Ahora nos gustaría compartir nuestra experiencia de procesamiento de datos para predecir el regreso del paciente a la clínica y el crecimiento de la lealtad. El sistema Robomed se enfocó inicialmente en la automatización de procesos de negocios en nuestra red de "Clínica abierta".
A medida que pasaba el tiempo, ahora tenemos 20 clínicas conectadas y el progreso continúa. En los últimos tres años, aprendimos cómo manejar los procesos de negocios que ocurren en las clínicas y descubrimos los lugares más sutiles allí.
Es un hecho: las clínicas que nos vinieron originalmente estaban en el período de la Edad de Piedra o utilizaban los sistemas de información que solo podían servir a las opciones más simples. Es decir. Podían tener un gran conjunto de botones, que parecían interesantes pero solo podían complicar el trabajo.
Nuestra solución se centra principalmente en simplificar y visualizar lo más fácil y eficaz posible.
La cuestión de cómo predecir el regreso del paciente es compleja y multifacética. Y consta de muchos componentes.
Sin embargo, en cualquier caso, comienza con la forma en que las personas ingresan a la clínica, cómo la ven, cómo interactúan con el personal y cómo se organiza el trabajo del personal dentro de la clínica.
La impresión del cliente de la clínica comienza directamente desde el umbral y continúa con la profesionalidad del personal. Cualquiera de estas partes es muy importante.
En cualquier momento, una mala impresión de la clínica puede ocurrir, por lo tanto, nuestra tarea es entender y rastrear esos momentos.
Actualmente, consideramos una buena clínica como una empresa de TI. En cualquier etapa, mientras el paciente interactúa con la clínica, el personal trabaja con laboratorios externos para obtener un análisis preciso, todo lo que sea necesario: todo esto es un sistema de TI que funciona de manera constante con todas las personas que interactúan constantemente y generan una gran cantidad de información. información.
Desafortunadamente, con sistemas obsoletos, esta información a menudo se pierde. La información necesaria para la generación de estos procesos se realiza en la clínica, pero en caso de que miremos más de cerca, se pierde.
En consecuencia, nuestra tarea para la predicción del regreso del paciente a la clínica es la visualización de todos estos procesos internos, para encontrar errores frecuentes y realizar mejoras.
Para resolver este problema, participamos en tres hakatons. Estos son los eventos especializados donde se reúnen equipos de diferentes especialistas. Por ejemplo, en medicina (médicos) o científicos de datos (especialistas en aprendizaje automático). Les dimos nuestros datos y configuramos ciertas tareas. Nuestro objetivo era encontrar equipos adecuados y puntos de crecimiento interno.
Tenemos resultados interesantes. El principal fue que encontramos varios equipos con los que continuó la cooperación y ahora varios servicios ya están en la etapa de introducción en nuestra empresa.
Le diremos más sobre estos servicios.
Descubrimos que hay ciertos grupos de médicos con sus pacientes leales, separados, por ejemplo, por edad u otros parámetros especiales, en los que la probabilidad de acudir a una cita repetida es mayor.
Nuestro modelo ha demostrado, según qué principio romper la disipación de los médicos. Por un lado, encontramos lugares sutiles en el trabajo de los propios médicos. Con el segundo, nos permite estar ya en la entrada de la clínica para ofrecer al paciente el médico con el que tendrá la mejor oportunidad de trabajar juntos. Debido a esto, estamos aumentando LTV en el largo plazo. Este es uno de los muchos servicios que ahora es nuestra empresa en la etapa de integración.
Otro aspecto es la ayuda del sistema al médico mismo durante la recepción con la escritura, por ejemplo, anamnesis, quejas de pacientes y otras cosas. Basado en el modelo entrenado, el sistema le dice al médico los protocolos de las enfermedades.
Por ejemplo, en neurología, la precisión de nuestro modelo es del 92%. Ese es un muy buen resultado. Aumenta el nivel de atención y motiva a nuestro paciente, ya que aumenta el nivel de exactitud del diagnóstico.
Otro ejemplo es la generación de datos mientras se trabaja con el paciente. En otras palabras, imaginemos la clínica como una especie de fábrica con una gran cantidad de transportadores internos y cientos de miles de servicios, en los que participa una gran cantidad de personal. Este es un proceso complicado tanto para la digitalización como para la visualización.
Algunos de estos resultados son emocionantes. Por ejemplo, en muchas clínicas, se observa el momento de ingreso del paciente. Al mismo tiempo, la práctica muestra que los pacientes con lesiones graves están muy complacidos cuando el médico les da más tiempo asignado. Además, debido a esto, se vuelven mucho más leales tanto con el médico como con la clínica.
Si echamos un vistazo a la experiencia, si bien pasaron 20 años casi todas las clínicas tratadas con valores, hace 10 años comenzó la automatización primaria, aunque en sistemas complejos antediluvianos, que, de hecho, no se beneficiaron con nada más que la absorción de datos.
Nuestros clientes acuden a nosotros para obtener una solución individual flexible, información transparente y visualizada que comprenderán fácilmente. La mayoría de los sistemas médicos existentes en la actualidad desarrollados a principios de la década de 2000 no son móviles ni flexibles, por lo que nuestra tarea fue analizar esos datos, hacer que nuestro cliente se interesara por el regreso a nuestra clínica para obtener su enfoque individual, nuestra asistencia calificada y su experiencia. felicidad.