Оставьте контактные данные и мы свяжемся с вами в ближайшее время
BI-система Analytic Workspace внедрена для аналитики данных в благотворительном фонде «Дети-бабочки»
Внедрению Analytic Workspace в благотворительном фонде «Дети-бабочки» был посвящен доклад на прошедшем в сентябре 2023 года форуме «Управление данными».
Докладчиками выступили:
Михаил Греков, руководитель отдела продуктовой разработки AW BI, эксперт по
разработке в сегменте B2B.
Михаил Письменный, директор компании «Редермио», специализирующейся на цифровизации НКО и работающей с крупнейшими благотворительными
фондами России: «Дети-бабочки», фонд Константина Хабенского, фонд помощи
взрослым «Живой» и др.
Докладчиками выступили:
Михаил Греков, руководитель отдела продуктовой разработки AW BI, эксперт по
разработке в сегменте B2B.
Михаил Письменный, директор компании «Редермио», специализирующейся на цифровизации НКО и работающей с крупнейшими благотворительными
фондами России: «Дети-бабочки», фонд Константина Хабенского, фонд помощи
взрослым «Живой» и др.
Запись доклада, посвященного внедрению BI-системы Analytic Workspace в благотворительном фонде "Дети-бабочки"
Предыстория
Благотворительный фонд «Дети-бабочки» с 2011 года помогает детям, страдающим
генными дерматозами — поражающими кожу наследственными заболеваниями. Одна из
главных задач фонда — наладить эффективную систему оказания медицинской помощи
больным. Для этого в фонде внедрена система «Регистр генетических и других редких заболеваний», поддерживающая базу по подопечным фонда: персональные данные, медицинские показания, информация по оказанной помощи и прочее — более тысячи характеристик.
Для усовершенствования прогнозов по объемам помощи, необходимой подопечным фонда, применяется система Analytic Workspace.
генными дерматозами — поражающими кожу наследственными заболеваниями. Одна из
главных задач фонда — наладить эффективную систему оказания медицинской помощи
больным. Для этого в фонде внедрена система «Регистр генетических и других редких заболеваний», поддерживающая базу по подопечным фонда: персональные данные, медицинские показания, информация по оказанной помощи и прочее — более тысячи характеристик.
Для усовершенствования прогнозов по объемам помощи, необходимой подопечным фонда, применяется система Analytic Workspace.
Задача
Прикладные аналитические задачи, решаемые некоммерческими организациями, в частности фондом, имеют ряд особенностей. Перечислим некоторые из информационных панелей, потребность в которых возникла в первую очередь:
На основе поставленных требований, особое внимание уделялось предиктивной аналитике, которую успешно реализовала BI-система Analytic Workspace. Основным предназначением этого аналитического решения является управление процессами и поддержка деятельности некоммерческой организации.
- Формирование эпидемиологической и медицинской аналитики;
- Контроль работы фандрайзинга;
- Прогнозирование развития состояния подопечных;
- Прогнозирование объемов необходимой помощи.
На основе поставленных требований, особое внимание уделялось предиктивной аналитике, которую успешно реализовала BI-система Analytic Workspace. Основным предназначением этого аналитического решения является управление процессами и поддержка деятельности некоммерческой организации.
Решение
Источники данных фонда представляют собой довольно разветвленную систему:
Был создан ряд информационных панелей по четырем основным направлениям: эпидемиология, медицина, социальная информация и фандрайзинг.
В качестве примера рассмотрим информационную панель «Эпидемиология». Здесь собраны данные:
Рисунок 1. Вид информационных панелей категории «Эпидемиология»
- В первую очередь это Регистр генетических и других редких заболеваний, собранный в базе данных PostgreSQL. Здесь хранятся данные о подопечных фонда, медицинском персонале и сотрудниках фонда;
- DRM — система учета взаимоотношений с жертвователями. Сюда поступает финансовая информация из систем CloudPayments, 1C-бухгалтерия, MixPlat;
- И, наконец, Excel-файлы, где хранятся архивные и исторические данные фонда.
Был создан ряд информационных панелей по четырем основным направлениям: эпидемиология, медицина, социальная информация и фандрайзинг.
В качестве примера рассмотрим информационную панель «Эпидемиология». Здесь собраны данные:
- По половозрастной структуре с автоматическим пересчетом данных в динамике времени. Здесь особое внимание уделено доживаемости пациентов до определенного возраста. Эта статистика важна, среди прочего, для обеспечения прозрачности данных для обоснования эффективности деятельности фонда;
- Распределение подопечных по диагнозам, список которых постоянно расширяется. Реализован drill-down и фильтрация данных друг относительно друга.
Рисунок 1. Вид информационных панелей категории «Эпидемиология»
Выводы и перспективы
Уже сейчас аналитика, в том числе предиктивная, которую обеспечивает система AW BI, помогает рассчитать объем необходимого лечения и финансирования каждого пациента, что позволяет продлить срок и существенно улучшить качество жизни подопечных фонда.
В ближайшей перспективе для нужд фонда планируется реализация машинного обучения (ML), которое расширит существующую прогнозную аналитику решения и откроет следующие возможности:
В ближайшей перспективе для нужд фонда планируется реализация машинного обучения (ML), которое расширит существующую прогнозную аналитику решения и откроет следующие возможности:
- Прогнозирование развития заболевания у подопечного;
- Прогнозирование объёмов помощи, требуемой подопечному;
- What-if анализ с учётом прогнозной модели.