Per Healthcare Analytics, si intende l’utilizzo di modelli statistici e strumenti di analisi avanzata per estrarre informazioni utili dai dati raccolti in ambito sanitario. L’obiettivo è di migliorare i processi interni e quindi i servizi forniti a organizzazioni mediche o direttamente ai pazienti. Un cliente si è rivolto a noi per ottenere una soluzione personalizzata, tramite cui monitorare e migliorare le proprie attività cliniche e amministrative. Ecco com’è andata.
Un centro medico aveva la necessità di monitorare le proprie attività cliniche e amministrative attraverso una serie di KPI (indicatori chiave di prestazione), da individuare appositamente per valutare l’efficienza dei processi diagnostici e logistici interni all’azienda.
Dato che le attività del centro includono sia la diagnosi e il trattamento dei pazienti, sia la gestione delle risorse e dei tempi operativi, ci è stato richiesto di progettare un nuovo sistema in grado di monitorare con precisione le performance delle singole attività, in base a criteri come:
Per garantire la qualità dei servizi forniti, il cliente aveva bisogno di integrare KPI amministrativi. Si tratta di una tipologia di indicatori utili per individuare eventuali inefficienze in termini di:
Ai nostri esperti era stato quindi richiesto di individuare i KPI clinici e amministrativi più rilevanti, ma non solo.
Era necessario implementare una duplice soluzione, tramite cui:
Il fulcro del problema presentato dal nostro cliente risiedeva quindi nella creazione di un sistema automatizzato e strutturato, che permettesse di gestire grandi volumi di dati e, allo stesso tempo, ottenere insight preziosi per migliorare la produttività e la qualità dei servizi erogati.
Per chi non conoscesse il termine “Healthcare Analysis”, facciamo qui una breve panoramica che servirà per capire meglio come abbiamo affrontato la sfida del nostro cliente.
“Healthcare Analysis” indica l’utilizzo di strumenti analitici e modelli statistici per estrarre valore da informazioni di natura sanitaria, con l’obiettivo di migliorare le prestazioni di un’azienda e la qualità dei servizi forniti ai pazienti.
Questo approccio si basa sulla gestione di una mole significativa di dati, che devono essere rielaborati in base a KPI specifici per ciascuna organizzazione. Di fatto, gli indicatori da prendere in considerazione variano a seconda della tipologia di azienda (ospedale, clinica privata, centro medico-diagnostico, etc.) e, ovviamente, dalle operazioni che vengono svolte al suo interno.
Ciononostante, il processo di Healthcare Analytics si articola in:
Data questa breve introduzione, è evidente come l’adozione di un software personalizzato possa aiutare le aziende interessate all’Healthcare Analytics.
In primo luogo, un software personalizzato permette di integrare tutte le fonti dati presenti in azienda e ottenere una visione unificata delle informazioni relative a produttività e servizi.
Ma non si tratta solo di integrazione: il software viene progettato per essere scalabile. Ciò significa che un’azienda può sempre adattare il sistema implementato alle proprie esigenze (per es. integrando nuove fonti di dati oppure selezionando le informazioni tramite nuovi KPI) senza dover sostituire di continuo parti della propria infrastruttura IT.
Un secondo vantaggio da considerare riguarda poi le fasi alla base del processo di Healthcare Analytics, elencate sopra, che verrebbero automatizzate sia per abbattere i tempi che intercorrono tra la raccolta dati e l’implementazione di strategie basate sugli insight, sia per arginare il rischio di errori che cresce inevitabilmente con la quantità di dati da rielaborare.
La soluzione sviluppata per il cliente si basa su un’infrastruttura integrata nell’ecosistema Microsoft e, in particolare, in Microsoft Azure. Vediamo di seguito i dettagli della nostra soluzione, approfondendo le singole componenti dello stack tecnologico coinvolto.
Azure Synapse Analytics rappresenta il cuore della nostra soluzione, dato che consente di orchestrare, trasformare e analizzare grandi volumi di dati in maniera efficiente.
L’utilizzo di Azure Synapse ci ha permesso inoltre di creare le pipeline di dati tramite cui è possibile il trasferimento e la validazione dei dati provenienti dai database aziendali, file .CSV, file .XLSX e liste di SharePoint. Le pipeline, composte da blocchi funzionali e logiche, assicurano anche che i dati passino attraverso le due fasi di pulizia e di validazione precedenti alla vera e propria elaborazione in tempo reale.
Per automatizzare il processo di creazione e gestione dei KPI, è stato impiegato C# all'interno delle Azure Functions. Le funzioni serverless di Microsoft Azure hanno reso possibile l'automazione dei calcoli dei KPI e la gestione dei flussi di lavoro, consentendo quindi di eseguire codice in risposta a eventi specifici, come l'elaborazione di nuovi dati.
Azure Functions offre la flessibilità di scalare automaticamente in base alla richiesta, riducendo i costi e semplificando l'implementazione del codice. D’altro canto, l'uso di C# ha consentito di personalizzare le logiche applicative, rendendo il sistema ancora più agile.
Kusto Query Language (KQL) è stato utilizzato per la manipolazione dei dati nell'ambiente Azure.
Questo linguaggio, simile a SQL, è stato impiegato per:
KQL è inoltre ottimizzato per le analisi in tempo reale e per gestire dataset di grandi dimensioni, offrendo la velocità e la precisione richieste per fornire insight tempestivi e di valore. Infine, la capacità di KQL di estrarre e manipolare dati complessi ha semplificato il processo di validazione e trasformazione dei dati necessari per i report Power BI.
Una volta che i dati sono stati elaborati e validati, Power BI è stato scelto per visualizzare i KPI.
Le dashboard interattive e personalizzate tipiche della piattaforma rappresentano, di fatto, il mezzo ideale per fornire al cliente una visione chiara e unificata delle performance aziendali.
Grazie poi all’integrazione con Azure Synapse Analytics e KQL, Power BI riesce ad aggiornare automaticamente i dati e consentire così un monitoraggio continuo dei KPI selezionati.
Per la gestione e l'archiviazione dei dati durante le fasi di copia e validazione, è stato utilizzato Azure Storage Explorer.
Questo strumento permette di interagire facilmente con i dati archiviati su Azure Storage, facilitando il processo di gestione dei file necessari per l'elaborazione dei KPI.
Grazie all’interfaccia intuitiva e alla capacità di accedere e manipolare i dati in diversi formati, Azure Storage Explorer ci ha permesso di ottimizzare la gestione dei file di importazione e garantirne un’archiviazione temporanea sicura.
Nonostante la notevole complessità del progetto, siamo riusciti ad affrontare con successo gli ostacoli più importanti. Tra questi, potremmo citare:
Dopo la messa in produzione, abbiamo tracciato insieme al cliente le performance della nuova infrastruttura per il tracciamento personalizzato dei KPI. L’obiettivo era di capire se la soluzione fosse davvero quella giusta per monitorare e migliorare le attività cliniche e amministrative. La risposta? Vediamo insieme qualche dato:
Il team Modern Work risponde in maniera efficace e veloce alle necessità IT, in cui lo sviluppo software rappresenta la componente principale. Le figure tecniche hanno tutte una formazione incentrata sulla realizzazione di progetti software su stack tecnologici Microsoft e possiedono competenze nella gestione di progetti agili o di lunga durata.
