Analytic Workspace внедрена в БФ «Дети-бабочки»
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.
Прикладные аналитические задачи, решаемые некоммерческими организациями, в частности Фондом, имеют ряд особенностей. Перечислим некоторые из информационных панелей, потребность в которых возникла в первую очередь:
- 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 (AW BI). Основным предназначением этого аналитического решения является управление процессами и поддержка деятельности некоммерческой организации.
Источники данных Фонда представляют собой довольно разветвленную систему:
- В первую очередь, это Регистр генетических и других редких заболеваний, собранный в базе данных PostgreSQL, в которой 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;
- Excel-файлы, где хранятся архивные и исторические данные Фонда.
Был создан ряд информационных панелей по четырем основным направлениям: эпидемиология, медицина, социальная информация и фандрайзинг.
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:
- Прогнозирование развития заболевания у подопечного;
- Прогнозирование объёмов помощи, требуемой подопечному;
- What-if анализ с учётом прогнозной модели.