Meld je aan voor de nieuwsbrief

Praktijkvoorbeeld: Data-ondersteund inzicht bij ADL-ondersteuning

ADL-ondersteuners in de gehandicaptenzorg bieden cliënten ondersteuning bij algemene dagelijkse levensverrichtingen. De team coördinator van de ADL-ondersteuners in een gehandicaptenzorgorganisatie zou graag een efficiëntere planning van het personeel en de vrijwilligers willen realiseren. Maar welke data-infrastructuur is hiervoor nodig? 

Het doel van de team coördinator van de ADL-ondersteuners is om betere en snellere zorg te leveren aan de cliënten, zonder daarmee de werkdruk op het personeel te vergroten. Om dit te bereiken is inzicht nodig in wanneer welke ondersteuning geboden wordt en hoelang dit duurt. Het visualiseren van deze data kan hierin een uitkomst bieden! In dit voorbeeld gaan we specifiek in op het stukje data-infrastructuur dat nodig is voor het realiseren van dit data-inzicht.

De databronnen die gebruikt worden voor het verkrijgen van dit inzicht zijn het registratie- en oproepsysteem. Via deze databronnen registreren zorgmedewerkers wanneer ze welke zorg geleverd hebben. Om de registratie te starten bij binnenkomst bij een cliënt drukt de medewerker op de knop ‘start’. Bij het verlaten wordt aangegeven welke zorg geleverd is met behulp van een aantal voorgeselecteerde categorieën die op het scherm te zien zijn. De registratie stopt dan automatisch. De data van dit registratiesysteem wordt elke nacht om 00:00 ontsloten. De data vanuit het oproepsysteem wordt direct ontsloten op het moment van een oproep en opgeslagen in het datawarehouse.

Na het ontsluiten van de data vanuit het registratie- en oproepsysteem vinden er een aantal transformaties plaats. Als eerste wordt de data gefilterd, alleen de data van de laatste dag moet toegevoegd worden aan de dataset. In de volgende transformatie worden de twee datasets gekoppeld en toegevoegd aan de bestaande dataset. Tegelijkertijd vindt er een kwaliteitscontrole plaats. Op basis van deze controle wordt de data opgeschoond, zodat er geen duplicaten of corrupte gegevens meer achterblijven. De bewerkte en gecontroleerde dataset wordt vervolgens weer opgeslagen. Op het moment dat de data nodig is, wordt de benodigde data geselecteerd uit de dataset en gepresenteerd, zodat het gebruikt kan worden voor data-analyse. Met behulp van data-analyse worden de benodigde inzichten in kaart gebracht. Deze resultaten worden vervolgens gevisualiseerd. Ook de geanalyseerde data wordt opgeslagen, zodat deze analyse stap niet nogmaals uitgevoerd hoeft te worden.

De gevisualiseerde resultaten gaan naar de teamcoördinator van de ADL‑ondersteuners, die daarmee kan bepalen of de planning verder te optimaliseren is op basis van de inzichten.

Bij het draaiende houden van deze data-infrastructuur komen veel van de faciliterende componenten en randvoorwaarden kijken. Het geheel sluit aan bij de visie en strategie van de organisatie, die de meerwaarde van data‑ondersteund werken wil benutten om de cliëntenzorg te verbeteren. Daarnaast is vastgelegd wie voor welke onderdelen verantwoordelijk is (Data governance). Parallel aan de beschreven processen worden er metadata geproduceerd waarin uitleg over de data staat. Dit wordt gebruikt voor data-lineage, waarin de herkomst van de data en de gebruikte definities zijn vastgelegd (Datamanagement). Er wordt gebruik gemaakt van identiteits- en toegangsbeheer (IAM), zodat personen de juiste rollen toegewezen krijgen en daarmee de juiste toegang binnen het dataplatform (Beveiliging). Het dataplatform is vormgegeven aan de hand van een ontwerp dat de verschillende onderdelen en tools beschrijft en verbind (Data architectuur). Er zijn processen opgezet waarmee de data snel gemonitord en verwerkt wordt (DataOps). De benodigde applicaties en verbindingen tussen de systemen zijn ontwikkeld en worden onderhouden (Software engineering). Taken zijn overzichtelijk ingepland, waarmee bijvoorbeeld de data automatisch ontsloten wordt op vaste momenten (Orkestratie).

Dit praktijkvoorbeeld laat zien hoe de data‑infrastructuur werkt aan de hand van het bijbehorende schema. Wil je verder inzoomen op de verschillende onderdelen en processen die hierin terugkomen? Bekijk dan de uitgebreide toelichting op het schema voor een heldere stap‑voor‑stap uitleg.