Intervento tenuto il 1° dicembre 2001 alla Seconda Università degli Studi di Napoli, Corso di Laurea in Odontoiatria e Protesi Dentaria, nel corso “L’informatica come strumento di lavoro per l’odontoiatra”. Il testo è riproposto nella versione originale: norme, dati e riferimenti sono quelli dell’epoca.
La gestione si può definire, in modo generale, come un insieme di comportamenti, dovuti a decisioni ispirate dalle scelte individuali delle persone che agiscono nello studio sullo sfondo del loro contesto ambientale e umano. Le decisioni gestionali, si fondano sia su aspetti istintivi sia ragionati, questi ultimi costruiti sulla base di informazioni. La qualità delle informazioni è dunque alla base delle concrete scelte operative e ne determina l’esito.
L’intervento prende le mosse dalle esperienze personali di lavoro consulenziale presso studi dentistici, nelle quali si osservava che il patrimonio dei dati contenuti nel programma “gestionale” dello studio era talvolta sottoutilizzato.
In certi casi, tale sottoutilizzazione unita a scarsi metodi di data retrieval e data processing proposti dal “gestionale”, provocava una vera e propria distorsione nelle valutazioni gestionali, con ovvie conseguenze negative sulla bontà delle decisioni adottate.
Come accorgersi dell’esistenza di un simile problema? Ci si possono porre semplici domande, ad esempio come queste, valutando la qualità delle risposte disponibili:
- Quanti soldi avanzate dai pazienti?
- Quanti sono i pazienti in cura?
- Quanto lavoro avete in casa e fino a quando?
- Chi vi deve pagare il prossimo mese?
- Chi sono i pazienti rimasti senza appuntamento?
- Quanti sono i pazienti da richiamare, e perché?
- Qual è la distribuzione percentuale delle branche odontoiatriche nella vostra attività?
Troppe volte, nella pratica, le risposte a queste domande sono state:
- Non lo sappiamo.
- Non ci fidiamo del programma.
- I dati li mettiamo, ma chissà come funziona.
- Non capiamo bene le statistiche del programma.
- Le statistiche del programma danno risultati diversi l’una dall’altra, non sappiamo mai quale sia quella giusta.
- I richiami non funzionano.
- Si, sappiamo che si possono mettere le scadenze dei pagamenti, ma non lo facciamo.
Come intervenire? Osservando le situazioni qui descritte come problematiche, emergevano alcune motivazioni di questi fallimenti informativi, la cui portata, nella logica del trattamento dei dati, è così grande da rendere di fatto inutile, se non addirittura dannoso, l’impiego di un programma gestionale per lo studio.
Fra queste motivazioni:
- Scarsa sensibilizzazione degli utenti sull’importanza delle procedure di data entry, aggravata, se non incentivata, da assenza nelle input mask di controlli automatici sulla correttezza dei formati dati, sulla congruità di date e importi inseriti, di campi obbligatori. Ne derivano omissioni, incompletezza delle informazioni, erroneità. Conseguenza: scarsa data quality iniziale, in grado talvolta di inficiare i risultati delle query e anche di semplici ordinamenti dei dati, a causa di un data-base sporco. Questi problemi sembrano dovuti ad una cultura diffusa che considera il software come un qualsiasi “prodotto”, acquistabile in fiera, oltre che dalla poca cura dedicata alla formazione iniziale degli utenti.
- Ignoranza degli utenti in merito al funzionamento fisico e logico del data base, per cui il programma assume la caratteristica di una black-box cibernetica, della quale si conoscono solo le user interface ma non le logiche, le potenzialità e i limiti dell’elaborazione. Il dato, l’informazione, viene perduta all’interno della macchina fino al momento del suo utilizzo, quasi sempre relativo al singolo record o al singolo paziente, senza porre mente alla globalità dei dati memorizzati. Per accedere alla totalità dei dati, che sola consente una necessaria visione di insieme dei fenomeni registrati, si ricorre all’ assistenza della software house, aumentando tempi e costi, spossesandosi in tal modo del maggior patrimonio gestionale dello studio. Per questo, si deve considerare una gravissima lacuna, riscontrabile nella manualistica di quasi tutti i programmi commerciali, la mancanza delle indicazioni sulla data structure del data base, che invece dovrebbe essere il punto di accesso formativo per l’intero studio quando si inizia il processo di informatizzazione.
- Query incorporate nei gestionali troppo generiche, erronee, parziali, poco significative, dovute a scarsa preparazione dei produttori, inesistente manualistica specifica, in particolare per quanto riguarda la giustificazione delle scelte relative alla selezione dei dati oggetto della interrogazione e alle formule di calcolo usate. Gli output a stampa e a video sono spesso incongrui, illeggibili, instampabili (quanti programmi costringono l’utente ad una hard copy per stampare una statistica!).
Le situazioni descritte, provocano una difficile integrazione dell’informatica nella cultura professionale ed operativa dello studio, l’aggravamento della distanza mentale fra uomo e macchina e, infine, un tendenziale atteggiamento fatalistico che può portare a rinunciare al miglioramento dei risultati dei processi di elaborazione, dunque al deterioramento, anziché alla qualificazione, delle decisioni gestionali che sui dati e sulla loro elaborazione si vengono a prendere.
Come agire in questi casi?
- Miglioramento dei dati esistenti (pulizia del data base ). Il primo passo è una inventariazione dei dati esistenti, attraverso l’apertura delle tabelle del data base, il loro controllo e ordinamento. Un requisito essenziale di un gestionale, è dunque la possibilità di operare su tutte le tabelle, trovando i nomi dei campi in chiaro. Qui si evidenzia un problema collegato con l’accesso ai dati, non tutti i gestionali consentono l’apertura delle tabelle e spesso le tabelle sono illeggibili. I produttori, fatti salvi gli aspetti di riservatezza, dovrebbero consentire accesso e lettura agevole dei dati contenuti nel data base.
- Creazione di query comprensibili e di utilità, eventualmente con editor esterni al programma. Descrivere con chiarezza gli obiettivi di output, in termini di tabelle. Si defininiscono per iscritto i tracciati delle query di interesse, realizzando, o facendo realizzare, i metodi necessari. L’obiettivo è di ottenere tabelle in grado di mostrare aggregazione di dati, in modo logico e coerente, comprendenti quelli anagrafici, clinici ed extra-clinici. L’analisi di simili tabelle avviene tramite ordinamenti, anche manuali, dunque si tratta di formati esportabili negli spreadsheet. La qualità informativa trova nella creazione di sottoinsiemi logici la sua massima espressione, consentendo inoltre di analizzare enormi quantità di informazioni in tempi brevissimi, cosa impossibile se si rimane ancorati alla visione di singoli record.
- Riconsiderazione delle modalità di immissione dei dati. Stabilire regole per il data entry, per evitare di sporcare di nuovo il data base.
Glossario
- black-box: Costrutto della Teoria Generale dei Sistemi, che implica la rinuncia alla conoscenza del funzionamento di un oggetto complesso, bastando solamente le minime operazioni che si attuano all’entrata e quelle che emergono all’uscita.
- data entry: Immissione dei dati.
- data processing: Elaborazione dati.
- data quality: Qualità dei dati.
- data retrieval: Reperimento dati.
- data structure: Struttura dei dati, anche detta “tracciato record”.
- data-base: Base, massa, di dati.
- data-base sporco: Base di dati difettosa.
- editor: Programma.
- hard copy: Stampa dell’immagine video.
- input mask: Maschera per immissione dati.
- nomi dei campi: Intestazione delle colonne di una tabella.
- ordinamento: Organizzazione dei dati in base a criteri definiti, es. alfabetico.
- query: Interrogazione, statistica, rapporto sui dati.
- record: Elemento dati di una tabella.
- software house: Produttori di software.
- spreadsheet: Foglio elettronico.
- statistiche: Interrogazioni, query.
- tabelle: Elementi di un data-base, composti da righe e colonne. Anche sinonimo di rapporto di una query (tabulato).
- user interface: Interfaccia utente.
Rispondi