Business Intelligence (BI), término muy de moda, no es ni más ni menos que la aplicación del pensamiento analítico y estructurado en un proyecto determinado para tomar resoluciones. Es decir: tratar los datos de una empresa, una clínica, una consulta o un proyecto y convertirlos en conocimiento útil.
¿Para qué?
Para mejorar la eficacia, eficiencia y la competitividad.
¿Qué nos ofrece?
La BI ofrece modelos predictivos en base a hechos históricos. Es decir ¿qué sucedió? ¿Por qué sucedió? ¿Dónde estamos ahora? ¿Qué va a pasar? Pero ojo, siempre hay que ser cauto con las previsiones porque son eventos que no han sucedido, sólo podremos saber una tendencia y por lo tanto lo probable que suceda, no lo seguro que sucederá.
¿Por qué lo podemos necesitar?
Para tomar decisiones con fundamento, cuando hay procesos manuales, cuando hay información dispersa o descentralizada, para corregir posibles tendencias con criterio.
¿Qué es lo que necesitamos para aplicarlo?
Para empezar fácilmente: unos objetivos definidos, ¿qué queremos analizar o demostrar? Un ordenador, una recogida de datos ordenada y estandarizada (los objetivos definirán qué datos tenemos que recoger), una hoja de cálculo para introducir los datos, modulable, que nos permita analizar los datos y generar gráficas que nos muestren los resultados (básicamente para comenzar un programa tipo Excel o SPSS).
¿En la práctica para qué lo podemos emplear?
Aunque la recopilación de datos puede ser infinita, hay que definir qué se quiere analizar (objetivo), qué datos se quieren recopilar y hasta cuándo se va a hacer (finalización del proyecto).
Algunos ejemplos:
– Cálculo de un SIA.
– El nomograma de un láser excímero.
– Tasa de recambios/predicción de aciertos en adaptación de un nuevo tipo de LC.
– Un estudio sobre la progresión de una patología asociada al uso de fármacos (glaucoma con tratamiento farmacológico por ej).
– Resultados postoperatorios de implantes lentes intraoculares.
– Éxito asistencial a la clínica asociado a características socioeconómicas del paciente.
– Análisis de patologías según proveniencia social, regional…
– Valoración analítica real del éxito de un servicio o producto.
– Control de gastos, previsiones de materiales.
– Etc.
La implantación de un sistema de BI es una “transformación cultural”, una constitución de hábitos, en la que habrá que plantearse la extracción, depuración y almacenaje continuo e incremental de datos, para después analizarlos y ver el modelo de comportamiento.
Es decir que hay que definir muy bien el proyecto, planear qué datos queremos guardar, en qué orden, con qué formato y hacerlo con cada individuo o motivo que pase por nuestras manos. Hay que estandarizar absolutamente la introducción de datos, si se meten fechas: siempre en el mismo lugar; si nombres: con el mismo formato; si datos numéricos… para que todo lo que hagamos siga un protocolo.
Cuando tenemos suficiente datos podemos hacer el análisis y valorar el comportamiento. Hay que ir añadiendo datos hasta llegar al final previsto del proyecto, o bien continuar indefinidamente para valorar las correcciones que se hayan podido realizar sobre los datos analizados.
No vamos a hacer un análisis estadístico para una investigación académica –aunque se podría aplicar-, sino que vamos a cuantificar los procesos manuales que hayamos realizado para verificar su eficacia y su posibilidad de mejoría.
Es una cuestión de rendimientos, de certificar la eficacia de lo analizado.
Aunque podemos emprender proyectos de cualquier envergadura, vamos a situarnos en tres ejemplos que podríamos complicar todo lo que quisiésemos.
EJEMPLO: “Consumo en quirófano”
Paulatinamente se ha ido haciendo esta recogida de datos:
Una vez tenemos todos los datos podemos analizar haciendo una sencilla gráfica de líneas el consumo por tiempos, por doctor, por tipo de material, etc.
En función de lo que veamos que ha sucedido en el pasado, podemos hacer previsión de materiales, de costos, de cobros, de si merece la pena el servicio…
Por ejemplo, un cirujano está gastando más cuchilletes u otro material que los demás, se aprecia en el tiempo, pero sin embargo no está realizando más cirugías. Con este tipo de análisis podemos certificar que eso está sucediendo, a partir de cuándo está sucediendo, podemos compararlo con el resto de los cirujanos y luego nos toca decidir si es que el material es peor o es que simplemente han incrementado los consumos. Pudiendo así tomar iniciativas sobre el producto, los costes, etc.
EJEMPLO: “RESULTADOS REFRACTIVOS CON EL LÁSER EXCÍMERO”.
Hemos hecho esta recopilación de datos.
Podemos separar después las vistas por miopes, hipermétropes, franjas de Rx preoperatoria, etc. Y analizar con gráficas de dispersión y promedios numéricos, para ver las tendencias y realizar las correcciones dióptricas más ajustadas, tomando así decisiones contrastadas.
Por ejemplo, seleccionamos los hipermétropes sólo con el comando de “filtro” en Excel y realizamos una tabla nueva con “cortar y pegar” de los valores que queramos analizar: AV, RX… En este caso hemos ordenado las refracciones hipermetrópicas de menor a mayor –podemos no hacerlo, al montar la gráfica da igual-, seleccionamos los valores de target, Rx ESF preoperatoria y Rx ESF postoperatoria y montamos la gráfica de dispersión con líneas y tendencia y así vemos qué ha sucedido. Observamos que las Rx más bajas han quedado por debajo del target y que las más altas en el target, y la línea de tendencia.
Ahora seleccionamos los miopes, ordenamos -o no- la tabla resultante de menor a mayor graduación, montamos la gráfica con los valores de Rx ESF preoperatoria y Rx ESF postoperatoria y verificamos la línea de tendencia de las correcciones.
La primera línea es el target, la segunda línea es la tendencia postoperatoria y la tercera línea es la tendencia preoperatoria. Y en este caso obtenemos que se están produciendo hipocorrecciones y que cuanta mayor es la graduación que hemos trabajado mayor es la hipocorrección que se ha producido en las esferas.
Ahora estamos capacitados para tomar la decisión formal y contrastada de rebajar la cuantía dióptrica cuando introducimos la Rx en el láser. ¿De cuánto? Seleccionemos los miopes por franjas y podemos ver cuánta es la desviación con respecto al target con un simple procentaje o una resta.
No nos hacen faltan cien ojos para ver una tendencia y tomar una decisión sobre el cambio de un nomograma. Con la gráfica ya sabemos qué está sucediendo, sabemos qué sucederá y podemos corregir la desviación.
EJEMPLO: “POSIBLE IMPLANTACIÓN DE UN NUEVO SERVICIO DE TRATAMIENTO IPL PARA DGM”.
Tenemos la posibilidad de una recopilación de datos de este tipo.
Podemos obtener reportes, se pueden extraer todos los pacientes susceptibles de ser tratados para ofrecerles IPL, se puede valorar si merece la pena tener una IPL propia a tenor del flujo/prevalencia de pacientes, o remitirla a tratamiento a otro centro, etc.
Y si se obtiene una IPL en cesión de prueba, o en propiedad, se puede comprobar y contrastar gráficamente la evolución/desaparición en el tiempo de las DGM tratadas, etc.
Igualmente podríamos hacerlo sobre los resultados de una nueva LIO que estemos implantando, etc.
___
Cuando nos enfrentamos a acumulación de datos de mayor envergadura vamos a tener que acceder a un escalón superior en la BI, donde se emplean técnicas con programas específicos de Data Mining -minería de datos- (aplicaciones que clasifican y complementan la información para que tenga significado y dejen de ser números y cifras aisladas) y programas de panel de control o Dashboards (aplicaciones a los que hacemos una consulta y presentan la información de forma gráfica muy visual, clara y concluyente –sin tener que trabajarla nosotros- para analizarla rápidamente y tomar decisiones). Pudiendo con estas aplicaciones comparar los valores obtenidos con los previstos o los históricos sin construir nosotros los gráficos.
Con versiones actualizadas de Excel se pueden construir Dashboards, pero exige cierto dominio de uso de esta hoja de cálculo; todos los ejemplos que he propuesto de gráficas son el camino sencillo. Existen programas comerciales a tal efecto, de empresas como Microsoft u Oracle, etc, que basadas en hojas de cálculo tipo Excel, SPSS u otras pueden ofrecernos una potencia de análisis y predicción de comportamientos futuros con mayor facilidad, claridad y conclusión que el reporte y generación manual de gráficos que podemos obtener en un Excel. Esto es ideal para empresas que manejan muchos productos o servicios.
Algunos programas de minería de datos –Data Mining- (encontrar modelos y tendencias ocultos en grandes cantidades de datos), libres:
– Rapid Miner, Weka, Orange, Knime… de aprendizaje automático.
Algunos programas para generar paneles de control –Dashboards- (mostrar gráficamente resultados de bases de datos de grandes cantidades de información), algunos libres, otros con periodo de uso de prueba:
– Cyfe, Klipfolio, Chart.IO, Happymetrics, Data Studio Google… muy intuitivos.
Obviamente todo lo que nosotros podamos hacer aunque sea con una hoja de cálculo y un análisis básico de cantidades no ingentes de datos, sigue siendo BI y además en un futuro, caso de acceder o necesitar la implantación de unas aplicaciones específicas de BI, todos nuestros datos se podrán transformar, adecuar y exportar para análisis venideros.
Por donde hay que empezar para tomar decisiones adecuadas y con juicio es por definir los objetivos a resolver en el proyecto que nos propongamos, tener los medios, introducir los datos estructurados, analizar y obtener las respuestas. E incrementar los datos paulatinamente para observar la evolución.
Jesús Pizarroso Pulido
OPTOCLÍNICOS 