Построили дашборды, которые помогают детской клинике расти с опорой на данные

Сеть клиник, которая к нам обратилась, 17 лет лечит семьи в Москве и Московской области. Помимо педиатров в клинике есть стоматологи, гинекологи, терапевты, УЗИ-специалисты. Пациенты могут здесь сдать анализы и сделать прививки.

Коллеги обратились к нам, чтобы создать систему аналитических дашбордов. Мы просчитали необходимые параметры, разработали систему графиков и интегрировали их в действующую МИС (медицинская информационная система). А сейчас продолжаем сотрудничество в регулярном формате и участвуем в аналитике.

В этом кейсе мы расскажем, как:

• подсчет процента загрузки клиники влияет на принятие управленческих решений
• анализ среднего чека и количества посещений на человека помогает оценить эффективность врача
• тактики продаж в В2В перекликаются с тактиками продаж в семейной клинике

Дано: сеть детских поликлиник

Компания в самом начале стадии расцвета: они собрали хорошую команду управленцев, отладили бизнес-процессы, стандартизировали взаимоотношения с клиентами, разработали и внедрили свой IT-стек. В отличие от многих конкурентов, у клиники своя МИС. Поэтому они могут быстро менять критерии и параметры внутри системы. Но аналитика оставалась на уровне выгрузки в таблицы.

Найти: слепые места в анализе данных с помощью дашбордов

Следующий шаг для клиента – это эффективное управление собранным массивом данных. Руководство компании понимало, как расти и развиваться с опорой на аналитику. Но отчеты в действующей МИС формировались долго, а работать с ними было не очень удобно. Из-за этого управленцы не могли принимать решения быстро.

Решение

Чтобы построить дашборд недостаточно уметь писать коннекторы к базе и строить красивые графики. Важно понимать, какие именно данные полезны для клиники и имеют вес во время принятия решений.

Что мы сделали:

• описали путь клиента внутри клиники
• просчитали параметры по специальной версии Формулы Прибыли для медицины
• изучили список доступных метрик
• оцифровали путь прибыли внутри дашбордов

За основу анализа данных в медицине мы берем параметры Триединой Формулы Прибыли, отраслевой версии Формулы Прибыли. Это разработанная агентством Paper Planes форма представления выручки в медицинских организациях, которая позволяет учитывать все параметры, влияющие на прибыль.

Основные показатели ТФП мы вывели на первую вкладку дашборда:

• выручку
• количество пациентов
• сколько из них первичных, а сколько вторичных
• LTV (lifetime value) – вся прибыль от клиента за время работы
• количество повторных посещений
• средний чек

Руководство клиники видит эти данные в динамике. По сути, первая вкладка – это панель управления клиникой, по которой можно судить о её текущем состоянии и прогнозировать перспективы роста. И подробно анализировать ключевые показатели в различных срезах.

Срез по клиникам: структура выручки и управление загрузкой

Визуализация данных в дашборде помогает эффективнее управлять филиалами клиник. Две клиники могут приносить одинаковую выручку, но структура этой выручки будет разной. Где-то она генерируется в основном за счет хорошего среднего чека, где-то за счет большого пациентопотока. И в рамках дашборда руководство клиники может увидеть, где и какой рычаг приоритетнее.

Для каждой из клиник мы посчитали процент загрузки первичными пациентами, чтобы увидеть, где этот показатель является реальным драйвером, а где нет.

Можно отсортировать клиники по проценту загрузки. И сделать вывод: клиникам, у которых он больше 85% пора смещать приоритет в сторону маржинальных услуг. А если загрузка всего 65%, то надо работать над повышением этого параметра.

Срез по врачам: анализ эффективности специалистов

В дашборде можно визуализировать данные по категориям врачей. Понять, какой поток выручки генерируют педиатры, какой стоматологи, какой лоры. Можно сравнить эффективность конкретных специалистов, например гинекологов, чтобы принять кадровые решения. Для этого надо сгенерировать график, где по оси Y показатель среднего чека каждого врача, а по оси X – количество посещений на человека.

В правом верхнем углу сконцентрированы специалисты, у которых высокий средний чек и к которым часто возвращаются пациенты. Это самые эффективные врачи клиники. Их надо удерживать, продвигать, возможно, продавать их услуги дороже. В левом верхнем углу врачи, которые продают дорогие услуги, но пациенты к ним возвращаются редко. С ними надо анализировать причины низкой возвращаемости. В правом нижнем углу врачи, к которым ходят часто, но средний чек низкий. Таких специалистов можно обучить, чтобы они могли оказывать дополнительные услуги, например УЗИ. Врачи в левом нижнем углу – либо начинающие специалисты, либо самые неэффективные.

Срез по семьям: работа с возвращаемостью

Одна из страниц дашборда посвящена анализу данных в разрезе семей, чтобы точнее управлять коммуникацией с ними. В медицине количество посещений и денег, которые пациент на них потратит, зависит от уровня его осознанности и привычки следить за своим здоровьем. Детская клиника работает с осознанностью родителей. Лицом, принимающим решение, кому и когда в клинику идти, чаще всего является мама. А решение о бюджете обычно принимает папа. При этом бюджет на лечение всех членов семьи один. Это очень похоже на продажи в B2B-секторе, где для более точного анализа мы часто объединяем разрозненные юрлица в одного контрагента, если понимаем, что бюджет у них один на всех.

Мы сделали отдельную RFM-сегментацию по семьям. Где, исходя из ID семьи, видно, какие из них обращаются в клинику часто, а какие семьи давно не приходили лечиться.

Отдельно можно посмотреть основные параметры формулы прибыли по семьям. Например, LTV семьи в два раза выше, чем LTV одного пациента при том же среднем чеке. А сам факт того, что в клинике лечится не единичный пациент, а семья, делает этот тип клиента более лояльным. На членов семьи приходится на 20% больше посещений, чем на пациентов, семьи которых не идентифицированы клиникой.

Визуализация данных в разрезе семей позволит руководству клиники быстрее принимать решения о том, как управлять коммуникацией с этим сегментом аудитории: какие семейные программы вводить, когда запускать акции, на какой возраст детей ориентироваться.

Результат

В медицине традиционно собирают много информации о клиенте: паспортные данные, возраст, когда и к какому врачу ходил, какие анализы сдавал и что лечил. И чаще всего эти данные просто лежат мертвым грузом в МИС. Хотя могли бы помочь компании расти, стать прочным фундаментом для принятия управленческих решений.

Именно дашборды позволяют визуализировать огромный массив данных и превратить его в нечто понятное и анализируемое. Благодаря прозрачности метрик управленческая активность в сети клиник выросла. Решения теперь принимаются быстрее и с опорой на данные.

‍