Як бізнес-аналітик мережі з 12 клінік зекономила 450 годин на місяць через автоматизацію звітності

Минулого місяця мені довелося вручну збирати звіти з 12 різних філій, щоб підготувати щоквартальний аналіз рентабельності. Я витратила понад 60 годин робочого часу на вивантаження даних з трьох різних медичних інформаційних систем. Опрацювання охоплювало результати аналізів понад 15 000 пацієнтів та фінансові показники 70 співробітників компанії. Увесь цей час я проводила в Excel, намагаючись звести розрізнені таблиці в одну зрозумілу структуру. Це був виснажливий процес, який забирав ресурси від стратегічного планування розвитку нашої мережі.

Найбільш складним виявилося узгодження форматів даних, оскільки різні лабораторії використовують власні кодування послуг. Кожна клініка мала свої особливості ведення обліку, що призводило до появи сотень дублікатів та помилок у назвах процедур. Мені доводилося вручну перевіряти близько 20% усіх записів, щоб переконатися в їхній достовірності для фінансового звіту. Будь-яка помилка в розрахунках могла призвести до неправильного розподілу бюджету на наступний квартал. Постійна напруга та страх пропустити важливу деталь робили цю роботу неймовірно виснажливою.

Проблема полягала у відсутності єдиної бази даних та автоматизованих алгоритмів співставлення (mapping) медичних послуг. Наша IT-інфраструктура не дозволяла автоматично підтягувати дані з лабораторних аналізаторів безпосередньо в аналітичну панель. Через це виникав «людський фактор», коли адміністратори на місцях помилково вводили дані в систему. Кожна філія працювала як окремий острів, що робило загальну аналітику мережі «Здоров'я Плюс» справжнім викликом. Відсутність інтеграції між МІС та бухгалтерським софтом створювала величезну прірву в даних.

Ми вирішили найняти зовнішню команду розробників для написання кастомних скриптів на Python, які б автоматично збирали дані. Цей проект обійшовся компанії у 4 500 доларів лише за перший етап розробки архітектури. Також ми впровадили проміжний сервер для зберігання та очищення даних перед завантаженням у Power BI. Додатково довелося витратити близько 1 200 доларів на хмарні сервери та ліцензії для аналітичного відділу. Тепер збір даних триває значно менше часу, але система все ще потребує постійного технічного супроводу.

Хоча швидкість обробки зросла, вартість підтримки цього рішення виявилася занадто високою — близько 800 доларів щомісяця. Будь-яка зміна в прайсі клініки або додавання нового виду аналізів вимагає втручання програмістів для оновлення скрипту. Ми стали залежними від зовнішніх підрядників, чия година роботи коштує 50 доларів, що створює діру в бюджеті. Крім того, гнучкість звітів залишилася низькою, і я не можу самостійно змінювати параметри аналізу без допомоги технічних спеціалістів. Це не дає нам тієї оперативності, якої вимагає ринок приватної медицини.