Ieri pomeriggio attività di analisi dei dati di un prospect che vuole cominciare ad analizzare i dati relativi all’assistenza domiciliare.

Prima cosa da fare, sempre, è la verifica della qualità dei dati: ci sono danti mancanti? ci sono dati impossibili? Valori predefiniti? Date future?

Parliamo dei dati mancanti: i dati mancanti mi dicono qualcosa di prezioso?

Nell’analisi delle fonti, la più grossa delusione è stato scoprire che non erano compilati i dati relativi all’intensità dell’intervento assistenziale, utile per il calcolo degli indicatori compresi del Nuovo Sistema di Garanzia.

Cosa si fa in questi casi? La vera domanda è: “i dati mancanti mi dicono qualcosa di prezioso?”.

Gli approcci alla pulizia dei dati mancanti sono tre:

1. eliminarli. Se i dati mancanti non sono preziosi basta eliminare le righe o le colonne. Questa è la soluzione più semplice 🙂
2. ricodificarli. Se l’informazione è deducibile, possiamo ricodificare il campo vuoto. Ad esempio se sappiamo che è stato effettuata una valutazione di intervento domiciliare ma non c’è la data, ricodificare il valore vuoto con “completato” oppure “da completare”.
3. completarli. Se stiamo effettuando un’analisi di serie temporali dove i dati mancanti possono distorcere il risultato, completare i valori mancanti con le “ipotesi migliori”.

Cosa abbiamo fatto noi? NIENTE.

Senza quell’informazione non potremmo calcolare gli indicatori che il prospect si aspettava. Avremmo potuto dedurre qualche dato? Probabilmente sì, tuttavia non sarebbe stata utile all’obiettivo prefissato: coefficiente di intensità assistenziale suddiviso per livello di intensità dell’intervento.

E’ stata un’attività senza risultato? No.

Il risultato è che sicuramente d’ora in avanti il nostro prospect avrà un’attenzione maggiore nell’inserimento dei propri dati.