Verbeterde performance in

de zorg door BI en BABetere informatie voor sturing wenselijk en mogelijk

De CFO als keuze-architect

De wijze waarop zorgorganisaties de bedrijfsvoering sturen, vraagt om visie en hervorming. De huidige performance-meting

is te financieel gericht en het instrumentarium schraal en gedateerd, terwijl zorgorganisaties beschikken over een

toenemende omvang van data. Betere informatie voor sturing is daarmee wenselijk en ook mogelijk.

Iedere organisatie streeft naar het realiseren van de strategische doelen. Hoe scherper die voor ogen staan, hoe groter de

kans dat de juiste activiteiten worden ondernomen om die te realiseren. Het is aan de financiële functie om de organisatie

daarbij on track te houden. Dat vereist: inzichten bieden en adviseren, situationeel handelen, monitoren van de uitvoering en

reageren. Deze dynamiek en de te maken keuzen zorgen ervoor dat de CFO feitelijk als een keuze-architect fungeert;

alternatieve control-instrumenten bedenken en inzetten.

Managementcontrolsystemen

Merchant (2017) pleit in zijn boek over managementcontrol ook voor deze -meer dynamische/situationele- georiënteerde

benadering van de financiële functie. Voor het inrichten en verbeteren van een managementcontrolsysteem (MCS) inclusief

het managementinformatiesysteem zijn feitelijk twee basisvragen relevant: wat is gewenst en wat is aannemelijk dat er gaat

gebeuren?

Een goed MCS is (dus) toekomst georiënteerd. De controls binnen het MCS zijn afgestemd op een bewegend doel. Zo zal

een zorgorganisatie die haar naam wil vestigen als “het expertisecentrum voor slaapstoornissen” in het MCS veel aandacht

geven aan het met enige regelmaat publiceren van wetenschappelijke artikelen, ontwikkelen van KPI’s op projectvoortgang

van onderzoeken, de kwaliteitservaring van patiënten, het marktaandeel enzovoorts.

Voor het sturen zijn data van essentieel belang. Data die vertaald worden naar informatie. In deze whitepaper gaan

we na hoe we aan die data komen, hoe we de data structureren en welke benaderingen, zoals business intelligence en/of

business analytics, daar het beste bij passen. Dit alles in het licht van de meest recente stand van de techniek en nieuwe

inzichten.

Data, data en nog eens data

Zorgorganisaties beschikken over een grote verscheidenheid aan data. Geleverde zorgprestaties, kwaliteitsgegevens,

klanttevredenheidsonderzoeken, opleidingsniveaus van medewerkers, wachtlijsten en zo kunnen we nog wel even door

gaan. Naast deze -veelal- gestructureerde data, zijn er ook in toenemende mate ongestructureerde databronnen

beschikbaar: betaald en onbetaald. Denk maar eens aan demografische gegevens en doelgroepgegevens die op het internet

te vinden zijn.

In algemene zin kan worden gesteld dat de omvang van data door technologische vernieuwingen versneld groeit. Een goed

voorbeeld van buiten de zorgsector is dat van Facebook. Bekend is dat Facebook dagelijks 300 miljoen foto’s en 2,3 miljard

likes verwerkt, waarbij ook de locaties via GPS worden opgeslagen. Deze groeiende beschikbaarheid aan gestructureerde en

ongestructureerde data leidt dan ook tot een drietal inzichten.

1. Steeds meer behoefte aan tools

Op de eerste plaats neemt door de groei aan data de behoefte aan tools toe. Tools die in staat zijn data te analyseren en te

vertalen naar geïntegreerde informatie. Ook zijn de kosten van dataopslag de afgelopen jaren sterk afgenomen. Het maakt

dat steeds grotere hoeveelheden data opgeslagen en beschikbaar zijn. Bovendien worden de kosten van datatransport

steeds minder. Hierdoor zijn de technische en financiële drempels voor dataverzameling, data-analyse en datadeling lager.

Dat betekent wel dat er kritisch nagedacht moet worden over de vraagstelling waarop antwoord gegeven moet worden. Want

alleen dan wordt duidelijk hoe data verzameld en geordend moeten worden naar informatie.

De waarde van data leidt volgens Laney (2011) tot het inzicht dat data de nieuwe olie of het nieuwe goud is. Hierbij moet wel

kritisch gekeken worden of in het kader van de AVG (GDPR) alle data opgeslagen mogen worden.

2. Meer dan alleen financiële performance

Op de tweede plaats is duidelijk dat het realiseren van de doelstellingen niet alleen afgemeten kan worden aan de financiële

performance, maar ook aan andere zaken zoals de klant, de interne processen (doelmatigheid en effectiviteit) en de aspecten

leren (talentontwikkeling) en innoveren. Doordat steeds meer data worden vastgelegd, is het mogelijk deze te vertalen naar

meer/relevantere informatie.

3. Op feiten gebaseerde beslissingen

Een derde punt is het besef dat op feiten gebaseerde beslissingen -op elk niveau- in de organisatie van groot belang zijn. Dat

veronderstelt dat informatie binnen handbereik van iedereen is en dat verklaart de behoefte aan self service analytics en

business intelligence tools (Imhoff & White, 2011). Deze tools moeten voor iedereen binnen de organisatie toegankelijk zijn.

De tussenconclusie is dat er een ongekende en snelle groei aan data is, de kosten voor opslag en transport afnemen en de

behoefte aan bredere (performance)inzichten groeit. Hoe kan deze massaliteit aan data tot nieuwe inzichten leiden? En hoe

kanaliseren we de grote toename aan data tot informatie, inzichten en uiteindelijk performance verbetering?

Business intelligence en business analytics: broer en zusDries van Nieuwenhuyse (2008) structureert in zijn boek over performance management de verschillende vormen van

intelligence systemen. Hij ziet performance management als “een gouden kompas” dat verschillende soorten

bedrijfsintelligentie bundelt: strategische, financiële, business en analytische intelligentie. Elk van deze kan gekoppeld worden

aan een tijdsdimensie: verleden, heden en toekomst. Als vierde tijdsnotitie hanteert hij de duiding back to the future.

Daaronder schaart hij vakgebieden als predictive analytics en data mining.

Een punt van aandacht bij het Golden Compass, maar ook in het snelgroeiend aantal publicaties, is de gehanteerde

terminologie. Want wat verstaan we onder business intelligence en wat is het verschil met business analytics? Welke

overeenkomsten en verschillen zijn er? En welk wetenschappelijk fundament ligt er aan begrippen als big data, business

intelligence en data analytics ten grondslag?

Ting-Peng Liang et al (2018) publiceerden recentelijk een

bibliometrische analyse betreffende publicaties over twee veel

voorkomende onderwerpen, namelijk big data (BD) en business

intelligence (BI). Daarbij onderzochten zij hoe de academische

output betreffende BD en BI in de periode 1990 tot 2017 is

gegroeid en ontwikkeld. Ook bekeken zij welke onderwerpen

in de publicaties geadresseerd werden en welke auteurs

toonaangevend zijn (peer reviewed en geciteerd). Uit het

onderzoek blijkt dat het aantal publicaties betreffende BI

relatief lang stabiel bleef en pas sinds 2016 stijgt. In totaal

werden 1.168 publicaties over BI aangetroffen; in hoofdzaak

artikelen (bijna 90%) en dus geen boeken.

Business intelligence wordt in de publicaties ook direct verbonden

aan begrippen als management, data analytics, predictive analytics

en knowledge management. Verder valt op dat het aantal

publicaties over big data in de genoemde periode explosief is

gestegen.

De overeenkomsten en verschillen kunnen het beste geduid worden aan de hand van de in onderstaande tabel opgenomen

karakteristieken. Deze karakteristieken zijn niet uitputtend en op wetenschappelijk onderzoek gebaseerd, maar zijn

opgetekend aan de hand van uitspraken van enkele relevante marktpartijen.

Tabel 1: Karakteristieken business intelligence en business analytics

In een tweetal publicaties wordt de relatie tussen business intelligence en business analytics als volgt geduid: business

analytics is a function of business intelligence.

R. Torres et al. (2018) beschrijft business intelligence als volgt:

“Business intelligence refers to a variety of information management technologies, information seeking activities, as well

as the informational output of such activities. It has also been identified as a technology that can help organizations that

can acquire, assimilate, and transfer new knowledge. In this view, business analytics (BA) is the component of BI that

focuses on the application of analytical techniques to answer organizational questions and improve decision making.”

Beide begrippen hebben tot doel de organisatie in staat te stellen om door middel van technieken (instrumenten) nieuwe

kennis te ontwikkelen waardoor betere -wellicht geautomatiseerde- besluiten genomen kunnen worden. Vanwege deze

gelijkgerichtheid in doelstelling spreken we, in navolging van R. Torres et al., verder in dit artikel dan ook over business

intelligence en analytics (BI&A).

Element Business intelligence Business analytics

Wat is de doelstelling? Gericht op het sturen van de

bedrijfsactiviteiten (reporting)

Gericht op het veranderen van de

bedrijfsactiviteiten (analyse)

Waar worden de modellen op

gebaseerd?

Het leggen van relaties tussen

historische data

Statistische analyse, kwantitatieve analyses,

datamining en voorspellende modellen

Welke bronnen zijn leidend? Rapporten op basis van historische data Gericht op het herkennen van patronen

binnen data

Waar is de techniek op gericht ? Begrijpen van het verleden Begrijpen van de toekomst

Performance verbetering door BI&A?Met zoveel nieuwe smaken aan en functionaliteiten binnen data-analyse-tools is de vraag aan de orde of deze ook echt

renderen: dragen ze ook echt bij aan een betere besluitvorming? En waar blijkt dat dan uit?’

Torres et al. heeft de relatie tussen performanceverbetering en BI&A onderzocht. Daartoe hanteert hij het model van dynamic

capabilities perspectives. Volgens deze theorie zijn de organisatorische prestaties een functie van de mogelijkheden om de

inzet van middelen te veranderen. Oftewel: het model onderzoekt de wendbaarheid van de organisatie. De meting wordt

uitgevoerd op drie onderdelen:

• BI&A-sensing: de vaardigheid van een organisatie om kansen en mogelijkheden te identificeren en te gebruiken door het

verzamelen en analyseren van data.

• BI&A-seizing: de vaardigheid om beslissingen te nemen en acties te bepalen om de gesignaleerde kansen te pakken.

• BI&A-transform: de vaardigheid om het bedrijf om te vormen op basis van de nieuwe BI&A-inzichten.

Het voert in het kader van deze whitepaper te ver om de resultaten van het wetenschappelijk onderzoek uitgebreid te

bespreken. De conclusie is dat BI&A een belangrijke voorwaarde is om organisatorische transformaties mogelijk te maken en

bij te dragen aan het verbeteren van prestaties.

De keuze voor een BI&A-systeem

Als vaststaat dat de prestaties van een organisatie door middel van BI&A kunnen worden verbeterd, is de vervolgvraag welke

systemen daarin leidend c.q. ondersteunend zijn. Belangwekkend in dat kader zijn de publicaties van Gartner: een

researchbureau op het gebied van IT. Eind februari 2018 publiceerde zij de onderzoeksresultaten naar BI&A-systemen.

Onderzocht is hoe, in hun ogen, de twintig belangrijkste BI&A-leveranciers zich verhouden tot 15 aspecten en eisen. De

resultaten worden daarbij gepresenteerd op twee assen: de mate van visie en de mate van uitvoerbaarheid.

In algemene zin voorziet Gartner een aanmerkelijke groei van het aantal gebruikers van BI&A-systemen. Interessant is dan

ook de voorspelling van Gartner dat het aantal gebruikers van BI&A-systemen vijf keer sneller groeit dan het aantal data-

science experts. Gartner introduceert hiervoor het begrip citizen data scientist: een professional die niet in het werkgebied

van IT, statistiek of analyse werkzaam is of kennis heeft, maar wel zelfstandig BI&A-output kan realiseren. Dit dankzij

eenvoudig te gebruiken tools.

Ook voorziet Gartner dat visualisaties een nog dominantere rol gaan vervullen in de keuze van BI&A-systemen. Door sterkere

visualisaties worden boodschappen nog begrijpelijker en krachtiger overgebracht.

Aspecten en eisen

Het is dan ook niet verwonderlijk dat Gartner de eisen aan BI&A in de loop der tijd heeft aangescherpt. In haar onderzoek

hanteert zij, zoals hiervoor al is aangegeven, 15 punten waarop zij BI&A-systemen beoordeelt.

Infrastructuur

1. BI-systeembeheer, beveiliging en architectuur

Welke mogelijkheden biedt het systeem voor beveiliging, beheer door gebruikers, controle van toegang tot en gebruik

van systemen, hoge beschikbaarheid en disaster recovery?

2. Cloud BI

Het gaat hier om het systeem-as-a-service en analytische-applicatie-as-a-service mogelijkheden voor het bouwen,

implementeren en beheren van BI&A-systemen in de cloud.

3. Verbinding met databronnen

Welke mogelijkheden hebben gebruikers om verbinding kunnen maken met gestructureerde en ongestructureerde data,

zowel on-premise als in de cloud?

Datamanagement

4. Metadata-beheer

Tools moeten zodanig zijn dat ze gebruikers in staat te stellen gebruik te maken van één en hetzelfde semantische

model en van metadata.

5. Op zichzelf staande ETL (extractie, transformatie en laden) en gegevensopslag

De mogelijkheden van systemen om ETL gebruiksvriendelijker te maken.

6. Voorbereiding van selfservice-gegevens

Drag and drop gebruikers-gestuurde gegevenscombinaties van verschillende bronnen en het creëren van analytische

modellen zoals door de gebruiker gedefinieerde maten, sets, groepen en hiërarchieën.

7. Schaalbaarheid en datamodelcomplexiteit

De mate waarin de systemen in staat zijn om grote hoeveelheden gegevens en complexe gegevensmodellen te

verwerken en tot grote uitrolacties.

Analyse en creatie van inhoud

8. Geavanceerde analyses

Biedt gebruikers eenvoudig toegang tot geavanceerde analysemogelijkheden die op zichzelf staan via bijvoorbeeld

menu-gestuurde opties of door de import en integratie van extern ontwikkelde modellen.

9. Analytische dashboards

De mogelijkheid om zeer interactieve dashboards te maken met visuele verkenning en geavanceerde analyses.

10. Interactieve visuele verkenning

Maakt het verkennen van gegevens mogelijk via visualisatie-opties die verder gaan dan die van standaard cirkel-, staaf-

en lijndiagrammen.

11. Augmented data discovery

Zoekt, visualiseert en vertelt automatisch belangrijke bevindingen zoals correlaties, uitzonderingen, clusters, links en

voorspellingen in gegevens die relevant zijn voor gebruikers, zonder dat ze modellen moeten bouwen of algoritmen

moeten bepalen.

12. Mobiele verkenning en authoring

Biedt organisaties de mogelijkheid content te ontwikkelen en te leveren aan mobiele apparaten in een publicatie- en/of

interactieve modus en maakt gebruik van de mogelijkheden die mobiele apparaten bieden zoals touchscreen, camera en

locatiebewustzijn.

Delen van inzichten

13. Analytische inhoud

Mogelijkheden, waaronder softwareondersteuning door middel van bijvoorbeeld API's voor het maken en wijzigen en

verbeteren van analytische inhoud, visualisaties en applicaties.

14. Publiceren, delen en samenwerken aan analytische inhoud

Mogelijkheden waarmee gebruikers analytische inhoud kunnen publiceren, delen en samenwerken.

De algemene systeemmogelijkheden werden door Gartner ook beoordeeld op basis van:

15. Gebruiksgemak, visuele aantrekkingskracht en workflow-integratie

Gebruiksgemak om het systeem te beheren en in te zetten, inhoud te maken, inhoud te gebruiken en ermee te werken,

evenals de mate waarin het product visueel aantrekkelijk is.

Op basis van dit onderzoek stelt Gartner dat

drie leveranciers zich kwalificeren voor het

leiderskwadrant, namelijk Qlik, Tableau en

Microsoft (Power BI).

Tableau biedt wellicht de beste

datavisualisatie-mogelijkheden op de markt.

Microsoft beschikt over een zeer uitgebreide

set aan implementatiemogelijkheden en

functionaliteiten voor vrijwel elk gebruik.

Qlik streeft naar dominantie door vooral in te

zetten op het ingebedde gebruik van BI&A-

systemen.

Conclusie

Het is duidelijk dat er een nieuw vakgebied ontstaan is. Dit met een eigen wetenschappelijk referentiekader. Het aantal

publicaties neemt dan ook gestaag toe. Het draagt ook bij tot het inzicht dat er een wereld te winnen is, waar het gaat om

dataverwerking, data-analyse, interpretatie en uiteindelijk het inzicht dat nodig is om prestaties te verbeteren.

Uit het onderzoek van Gartner volgt ook dat de instrumenten en technieken verder geëvolueerd zijn. Het BI-instrumentarium

is inmiddels zo ver dat technieken die tot voor kort relevant waren, maar alleen aangeven “wat er gebeurd is”, niet meer

volstaan. Nieuwe BI&A-tools zijn steeds meer in staat om aan te geven “waarom iets gebeurd is” en “wat er gaat gebeuren”.

Nieuwe technieken maken het mogelijk toegevoegde waarde te leveren aan data, waardoor nieuwe, meer toekomstgerichte

informatie ontstaat. Dit alles ten faveure van nog betere besluitvorming en gerichtheid op het realiseren van de strategie en

aansturing van bedrijfsprocessen.

Voor zorgorganisaties is het van belang te beseffen dat de markt van BI&A-systemen zich de afgelopen jaren snel heeft

ontwikkeld. Van traditionele BI-oplossingen naar BI&A-oplossingen met meer nadruk op (predictive) analytics die sterk

visueel en laagdrempeliger zijn. Hiermee wordt ook een nieuw tijdperk aan sturing ingeluid. In het artikel hebben wij

aangegeven dat er een verschuiving gaande is van traditioneel BI naar BI&A. Zo ver is het voor de meeste organisaties nog

niet, maar het is al wel goed om de gedachten erover te laten gaan.

Referenties

1. Acito, F., Khatri, V., Business analytics: why now and what next, Science Direct, 2014, 565-570.

2. Brown, D.E. et al., Future trends in business analytics and optimalization, IOS Press, 2011, 1001-1017.

3. Fisher, D. et al., Business Intelligence Analytics, IEEE Computer Society, September/October 2014, 22-24.

4. Herschel, G., Tapadinhas, J., Sapp,, C.E., Analytics and BI Strategies Primer for 2018, Gartner, ID G00344017.

5. Howson, C. et al., Magic Quadrant for analytics and business intelligence platforms, Gartner, ID G00326555.

6. Larson, D., Chang, V., A review and future of agile, business intelligence, analytics and data science, International

Journal of Information Management, 2016, pag. 700-710.

7. Nieuwenhuyse, D. van, Performance management, Van prestatiemeting naar prestatiemanagement door de toepassing

van analytische intelligentie, 2008, Uitgeverij LannooCampus.

8. Ting-Peng Liang, Yu-His Liu, Research Landscape of Business Intelligence and Big Data Analytics: a bibliometric study,

Expert Systems with applications (2018), doi: 10.1016/j.eswa.2018.05.018.

9. Torres, T., Information & Management (2018), Enabling firm performance through business intelligence and analytics: a

dynamic capabilities perspective, https://doi.org/10.1016/j.im.2018.03.010

10. https://www.betterbuys.com/bi/business-intelligence-vs-business-analytics/

Wij verbeteren de

bedrijfsvoering van de zorg