Як бізнес-аналітик мережі з 70 фахівців оптимізував звітність та зекономив 450 годин на місяць

Минулого місяця я вручну зводив дані з трьох різних МІС та Excel-таблиць від 12 лаборантів, щоб зрозуміти маржинальність 150 видів аналізів. Процес тривав понад 40 робочих годин, оскільки дані про витрати реагентів постійно не збігалися з кількістю проведених тестів. Мені довелося перевіряти понад 2500 рядків вручну, щоб знайти помилки в одиницях вимірювання. У результаті ми виявили, що 15% послуг у Львові працювали в нуль через неправильне списання логістичних витрат. Це був виснажливий процес, який затримав стратегічне планування на два тижні.

Найбільшим викликом була відсутність єдиного стандарту ведення звітності між київськими та львівськими підрозділами. Дані приходили у розрізнених форматах, і мені доводилося витрачати 70% часу на чистку даних, а не на їх аналіз. Крім того, людський фактор при ручному введенні створював похибку в розрахунках приблизно на 12-18%. Постійні уточнення з адміністраторами клінік забирали купу енергії та робочого часу. Важко було тримати фокус, коли кожна друга цифра в таблиці потребувала додаткової верифікації.

Це було складно, бо наша внутрішня система не має інтегрованого модуля для динамічного розрахунку собівартості кожної окремої маніпуляції. Галузь медицини вимагає високої точності, і будь-яка помилка в аналітиці веде до неправильних управлінських рішень щодо ціноутворення. Ми використовуємо застарілі методи збору даних, які не встигають за темпами росту нашої мережі з 70 працівників. Відсутність автоматизованого мапінгу витрат на послугу робить процес аналізу непрозорим та суб'єктивним. Кожного разу це виглядало як гасіння пожежі замість системної роботи.

Я спробував частково автоматизувати процес, написавши складні скрипти в Google Sheets та найнявши фрілансера-розробника для створення кастомного конектора. Це рішення обійшлося компанії приблизно у $2,200, включаючи мою роботу та оплату зовнішнього спеціаліста. Ми налаштували автоматичне вивантаження даних з лабораторій щовівторка, що скоротило час на зведення до 15 годин. Це дозволило швидше реагувати на зміни цін постачальників фармпрепаратів. Проте система все одно вимагала постійного ручного контролю та доопрацювання при додаванні нових послуг.

По-перше, підтримка цього «самописного» рішення коштує нам додаткових $400 щомісяця, бо скрипти часто ламаються після оновлень МІС. По-друге, воно не вирішило проблему інтелектуального аналізу: система просто зводить цифри, але не підсвічує аномалії чи приховані закономірності самостійно. Мені досі доводиться витрачати 3 дні на місяць лише на підтримку життєздатності цієї моделі. Це не масштабоване рішення, яке стає дедалі дорожчим з відкриттям кожної нової точки. Виникла залежність від одного розробника, що створює великі ризики для бізнес-процесів клініки.