Прибыль:
- Способность понимать концепции временных рядов, сезонности и тенденций и использовать искусственный интеллект с правильными вопросами и данными для прогнозирования спроса пациентов.
- Способность интерпретировать неопределенность прогноза (доверительный интервал, сценарии) и основывать планирование на диапазоне, а не на одном числе.
- Умение различать, что прогнозирование искусственного интеллекта основано на исторических данных и что экспертное мнение выходит на первый план в случаях вспышек, таких как эпидемии / катастрофы.
Самый сложный вопрос для администратора больницы - о будущем: "Сколько пациентов придет в отделение неотложной помощи на следующей неделе? Насколько увеличится нагрузка на поликлинику в сезон зимнего гриппа? На сколько сотрудников хватит во время праздников?" Ответы на эти вопросы неясны, но не совсем мрачны. Прошлое несет в себе ключи к будущему. Прогнозирование спроса — это исследование прогнозирования будущих пациентов/рабочей нагрузки на основе исторических данных. В этом модуле вы узнаете, как использовать искусственный интеллект для прогнозирования спроса и, что не менее важно, как управлять неопределенностью прогноза. Эмпирическое правило: прогнозы ИИ основаны на прошлых закономерностях; Экспертное мнение имеет приоритет в таких ситуациях, как эпидемии, стихийные бедствия и изменения в законодательстве.
Три компонента временного ряда
Исторические данные о спросе называются временным рядом — упорядоченным рядом чисел, измеряемых через определенные промежутки времени (ежедневно, еженедельно). Чтобы понять временной ряд, необходимо разделить его на три части. Тенденция, долгосрочное направление: количество случаев экстренной госпитализации с годами увеличивается или уменьшается? Сезонность, регулярно повторяющиеся колебания: зимой увеличивается заболеваемость респираторными заболеваниями, летом увеличивается травматизм/травматизм, в выходные дни поликлиники пустеют. Шум/флуктуация – это необъяснимые случайные колебания. Хороший прогноз отражает тенденцию и сезонность и не преувеличивает шум. ИИ помогает вам сделать это разделение; Но ваша задача — судить, что является реальной закономерностью, а что — шумом.
Наиболее критичной концепцией является неопределенность. Никакая оценка не является единым окончательным числом. Хорошая оценка дает диапазон: «В следующую субботу мы ожидаем от 210 до 260 пациентов в отделении неотложной помощи, наиболее вероятное число — 235». Этот интервал называется доверительным интервалом. Если вы планируете на основе диапазона, а не одного числа, вы будете готовы как к низким, так и к высоким сценариям. Вера в нечетные числа — классическая ошибка самоуверенного прогноза.
В планировании интервалов есть практическая логика: в здравоохранении никакие два аспекта ошибки не обходятся одинаково дорого. При нехватке персонала и высоком спросе существует риск ожидания, переполненности и безопасности пациентов; Это тяжелая цена. При избытке персонала и низком спросе возникают затраты на простой; Это тоже нежелательно, но более осуществимо. Таким образом, планирование в жизненно важных отделениях (неотложная помощь, интенсивная терапия) часто осуществляется вблизи верхнего предела диапазона (высокий сценарий), но с использованием гибкого плана, который может переместить избыточную мощность в другое отделение. Самое ценное, что дает вам прогноз, — это не точная цифра, а возможность увидеть этот двусторонний риск и выбрать информированный буфер.
Шаг за шагом: прогнозирование спроса с помощью ИИ
- Соберите достаточно исторических данных. Количество анонимных ежедневных/еженедельных заявок в течение как минимум одного полного года, предпочтительно 2–3 лет, для учета сезонности.
- Добавьте контекст. Отметьте известные воздействия, такие как праздники, кампании, погода, периоды эпидемий; В противном случае ИИ подумает, что это шум.
- Разложить. Попросите ИИ подвести итоги тренда, сезонности и необычных скачков.
- Получить интервальный прогноз. Запрашивайте прогнозы с низкими/вероятными/высокими сценариями, а не с отдельными цифрами.
- Перевести в емкость. Преобразование предполагаемых потребностей в персонале, койках и материалах.
- Контроль поломки. Если на горизонте появился фактор, которого не было в прошлом, например, эпидемия, изменение законодательства или открытие новой службы, вручную скорректируйте прогноз с помощью экспертной оценки.
Внимание: если вы скажете ИИ «предсказать следующий год» и не предоставите ему данные, он выдаст вам вымышленное число. Прогноз имеет смысл только на основе предоставленных вами исторических данных.
три мини-кейса
Случай 1. Подготовка к сезону гриппа. Больница предоставила YZ анонимные данные о ежедневных неотложных поступлениях за 3 года. YZ показал, что количество заявок увеличивалось в среднем на 35 процентов в период с середины декабря по февраль каждого года, с пиком на 3-й неделе января. Руководство запланировало на этот период дополнительные смены врачей и медсестер, а также увеличило запас вакцин против гриппа и экспресс-тестов. Той зимой время ожидания в пиковую неделю заметно сократилось по сравнению с предыдущим годом; потому что мощность уже покрыла перегрузку.
Случай 2 — Сценарий вместо интервала. Бизнес-менеджер запросил у AI одно число для своего «срочного заявления в следующую субботу»: 240. Затем он спросил еще раз, указав доверительный интервал: 205–275. Менеджер выполнил планирование по 275 (высокий сценарий), а также подготовил гибкий план выхода (перевод лишнего персонала в другое подразделение) по 205. Фактически было подано 262 заявки; Если бы он полагался на одну цифру, он бы недопланировал на 22 пациента. Работа с интервалами защищала его.
Случай 3. Прорыв нарушает прогноз. В одном из регионов произошло неожиданное наводнение. Прогноз, основанный на исторических данных, на эту неделю был «нормальным»; тогда как число заявок на экстренную помощь увеличилось вдвое. Прогноз ИИ не смог увидеть разрыв, поскольку такого события не существовало в прошлом. Кризисная служба отошла от прогнозирования и перешла к отслеживанию заявок в реальном времени и ежечасным обновлениям. Урок: при структурном разрыве прошлое перестает быть ориентиром; экспертное мнение и мониторинг в реальном времени имеют приоритет.
Четыре копируемых шаблона
1) Разложение временных рядов:
Ваша роль: помощник аналитика спроса в больнице. Ниже приведен анонимный еженедельный список номеров экстренных служб за три года. Задача: (1) обобщить общую тенденцию (увеличение/уменьшение), (2) описать сезонную закономерность по месяцам, (3) выделить необычные скачки. Различайте, что является реальной закономерностью и что может быть случайным колебанием. Добавление вымышленных чисел.
2) Интервальный прогноз:
На основе приведенных выше данных составьте еженедельный прогноз экстренного применения на ближайшие 4 недели. НЕ один номер; Укажите диапазон низких/наиболее вероятных/максимальных значений для каждой недели. Кратко объясните, почему диапазон такой широкий.
3) Преобразование в расчетную мощность:
Максимальная оценка сценария на пиковую неделю составляет 275 госпитализаций в день. В среднем врач скорой помощи принимает около 35 пациентов за смену, медсестра - около 25. Задача: подсчитать минимальное количество врачей и медсестер, необходимое при высоком сценарии, показать формулу. Укажите, что это входные данные для планирования, и окончательное решение остается за менеджером.
4) Контрольный список предупреждений о поломке:
Подготовьте контрольный список, в котором я спрошу, есть ли фактор, которого НЕТ в исторических данных в следующий период: эпидемия, изменение законодательства, открытие нового подразделения, региональное событие, погода/катастрофа. Добавьте примечание к каждому элементу: «Если да, то как мне вручную исправить прогноз?»
Слабая подсказка / Сильная подсказка
Слабая подсказка:
Сколько пациентов приедет в следующем месяце?
Никаких данных, никаких единиц измерения, никакого определения периода; ИИ может только что-то выдумывать.
Мощная подсказка:
У меня есть данные анонимных еженедельных заявлений в поликлинику за 3 года (прилагаются). Я знаю, что в зимние месяцы нагрузка увеличивается. Дайте прогноз с низким/вероятным/высоким диапазоном на следующие 6 недель, опишите сезонную структуру по месяцам и перечислите любые искажающие факторы, которые могут сделать прогноз неполным/вводящим в заблуждение.
концепция
Что ты имеешь в виду?
Влияние на планирование
тенденция
долгосрочное направление
Постоянные инвестиции в мощность
сезонность
Регулярное повторение
Сезонный дополнительный персонал/штат
доверительный интервал
Диапазон неопределенности прогноза
План низкого и высокого сценария
перелом
событие, которого не было в прошлом
Хватит гадать, переключитесь на просмотр в реальном времени
Распространенные ошибки
- Вера в нечетные числа. Оценка представляет собой диапазон; Планирование, основанное на одной точке, рискованно.
- Недостаточно данных. Сезонность невозможно отразить на основе данных менее чем за один год.
- Не отмечая контекст. Если не указать праздники и акции, ИИ примет их за шум.
- Игнорирование поломки. В периоды эпидемий/катастроф прошлые данные вводят в заблуждение.
- Прогнозирующее решение. Прогнозирование — это входные данные; Кадровые и бюджетные решения принадлежат менеджеру.
Совет: каждый месяц сравнивайте свой прогноз с фактическим и записывайте, «насколько он отличается». Эта обратная связь со временем улучшает как ваш прогноз, так и данные, которые вы передаете ИИ, и учит вас, насколько доверять прогнозу.
В итоге
Прогнозирование спроса строит мост от прошлых данных к будущему, но этот мост ненадежен. ИИ — мощный помощник в разделении временных рядов на тренды, сезонность и шум, а также в создании интервальных прогнозов. Основывайте планирование на доверительном интервале, а не на отдельном числе; Готовьтесь к низкому и высокому сценарию вместе. Самое главное: прошлые данные перестают быть ориентиром во времена таких потрясений, как эпидемии, стихийные бедствия и изменения в законодательстве; Именно здесь на первое место выходят экспертные оценки и мониторинг в режиме реального времени.
Задача приложения
Если у вас есть как минимум анонимные еженедельные справочные данные за год (если нет, сгенерируйте гипотетические), запросите у ИИ сезонную структуру и прогноз с 4-недельным интервалом с помощью шаблонов «Разложение временных рядов» и «Интервальный прогноз». Затем сравните наиболее вероятные значения со своим приблизительным средним значением. Напишите в 5 пунктах, как бы вы определили критический фактор на горизонте (например, открытие новой поликлиники) и вручную скорректировали прогноз.
контрольный список
- [ ] Использовал ли я анонимные данные хотя бы за один год для выявления сезонности?
- [ ] Отметил ли я такие контексты, как праздники/кампании?
- [ ] Использовал ли я при планировании доверительный интервал вместо одного числа?
- [ ] Проверил ли я факторы разрушения на горизонте?
- [ ] Принимаю ли я оценку в качестве исходных данных и оставляю ли решение менеджеру?