Як аналітик «Зубної турботи» зекономила 120 годин на місяць завдяки автоматизації звітності для 3 філій

Минулого місяця мені потрібно було звести дані з трьох різних CRM-систем, щоб зрозуміти реальну вартість залучення пацієнта на імплантацію. Я вручну вивантажувала понад 1500 записів про візити та платежі в Excel, намагаючись очистити дублікати контактів. На цю роботу у мене пішло близько 28 робочих годин, оскільки дані з різних філій часто не збігалися за форматами. В результаті я підготувала звіт, який показав, що 40% рекламного бюджету витрачається неефективно. Це був виснажливий процес, який повторюється кожного звітного періоду.

Найбільшою складністю була невідповідність форматів даних між філіями та велика кількість ручної роботи. Кожна клініка має свої особливості ведення журналів, тому мені доводилося самотужки виправляти помилки в іменах пацієнтів та сумах транзакцій. Коли у вас 18 співробітників вносять дані по-різному, людський фактор стає критичним. Я витрачала більше часу на «прибирання» даних, ніж на їхній фактичний аналіз та пошук інсайтів для бізнесу. Через це фінальний звіт запізнився на 4 дні від запланованого дедлайну.

Це було складно, бо ми досі використовуємо застарілі методи передачі інформації між філіями через Google Таблиці. Відсутність єдиної бази даних змушує мене працювати як «людський міст» між різними сегментами бізнесу. Кожне оновлення цін на імпланти або послуги сімейної стоматології потребує ручного перерахунку маржинальності у всіх моделях. Я відчуваю, що мій інтелектуальний ресурс витрачається на копіювання клітинок, а не на стратегічне планування. Крім того, постійний стрес через можливість допустити помилку в розрахунках на суму понад 200 000 гривень сильно виснажує.

Я спробувала частково автоматизувати процес, найнявши фрілансера-розробника для написання скриптів на Python, які б збирали дані. Це обійшлося компанії у $900 за разову настройку та інтеграцію з нашими поточними таблицями. Протягом двох тижнів ми тестували цей скрипт, намагаючись підключити його до API нашої CRM. Це допомогло скоротити час на збір даних з 28 годин до 10 годин на тиждень. Проте система виявилася крихкою і потребувала постійної підтримки розробника при найменших змінах в структурі звітів. Вартість підтримки складала ще близько $150 за кожен виклик.

Рішення виявилося негнучким, оскільки будь-яка зміна в бізнес-процесах клініки «ламала» весь код. Я залишалася залежною від стороннього розробника і не могла самостійно редагувати логіку обробки даних без знання програмування. Вартість володіння таким кастомним скриптом почала перевищувати його корисність для нашої невеликої мережі. Ми все ще не мали реального часу відображення даних, оскільки скрипт запускався лише раз на добу. В результаті керівництво отримувало застарілу інформацію, що заважало оперативно реагувати на зміни в попиті на послуги.