In der letzten Woche der Data School Training haben wir eine "Dashboard Week", wobei man jeden Tag ein Dashboard bauen und am Nachmittag um 16 Uhr unsere Ergebnisse präsentieren muss.
Beim 1. Tag geht es um einen Datensatz aus dem "Real World Fake Data". Dafür habe ich den Datensatz "Hospital ER" genommen, der über die Demografie der Besucher/Patienten in der Notaufnahme eines Krankenhauses erzählt. Da kann man folgende Informationen zu der einzelnen Patienten in jeder Zeile finden: Nachname, Geschlecht, Alter, Rasse, Stationen der Notaufnahme, Wartezeit sowie die Zufriedenheitsrate während des Besuchs.
Von dem Datensatz ist zu sehen, dass die durchschnittliche Zufriedenheitsrate nur 5 von 10 ist. Das ist eine eher geringe Zahl. Meine Idee war es, mithilfe des Datensatzes herauszufinden, welche Aspekte die niedrige Zufriedenheitsrate verursachen könnten. Es könnte die Wartezeit sein, aber es kann auch der Fall sein, dass die größere Population der Patienten mehr aus einer bestimmten Gruppe stammt: von bestimmter Altergruppe, Geschlecht, Rasse, oder Notfallgruppe.
Nachdem ich den ganzen Tag mit den Daten gearbeitet habe, habe ich gefunden, dass der Datensatz leider nicht die Informationen generiert, die ich brauche, um meine "business question" zu beantworten. Auch wenn man alle Spalten betrachtet, kann man nicht finden, was die Ursache ist für die niedrige Zufriedenheitsrate. Aber trotzdem zeige ich ein Business Dashboard, das generelle Insights zu dem Datensatz liefert, wie die durchschnittliche Zufriedenheitsrate, durchschnittliche Anzahl der Patienten, usw.
Das Dashboard kann man hier sehen:
https://public.tableau.com/app/profile/muhammad.dimas.abdul.aziz.cakradewa/viz/RWFDHospitalER_17090738369270/Dashboard1?publish=yes
Wie ich erzählt habe, das Dashboard hat uns keine richtigen Erkenntnisse. Nur man sieht unten links, dass es mehr Patienten sind bei der Notaufnahme zwischen 0 bis 3 Uhr morgen. Wenn man sich vorstellt, dass die Mitarbeiter in dieser Uhrzeit die Patienten behandeln, dann kann es der Fall sein, dass die Leistung nicht so optimal ist wie wenn man z.B. nachmittags arbeiten würde. Das könnte der Fall sein, die die geringe Zufriedenheitsrate eher gering ist.
Außerdem sieht man unten rechts auf der Tabelle diese interessanten Pie Charts, welche eigentlich die Wartezeit in Minuten zeigt. Jede Pie Chart sollte eine Uhr repräsentieren, weil die Wartezeit von 10 bis höchstens 60 Minuten dauert, welche ich cool finde.