Ärendehantering, uppföljning och analys

En större organisation i Sverige med stor geografisk spridning stod inför utmaningen att modernisera sin verksamhet. Utmaningen bestod bland annat i att de måste följa regler för kvalitetssäkrade och spårbara processer för tusentals ärenden varje vecka från hundratusentals kunder.

Ett program upprättades för att möta behoven av modernisering, bättre uppföljning och analys. Ett nytt ärendehanteringssystem skulle införas där olika intressenter kunde samarbeta. Genom bruk av Low Code* tillsammans med en ny analysplattform för förbättrad uppföljning och styrning kunde man korta ledtider från idé till lösning.

Ambiento anlitades för kravanalys och operativ ledning för att bistå med att etablera analysplattformen där data skulle extraheras, både från det nya ärendehanteringssystemet och från andra befintliga system.

* https://en.wikipedia.org/wiki/Low-code_development_platform

Lösning

Organisationen hanterar en mycket stor ärendevolym med fler än 50.000 ärenden per vecka och har cirka 10.000 handläggare fördelade på flera olika geografiska platser. Ett av syftena med den nya lösningen var att ge chefer och verksamhetssamordnare över hela landet bättre verktyg för att effektivt följa upp det operativa arbetet samt leda och fördela arbetsuppgifter mellan kontoren genom att erbjuda utökad tillgång till statistik och moderna analysverktyg.

Ärendehanteringssystemet (Pega) är utformat och optimerat för att hantera stora mängder transaktioner men mindre lämpat som ren analysplattform. Dessutom återfanns även relevant data ur ett analysperspektiv lagrad i andra system. För att kunna samla in data från olika system extraherades och samlades relevant information i ett fristående datalager. Detta underlättade även den gradvisa övergången från gamla till mer moderna applikationer.

En viktig del av lösningen var att använda BIX-teknologi¹ för att exportera data från Pegasystemet lagrad i BLOB-format² till en temporär databas för mellanlagring (staging). Därefter importerades och transformerades data i en analysdatabas (EDW/DataLake), som utgör grunden för framtida lösningar inom statistik och dataanalys. För att visualisera och bearbeta data på ett användarvänligt sätt, kopplades datalagret till olika front-end-lösningar (exempelvis Qlik Sense).

En utmaning med att utveckla en generisk lösning för att hantera alla typer även av framtida ärenden var relaterad till att de olika källsystemen använde olika definitioner för både processer och benämningar (master data), exempelvis för olika ärendetyper.

Exempel på nyckeltal som var relevanta att var: Totalt antal godkända ärenden, antal ärenden som har initierats och avslutats samt hanteringstider.

¹) https://docs.pega.com/en-US/bundle/pega-cloud/page/pega-cloud/pc/pega-cloud-business-intelligence-exchange-overview.html

²) https://en.wikipedia.org/wiki/Binary_large_object

För att kunna samla in data från olika system extraherades och samlades relevant information i ett fristående datalager. Detta underlättade även den gradvisa övergången från gamla till mer moderna applikationer.

Införande

En av de största utmaningarna var att gradvis övergå från gamla lösningar till nya och samtidigt hålla samman ärendena, trots involvering av flera system. För att lösa detta krävdes ett nära samarbete mellan pågående implementationsprojekt och befintlig förvaltnings-organisation så att man gradvis kunde övergå från gamla till nya system.

Projektet arbetade utifrån Kanban och SAFE -metodik och med sprintar på tre veckor och releasecykler. Varje system hade sitt eget team som samarbetade för att bygga en enhetlig lösning. Pega-teamet var ansvariga för datamodellen och exporten till transportdatabasen. Low code app-teamet utvecklade snabba lösningar. EDW-teamet importerade data från transport-databasen och skapade anpassade mätpunkter. Därefter var det Qlik Sense-teamets ansvar att skapa visualiseringar från dessa data.

Projektet var uppdelat i flera faser där den första versionen gav ett antal chefer inom en specifik region möjligheten att arbeta med en avgränsad ärendetyp. Analysmodellen kommer därefter att utökas gradvis för att ge cheferna mer data och omfatta fler ärendetyper.

Affärsnytta

Målet var att skapa en sammanhållen operativ uppföljning för chefer och verksamhetssamordnare över hela landet, där de kan använda datadrivna underlag för sitt arbete.

Arbetet har uppnått delmålen och nu är alla involverade system i produktionen för en av de sex ärendetyperna integrerade med varandra. De relevanta cheferna och verksamhetssamordnarna har tillgång till en applikation där de har börjat följa upp sitt operativa arbete. Både användare och ledningsgrupp har gett positiv feedback på leveransen.