Dataiku как инструмент прогнозирования потока пациентов

Больница зависит от персонала: недостаточное количество людей отрицательно скажется на условиях содержания и наблюдения пациентов, а также на качестве медицинской помощи. В то же время, слишком большое количество людей будет препятствовать финансовой стабильности клиники. Поскольку на персонал приходится более 50% расходов клиники, очень важно разумно им управлять. Но как эффективно управлять этими затратами, если графики размещения пациентов по большей части всё ещё формируются вручную, исходя из количества доступных койкомест?

Проблема: неэффективность персонала больницы, высокие затраты.

Переутомление врачей и неудовлетворенность пациентов, как правило, являются результатом отсутствия принятия решений на основе данных в процессе комплектования персонала. Неэффективное распределение рабочего времени препятствует способности клиники оказывать оптимальную помощь и удерживать лучших специалистов.

Больница (название не сообщается), которая начала использовать решение Dataiku, поставила задачу улучшить качество прогнозирования потока пациентов. Таким образом руководство учреждения получило возможность принимать более эффективные кадровые решения и точно определять потребность в персонале. 

Необходимо было техническое решение, которое позволило бы:

• разработать модель притока пациентов;
• создать рекомендованное штатное расписание на основе спрогнозированных показателей притока пациентов.

Результат применения Dataiku

Прогнозирование спроса обычно выполняется путем просмотра исторических данных о потребностях пациентов и прогнозирования количества пациентов в связи с сезонной корректировкой. Для адаптации кадровых потребностей больница использовала Dataiku. Платформа выполнила автоматическую компиляцию и обработку внутренних исторических данных, а также внешних наборов данных, таких как погода, эпидемии, праздники и трафик.

Затем алгоритм ML построил статистическую модель, которая прогнозировала потребности пациентов. Созданный прогноз постоянно корректировался (по мере поступления новых данных в модель). В конечном итоге, с помощью API прогнозную модель объединили с системой штатного расписания. Менеджеры по персоналу также обновили предложения по персоналу в своем инструменте планирования на основе времени, даты и отдела.

Итоги

Оптимизация персонала является наиболее важным рычагом, который позволяет контролировать расходы на больницу. С помощью Dataiku руководство клиники по-новому подошло к процессу прогнозирования потока пациентов, и с гораздо более высокой точностью к тому, какой специалист был необходим и когда именно. В результате применения этой аналитической платформы было достигнуто значительное снижение затрат на содержание персонала и снижена текучесть кадров. 

Благодаря оптимизированному графику больница улучшила качество обслуживания пациентов и повысила производительность, выйдя на такие показатели:

• Модели прогнозной аналитики, управляемые Dataiku, на 47% точнее, чем средние исторические прогнозы.
• Сокращение расходов на персонал составило 11% (экономия 730 тыс. долларов в год).
• Снижение текучести кадров на 1% в год с момента развертывания приложения.