
Challenge
Wie Sie vielleicht erwarten, folgen BI und Datenanalyse ähnlichen Prozessen der Datensammlung, Datenanalyse und Informationsbereitstellung. Insbesondere die Phase der Datenerfassung ist entscheidend, da die besten Ergebnisse erzielt werden können, wenn sichergestellt wird, dass die erfassten Informationen vollständig und fehlerfrei sind.
Beide Begriffe implizieren auch eine Berichterstattung. Das bedeutet, dass die Daten in einer Weise organisiert und präsentiert werden, die visualisiert werden kann. Rohe Zahlen sind zwar wichtig, aber erst wenn Daten visualisiert werden, beginnen sie wirklich ihren Wert zu demonstrieren, indem sie Einblicke und Maßnahmen erleichtern.
Business Intelligence und Datenanalysen können auch Bereiche identifizieren, in denen Unternehmen versagen oder zumindest nicht optimal arbeiten. Mit anderen Worten: Sie nutzen die gesammelten Daten, um zu zeigen, wo die Schmerzpunkte liegen, und geben Unternehmen einen besseren Überblick darüber, wo sie möglicherweise versagen.
Obwohl es sowohl bei BI als auch bei der Datenanalyse darum geht, Daten zu nutzen, um Erkenntnisse zu gewinnen, die dem Unternehmen zugute kommen, gibt es doch einen wesentlichen Unterschied, der festgestellt werden muss. Einfach ausgedrückt: Business Intelligence beschäftigt sich mit der Gegenwart, während Data Analytics eher auf die Zukunft ausgerichtet ist.
Wie nutzen Sie diese Analysen in einem engen budgetären Umfeld und bei sich ständig ändernden Qualitätsstandards?

Lösung
Mit Microsoft Power BI https://powerbi.microsoft.com/ hat MLS seinen Kunden, eine öffentliche Spitex, in die Lage versetzt, jeder Gemeinde, die ihre Aktivitäten finanziert, Daten über den Stand der Rentabilität ihrer Dienstleistungen, aufgeschlüsselt nach Art und einschließlich der Auswirkungen von Reisen, zur Verfügung zu stellen.
Letztere werden durch ein automatisches Planungssystem optimiert, das verschiedene Kriterien, darunter auch die Entfernung, bei der Zuteilung der Ressourcen berücksichtigt.
Basierend auf Python-Tools erstellte https://www.python.org/ MLS Vorhersagemodelle für eine Spitex, die ihre Präventionsbemühungen auf das Sturzrisiko fokussieren wollte.
Die Analyse der Daten zeigte, dass die Korrelation zwischen Standardalarmen und Stürzen im Vergleich zu dem, was man hätte annehmen können, sehr gering war.
Daher wurde die Analyse auf der Grundlage der tatsächlichen Fälle und Korrelationen der klinischen und sozialen Daten der Klienten umgekehrt, um eine Reihe von Indikatoren zu ermitteln, die in 80 % der Fälle relevant waren.
So ermöglichte Business Intelligence in Kombination mit Data Analytics zum einen eine überzeugende Berichterstattung gegenüber Geldgebern und zum anderen die Umsetzung konkreter Maßnahmen zur Sturzgefahr dank eines Vorhersagemodells.

Auswirkung
Im Allgemeinen sind die Kunden mit einem hohen Maß an Autonomie und unter Nutzung der geschäftlichen und technologischen Erfahrung von MLS dank der Standard-BI-Tools in der Lage, ihren Geldgebern zu zeigen, dass die Budgetoptimierung im Mittelpunkt ihrer Anliegen steht.
Auf dieser Basis haben die Geldgeber Vertrauen und die betroffenen Behörden verlässliche Daten für die Verwaltung der öffentlichen Gesundheitsbudgets.
Darüber hinaus kann prädiktive Analytik die Qualität der Daten verbessern, auf die sich wichtige Stakeholder verlassen, um kritische Themen wie das Sturzmanagement effektiver zu steuern.
Business Analytics kann weit über das Unternehmen verteilt werden, da der Zugriff auf die Tools relativ einfach ist, solange die Daten von guter Qualität sind. Bei der Datenanalyse ist die Implementierung von Vorhersagemodellen komplexer und erfordert den Einsatz unserer Dienstleistungen.
Der wirkliche Mehrwert eines Anbieters von Informationssystemen liegt in seinem Geschäftswissen und der Fähigkeit, in Zusammenarbeit mit dem Kunden aktuelle und zukünftige Aktivitäten zu modellieren, um diese zu optimieren.