Proseguiamo la nostra serie di approfondimenti sul PNRR (qui la serie completa) e su come le società di consulenza attive nei settori della Business Intelligence e Data Analytics possono operare per accompagnare le Organizzazioni Sanitarie nel realizzare, e soprattutto gestire nel tempo, quanto previsto dal Piano.
Ripartiamo quindi dall’intervento precedente, in cui avevamo iniziato a descrivere i modelli predittivi multivariati. Tali modelli sono utilizzati per il monitoraggio della situazione corrente, al fine di anticipare gli eventi, scegliere strategicamente tra diversi possibili scenari e ottimizzare progressivamente l’allocazione delle risorse. In sostanza, ci aiutano a gestire fenomeni complessi suggerendoci le scelte ottimali.
Il primo approfondimento era stato dedicato all’Analisi dei Trend (qui). Ora parleremo di Analisi What-If, lasciando al successivo approfondimento il compito di trattare il tema del Machine Learning e della Artificial Intelligence.
Cos’è l’analisi What-if? Si tratta di un’analisi predittiva multivariata, in cui si valutano i diversi scenari frutto del modificarsi delle condizioni iniziali che li determinano, per scegliere quello più conveniente. In sostanza, ricorrendo ad una traduzione letterale, ci chiediamo: “cosa succede se...?”.
Utilizzando un minimo di formalizzazione, possiamo dire che se l’insieme di variabili “A1” determina in un certo contesto l’insieme di risultati “B1”, cosa succede se modifichiamo le condizioni iniziali da “A1” ad “A2”? Otterremo l’insieme di risultati “B2”, che potremo comparare con i risultati “B1” per vedere se sono più convenienti (ovviamente quanto detto vale anche per le condizioni di partenza “A3”, “A4”, ..., da cui si otterranno i risultati “B3”, “B4”, ...).
I punti chiave sono quindi l’individuazione e la valutazione delle variabili chiave del fenomeno oggetto di studio, e la definizione dell’impatto delle loro variazioni sugli scenari risultanti. Si tratta pertanto di un potente sistema di supporto alle decisioni, grazie al quale il management può compiere le proprie scelte avendo sotto controllo gli scenari che si otterranno come risultato, potendo valutare i pro e i contro di ciascuno.
Proviamo a spiegarci con un esempio concreto.
Una regione registra un’elevata mobilità passiva verso una regione limitrofa, localizzata prevalentemente tra le due ASL confinanti. La causa di tale mobilità è individuata nella diversa lunghezza delle liste di attesa di un certo numero di prestazioni, più corta nella regione vicina e tale quindi da spingere i pazienti verso di essa.
La regione decide allora di intervenire rinforzando i propri servizi. Ma come calibrare con precisione l’intervento? L’apertura di nuovi ambulatori, o l’aumento dell’utilizzo di quelli già presenti, determinano da un lato un aumento dei costi normali di esercizio, dall’altro una presumibile diminuzione dei costi dovuti alla mobilità passiva, associati inoltre ad un miglioramento dalla percezione del servizio da parte dell’utenza. Gli scenari possono essere quindi molti: intervengo sulle prestazioni a maggior costo, per massimizzare i benefici economici, o su quelle con lista di attesa più lunga (che potrebbero essere diverse), per migliorare la percezione dei servizi? O trovo una combinazione di entrambi gli interventi che mi consenta di ottenere il miglior rapporto prezzo/risultato?
È sicuramente difficile prendere tali decisioni senza un adeguato supporto e l’analisi what-if può aiutare il management dell’azienda, fornendo una modellazione adeguata che, per ogni possibile scenario di partenza, frutto degli interventi ipotizzati, fornisca una chiara e misurabile valutazione dello scenario ex post. In tal modo sarà possibile scegliere l’intervento migliore, avendo chiaro ciò che si andrà con molta probabilità ad ottenere, evitando di scoprire di non aver adottato le scelte più adeguate solo di fronte all’insuccesso dei risultati conseguiti.
Infatti, altri temi per nulla secondari sono quelli della chiarezza degli obiettivi che si intendono raggiungere e del monitoraggio dell’andamento dei risultati conseguiti rispetto a quelli attesi.
Tutto ciò diventa però impraticabile in assenza di un processo sistematico di previsione di interventi e di strumenti di valutazione costante e progressiva degli scostamenti in fase implementativa, obbligando il management a una “navigazione a vista”, con tutti i rischi correlati.
Le analisi di tipo what-if sono in genere di tipo deterministico, dove il risultato finale è definito in modo univoco dall’insieme di variabili iniziali e dalle formule di trasformazione applicate. In questo caso il processo è relativamente semplice, ed anche i principali fogli di calcolo sono dotati di funzioni che aiutano a sviluppare i modelli (ad es. Excel, nel menu “Dati”/“Analisi di Simulazione”). Il punto chiave rimane quindi la correttezza delle formule che consentono la trasformazione dei dati iniziali nei diversi scenari, fra i quali si dovrà poi operare la scelta.
Le analisi what-if possono però anche essere basate su modelli di tipo probabilistico, in cui i risultati derivanti da ciascun insieme di variabili iniziali devono a loro volta essere “previsti” nel modo più preciso possibile, ad esempio attraverso i modelli di “Analisi dei Trend” di cui avevamo parlato nel precedente approfondimento.
In questo caso non avremo pertanto un confronto fra scenari rigorosamente determinati, ma piuttosto una lettura degli scenari nella quale dovremo comunque tener conto, per ciascuno di essi, degli elementi che hanno determinato la sua previsione. Per un verso, quindi, analisi di questo tipo sono meno “precise”, ma per l’altro sarà possibile applicare questa metodologia ad una grandissima quantità di modelli, sui quali non sarebbe attuabile un approccio puramente deterministico.
In conclusione possiamo dire, a rischio di invadere il campo dei film di fantascienza, che l’analisi what-if ci consente di valutare i diversi futuri possibili, per poter scegliere quello per noi più conveniente.
In BI Health lavoriamo anche su questo tipo di modelli, per poter supportare concretamente le organizzazioni sanitarie nelle loro decisioni strategiche.