.
Γιατί όχι;
Δεν έχω ιδέα. Τώρα όμως μπορεί κανείς να το ελέγξει.
Και ακριβώς σε αυτό το σημείο το reporting γίνεται ανάλυση.
Η αρχή πίσω από αυτό είναι στην πραγματικότητα εκπληκτικά απλή.
Τα δεδομένα συνδέονται μεταξύ τους μέσα από τις σχέσεις τους. Μια επιλογή δεν περιορίζει απλώς μια αναφορά, αλλά αλλάζει ολόκληρο τον χώρο δεδομένων. Βλέπει κανείς τι ανήκει στην επιλογή, τι εξακολουθεί να είναι δυνατό και τι έχει αποκλειστεί.
Έτσι δεν χρειάζεται να ξέρει κανείς από πριν ποιον δρόμο θα πάρει μια ανάλυση.
Αυτό το θεωρώ μάλλον πολύ σημαντική διαφορά.
Μια αναφορά λέει: Εδώ είναι η απάντηση στην ερώτηση που είχαμε προβλέψει όταν χτίζαμε την αναφορά.
Ένα συνειρμικό σύστημα λέει: Εδώ είναι τα δεδομένα. Ξεκίνα.
Φυσικά χρειάζονται και πάλι dashboards. Το πρωί στις εννέα ένας διευθύνων σύμβουλος δεν θέλει να ερευνά πρώτα μισή ώρα δεδομένα για να βρει πώς είναι ο τζίρος. Γι' αυτό υπάρχουν δείκτες και τυπικές αναλύσεις.
Αν όμως εκεί κάτι φαίνεται παράξενο, πρέπει να μπορεί να προχωρήσει. Χωρίς να παραγγείλει νέα αναφορά. Χωρίς SQL. Και κατά το δυνατόν και χωρίς το πλέον παραδοσιακό κουμπί: «Εξαγωγή στο Excel».
Γιατί το Business Intelligence δεν πρέπει να συνίσταται στο να παρουσιάζονται όσο το δυνατόν περισσότερα δεδομένα όσο το δυνατόν πιο όμορφα.
Πρέπει να βοηθά να ανακαλύπτεται κάτι. Κάποιες φορές ακόμη και κάτι για το οποίο δεν είχε ρωτήσει κανείς πριν.
Συνειρμικό Business Intelligence αντί για αναφορά προς αναφορά. Για όσους θέλουν να κινούνται μέσα από τις συσχετίσεις στα δεδομένα.
Υπό ανάπτυξη
Η πλευρά πολλών χρηστών και διακομιστή του pame. Εδώ ρυθμίζετε εγκρίσεις, ρόλους και δικαιώματα πρόσβασης, ώστε από μια μεμονωμένη εφαρμογή να γίνει ένα κοινό σύστημα.
Σχεδιασμός
Εδώ τα δεδομένα γίνονται συγκεκριμένοι χώροι εργασίας: αναλύσεις που τις αναπτύσσετε περαιτέρω και τις χρησιμοποιείτε από κοινού, αντί να τις διαβάζετε απλώς.
Ιατρικό controlling & βελτιστοποίηση εσόδων για νοσοκομεία. Αναλύστε αποζημιώσεις κατά DRG, CMI και διάρκεια νοσηλείας.
Benchmark νοσοκομείων σε πανγερμανικό επίπεδο. Συγκρίνετε τους δείκτες KPI σας με πάνω από 200 γερμανικές κλινικές.
Διαχείριση χειρουργείων και βελτιστοποίηση πληρότητας. Αξιοποιήστε περισσότερο τον πολυτιμότερο πόρο σας.
Με τη θυγατρική και συνεργάτιδά μας Transact μάς συνδέει πολλή κοινή εμπειρία στον χώρο της υγείας. Εκεί φαίνεται γρήγορα αν το BI απλώς φαίνεται όμορφο ή βοηθά στην καθημερινότητα.
30+ χρόνια
εμπειρίας στον χώρο της υγείας
200+
κλινικές χρησιμοποιούν το Q.B.X
100 %
βασισμένο στο Qlik
Το BI σπάνια αποτυγχάνει εξαιτίας της τεχνολογίας. Τις περισσότερες φορές κανείς δεν έχει ορίσει από πριν ποια απόφαση πρέπει να τεκμηριώνουν οι αριθμοί.
Γιατί μας είναι σημαντική αυτή η συνεργασία: πρακτική εμπειρία στον χώρο της υγείας, εμπειρία στο BI και μια νηφάλια ματιά στα δεδομένα.
Αν στην επιχείρησή σας αποφασίζετε ακόμη πολύ συχνά με το ένστικτο, παρότι τα δεδομένα υπάρχουν προ πολλού, πρέπει να μιλήσουμε. Όχι για είκοσι νέα διαγράμματα. Αλλά για το ποια ερωτήματα θέλετε στην πραγματικότητα να απαντήσετε.