Level: Anfänger
Jim Grayson, Professor an der Augusta University
Alles begann mit der Bitte: "Können Sie uns helfen, festzustellen, warum es so viele Nichterscheinen für die Termine unseres Arztes gibt?" Als Reaktion darauf haben wir unter Verwendung der JMP-Predicitve-Modellierung und nach vielen Iterationen ein schönes Vorhersagemodell entwickelt, um die Merkmale der Nichterscheinen zu identifizieren. Obwohl wir unser Fachwissen nutzen konnten, um die ursprüngliche Frage zu beantworten, stellten wir fest, dass es nicht unbedingt notwendig war, ein wundervolles Modell zu entwickeln, nachdem wir das Problem gelöst hatten. Stattdessen mussten wir das, was wir aus unserem Modell gelernt hatten, verwenden, um Interventionen zu erstellen, die uns schließlich zum Verständnis des wahren Ziels führen: Patienten zu ihren Besuchen in die Klinik zu bringen!
Wir haben das Projekt in die zweite Phase überführt und ein einfaches Experiment entwickelt, um mögliche Interventionen zu untersuchen, um die Erkenntnisse zu berücksichtigen, die wir aus dem anfänglichen Vorhersagemodell für die No-Show-Population gewonnen hatten. Diese Studie wurde im April 2019 abgeschlossen, und die Ergebnisse zeigten für zwei der drei Interventionen sehr signifikante Verbesserungen.
Wir werden daran erinnert, dass es einen Anfang, eine Mitte und ein Ende gibt. Wir freuen uns am meisten über die Mitte - das ist die Modellierung. Was uns aber macht oder bricht, ist der Anfang und das Ende - der Anfang ist das Verstehen des wahren Ziels, und das Ende ist, wenn wir die Ergebnisse bereitstellen, die dem wirklich gewünschten Ergebnis des Projekts entsprechen.
In diesem Vortrag werden wir den gesamten Prozess erörtern, angefangen beim Start dieses Projekts mit einem primären analytischen Ziel bis hin zum Übergang zu einem besser auf das Geschäft ausgerichteten Ziel, das den gesamten Zyklus von der Problemstellung bis zur Bereitstellung abdeckt.
