D-CAT Group ↗ Əlaqə ENTRDEESAZ
12 sual 4 həftəlik pilot başlat
4 həftəlik pilot başlat

Həllər · sektora görə · səhiyyə xidməti göstərənlər

Xəstəxanalar: çarpayı, ödəyici və gəlir xətti, hər səhər oxunur

CIO / CMIO (məlumat yerində qalır; sətir səviyyəli əhatə; şəxsi məlumat maskalanması) · CFO (gəlir dinamikası, ödəyici qarışığı, endirim, hədəf) · Baş həkim (axın və keyfiyyət) · COO / ambulator direktor (giriş və tutum). Alıcı adətən CFO ilə birlikdə CIO-dur; gündəlik oxucu tibbi direktordur.

Bu səhifədəki üç agent tək bir semantik modeli necə oxuyurSolda tək semantik model; ortada üç planlaşdırılmış agent - Baş həkim agenti, Xəstəxana CFO agenti, Ambulator giriş agenti; hər biri sağda finding, recommendation və brief dərc edir.semantik modelAxoria Data Studio-dan idxal edilmişpatient_countencounter_countprocedure_countgross_revenuenet_revenueBaş həkim agentihəftəlik · bazar ertəsi 05:30FfindingRrecomm.BbriefXəstəxana CFO agentiaylıq, ayın 3-də · 06:00FfindingRrecomm.BbriefAmbulator giriş agentigündəlik · 06:00FfindingRrecomm.Bbriefqeyddəki hər rəqəm bir sübut ünvanı daşıyır

Suallar

Xəstəxana idarə heyətinin hər ay verdiyi üç sual

  • Doluluq ona görə artıb ki, daha çox qəbul edirik, yoxsa ona görə ki, xəstələr daha uzun qalır?
  • Gəlir artımını hansı ödəyici daşıyır, və bu, endirimdə nəyə başa gəldi?
  • Xəstələri görməmişdən əvvəl harada itiririk — ED qapısında, yoxsa qəbul kitabında?

Söhbətdə

İnsanların söhbətə yazdığı nümunə suallar

dərinləşdirmə yolu — finding-in sübutu dondurulmuş halda daşınır; yeni bir rəqəm yeni bir sorğu tələb edir, və agent bunu deyir

  • "General Surgery ALOS sürüşməsini qəbul növünə görə bölün."
  • "Gecə növbəsində baxılmadan getmə nisbəti hər üç kampusda eynidirmi?"
  • "Avqustda hansı ödəyici ən sürətli böyüdü, VAT xaric?"
  • "Kardiologiyada gəlməyənləri rezervasiya kanalına görə göstər."
  • "Məlumat nə qədər aktualdır?"

Personalar

Üç nümunə agent

Aşağıdakı agent-lər bu sektor üçün nümunədir, sabit bir dəst deyil: Baş həkim agenti · Xəstəxana CFO agenti · Ambulator giriş agenti. Hər birinin planlaşdırılmış icrası ardınca gələn nümunə dəstlərində göstərilir.

Dəst 1

Baş həkim agenti

Auditoriya: tibbi direktor, departament rəhbərləri, ED rəhbəri.

Dəst 2

Xəstəxana CFO agenti

Auditoriya: CFO, idarə heyəti, kampus direktorları — rəqəmi artıq görən, amma onu nəyin yaratdığını görməyən insanlar.

Dəst 3

Ambulator giriş agenti

Auditoriya: ambulator əməliyyatlar meneceri, klinika koordinatorları, çağrı mərkəzi rəhbəri.

Bir agent-in adı hansı ölçüləri kimin üçün oxuduğunu deyir. Rolun səlahiyyətindən heç birini daşımır: qərar vermir, təsdiqləmir, hərəkət etmir.

Seçdiyiniz mövzular üçün agent-lər

Bir agent vəzifə təsviri, bağlanmış semantik model və cədvəldir — kod deyil — buna görə izlədiyi mövzuları siz təyin edirsiniz: bir ödəyici, bir xidmət xətti, bir kampaniya, bir təchizatçı. İlk olanları sizinlə birlikdə yazırıq.

Agent-lərinizi bizimlə qurun →

Nümunə dəstlər

Üç nümunə dəst, hər biri bir icra

Hər dəst bir agent personası və bir planlaşdırılmış icranın çıxışıdır — brief, recommendation-lar və onların əsaslandığı finding-lər — məhsulun öz qeyd zərfində. Birinci dəst açıqdır; digər ikisi yığılmışdır. Dəstlərin fərz etdiyi model və ölçülər səhifənin sonunda sadalanır.

Nümunə məqsədliDəst 1Baş həkim agenti
Persona
Bir metropoliten ərazidə üç kampusu olan 380 çarpayılıq özəl xəstəxana qrupu üçün klinik axını və keyfiyyəti oxuyur; "daha çox xəstə"ni "daha uzun yatış"dan, "daha çox gəliş"i "daha çox baxılmadan getmə"dən ayırır. · Auditoriya: tibbi direktor, departament rəhbərləri, ED rəhbəri. · Ton: birbaşa, rəqəm əsaslı, sifətsiz; məlumat iki izahı ayıra bilmirsə bunu deyir. · Çıxış dili: en
İzlədiyi siqnallar
(1) Case-mix dəyişikliyi olmadan yatış müddəti sürüşməsi — çıxarışlar azalarkən çarpayı-günlərin artması. (2) Növbəyə görə ED-dən baxılmadan gedənlər — LWBS nisbəti və qapıdan həkimə qədər dəqiqələr yan-yana. (3) Təkrar yatış izləmə xətti — xidmət xəttinə görə 30 günlük təkrar yatışlar, 8 % izləmə xəttinə qarşı, yalnız tam aylar. (4) Əməliyyatxana vaxtı — istifadə olunan dəqiqələr mövcud dəqiqələrə qarşı, və eyni gün ləğvlər. (5) Doluluq tərkibi — doluluq dəyişikliyinin qəbul dəyişikliyinə və yatış müddəti dəyişikliyinə bölünməsi.
Ona verilən hədlər
finding 15 % · critical 40 % · nisbət metrikləri (ALOS, nisbətlər, paylar) 8 % · minimum pay şəbəkənin çarpayı-günlərinin 2 %-i · təkrar yatış izləmə xətti 8.00 % · severity qaydası: bir həd keçildikdə medium, nisbət metriki öz həddinin 1.25× mislindən, say metriki isə finding həddinin 1.5× mislindən çox hərəkət etdikdə high, critical həddinin üstündə critical; ongoing bir mövzu ona verilən severity-ni saxlayır

İcra başlığı

  • Planlaşdırılmış: həftəlik, bazar ertəsi 05:30, Europe/Istanbul
  • Dövr: Avqust 2026 (tam ay, 31 gün, 21 iş günü) Avqust 2025-ə qarşı (31 gün, 21 iş günü); təkrar yatışlar İyul 2026 indeks çıxarışları üzərində (30 günlük pəncərə bağlanmalıdır)
  • Məlumat 2026-09-19 tarixinədək tamdır, max(DISCHARGE_DATE) ilə ölçülüb, 6 saat əvvəl
  • Əhatə: bu məlumat modelində sətir səviyyəli giriş qaydaları var; agent klinik əməliyyatlar əhatəsi altında işləyir (bütün kampuslar, ödəyici məbləğləri yoxdur)
  • Model: iş sahəsinin təsdiqlənmiş modeli, icranın üzərinə yazılıb
  • Xərc: icrada qeyd olunub
Brief

Avqust 2026: General Surgery çarpayı-günləri daha az qəbul və daha uzun yatışla artdı — gecə növbəsində ED-dən baxılmadan gedənlər 5.89 %, Internal Medicine təkrar yatışları ongoing

Fərziyyələr zolağı

Dövr göstərmədiniz; son tam ay (Avqust 2026) fərz edildi. Təkrar yatışlar 30 günlük pəncərənin bağlı olması üçün İyul 2026 indeks çıxarışları üzərində ölçüldü. Ödəyici məbləğləri bu agent-in əhatəsindən kənardadır və görünmür.

Şəbəkənin avqust doluluğu 79.90 % (11,780 çarpayı-günündən 9,412) General Surgery-də daha az, amma daha uzun yatışlarla gəldi: departament bir il əvvəlkinə nisbətən 1.96 % daha az xəstə qəbul etdi və 3.16 % daha az çıxarış etdi, amma 7.79 % daha çox çarpayı-günü istifadə etdi; orta yatış müddəti 4.86-dan 5.41 günə (+11.30 %), departament doluluğu isə 84.89 %-ə çıxdı. Təcili yardım qapısında mənzərə əksinədir — daha çox gəliş (+4.60 %) və baxılmadan gedən daha çox insan: baxılmadan getmə nisbəti 2.14 %-dən 3.47 %-ə yüksəldi, və artım gecə növbəsindədir: orada 3,412 müraciətin 5.89 %-i həkim təması olmadan bitdi və orta qapıdan həkimə qədər vaxt 61 dəqiqə oldu. Internal Medicine-in 30 günlük təkrar yatış nisbəti 8.85 % ilə ardıcıl üçüncü ay 8.00 % izləmə xəttinin üstündə qaldı; şəbəkə nisbəti 6.10 %-dir. Əməliyyatxana oxu bu icrada yenilənmədi.

covers: Finding 1, Finding 2, Finding 3

— İcra: həftəlik, iş sahəsinin təsdiqlənmiş modeli, məlumat 2026-09-19 tarixinədək tamdır. Guard Ledger: held 1 — namizəd f-05 (əməliyyatxana istifadəsi), səbəb numeric_provenance: 71 % tokeni bu icrada heç bir zərfə uyğun gəlmədi; not_selected 0; duplicate 0.

Recommendation 1

General Surgery çarpayı-günlərini avqust üçün qəbul növünə və cərrahiyyə qrupuna görə, hər birinin öz Avqust 2025-i ilə müqayisədə bölün — sürüşmə beş qrupdan üçündədir

based_on: Finding 1 · sahib: Baş cərrah, çıxarış planlaması ilə birlikdə

Yatış müddəti sürüşməsi departament səviyyəli bir faktdır, hələ səbəb deyil. ALOS artımı təcili qəbullarla məhdudlaşırsa, ön qapının ağırlıq dərəcəsi dəyişib; planlı qəbullardadırsa, növbəti ölçmə çıxarış prosesinə yönəlir. Hər iki kəsim bu modeldədir və hər biri bir sorğuya başa gəlir. Case-mix indeksi bu modeldə yoxdur; cərrahiyyə qrupları məsələni həll etmirsə, növbəti rübün baxışından əvvəl əlavə ediləcək metrik odur.

Bunun əsaslandığı finding-lər

Finding 1

Yatış müddəti sürüşməsi: General Surgery ALOS 4.86 → 5.41 gün (+11.30 %), çıxarışlar isə −3.16 % — çarpayı-günlər daha az qəbulla +7.79 %

severity highdirection upnovelty newtrust Akəsim SERVICE_LINE = General Surgery

Avqust 2026-da General Surgery Avqust 2025-dəki 412-yə qarşı 399 xəstə çıxardı (−3.16 %), amma çarpayı-günləri 2,002-dən 2,158-ə yüksəldi (+7.79 %). Orta yatış müddəti (bed_days / discharges) 4.86-dan 5.41 günə keçdi (+11.30 %), 8 % nisbət həddinin 1.41× misli — severity high. Eyni pəncərədə qəbullar 409-a qarşı 401 oldu (−1.96 %), hər hansı həddin altında, deməli əlavə çarpayı-günlər daha çox xəstənin daxil olmasından gəlmədi. General Surgery şəbəkənin 9,412 avqust çarpayı-gününün 22.93 %-ni tutur, buna görə sürüşmə şəbəkə səviyyəsində görünür: cərrahiyyə departamentinin doluluğu (dolu / mövcud çarpayı-günlər) bir il əvvəlki 78.76 %-ə (2,542-dən 2,002) qarşı 84.89 %-dir (2,542-dən 2,158); şəbəkə doluluğu 79.90 %-dir (11,780-dən 9,412). Sürüşmə bərabər deyil: beş cərrahiyyə qrupundan üçü onu göstərir, ikisi sabitdir. Bu məlumat hal mürəkkəbliyindəki dəyişikliyi çıxarış prosesindəki gecikmədən ayıra bilmir — model case-mix indeksi daşımır; cərrahiyyə qrupu kəsimi ən yaxın kəsimdir və məsələni həll etmir.

Recommendation 2

Gecə növbəsində baxılmadan getmə nisbətini kampusa görə həftəlik izləməyə qoyun, yanında qapıdan həkimə qədər dəqiqələrlə

based_on: Finding 2 · sahib: ED rəhbəri və tibb bacıları direktoru

Bütöv ayın baxılmadan getmə nisbəti gündüz nisbətinin təxminən üç misli olan gecə növbəsi nisbətini gizlədir. Kampusa görə həftəlik izləmə artımı bir kampusun, yoxsa hər üçünün daşıdığını göstərəcək; agent üçüncü dəfə xəbərdarlıq etmək əvəzinə mövzunu ongoing möhürləyəcək. Növbə cədvəli bu modeldə yoxdur — tibb bacıları direktoru onu qeydin yanında oxuyur.

Bunun əsaslandığı finding-lər

Finding 2

Gecə növbəsində baxılmadan gedənlər: ED-dən baxılmadan gedənlər müraciətlərin 2.14 % → 3.47 %-i (+62.08 %), ED müraciətləri isə +4.60 % — artım 20:00–08:00 növbəsində, 5.89 % ilə

severity criticaldirection upnovelty newtrust Akəsim SHIFT = Night

ED müraciətləri Avqust 2026-da bir il əvvəlki 9,214-ə qarşı 9,638-ə çatdı (+4.60 %). Həkimi görmədən gedən xəstələr 197-dən 334-ə yüksəldi, beləliklə baxılmadan getmə nisbəti 2.14 %-dən 3.47 %-ə keçdi — nisbət metrikində +62.08 % dəyişiklik, 40 % critical həddinin üstündə. Artım günə yayılmayıb: gecə növbəsi 3,412 müraciət (ayın 35.40 %-i) və 201 baxılmadan getmə (5.89 %) daşıdı, gündüz növbəsinin nisbəti isə 2.14 %-dir (6,226-dan 133) — keçən ilin bütöv ay rəqəmi ilə eyni. Gecə növbəsində orta qapıdan həkimə qədər vaxt gündüz növbəsindəki 34-ə qarşı 61 dəqiqədir. Model növbəyə görə gəliş və gedişləri daşıyır, amma növbə cədvəlini yox; gecə növbəsinin heyət çatışmazlığı ilə işləyib-işləmədiyi bu məlumatdan oxuna bilməz.

Bu icrada da dərc olunub, üzərində heç bir recommendation durmur

Finding 3

Təkrar yatış izləmə xətti: Internal Medicine 30 günlük təkrar yatışları ardıcıl üçüncü ay 8.00 % üstündə, 8.85 % ilə — şəbəkə 6.10 %

severity mediumdirection upnovelty ongoingtrust Akəsim SERVICE_LINE = Internal Medicine

İyul 2026-da çıxarılan 486 Internal Medicine xəstəsindən 43-ü 30 gün ərzində təkrar yatırıldı (8.85 %). İyun 8.60 % (477-dən 41), may isə 8.42 % (463-dən 39) idi; xətt maydan bəri 8.00 % izləmə xəttinin üstündədir və agent bunu son iki icranın hər birində bildirdi. İyul çıxarışları üçün şəbəkə nisbəti 6.10 %-dir (2,198-dən 134). Internal Medicine-in şəbəkənin iyul çıxarışlarındakı payı 22.11 %-dir. Bu məlumat təkrar yatışların hər ay eyni diaqnoz qrupları olub-olmadığını deyə bilmir — diaqnoz qrupu kəsimi modeldədir, amma sorğu büdcəsi ED oxuna xərcləndiyi üçün bu icrada açılmadı.

Bu icranın görə bilmədikləri.

Əməliyyatxana vaxtı sorğuları icra olunmadı — baxılmadan getmə siqnalı görünəndən sonra büdcə ED oxuna xərcləndi, və agent əməliyyatxana cümləsini yaddaşdan yazmaq əvəzinə bunu dedi (yazdığı bir cümlə saxlanıldı). Case-mix indeksi və növbə cədvəli bu modeldə yoxdur. Ölüm göstəriciləri iş sahəsi administratoru tərəfindən bu agent-in əhatəsindən çıxarılıb.

Nümunə məqsədliDəst 2Xəstəxana CFO agenti
Persona
CFO və idarə heyəti üçün gəlir performansı brifinqini hazırlayır; gəlir xəttinin arxasındakı xəstə sayını, prosedur intensivliyini, ödəyici qarışığını və xidmət qarışığını ayırır; kənarlaşmaları idarə olunan metriklər və sübut zənciri ilə izah edir. · Auditoriya: CFO, idarə heyəti, kampus direktorları — rəqəmi artıq görən, amma onu nəyin yaratdığını görməyən insanlar. · Ton: rəsmi, ölçülü, icraçı xülasə dili; qısa, dəqiq cümlələr. · Çıxış dili: en
İzlədiyi siqnallar
(1) Gəlir–həcm qayçısı — xəstələr və ya prosedurlar azalarkən gəlirin artması. (2) Xəstə başına gəlir dəyişikliyi — real qiymət hərəkəti, yoxsa daha bahalı xidmətlərə doğru qarışıq dəyişikliyi; qərarı kəsim verir, və agent ikisini ayırmadan "qiymətlər artdı" demir. (3) Ödəyici qarışığı — VAT xaric bazada cibdən ödəniş və sığortalı payları; qarışıq dəyişikliyi gəliri dəyişmədən nağd pulun vaxtını dəyişir. (4) Endirim artımı — discount_amount-un gəlirdən sürətli böyüməsi eyni gəlirin daha çox endirimlə alındığını bildirir. (5) Hədəf kənarlaşması — faktiki hədəfə qarşı, yalnız tam aylar, fərqin mənbəyi ilə (hansı kampus, hansı ödəyici). (6) Konsentrasiya — tək bir institusional ödəyicidən asılılıq.
Ona verilən hədlər
finding 15 % · critical 40 % · qayçı 10 bənd · nisbət metrikləri 8 % · minimum pay ümumi gəlirin 1 %-i · severity qaydası: bir həd keçildikdə medium, nisbət metriki öz həddinin 1.25× mislindən, say metriki isə finding həddinin 1.5× mislindən çox hərəkət etdikdə high, critical həddinin üstündə critical; ongoing bir mövzu ona verilən severity-ni saxlayır

İcra başlığı

  • Planlaşdırılmış: aylıq, ayın 3-də, 06:00, Europe/Istanbul
  • Dövr: Avqust 2026 (tam ay) Avqust 2025-ə qarşı — bərabər təqvim günləri
  • Məlumat 2026-09-20 tarixinədək tamdır, max(ENCOUNTER_DATE) ilə ölçülüb (müraciət tarixi, yerləşdirmə tarixi deyil; gec yerləşdirilən ödənişlər kənarın xaricindədir), 9 saat əvvəl
  • Əhatə: bu agent-ə heç bir sətir səviyyəli qayda bağlanmayıb — icra hər sətir üzərində istehsal edildi
  • Model: iş sahəsinin təsdiqlənmiş modeli, icranın üzərinə yazılıb
  • Xərc: icrada qeyd olunub
Brief

Avqust 2026: gəlir qiymət və qarışıqla +14.53 %, xəstələr isə −3.32 % — cibdən ödəniş payı 55.44 %-ə düşdü, endirim nisbəti 6.20 % → 8.25 %, Campus B hədəfə qarşı −12.38 %

Fərziyyələr zolağı

Dövr göstərmədiniz; son tam ay (Avqust 2026) fərz edildi. Ödəyici payları VAT xaric bazada hesablanır və elə də etiketlənir; ümumi gəlir cümləsi VAT daxil metrikdən istifadə edir. Bu agent-ə heç bir sətir səviyyəli qayda bağlanmayıb; icra hər sətir üzərində istehsal edildi.

Avqust gəliri 11.27 M € Avqust 2025-dən 14.53 % yuxarı idi, amma onu 3.32 % daha az xəstə və 2.28 % daha az prosedur istehsal etdi: xəstə başına gəlir 18.47 % artdı; bu saylarda artım həcm qaynaqlı deyil, və model tarifi intensivlikdən və ya qarışıqdan ayırmır. Qarışıq sığortalı ödəyicilərə doğru hərəkət etdi — cibdən ödəniş VAT xaric gəlirin 61.78 %-dən 55.44 %-ə düşdü, dövlət sığortası isə 24.09 %-dən 29.74 %-ə yüksəldi — və endirim məbləği 52.46 % böyüyərək endirim nisbətini 6.20 %-dən 8.25 %-ə çıxardı. Hədəfə qarşı şəbəkə −5.29 % səviyyəsindədir, və hədəfin altında olan iki kampusun birləşmiş kəsirinin 80.00 %-ni təkcə Campus B (−12.38 %) daşıyır. Xərc tərəfi bu icrada hesabat edilə bilmədi.

covers: Finding 1, Finding 2, Finding 3

— İcra: aylıq, iş sahəsinin təsdiqlənmiş modeli, məlumat 2026-09-20 tarixinədək tamdır. Guard Ledger: held 2 — namizədlər f-06 və r-03 (xərc tərəfi), səbəb source_execution_error, metrik protocol_cost (zərf e7 boş); duplicate 1 — namizəd f-04 (ödəyici payı kampusa görə yenidən ifadə edilmiş) barmaq izi uyğunluğu ilə (metrik + dövr + xana) Finding 2-yə birləşdirildi; not_selected 0.

Recommendation 1

Campus B-nin avqust gəlirini ödəyici növünə görə öz hədəfinə qarşı bölün, və xəstə sayını yanına qoyun — kampus iki kampusun birləşmiş kəsirinin 80.00 %-ni daşıyır

based_on: Finding 3, Finding 1 · sahib: CFO, Campus B direktoru ilə birlikdə

Şəbəkənin kəsiri Campus B-nin kəsiridir. Campus B-nin xəstə sayı gəliri ilə uyğun şəkildə düşübsə, fərq həcmdir və sual xəstə girişinə aiddir; xəstə sayı sabit qalarkən gəlir düşübsə, fərq ödəyici və ya xidmət qarışığıdır. Hər iki kəsim bu modeldədir. Hədəfin metodu isə yoxdur — idarə heyəti bu qeydi oxumazdan əvvəl maliyyə komandası üç kampus hədəfinin eyni əsasla qoyulduğunu təsdiqləməlidir.

Bunun əsaslandığı finding-lər

Finding 3

Hədəf kənarlaşması bir kampusda cəmləşib: şəbəkə avqust hədəfinə qarşı −5.29 %, Campus B isə −12.38 %, Campus C −5.00 %, Campus A +0.39 %

severity highdirection downnovelty newtrust Akəsim CAMPUS = B

Avqust 2026 üçün 11.90 M € hədəfə qarşı ümumi gəlir 11.27 M €-ya çatdı (−5.29 %). Campus A 5.10 M €-ya qarşı 5.12 M € verdi (+0.39 %); Campus B 4.20 M €-ya qarşı 3.68 M € (−12.38 %); Campus C 2.60 M €-ya qarşı 2.47 M € (−5.00 %). Campus B-nin kənarlaşması hədəfə çatma üçün 8 % nisbət həddinin 1.55× mislidir — severity high; şəbəkə rəqəmi (−5.29 %) həddin altındadır və öz-özlüyündə finding kimi deyil, çərçivə kimi bildirilir. Campus B iki kampusun birləşmiş kəsirinin 80.00 %-ni təşkil edir (0.65 M €-dan 0.52 M €). Müqayisə agent-in qaydalarının tələb etdiyi kimi yalnız tam ay üzərində aparılır; sentyabr natamamdır və müqayisə edilmir. Campus B-nin hədəfinin digərlərindən fərqli əsasla qoyulub-qoyulmadığı bu məlumatdan oxuna bilməz — hədəf metriki öz metodu haqqında heç bir qeyd daşımır.

Finding 1

Gəlir–həcm qayçısı: ümumi gəlir əvvəlki ilə nisbətən +14.53 %, xəstələr isə −3.32 % və prosedurlar −2.28 % — 17.85 bənd fərq; xəstə başına gəlir +18.47 %

severity highdirection upnovelty newtrust Akəsim — (şəbəkə)

Avqust 2026 üçün ümumi gəlir Avqust 2025-dəki 9.84 M €-ya qarşı 11.27 M € oldu (+14.53 %). Eyni ayda xəstə sayı 41,230-dan 39,860-a (−3.32 %), prosedur sayı isə 188,400-dən 184,100-ə (−2.28 %) düşdü. Gəlir dəyişikliyi ilə xəstə sayı dəyişikliyi arasındakı fərq 17.85 faiz bəndidir, 10 bəndlik qayçı həddinin 1.79× misli — severity high. Xəstə başına gəlir 238.66 €-dan 282.74 €-ya keçdi (+18.47 %). Göstərilən saylarda artım həcm qaynaqlı deyil; onu tarif dəyişikliyinin, xəstə başına daha yüksək xidmət intensivliyinin, yoxsa daha bahalı xidmət xətlərinə keçidin yaratdığını bu qeyd ayırmır — bu modeldəki xidmət xətti kəsimi gəlirin 80 %-ni "təyin edilməmiş alt-tip" üzvünə aid edir, buna görə məsələni həll edəcək kəsim burada etibarlı deyil.

Recommendation 2

Endirimin gəlirə nisbətini aylıq izləməyə qoyun, və növbəti model versiyasında endirim metrikinin ödəyiciyə görə bölünməsini istəyin

based_on: Finding 2 · sahib: qiymət və müqavilələr rəhbəri, məlumat modeli sahibi ilə birlikdə

Avqustda endirim gəlirdən dörd dəfə sürətli böyüdü. Aylıq izlənməli metrik bu nisbətdir; artımın müqavilə əsaslı (dövlət sığortası), yoxsa kommersiya (cibdən ödəniş kampaniyaları) olduğunu endirimin ödəyiciyə görə kəsimi deyərdi. Bu kəsim bu gün bu modeldə yoxdur; onu əlavə etmək agent dəyişikliyi deyil, Data Studio dəyişikliyidir.

Bunun əsaslandığı finding-lər

Finding 2

Endirim artımı ilə ödəyici qarışığı dəyişikliyi: cibdən ödəniş payı VAT xaric gəlirin 61.78 % → 55.44 %-i, dövlət sığortası payı isə 24.09 % → 29.74 % — endirim məbləği +52.46 %, endirim nisbəti 6.20 % → 8.25 %

severity criticaldirection downnovelty newtrust Akəsim PAYER_TYPE = Out-of-pocket

VAT xaric bazada cibdən ödəniş gəliri Avqust 2026-da 10.66 M €-dan 5.91 M € (55.44 %) idi, bir il əvvəlki 9.34 M €-dan 5.77 M €-ya (61.78 %) qarşı — mütləq məbləğ hələ də böyüyərkən 6.34 bənd pay itkisi. Dövlət sığortası gəliri 2.25 M €-dan (24.09 %) 3.17 M €-ya (29.74 %) yüksəldi; özəl sığorta gəliri 1.32 M €-dan (14.13 %) 1.58 M €-ya (14.82 %). Eyni ayda endirim məbləği 0.61 M €-dan 0.93 M €-ya böyüdü (+52.46 %), 40 % critical həddinin üstündə, endirimin ümumi gəlirə nisbətini 6.20 %-dən 8.25 %-ə çıxararaq. İki fakt yan-yana durur və bu qeyd onları bağlamır: gəlir artımını sığortalı seqment daşıdı, və endirim məbləği gəlirdən sürətli böyüdü. Endirimi hansı ödəyicinin aldığı burada oxuna bilməz — bu modeldə endirim metriki ödəyiciyə görə bölünmür.

Bu icranın görə bilmədikləri.

Bu modeldəki xərc və marja metrikləri mənbə icra xətası qaytarır və model qeydində broken kimi işarələnib; agent-in qaraladığı hər xərc cümləsi saxlanıldı. Endirim ödəyiciyə görə bölünmür. Modelin qəbul tərəfi boş qaytarır, buna görə burada rezervasiyalı və birbaşa gəlişli gəlir müqayisəsi qurula bilməz — bu, finding deyil, modeldəki boşluqdur.

Nümunə məqsədliDəst 3Ambulator giriş agenti
Persona
Qəbul kitabını və ambulator qapını oxuyur: gəlməyənlər, gec ləğvlər, gözləmə müddətləri, birbaşa gəliş payı və klinika yükü; "xəstələr gəlmədi"ni "xəstələr girə bilmədi"dən ayırır. · Auditoriya: ambulator əməliyyatlar meneceri, klinika koordinatorları, çağrı mərkəzi rəhbəri. · Ton: sadə və əməliyyat yönümlü. · Çıxış dili: en
İzlədiyi siqnallar
(1) Klinikaya və rezervasiya kanalına görə gəlməmə nisbəti, əvvəlki aya nisbətən və keçən ilin eyni ayına qarşı. (2) Gözləmə müddəti — rezervasiyadan qəbula qədər günlər — eyni klinikanın gəlməmə nisbətinin yanında, səbəb iddiası olmadan. (3) Gec ləğvlər (24 saat içində), gəlməyənlərdən ayrı bir xətt kimi. (4) Bütün ambulator müraciətlərdə birbaşa gəliş payı. (5) Slot metriki mövcud olan yerdə klinika slotlarının istifadəsi.
Ona verilən hədlər
finding 15 % · critical 40 % · nisbət metrikləri 8 % · minimum pay rezervasiya edilmiş qəbulların 2 %-i · severity qaydası: bir həd keçildikdə medium, nisbət metriki öz həddinin 1.25× mislindən, say metriki isə finding həddinin 1.5× mislindən çox hərəkət etdikdə high, critical həddinin üstündə critical; ongoing bir mövzu ona verilən severity-ni saxlayır

İcra başlığı

  • Planlaşdırılmış: gündəlik, 06:00, Europe/Istanbul
  • Dövr: Avqust 2026 İyul 2026-ya qarşı (əvvəlki aya nisbətən — avqustda 21 klinika günü, iyulda 23; nisbətlər rezervasiya edilmiş qəbul başınadır, buna görə gün sayı onları əymir), metrikin mövcud olduğu yerdə ikinci müqayisə kimi Avqust 2025 ilə
  • Məlumat 2026-09-21 tarixinədək tamdır, max(APPOINTMENT_DATE) ilə ölçülüb, 5 saat əvvəl
  • Əhatə: agent ambulator əhatə altında işləyir (üç kampus, gəlir metrikləri yoxdur)
  • Model: iş sahəsinin təsdiqlənmiş modeli
  • Xərc: icrada qeyd olunub
Brief

Avqust 2026: gəlməyənlər rezervasiya edilmiş qəbulların 8.98 % → 10.51 %-i, Cardiology 11.4 günlük gözləmə müddəti ilə 14.20 % — birbaşa gəlişlər indi müraciətlərin 31.20 %-i

Fərziyyələr zolağı

Qəbul metrikləri 2026-01-də başladığı və bir il əvvəlki dəyəri olmadığı üçün əvvəlki aya nisbətən müqayisə (Avqust İyul 2026-ya qarşı) istifadə edildi. Üçüncü növbəti mövcud slot metriki iki kampus üçün heç bir sətir qaytarmadı; bu, finding kimi deyil, məlumat vəziyyəti kimi qeyd olunub.

Avqustda rezervasiya edilmiş hər on qəbuldan birinə gəlinmədi və ləğv də edilmədi: 58,420-dən 6,140 (10.51 %), iyuldakı 8.98 %-dən yuxarı, gec ləğvlər isə 5.41 % ilə dəyişməz qaldı. Cardiology 14.20 % ilə seçilir və həm də rezervasiyadan qəbula qədər ən uzun gözləməni daşıyır: 4.8 günlük şəbəkə üzrə orta göstəriciyə qarşı 11.4 gün; bu ay iki xətt birlikdə hərəkət edir, və məlumat hansının hansını sürüklədiyini demir. Bu arada ambulator qapı yükün daha çoxunu daşıdı: birbaşa gəlişlər 71,400 müraciətin 31.20 %-i oldu, 28.79 %-dən yuxarı, gəlinən qəbullar isə sabit qaldı. Agent-in "gəlməmə səbəbilə itirilən müraciətlər" üçün yazdığı rəqəm saxlanıldı — arxasında sorğu yox idi.

covers: Finding 1, Finding 2

— İcra: gündəlik, iş sahəsinin təsdiqlənmiş modeli, məlumat 2026-09-21 tarixinədək tamdır. Guard Ledger: held 1 — namizəd f-03, səbəb numeric_provenance: təxminən 900 tokeninin (itirilən müraciətlər) nə ünvanı, nə əməliyyatı var; struktur kənarlaşdırma 1 — namizəd r-03 heç bir based_on bağlantısı daşımırdı (gate 0); məlumat vəziyyəti 1 — third_next_available iki kampus üçün 0 sətir qaytardı; duplicate 0.

Recommendation 1

Avqust gəlməyənlərini Cardiology və Dermatology üçün yan-yana rezervasiya kanalına görə bölün (çağrı mərkəzi · tətbiq · yönləndirmə)

based_on: Finding 1 · sahib: ambulator əməliyyatlar meneceri, çağrı mərkəzi rəhbəri ilə birlikdə

Cardiology gəlməmə nisbəti kanallar arasında bərabərdirsə, baxılacaq yer gözləmə müddətidir; bir kanalda cəmləşibsə, o kanalın təsdiq addımıdır. Rezervasiya kanalı dimensiyası bu modeldədir. Xatırlatma göndərilib bayrağı isə yoxdur — o olana qədər "unutdu" ilə "əl çəkdi" bu məlumatdan ayırd edilə bilməz.

Bunun əsaslandığı finding-lər

Finding 1

Gəlməmə nisbəti rezervasiya edilmiş qəbulların 8.98 % → 10.51 %-i (+1.53 bənd, +17.03 %) — Cardiology 4.8 günlük şəbəkə üzrə orta göstəriciyə qarşı 11.4 günlük orta gözləmə müddəti ilə 14.20 %

severity highdirection upnovelty newtrust Ainterpretivekəsim CLINIC = Cardiology

Avqust 2026 üçün rezervasiya edilmiş 58,420 qəbuldan 6,140-ına gəlinmədi və ləğv də edilmədi (10.51 %), iyulda 56,900-dən 5,110-a (8.98 %) qarşı; nisbət +17.03 % hərəkət etdi, 8 % nisbət həddinin 2.13× misli — severity high. Gec ləğvlər ayrı bir xəttdir və 5.41 % (3,160) səviyyəsində qaldı. Ən yüksək nisbəti Cardiology daşıyır — 4,310 rezervasiyadan 612 gəlməmə (14.20 %) — və rezervasiyadan qəbula qədər ən uzun orta gözləmə müddətini, 4.8 günlük şəbəkə üzrə orta göstəriciyə qarşı 11.4 gün. 3.1 günlük gözləmə müddəti ilə Dermatology 6.90 % səviyyəsindədir (4,304-dən 297). Doqquz klinika arasında orta gözləmə müddəti 7 gündən çox olan dördünün hamısında gəlməmə nisbəti 12.00 %-dən yuxarıdır, 5 gündən az olan beşinin hamısında isə 9.00 %-dən aşağıdır — klinika səviyyəli nəticə icradadır. İki xəttin birlikdə hərəkət etməsi interpretive bir oxunuşdur və elə də nişanlanıb; bu məlumat birinin digərinə səbəb olduğunu göstərmir, və "unutdu" ilə "gözləməkdən əl çəkdi"ni ayıracaq xatırlatma göndərilib bayrağı bu modeldə yoxdur.

Recommendation 2

Kardiologiya gözləmə müddətini və kardiologiya gəlməmə nisbətini bir həftəlik izləməyə qoyun, və heç birini tək oxumayın

based_on: Finding 1, Finding 2 · sahib: klinika koordinatoru, Cardiology

İki xətt avqustda birlikdə hərəkət etdi; həftəlik izləmə gözləmə müddəti dəyişəndə də belə davam edib-etmədiklərini göstərəcək. Agent mövzunu hər həftə yeni kimi qaldırmaq əvəzinə sonrakı icralarda ongoing möhürləyəcək.

Bunun əsaslandığı finding-lər

Finding 2

Birbaşa gəliş payı ambulator müraciətlərin 28.79 % → 31.20 %-i (+8.37 %): birbaşa gəlişlər +11.68 %, gəlinən qəbullar isə −0.47 %

severity mediumdirection upnovelty newtrust Ainterpretivekəsim VISIT_TYPE = Walk-in

Avqust 2026-da ambulator müraciətlər cəmi 71,400 oldu: 49,120 gəlinən qəbul və 22,280 birbaşa gəliş (31.20 %). İyulda birbaşa gəliş payı 28.79 % idi (69,300-dən 19,950). Gəlinən qəbullar 49,350-dən 49,120-yə keçdi (−0.47 %), hər hansı həddin altında, deməli müraciətlərdəki artım təkcə birbaşa gəliş xəttidir (+11.68 %); pay nisbət metrikində +8.37 % hərəkət etdi, 8 % həddinin bir az üstündə — severity medium. Finding 1-in yanında oxunduqda nümunə yaxın qəbul ala bilməyən xəstələrin əvəzində qapıya gəldiyini işarə edir — bu cümlə interpretive-dir və elə də nişanlanıb; modeldə buraxılmış qəbulla sonrakı birbaşa gəliş arasında xəstə səviyyəli bağlantı yoxdur, və agent belə bir iddia etmir.

Data state

Məlumat vəziyyəti (finding deyil): üçüncü növbəti mövcud qəbul metriki avqustda Campus B və Campus C üçün heç bir sətir qaytarmadı. Severity yoxdur, üzərində heç bir recommendation durmur; model sahibi məlumatlandırılıb.

Bu icranın görə bilmədikləri.

Xatırlatma göndərilib bayrağı və buraxılmış qəbulla sonrakı birbaşa gəliş arasındakı xəstə səviyyəli bağlantı bu modeldə yoxdur. Üçüncü növbəti mövcud slot metriki iki kampus üçün boşdur. Gəlir bu agent-in əhatəsindən qəsdən kənardadır — onu CFO agenti oxuyur.

Hər rəqəm bir ünvan daşıyır

Məhsulda hər rəqəm bir sübut ünvanına bağlanır — zərf, sətir, xana, yoxlama rəqəmi — və ünvanı olmayan rəqəm dərc edilmir, saxlanılır. Bir qeydin anatomiyası →

Törəmə rəqəmlər öz əməliyyatını göstərir

Dəyişiklik, pay və ya fərq engine tərəfindən hesablanır və operandlarını daşıyır; model heç vaxt bölmür. Hər rəqəm necə sübut olunur →

AI idarəetməsi dərc təbəqəsidir

Səkkiz deterministik gate, trust səviyyəsi, nişanlanmış şərh, söndürülə bilməyən fərziyyələr zolağı, və Guard Ledger. Model hara çata bilər, hara çata bilməz →

Tez-tez verilən suallar

Bu səhifəyə adətən verilən dörd sual

01Agent xəstə adlarını görürmü?

Xeyr. Xəstə adı və məhəllə modeldə şəxsi kimi işarələnib; agent onlara görə kəsim apara bilmir, və etiketlər qayda ilə baş hərflərə endirilir.

02Məlumat xəstəxanadan çıxırmı?

Xeyr. Runtime warehouse-unuzun yanına quraşdırılır; gateway-lər yalnız-oxunandır; giriş məlumatları serverlərinizdə qalır. Model möhürlənmiş sorğu nəticələri alır, cədvəlləri heç vaxt.

03Əməliyyatxana sistemimizi və HIS-imizi birlikdə oxuya bilərmi?

Yalnız idxal edilmiş semantik modelin birləşdirdiyini. İkisi körpüsüz ayrı ulduzlardırsa, agent bunu deyir və müqayisəni cümlədə qurur, heç vaxt proxy birləşdirmə ilə yox.

04Warehouse-umuzda bir metrik sınıqdırsa nə olur?

Model qeydi onu broken kimi işarələyir; agent onu heç vaxt sorğulamır; onu istifadə edəcək hər cümlə səbəbi ilə, görünən şəkildə saxlanılır.

Pulsuz məlumat kəşfi araşdırması

Bu siqnallardan hansılarını öz warehouse-unuzun daşıya biləcəyini görün.

Bizə məlumat platformanızın adını və ən çox mübahisə etdiyiniz sahəni göndərin. Semantik modelinizi sizinlə birlikdə oxuyuruq və yazılı cavab veririk: bu səhifədəki siqnallardan hansılarını modeliniz bu gün daşıyır, hansıları Axoria Data Studio-da dəyişiklik tələb edir, və dörd həftəlik bir pilot nəyi ölçərdi. Xərc yoxdur, ardınca gələn kampaniya yoxdur — bir insan iki iş günü ərzində cavab verir.

Pulsuz məlumat kəşfi araşdırması tələb edin → 4 həftəlik pilot başlat

Nümunələrin fərz etdikləri

Üç dəstin arxasındakı məlumat, model və ölçülər

Bir dəstdə heç nə burada təsvir edilən modeldən kənar bir mənbəyə əsaslanmır. Uzlaşdırmaq istədiyinizi açın.

01Fərz edilən məlumat mənbələri — xəstəxananın artıq sahib olduğu məlumat

Xəstəxana informasiya sistemi / EHR müraciətləri (qəbullar, çıxarışlar, köçürmələr, ED gəliş və gedişləri), hesablaşma və gəlir dövrü (ödənişlər, ödəyici, endirimlər, hədəflər, gəlir dövrü sistemi mövcud olan yerdə tələblər və rəddlər), əməliyyatxana planlaması, ambulator qəbul kitabı, laboratoriya və görüntüləmə sifarişləri, HR növbə cədvəli (növbəyə görə heyət sayı, modeldə heç vaxt şəxsə görə yox). Tipik warehouse kəsimi: müraciət və ya ödəniş sətri başına bir sətir, gündəlik.

02Fərz edilən semantik model — üç persona üçün minimum
Ölçülər
patient_count · encounter_count · procedure_count · gross_revenue · net_revenue (VAT xaric) · discount_amount · target_revenue · ödəyici gəlir komponentləri (cibdən ödəniş, dövlət sığortası, özəl sığorta, beynəlxalq) · revenue_per_patient (engine-in törətdiyi nisbət) · bed_days · available_bed_days · admissions · discharges · alos (engine-in törətdiyi: bed_days / discharges) · ed_visits · ed_left_without_being_seen · ed_door_to_provider_minutes (orta) · readmissions_30d · theatre_cases · theatre_minutes_used · theatre_minutes_available · appointments_booked · appointments_attended · no_shows · late_cancellations · walk_in_visits · appointment_lead_time_days (orta).
Dimensiyalar
tarix (qəbul / çıxarış / müraciət) · kampus · departament / klinika · xidmət xətti / cərrahiyyə qrupu · ödəyici növü · qəbul növü (planlı / təcili) · növbə (gündüz / gecə) · vətəndaşlıq (yerli / beynəlxalq) · yaş qrupu · cins · diaqnoz qrupu · rezervasiya kanalı. Şəxsi kimi işarələnib və heç vaxt bunlara görə bölünmür: xəstə adı, məhəllə, həkim adı (lazım olarsa həkim qrupu istifadə edin).
Məlumat kənarı
engine tərəfindən max(discharge_date) və ya max(encounter_date) ilə ölçülür; hansının olduğunu model bəyan edir.
03Fərz edilən KPI-lar — xəstəxana rəhbərlərinin izlədikləri
KPITərifVahidTipik diapazonAdi kəsim
Çarpayı doluluğudolu çarpayı-günlər / mövcud çarpayı-günlər%75–85 %kampus · departament · xidmət xətti
Orta yatış müddəti (ALOS)çarpayı-günlər / çıxarışlargün4–6 kəskin hallar üçün, xidmətə görə dəyişirxidmət xətti · qəbul növü
ED-dən baxılmadan getmə nisbətihəkim təmasından əvvəl ED-dən gedişlər / ED müraciətləri%< 2 % hədəf; 2–5 % adi haldırkampus · növbə
ED qapıdan həkimə qədər vaxtgəlişdən ilk həkim təmasına qədər median və ya orta dəqiqədəq20–40 dəqnövbə · kampus
30 günlük təkrar yatış nisbəti30 gün ərzində təkrar yatışlar / indeks çıxarışları%6–15 % case-mix və tərifdən asılı olaraqxidmət xətti · diaqnoz qrupu
Əməliyyatxana istifadəsiistifadə olunan dəqiqələr / mövcud dəqiqələr (sessiya daxilində)%70–80 %əməliyyatxana · cərrahiyyə qrupu
Eyni gün cərrahiyyə ləğv nisbətihəmin gün ləğv edilənlər / planlaşdırılanlar%2–8 %cərrahiyyə qrupu · səbəb
Ambulator gəlməmə nisbətigəlməyənlər / rezervasiya edilmiş qəbullar%5–12 %klinika · rezervasiya kanalı
Qəbul gözləmə müddətirezervasiyadan qəbula qədər günlər (orta və ya üçüncü növbəti mövcud)günklinikaya görə dəyişirklinika
Xəstə başına / müraciət başına gəlirxalis gəlir / xəstələrvalyutamodelə görə dəyişirödəyici · xidmət xətti
Ödəyici qarışığıödəyici növünə görə xalis gəlirin payı%ölkəyə görə dəyişirödəyici · kampus
Endirimin gəlirə nisbətidiscount_amount / gross_revenue%modelə xas; istiqamət səviyyədən daha vacibdirödəyici · xidmət xətti
Hədəfə çatmafaktiki gəlir / hədəf gəlir, yalnız tam aylar%—kampus · xidmət xətti
Gecə növbəsi payıgecə növbəsindəki müraciətlər / bütün müraciətlər%25–40 %kampus · departament

Əlaqəli

Bu səhifələr hara aparır

Bu personaların aid olduğu departamentlər

Bu saytda