“De cijfers kloppen niet.” Deze frustrerende woorden hoor je als BI-manager maar al te vaak. Afdelingen beweren dat bepaalde gegevens ontbreken of anders geregistreerd zijn dan wat er in rapportages verschijnt. Medewerkers houden hun eigen schaduwadministraties bij. Beslissingen worden uitgesteld omdat niemand weet welke cijfers nu kloppen. In deze blog vertelt Jeroen Buisman, eigenaar van InfoReports, hoe je als BI-manager de stap kunt maken van chaotische brondata naar betrouwbare stuurinformatie.

De omvang van het probleem

Uit analyse blijkt dat data slechts bij 63% van de academische ziekenhuizen een speerpunt in de strategie is, en bij topklinische en algemene ziekenhuizen nog minder. Dit beïnvloedt direct de kwaliteit van zorg, patiëntveiligheid en strategische besluitvorming. Het is dan ook niet voor niets dat ik in een eerdere blog al schreef dat data een strategische pijler van elke zorgorganisatie zou moeten zijn.

De drie kritieke factoren voor betrouwbare stuurinformatie

Als je de stap wilt zetten van chaotische brondata naar betrouwbare stuurinformatie, zijn er drie factoren om rekening mee te houden:

1. De datakwaliteit in het bronsysteem
2. De interpretatie van de brondata
3. De presentatie van de informatie

Op elk van deze punten kan er een disconnect ontstaan tussen wat zorgprofessionals in de praktijk doen en wat er uiteindelijk in rapportages verschijnt.

1. Datakwaliteit: de basis voor alles

Een praktijkvoorbeeld: in een ziekenhuis wordt bij een patiëntopname geregistreerd op welke afdeling de patiënt verblijft. Als een patiënt van de IC naar een reguliere afdeling verplaatst wordt, zien we soms dat het type opnameperiode wordt aangepast van “IC” naar “reguliere verpleegdag”. Hierdoor verdwijnt de informatie dat de patiënt op de IC heeft gelegen – informatie die medisch relevant is, maar ook financiële consequenties heeft.

Een data-afdeling kan een belangrijke rol spelen door te helpen bij het signaleren van dit soort kwaliteitsproblemen. Dit kan bijvoorbeeld door mutatielogging in het bronsysteem te gebruiken, of door andere signalen (zoals antwoorden op vragenlijsten) te analyseren die duidelijk maken dat er iets anders gebeurd is dan wat er geregistreerd staat bij de opname.

2. Interpretatie: de brug tussen data en betekenis

De uitdaging van interpretatie speelt overal, zowel bij kwaliteitsindicatoren als andere informatieproducten. De kernvraag is steeds: wat is de gebruikte definitie, en is het de gebruiker duidelijk welke definitie wordt gehanteerd?

Zo kan het gebeuren dat een arts zegt: “Ik heb 120 ingrepen gedaan, maar de kwaliteitsindicator toont er maar 105.” Volgens de definitie van de indicator klopt het cijfer perfect, maar de arts hanteert een andere definitie.

Om dit probleem op te lossen, zijn er drie mogelijkheden:

• De definitie aanpassen zodat deze beter aansluit bij de verwachting van de gebruiker
• De verwachting van de gebruiker bijstellen door beter te communiceren wat de definitie inhoudt
• Zorgen dat de definitie expliciet zichtbaar is bij de cijfers

Het belangrijkste is uiteindelijk dat de gebruiker niet voor verrassingen komt te staan. Als de cijfers die worden gepresenteerd aansluiten bij wat de gebruiker verwacht te zien, voorkom je de disconnect die zo vaak leidt tot wantrouwen in data.

3. Presentatie: hoe maak je data intuïtief begrijpelijk?

Een voorbeeld uit de praktijk: in de financiële wereld worden in boekhoudkundige overzichten traditioneel kosten als positieve getallen weergegeven en opbrengsten als negatieve getallen. Dit betekent dat winst als een negatief getal verschijnt – wat volgens boekhoudkundige principes correct is, maar intuïtief verwarrend aanvoelt.

Het wordt nog complexer wanneer in hetzelfde overzicht een vergelijking wordt gemaakt met de begroting. Daar kan een minteken juist betekenen dat er minder goed is gepresteerd dan begroot. Op de ene plek betekent daardoor een minteken iets positiefs, terwijl het op een andere plek iets negatiefs betekent. Dit maakt dat het overzicht lastiger te interpreteren is, waardoor gebruikers er gevoelsmatig ook minder waarde aan zullen hechten.

Het gevaar van “wistjedatjes”

Een belangrijk principe bij het verbeteren van informatievoorziening is het vermijden van wat wij “wistjedatjes” noemen – die extra informatie die je moet kennen om gegevens correct te kunnen interpreteren, maar die nergens expliciet vermeld staat.

“Wist je dat je als je dit rapport leest je wel moet weten dat er dit filter op ligt?” “Wist je dat we hier de definitie hanteren die uitgaat van het zorgproduct, en niet van de diagnose?”

Deze “wistjedatjes” kunnen dodelijk zijn voor een goede interpretatie en leiden tot onnodige verwarring.

Consistent werken vermindert cognitieve belasting

Ook is het belangrijk om in de hele keten van dataverwerking dingen zo consistent mogelijk te doen. Behandel hetzelfde type gegevens altijd op dezelfde manier. Als je ergens een postcode tegenkomt, gebruik dan altijd dezelfde notatie.

Elke afwijking dwingt de gebruiker om na te denken: “Waarom is het hier anders?” Hoe meer je vasthoudt aan één consistente manier van werken, hoe intuïtiever je informatievoorziening wordt.

Bouwen aan een datakwaliteitscultuur

Technische oplossingen alleen zijn niet genoeg. Uiteindelijk draait datakwaliteit om gedrag en cultuur. Hiervoor zijn drie elementen van belang:

1. Creëer bewustzijn en eigenaarschap

Maak de impact van slechte data zichtbaar voor iedereen in de organisatie, en vooral de gebruikers van informatie gebaseerd op die slechte data. Benoem data-eigenaren voor kritieke databronnen,maak hen verantwoordelijk voor de kwaliteit, en ondersteun hen met overzichten (vanuit een BI-perspectief) over de kwaliteit van die data. Het voorbeeld over het veranderen van het opnametype onderstreept hoe belangrijk het is dat iedereen begrijpt wat de gevolgen zijn van hun registratiebeslissingen.

2. Stimuleer een lerende organisatie

Behandel datakwaliteitsproblemen als leermomenten, niet als fouten die bestraft moeten worden. Organiseer regelmatig sessies waarin gebruikers kunnen meedenken over verbeteringen.

3. Integreer datakwaliteit in je bedrijfsvoering

Zorg dat datakwaliteit een vast agendapunt wordt in managementoverleggen. Koppel het aan strategische doelen en KPI’s van de organisatie.

4. Maak data een speerpunt

Als je organisatie werkelijk datagedreven wil worden, moet data als strategische asset worden behandeld. Dit betekent investeren in datakwaliteit, de juiste mensen en processen. Zonder deze strategische focus blijven datakwaliteitsproblemen terugkeren. In mijn eerdere blog ging ik dieper in op waarom data een centrale pijler zou moeten zijn in elke zorgorganisatie.

Tot slot: begin klein, denk groot

Start met het analyseren van één kritieke datastroom, boek daar succes, en gebruik dat als vliegwiel voor verdere verbeteringen. Als BI-manager ben je de aangewezen persoon om dit proces te leiden – niet als politieagent die fouten bestraft, maar als coach die de organisatie helpt om steeds beter te worden in het vastleggen, interpreteren en presenteren van data.

Meer weten?

Ben je benieuwd of onze aanpak past bij jouw organisatie? InfoReports helpt ziekenhuizen en andere organisaties in de zorg om informatie te verzamelen, structureren en analyseren met Zorgstuur, een databeheersysteem dat bestaat uit de drie modules InfoScope, DataScope en QualityScope. Neem contact op voor een vrijblijvend gesprek over jouw specifieke uitdagingen.

Volg onze LinkedIn-pagina of schrijf je in voor onze nieuwsbrief.