Pauls Planet

Wie genau kann die Data Journey mit DASA aussehen? Machen Sie sich ein Bild.  Folgen Sie dazu Paul auf seinem Weg zu mehr Effizienz.

Das ist Paul.

Paul ist Versorgungsfallmanager der Health.org seines Planeten. In dieser Funktion ist er für die Verbesserung der Gesundheit der Planetenbewohner zuständig. Jeden Tag steht er vor der Herausforderung Bewohner telefonisch zu beraten, die sich unspezifisch krank fühlen. Dazu kann er ihnen zwei verschiedene Maßnahmen verordnen. Leider muss Paul lange Gespräche mit den Bewohnern führen, um ihnen die bestmögliche Maßnahme zu empfehlen.

Paul hat zu wenig Zeit.

Wie viele andere Versorgungsfallmanager der Health.org hat Paul ein Zeitproblem:

Er kann nicht mit allen Bewohnern sprechen, die seine Beratung benötigen würden. Allen Anrufern, mit denen  er nicht persönlich reden kann, weist er zufällig eine der beiden Maßnahmen zu. Dies scheint allerdings nicht das gewünschte Ergebnis zu erzielen: Viele seiner Kunden sind unzufrieden. Das wiederum frustriert Paul.  

Paul sucht sich Hilfe:

Dieses Gefühl der Unzufriedenheit will Paul beseitigen. Er überlegt, wie er seinen Service verbessern und am besten alle Bewohner beraten kann. Er weiß, dass die Health.org Kundendaten speichert. Grundsätzlich glaubt er, dass er mit Hilfe dieser Informationen bessere Empfehlungen geben kann. Was er nicht weiß: Wo könnten diese Daten liegen? Wie sehen sie genau aus? Wie kann man sie am effizientesten nutzen? Mit diesen Fragen wendet er sich an die Data Science Agency.

Paul begibt sich auf seine Data Journey…

Er erfährt als Erstes, dass der Weg mit der DASA immer entlang von vier Meilensteinen führt. An jedem dieser Meilensteine wird überprüft, inwiefern die Lösung Paul hilft.

Schritt 1
Schritt 2
Schritt 3
Schritt 4
previous arrow
next arrow

Paul ordnet seine Daten

Zunächst begibt sich Paul mit der DASA auf „Data Safari“ und verschafft sich einen Überblick über die vorhandenen Daten. Wo in der Health.org liegen welche Informationen?

Wie kann man darauf zugreifen? Was ist datenschutzrechtlich zu bedenken? Ziel ist es, die Daten zunächst einmal zu visualisieren und die Komplexität so weit wie möglich zu verringern.

und erhält ein Lösungskonzept.

Paul möchte mit der Lösung mehr Effizienz in der Beratung der Bewohner gewinnen. Auf Basis der identifizierten relevanten Daten erarbeitet die DASA mit Paul ein Lösungskonzept.

Diese Lösung wird es ihm ermöglichen, mehr Bewohner pro Tag mit der richtigen Maßnahme zu versorgen und gleichzeitig die Zuverlässigkeit der Zuordnung konstant hoch zu halten.

Paul testet seinen Prototypen

Als Nächstes gilt es, ein geeignetes Klassifizierungsmodell für eine automatische Maßnahmenzuweisung zu erstellen. Anhand eines Testdatensatzes wird dann überprüft, dass die automatische Zuordnung verlässlich funktioniert und Paul das gewünschte Ergebnis erzielen kann. 

Sein Data Science Produkt erleichtert Pauls Alltag.

Anruferliste

Ein funktionierendes Klassifizierungsmodell alleine hilft Paul in seiner täglichen Arbeit jedoch wenig. Um das Potenzial einer automatischen Zuweisung vollständig ausnutzen zu können, sollten die Ergebnisse in seine gewohnten Prozesse integriert werden.

Somit stehen die benötigten Informationen genau dort bereit, wo sie gebraucht werden.

Paul hat endlich wieder Zeit.

Durch Pauls neues Vorgehen können viel mehr Anrufer mit der richtigen Maßnahme versorgt werden. Die gewonnene Zeit nutzt Paul dazu, den Maßnahmenkatalog der Health.org zu erweitern, um so noch besser auf die individuellen Bedürfnisse der Planetenbewohner reagieren zu können.

Pauls erweiterter Maßnahmenkatalog soll natürlich auch in sein Data Science Produkt integriert werden. DASA unterstützt unter Einbindung neuer Datenquellen eine feinere Klassifizierung innerhalb der einzelnen Gruppen. Durch die individualisierte Betrachtung steigt die Zufriedenheit von Pauls Kunden nochmals deutlich an.

Auch Sie möchten sich mit uns auf den Weg machen?