Een goed georganiseerde data-infrastructuur

FysioHolland

  • Klantcase
  • Data Engineering
  • Data Analytics
  • Dataprojecten
fysioholland data
FysioHolland
Reimer-business-manager
Reimer van de Pol
Business Manager
3 min
28 Feb 2022

FysioHolland is een overkoepelende organisatie voor fysiotherapeuten in Nederland. Een centraal serviceteam ontlast therapeuten van bijkomende werkzaamheden, zodat zij zich vooral kunnen focussen op het leveren van de beste zorg. Naast de organische groei sluit FysioHolland nieuwe praktijken aan bij de organisatie. Deze hebben stuk voor stuk hun eigen systemen, werkprocessen en behandelcodes. Dit heeft de datahuishouding van FysioHolland groot en complex gemaakt.

Er waren al wat dashboards gebouwd in Google Data Studio, maar ze vonden het tijd de resetknop in te drukken. Daarom vroegen ze ons te helpen alle data centraal op te slaan, rapportages te standaardiseren, definities strak te trekken en inzichten uit data te stroomlijnen. Doel hierbij was om elke medewerker inzicht geven in de prestaties die relevant zijn om het werk te doen.

Onze aanpak

We startten met het bouwen van een data infrastructuur. De data wordt hierbij opgehaald uit verschillende databronnen. Hoewel het niet voor alle databronnen mogelijk was om de invoer van data te automatiseren, hebben we dit proces wel gestroomlijnd. Zo waren er bijvoorbeeld verschillende Google Sheets die door financieel medewerkers werden gebruikt om prijzen van behandelingen bij te houden. Deze hebben we gestandaardiseerd en gecentraliseerd zodat FysioHolland data automatisch kan inlezen en verwerken met een veel hogere kwaliteit. Voor zulke databronnen documenteerden we definities, die we aanscherpten tijdens het proces.

Naast Google Sheets komt ook data via scripts geüpload naar Google Cloud Storage allemaal samen in Google Big Query. Hierin wordt die data gecombineerd met statische tabellen en automatisch verwerkt.

FysioHolland wilde inzicht op vier niveaus: op bestuursniveau, regioniveau, praktijkniveau en op individueel niveau per fysiotherapeut. Per niveau schetsten we een dashboard op basis van de oude data. Hierin visualiseerden we de data in overleg met de klant. Vervolgens bouwden we ze in Google Data Studio. Hier werd al mee gewerkt dus dit was makkelijk te integreren binnen de organisatie. We rolden de dashboards eerst uit voor een testgroep met een aantal stakeholders. Na het verwerken van hun feedback, maakten we ze beschikbaar voor de hele organisatie.

Met betrekking tot de vier niveaus was het ook belangrijk de toegang tot de data goed aan te pakken. Hiervoor implementeerden we row-level access in Google Big Query zodat bijvoorbeeld niet een fysiotherapeut data uit een andere regio te zien krijgt in zijn dashboard. Ook in de verwerking van data tot een formaat dat in de dashboards getoond kan worden hebben we verbeteringen gemaakt. Door de verwerking te herschrijven en overbodige query’s te schrappen hebben we niet alleen geoptimaliseerd maar ook het overzicht teruggebracht.

Het resultaat

De benodigde data wordt opgehaald en opgeslagen in een data lake. Vanuit het data lake wordt de data dagelijks geëxporteerd naar het data warehouse, waar de data wordt opgeschoond, aangevuld en verwerkt om uiteindelijk als een betrouwbare bron te dienen voor het dashboard.

Elke medewerker van FysioHolland heeft nu inzicht in de data die relevant is het werk wat diegene doet. Een fysiotherapeut ziet bijvoorbeeld hoeveel uren er vooruit zijn geboekt en welke administratieve handelingen nog actie vereisen. Deze inzichten zijn op dagelijkse basis beschikbaar en eenvoudig te bekijken in Datastudio.

Toekomst

In de toekomst helpen we FysioHolland om nog meer inzichten te krijgen. Dit doen we door extra bronnen toe te voegen aan het data warehouse en het dashboard verder uit te breiden. Daarnaast zetten we onze Data Science expertise in om de toekomstige planning van de flexibele roosters- en de potentiële wachttijd voor cliënten op therapeut-niveau te voorspellen.

Meer weten?

Business Manager Reimer gaat graag met je in gesprek over wat we als datapartner voor jou en je organisatie kunnen betekenen.

1x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?

Meld je aan voor onze maillijst en blijf 'up to data':

Dit vind je misschien ook interessant

Digitale transformatie en betere interne samenwerking dankzij inzicht in off- én online data

Uitgever Malmberg verzamelt veel off- en online data. Steeds meer onderwijsinstellingen maken gebruik van online licenties ter aanvulling op (of in plaats van) gedrukt lesmateriaal. Om hierop in te spelen, maakt Malmberg gebruik van maandelijkse rapportages. Het in-house data team stelt deze samen als input voor specifieke afdelingen. Malmberg vroeg ons dit team te versterken en de interne processen rondom data efficiënter te maken.

Lees meer
Data Engineer aan het werk

Jouw Data Engineering partner

Genereer betrouwbare en betekenisvolle inzichten uit een solide, veilige en schaalbare infrastructuur. Ons team van 25+ Data Engineers staat klaar om jouw dataproducten en -infrastructuur end-to-end te implementeren, te onderhouden én te optimaliseren.

Lees meer
data geestelijke gezondheidszorg

Centrale dataopslag met een nieuwe data-infrastructuur

Dedimo is een samenwerking van vijf zorginitiatieven in de geestelijke gezondheidszorg. Om de kwaliteit van hun zorg continu te verbeteren, richten ze interne processen efficiënter in. Hiervoor gebruiken ze inzichten uit de data die intern beschikbaar is. Voorheen haalden ze deze data zelf uit verschillende bronsystemen met ad hoc scriptjes. Om dit proces robuuster en efficiënter te maken en verder te professionaliseren, schakelden ze onze hulp in. Ze vroegen ons de centrale opslag van hun data in een cloud data warehouse te faciliteren. Omdat ze al gewend waren te werken met Google Cloud Platform (GCP), was de wens de data-infrastructuur binnen deze omgeving op te zetten.

Lees meer
Data Engineer aan het werk

Data Engineer

Werk aan uitdagende technische opdrachten bij verschillende opdrachtgevers.

Lees meer
meer

Verbeterde datakwaliteit dankzij een nieuwe data pipeline

Royal HaskoningDHV ziet het aantal aanvragen van klanten met Data Engineering vraagstukken toenemen. De nieuwe afdeling die ze hiervoor op hebben gericht, is nog groeiende. Ze vroegen ons daarom hun Data Engineering team tijdelijk extra capaciteit te bieden. Één van de vraagstukken waar wij hulp bij boden, was die van Waterschap Aa en Maas.

Lees meer

5 redenen om Infrastructure as Code (IaC) te gebruiken

Infrastructure as Code heeft zich bewezen als betrouwbare techniek om platformen sterk neer te zetten in de cloud. Het vraagt echter wel een extra tijdsinvestering van de betrokken ontwikkelaars. In welke gevallen loont de extra inspanning zich? Je leest het in dit artikel.

Lees meer
billboards

Een schaalbaar machine learning-platform voor het voorspellen van billboard-impressies

The Neuron biedt een programmatisch biedingsplatform om digitale Out-Of-Home-advertenties in realtime te plannen, kopen en beheren. Ze vroegen ons het aantal verwachte impressies voor digitale advertenties op billboards op een schaalbare en efficiënte manier te voorspellen.

Lees meer

Waarom heb ik Data Engineers nodig als ik Data Scientists heb?

Inmiddels is het bij de meeste bedrijven wel duidelijk: datagedreven beslissingen door Data Science voegen concreet waarde toe aan de bedrijfsvoering. Of je doel nu is om betere marketingcampagnes op te zetten, preventief onderhoud aan je machines uit te voeren of fraude effectiever te bestrijden: in elke bedrijfstak zijn er toepassingen van Data Science te vinden.

Lees meer

5 vragen aan Data Engineer Dennis

In deze video ontdek je hoe een baan als Data Engineer eruit ziet! Hoe ziet een werkweek eruit, voor welke klanten werken onze Data Engineers en wat maakt het werken zo leuk? Dennis vertelt je er graag meer over!

Lees meer