Kitabı oku: «Лояльность персонала медицинских организаций: теория и практика», sayfa 10

3.2.4. Обработка и анализ данных

Последующая работа с данными включает в себя создание базы данных и дальнейший анализ. При реализации определенных типов выборок перед расчетами необходимо произвести процедуру взвешивания данных, а также, при необходимости, очистки (например, вычищение дубликатов, фальсификатов, коллективного заполнения, нарушения логики заполнения анкеты, когда респондент ответил на те вопросы, которые к нему не относились). Обычно база исследования имеет следующий вид: (под)вопросам соответствуют столбцы, респондентам – строки, а на их пересечении находится ответ конкретного респондента на конкретный (под)вопрос.

После того, как мы получили вычищенную базу, важно определить разрез или разрезы анализа лояльности – это может быть как организация в целом, так и, что более предпочтительно, анализ по подразделениям, который даст в дальнейшем возможность разрабатывать стратегии работы в каждом из них, учитывающие их специфику. Общий показатель по организации видится излишне усредненным и менее информативным в контексте разработки мер. При этом и на данном уровне анализа могут возникать нюансы, например, существенный вопрос, стоит ли публично показывать или даже вообще анализировать информацию о подразделениях, где ответили 1–2 человека – с точки зрения анонимности и корректности анализа.

Далее в рамках выбранных разрезов мы подсчитываем проценты «промоутеров» (поставивших оценку 9 или 10 баллов), «нейтралов» (поставивших 7 или 8 баллов) и «критиков» (поставивших 0–6 баллов, также «критиками» в ряде случаев возможно считать отказавшихся ответить). По формуле, предложенной Ф. Райхельдом, из процента «промоутеров» вычитается процент «критиков», итогом чего становится показатель eNPS. Как отмечалось, значения индекса eNPS находятся в диапазоне от –100 (все опрошенные – «критики») до 100 (все «промоутеры»).

Кроме среднего значения eNPS по медицинской организации и отдельных значений eNPS по каждому из подразделений, важным видится анализ соотношения «промоутеров», «нейтралов» и «критиков»: например, близкое к нулю итоговое значение индекса лояльности может означать как выраженное преобладание «нейтралов», так и поляризацию респондентов на «промоутеров» и «критиков», что может предполагать различные стратегии действий для изменения ситуации. Интерпретация указанных групп в рамках методики может быть произведена следующим образом:

«Промоутеры» – это лояльные, приверженные организации сотрудники, они удовлетворены и всячески готовы рекомендовать свое место работы. По аналогии с «классическим» NPS, характеризующим отношение потребителей, «промоутеры» среди сотрудников видятся более мотивированными к работе, готовыми чаще и активнее предлагать свои идеи и более ориентированными на получателей услуг. Стоит помнить, что разговор идет об «истинных промоутерах», а не тех, кто поставил высокую оценку из-за страха потенциальных санкций.

«Нейтралы» в целом удовлетворены своим местом работы, однако при наличии более выгодных альтернатив они готовы его сменить.

«Критики» – это недовольные сотрудники, проявляющие негативное отношение к медицинскому учреждению, в котором работают, и всяческие не рекомендующие его в качестве места работы.

Стоит сказать, что такая интерпретация во многом предварительна и должна выступать предметом проверки, поскольку логика лояльности потребителей услуг (по аналогии с которой расписана данная интерпретация) может значимо различаться с логикой сотрудников, а также рыночная методика Райхельда может быть не во всем применима к сфере государственной медицины с ее значительной долей бесплатного оказания услуг.

Если первый вопрос методики Райхельда позволяет получить исключительно количественную оценку лояльности, то второй потенциально обеспечивает исследователя как качественными данными о причинах оценок в первом вопросе (спектр причин (не)лояльности, словами респондентов), так и количественной информацией о распространенности таких причин (частота встречаемости определенных групп ответов). Анализ открытого вопроса о причинах поставленной оценки может включать в себя: 1) просмотр всего массива ответов и выделение наиболее частотных слов и тем – формирование кодировочных категорий; 2) повторное прочтение ответов и их отнесение к одной или нескольким выделенным категориям, создание новых категорий при необходимости 3) инспекцию кодировочных категорий (например, на наличие дубляжей), их объединение или разбиение, и, наконец, 4) окончательную кодировку³¹⁰. При количественном анализе ответа на второй вопрос степень выраженности факторов лояльности может быть определена как процент людей, назвавших конкретный фактор от общего числа респондентов (по организации/подразделению, в зависимости от разреза анализа).

Как уже было отмечено в разделе 2.3, за основу кодировки, особенно в случае многопрофильного стационара, может быть взято разбиение на следующие категории факторов лояльности: отношения с коллегами, руководством и атмосфера в коллективе, материальное стимулирование и нематериальное поощрение, бытовые условия труда, оснащенность организации и отделений, рабочая нагрузка.

На этапе кодирования отзывов между экспертами, безусловно, могут возникать расхождения, поскольку кодировка является достаточно субъективным процессом. В связи с этим рекомендуется привлекать к участию в данной работе нескольких кодировщиков, которые работают независимо, а в случае выявленных разногласий могли бы совместно разрешать спорные моменты. Кроме того, желательно, чтобы состав команды кодировщиков не менялся на протяжении всего исследования, а сам процесс кодировки был максимально подробно регламентирован, во избежание смещений.

Кроме смысловой кодировки может быть произведена кодировка тональности. Полученные смысловые коды могут быть разделены на положительные и отрицательные на основе значения оценки лояльности: например, если ответу «оснащенность больницы», который в отрыве от оценки обладает непонятной тональностью, соответствует оценка «2», оснащенность может быть интерпретирована как фактор нелояльности, тогда как при оценке «9» тот же ответ будет свидетельствовать скорее о восприятии оснащения в положительном ключе.

Несмотря на важность второго вопроса о причинах оценки, основное внимание при дальнейшем анализе обычно уделяют первому количественному вопросу. Например, если мы хотим оценить само значение лояльности, высокое оно или низкое, будет полезно обращение к бенчмаркам, которые обсуждались в разделе 2.1. Как было отмечено, в среднем можно ориентироваться на eNPS в диапазоне от 0 до 30 как на хороший показатель для исследований, проведенных с достаточным уровнем качества, однако в зависимости от специфики организации средний ориентир может быть несколько выше или ниже (некоторые нюансы были рассмотрены в разделе 2.1 и отчасти будут рассмотрены в следующем разделе).

Другой подход – использовать в качестве референтных значений предыдущие показатели лояльности по организации (оценить динамику показателя в положительную или отрицательную сторону, с учетом статистической значимости различий). Однако анализ динамики показателя также может быть не так прост. Например, график типа «зубья пилы» (резкие, «маятниковые» изменения показателя лояльности в положительную или отрицательную сторону за короткий промежуток времени, которые значимо больше ошибки выборки) необходимо рассматривать с осторожностью, поскольку это скорее всего свидетельствует не о реальных маятниковых изменениях в лояльности персонала, а о некачественном сборе данных на смещенной выборке.

При анализе показателя лояльности, а также динамики и тренда изменений рекомендуется учитывать как можно больше возможных факторов, которые могут быть как относительно постоянными (например, штат, размер организации, ее месторасположение, уровень оплаты труда и т. д.), так и ситуативными, не связанными напрямую с медициной и конкретной организацией (содержание инфополя, эмоциональное состояние общества, сезонность и т. д.). Это связано с тем, что оценка медицинской помощи не всегда связана с реальным опытом и подвержена влиянию инфоволн. Так, в наших исследованиях мы могли наблюдать парадоксальные на первый взгляд ситуации, когда резонансное событие, не имевшее отношения ни к Москве, ни к здравоохранению, значимо влияло на оценку общей удовлетворенности системой здравоохранения в Москве³¹¹. Промежуточной переменной в этом случае нам видится общее эмоциональное состояние: когда эмоциональный фон снижен, это предрасполагает к большему акценту на негативе при восприятии медицинской помощи и системы здравоохранения в целом.

Также, как мы видели в предыдущей главе, при анализе крайне важный момент состоит в необходимости разделения факторов, связанных с самой организацией, и системных факторов, ряд которых был отражен в разделах 2.1 и 2.2. Например, с большой долей вероятности в медицинских организациях будет наблюдаться «разрыв» в лояльности врачей и медицинских сестер не в пользу последних.

В случае расширения инструментария, если в опрос были добавлены дополнительные вопросы, например, о стаже, отделении или других параметрах, они могут выступить дополнительными предикторами оценок лояльности. Может быть использован широкий набор методов статистической аналитики, специализированные программы для расчетов. В целом направления анализа могут значимым образом разниться в зависимости от целей, задач и наличия определенных данных у аналитика. Например, может быть проведено исследование, направленное на выявление зависимости между статистическими и опросными данными, общие принципы которого описаны в разделе 2.3.

В конце данного раздела стоит еще раз дополнительно подчеркнуть, что более подробно методология мониторинга лояльности представлена в авторских методических рекомендациях, имеющих статус официальных методических рекомендаций Департамента здравоохранения города Москвы³¹². Данный документ, другие релевантные документы и в целом информация об исследованиях лояльности в здравоохранении были собраны авторами в одном месте в виде интерактивного ресурса, который будет представлен в следующем разделе.

3.3. Систематизация инструментов и знаний о лояльности: интерактивный ресурс³¹³

Среди практических продуктов, упомянутых в разделе 3.1, была информационная платформа, которая предлагалась в качестве основы для единой базой знаний по вопросу лояльности в здравоохранении. Когда команда авторов приступила к разработке продукта, основные задачи, которые ставились перед платформой, были следующие:

1. Агрегация (база) доступных исследований по лояльности в здравоохранении.

2. Создание простого и обоснованного механизма поиска бенчмарков лояльности для медицинских организаций.

3. Способствование внедрению новых норм и стандартов в области работы с лояльностью в здравоохранении.

Площадкой для платформы был выбран общедоступный сайт, который размещен сейчас по адресу http://nps.niioz.ru. Что касается первой задачи, на данном сайте представлена общая информация о методологии, а также агрегируются актуальные новости, посвященные исследованиям лояльности в здравоохранении, важные материалы по данной теме, такие как записи научных и экспертных мероприятий, статьи, монографии, методические рекомендации. На момент написания монографии сайт находится в стадии наполнения, планируется регулярное обновление разделов справочных материалов и баз данных. Для оперативного информирования посетителей сайта доступна подписка.

Однако даже более важной видится вторая обозначенная задача. Она реализуется в виде интерактивного визуального решения (на основании базы данных, собранной по открытым и закрытым данным³¹⁴ ГБУ «НИИОЗММ ДЗМ»), с помощью которого посетитель сайта может выбрать схожие с интересующей его организации, увидеть медианное значение лояльности по ним, разброс значений, с учетом зонирования по предложенному авторами «коэффициенту доверия» (см. далее). Текущий вид визуализации представлен на Рисунке 18.

Рисунок 18. Визуальное интерактивное решение для определения бенчмарков для медицинских организаций.

Решение позволяет отобразить показатели NPS/eNPS с возможностью выбора организаций по форме собственности (государственная/ частная), специализации (специализированная/неспециализированная), форме оказания помощи (больница/поликлиника – амбулаторное звено), контингенту (оказание помощи детям/взрослым), стране проведения исследования (Россия/другие государства). Стоит отметить, что авторы не всегда могли однозначно классифицировать организацию по данным основаниям (например, отраслевые замеры в целом не классифицируются по данным основаниям, кроме как по стране). В таких случаях организация просто не отображается при выборе соответствующего основания.

Цвет точек на графике отражает зонирование по степени доверия, на методологии которого нам видится крайне важным остановиться. Указанная методология была разработана как один из способов хотя бы частично преодолеть ограничения недостаточного числа исследований и сомнений в их надежности (указанных в Главе 2). В то время как просмотр имеющихся исследований в различных разрезах и отображение среднего значения – достаточно тривиальная задача (хотя такое решение также не встречалось нами ранее, до представленного ресурса), методология оценки степени доверия к исследованиям видится авторам важнейшим новым компонентом такого рода решения. При этом, опять же, решением, не претендующим на статус единого и неоспоримого, так как в основе его лежит экспертная оценка, несущая определенную степень субъективизма (см. далее).

Предлагаемый авторами подход заключается в расчете и внедрении так называемого коэффициента доверия (trust coefficient – TC), который базируется в первую очередь на двух параметрах – независимости (independence) и качестве выборки (sample quality). Разработанная формула коэффициента доверия выглядит следующим образом:

TC=(I+Q)/2,

где TC – коэффициент доверия,

I – оценка независимости исследования,

Q – оценка качества выборки.

Выделенные составляющие коэффициента доверия – независимость и качество выборки – имеют три градации (низкая, средняя, высокая), которым соответствуют количественные значения 0, 0,5 и 1. Оценка каждого из исследований в базе ГБУ «НИИОЗММ ДЗМ» проведена всеми авторами монографии по следующим основаниям (Таблица 5):

Таблица 5. Градации и описание критериев для составляющих коэффициента доверия.

Дополнительным критерием выступил также факт искажения методики. Вне зависимости от баллов по другим параметрам, необоснованное искажение методики (без должной методической рефлексии) было признано фактором, ставящим под сомнение результат исследования (например, уже упомянутое измерение лояльности по пятибалльной шкале), который «обнуляет» коэффициент TC.³¹⁵

Согласно приведенной формуле коэффициента доверия, исследования могут быть разделены на три группы – «зоны». К «красной» зоне (в которой значения коэффициента доверия находятся в диапазоне от 0 до 0,25 включительно) можно отнести исследования, вызывающие наименьшее доверие и с большой вероятностью содержащие недостоверные сведения вследствие смещений, обусловленных недостаточно качественным подходом к его проведению. Кроме того, в «красную» зону могут быть вынужденно включены исследования, надежность которых крайне затруднительно или невозможно установить по причине недостаточности предоставленной авторами информации, а также проведенные с искажением методики (см. выше). К «желтой» зоне (со средними значениями коэффициента доверия) относятся «средние» исследования с приемлемым качеством. Наконец, в «зеленую» зону (включающую значения коэффициента доверия от 0,75 до 1 включительно) попадают «эталонные» исследования, на которые следует ориентироваться в первую очередь, поскольку и уровень независимости, и качество выборки в таких исследованиях оцениваются как достаточно высокие.

«Зонирование» исследований eNPS показывает более «умеренные» тенденции, чем анализ всего спектра ответов (Рис. 19): исследований в «зеленой» зоне менее трети (4 из 14), тогда как исследований в «красной» – более половины от общего числа. Обращает на себя внимание также то, что именно значения eNPS в «ненадежных», согласно предложенной классификации, исследованиях смещены к полюсам шкалы: «ненадежными» являются и самые низкие, и максимально высокие цифры. Хотя удаление таких «выбросов» не меняет радикальным образом значение медианы, зонирование позволяет, например, более осмысленно относиться к вопросу того, какие практики являются «лучшими» с точки зрения eNPS.

Рисунок 19. «Зонирование» исследований eNPS по предложенному коэффициенту доверия.

Как мы видим, одним из преимуществ предлагаемого подхода (зонирования) является то, что он позволяет снижать вклад «выбросов», исследований с недостаточной надежностью, в наш анализ. Еще одним преимуществом приведенной концепции выступает потенциальное стимулирование медицинских организаций и служб уделять больше внимания ключевым параметрам, составляющим коэффициент доверия, и более тщательно подходить к методологии, сбору и анализу данных по лояльности (выполнение третьей указанной задачи). Авторам видится, что введение коэффициента доверия и связанной с ним методологии может способствовать тому, что медицинские организации постепенно начнут более взвешенно относиться к качеству выборки, а также стремиться проводить максимально независимую оценку лояльности, чтобы их «точка» на графике по возможности была зеленого цвета. В конечном счете это поможет обеспечить получение более объективных и обоснованных оценок лояльности в базе данных и тем самым повысить качество бенчмарков.

3.4. Управление лояльностью в городе

3.4.1. Общая логика управления лояльностью

В данном разделе мы осветим в первом приближении вопросы управления лояльностью: цель раздела – дать скорее идеи и инсайты, чем четкую систему. Каким нам видится управление лояльностью?

Сперва нам видится важным разделить управление на «превентивное» в широком смысле и «реактивное». Функция первого видится в предотвращении потенциальных кризисных явлений (включая совершенствование процессов в целях недопущения рисков по причине стагнации). Часто это достаточно глобальные действия, когда мы трансформируем систему отношения с персоналом – например, разрабатываем стратегию управления лояльностью и комплексные превентивные меры – в виде изменения экономических отношений (например, внедрение эффективного контракта), изменяем образ медицинского специалиста, принципы субординации медицинских работников и т. д. Несмотря на первоочередную важность именно такого управления, данный вид практически не будет затронут в данной монографии, по следующим причинам:

• тематика глобального превентивного управления зачастую представляет собой предмет не просто управления здравоохранением, а широкого междисциплинарного взаимодействия;

• такое управление будет значимо зависеть от специфики региона управления, в котором оно реализуется, что затрудняет выявление общих закономерностей;

• ввиду недостаточной академической изученности тематики лояльности, сложно говорить о полноценном превентивном управлении, поскольку многие принципиальные вопросы, связанные с тематикой лояльности в здравоохранении (методология, факторы и т. д.), до сих пор не решены окончательно.

Поскольку монография представляет собой один из первых шагов в деле академического осмысления лояльности в здравоохранении с т. з. методики eNPS, видится более логичным, что основным фокусом данного раздела будет выступать «реактивное» управление лояльностью, в том числе над которым, после сбора необходимого объема данных, можно «надстроить» превентивное управление. Суть «реактивного» управления видится в выявлении дефектов по факту их возникновения и принятии мер (с той или иной степенью запоздания). В контексте данной монографии будет рассмотрен следующий подход к реактивному управлению: проблема выявляется на более высоком уровне, с постепенным «спуском» на более низкий уровень, на котором уже имеет смысл предпринимать конкретные меры. С позиций такого подхода на уровне города видятся четыре среза управления лояльностью:

• Уровень города

• Уровень служб

• Уровень медицинской организации

• Уровень подразделения

Выявляя «нездоровье» на уровне города, мы постепенно локализуем его вплоть до конкретных организаций, а внутри них – подразделений. В итоге с точки зрения управления мы, вслед за известным лозунгом, «мыслим глобально, а действуем локально». В рамках указанной модели рассмотрим концепт электронного мониторингового решения.