Riassunto analitico
Sempre più organizzazioni di ogni settore adottano soluzioni di Business Intelligence (BI) con funzionalità di spatial analysis, per analizzare i propri dati e prendere decisioni migliori. La Location Intelligence (LI) è uno dei trend BI più innovativi, in quanto tutti gli eventi rilevanti per il business hanno una localizzazione, e l’aggiunta del contesto geografico ai dati permette alle organizzazioni di raggiungere una migliore comprensione sia delle operazioni interne sia dei comportamenti di clienti, fornitori, utenti, altri stakeholder. Utilizzando dati economici, demografici, geografici, la LI consente di rilevare correlazioni, rischi e opportunità spesso difficili da individuare su un foglio di calcolo o attraverso strumenti di BI tradizionale.
Durante il tirocinio in Iconsulting SpA sono stato coinvolto nella realizzazione di una soluzione di Location Intelligence per il Servizio Sanitario Regionale (SSR) dell'Emilia-Romagna. La principale esigenza dell’SSR era quella di analizzare le attività di ospedali e ambulatori, in termini di dimissioni ospedaliere e trattamenti specialistici, in particolare individuando correlazioni tra il luogo dove i pazienti abitano e la posizione delle strutture. Il Sistema Sanitario Regionale ha reso disponibili dati operativi di competenza del 2012; organizzazione e caratteristiche delle strutture sanitarie; dettagli demografici dei pazienti. Questi dati sono stati georeferenziati, trasformati in formati idonei e caricati in un Geo-Data Warehouse appositamente modellato per il progetto. Successivamente, sono stati sviluppati cruscotti con funzionalità di analisi dei dati e monitoraggio.
Questa tesi presenta vantaggi e applicazioni della Location Intelligence, fornisce un approfondimento sulla valutazione di servizi sanitari, infine si concentra sull’implementazione della soluzione realizzata dal team Iconsulting di cui ho fatto parte. La componente più innovativa è lo strumento di Geo-What If Analysis, che fornisce capacità di predictive analytics attraverso la visualizzazione di scenari (heatmap) che mostrano come ogni eventuale cambiamento di fornitura di servizi sanitari potrebbe incidere sull'accesso alle cure da parte della popolazione.
Sono stato incaricato in prima persona di rendere questo strumento più robusto implementando un algoritmo che simula la ridistribuzione delle attività di ospedali e ambulatori ipoteticamente chiusi assegnandole ad altre strutture, in base a una combinazione lineare parametrizzata della distanza tra la residenza dei pazienti e le strutture, e del comportamento dei pazienti provenienti dalle medesime sezioni di censimento.
|
Abstract
Organizations belonging to any sector are increasingly adopting location-based Business Intelligence solutions in order to analyze their data and make better decisions. Location Intelligence (LI) is one of the most innovative BI trends, since every relevant business event occurs somewhere, as well as activities of customers and suppliers. Adding geographical context to data helps organizations visualize their activities on map, thus getting a better grasp of internal operations and stakeholders’ behaviors. Using economics, demographics, physical geography and other localized data, LI enables to detect patterns, risks, and opportunities often difficult to individuate in a basic spreadsheet or through traditional BI analysis.
During the internship period in Iconsulting S.p.A. I was involved in the implementation of a Location Intelligence solution for the Regional Health Service (RHS) of Emilia-Romagna. The main need of RHS was to analyze activities and outcomes of hospitals and ambulatory clinics, in terms of discharges and specialist treatments, especially bringing out geographic correlations between place of residence of consumers, both inpatients and outpatients, and location of facilities. RHS made available operational data about activities pertaining to the year 2012; descriptions and attributes of health facilities and how they are organized on the territory; demographic details about patients. All these data were geo-referenced, cleaned and loaded into a Geo-Data Warehouse specifically modeled for this project. Subsequently, it has been built the presentation layer, composed of dashboards for data analysis and monitoring purpose.
This essay introduces Location Intelligence, describes benefits and applications, provides some insight into the assessment of healthcare services, and then focuses on the implementation of the solution developed for the Regional Health Service by the Iconsulting team of which I was part. The most innovative component is the Geo-What If Analysis tool, it provides predictive analytics capabilities through spatial scenario analysis, by visualizing heatmaps that show how any change of service provision would affect the access of people to health care.
I was in charge of making this tool more robust by implementing an algorithm that redistributes the activity of hospitals or clinics hypothetically closed assigning it to other structures, via a linear combination of parameterized criteria, such as distance between residence of patients and facilities and the behavior of patients from the same census tracts.
|
