Over dit artikel

De laatste tijd wordt veel gesproken over Data Science. Het wordt zelfs de olie van de 21e eeuw genoemd. Maar kan dit al concreet worden ingezet binnen een zorgorganisatie en wat levert dit vervolgens op?

Wat is Data Science?

Data Science bestaat uit een combinatie van drie componenten: ICT, wiskunde & statistiek en domeinkennis. Dit zijn de drie vakgebieden waar Data Science uit opgebouwd is.

Data Science kan worden opgedeeld in drie fases: descriptive, predictive en prescriptive analysis. Iedere analysefase kan een vraag over de data beantwoorden. Binnen een zorgorganisatie zijn op dit moment de eerste twee analyses het interessantst.

Descriptive analysis is de beschrijvende fase. Deze analyse geeft een goed beeld van wat de data inhoudt, waar correlaties binnen data liggen en welke patronen binnen de data aanwezig zijn. Vaak wordt de diagnostic analysis direct meegenomen in de eerste fase. Aan het einde van de fase kunnen de vragen “What happened?” en “Why did it happen?” beantwoord worden. Business intelligence heeft raakvlakken met deze analyse.

Predictive analysis is de voorspellende fase. In deze fase worden modellen gemaakt die op basis van de historische data voorspellingen kunnen doen. Met behulp van deze voorspellingen kan een organisatie vooraf anticiperen en eventueel de bedrijfsvoering op aanpassen. “What will happen?” zal na deze fase beantwoord worden.

Met deze analyses worden inzichten verkregen, die voorheen niet gezien konden worden. Hierdoor wordt transparant en bevestigd wat binnen een zorgorganisatie gebeurt en wat in de toekomst gaat gebeuren. Hier kan slim op worden ingespeeld zodat nog betere resultaten geboekt kunnen worden, kosten bespaard worden of efficiënter te werk gegaan kan worden.

Data Science binnen AAG

AAG heeft afgelopen zomer een pilot uitgevoerd met een dataset van een zorgorganisatie van ongeveer 600 medewerkers. Er is gekeken of er verbanden binnen het ziekteverzuim en uitstroomgedrag van medewerkers zitten. De aanname was namelijk dat medewerkers zich vaker ziek melden als ze op korte termijn ontslag nemen. Door de beperkte dataset was het helaas niet mogelijk om voorspellingen te doen over het uitstroomgedrag van medewerkers.

Aangezien Data Science meer omvat dan alleen voorspellingen doen, is het projectdoel gewijzigd en werd gefocust op de descriptive analyse. Er is onderzocht of opmerkelijke patronen en correlaties binnen de dataset aanwezig waren, die voorheen niet zichtbaar waren. Als dit zichtbaar wordt, geeft dit inzichten waar een zorgorganisatie slim op in kan spelen. Denk bijvoorbeeld aan aanstroompercentages binnen:

  • een kostenplaats binnen een bepaalde leeftijdscategorie
  • veel ziekmeldingen maar kortdurend
  • weinig ziekmeldingen maar langdurend
  • aantal jaren in dienst binnen functies etc.

Met andere woorden: correlaties binnen verschillende variabelen die met het blote oog nauwelijks te zien zijn.

Binnen de onderzochte zorgorganisatie zijn de kritieke punten aan het licht gebracht. Dit zijn de plekken waar een zorgorganisatie op moet focussen om te zorgen dat het uitstroompercentage vermindert. Met het oog op de schaarste op de arbeidsmarkt kan dit lucratief zijn om aan te pakken.

Data Science binnen uw zorgorganisatie

De conclusie van deze pilot is dat Data Science daadwerkelijk toegevoegde waarde heeft binnen de zorg. Maar de kwaliteit van de data is cruciaal om een project uit te voeren en waarde te creëren. Dit betekent dat data consistent, accuraat, compleet en valide moet zijn om de kwaliteit te waarborgen.

Iedere zorgorganisatie kan al met Data Science aan de slag. Maar wat Data Science op dit moment kan betekenen, is voor elke zorgorganisatie anders. Dit heeft te maken met de huidige kennis en middelen binnen de organisatie. Maak hier de nodige tijd en middelen voor vrij; elke stap die gezet wordt is een voorbereiding op de volgende.

Bijvoorbeeld: met kwalitatief goede data kunnen dashboards gecreëerd worden en eventuele correlaties tussen variabelen aan het licht gebracht worden. Dit kan een eerste stap zijn om uiteindelijk predictive analyse te doen. Business intelligence analisten kunnen de basis leggen voor de data scientist, die vervolgens de voorspellende fase kan uitvoeren.

Tot slot is het van belang nauw samen te werken met de business. Zoals de eerste afbeelding weergeeft, is domeinkennis vereist om goede analyses te doen. Samen met domeinexperts moeten vooraf de juiste onderzoeksvragen worden geformuleerd, zodat de resultaten aansluiten op de belangen van de zorgorganisatie. Als er geen nauwe samenwerking is, kan veel tijd verloren gaan aan irrelevant onderzoek dat niet de gewenste resultaten oplevert. Goede afstemming vooraf en tussentijdse evaluatiemomenten kunnen daarom helpen om een goede koers te behouden.

Blijf op de hoogte! Meld u aan
voor de AAG Nieuwsbrief.

Aanmelden

Deel dit artikel

Meer weten over dit onderwerp? Neem contact met mij op!