Thiết kế lại Biểu mẫu thu hút khách hàng của HSOC để có chất lượng dữ liệu tốt hơn

Đối tác thành phố: Trung tâm điều hành đường phố y tế (HSOC)
Đối tác Pro Bono: US Digital Response

Trung tâm điều hành đường phố lành mạnh (HSOC) giúp đỡ những người sống trong các khu cắm trại lớn (6+ lều) bằng cách cung cấp cho họ nơi trú ẩn, dịch vụ hỗ trợ sức khỏe và hành vi. Nhóm HSOC cần thông tin chính xác và đầy đủ về khách hàng để đưa ra quyết định dựa trên dữ liệu về khách hàng và hệ thống. Dữ liệu chính xác và chuẩn hóa cũng là một phần không thể thiếu để phát triển các số liệu phân tích và hiệu suất để lập chiến lược và ưu tiên các phương pháp tiếp cận dựa trên hiệu suất trước đó.

HSOC đã hợp tác với US Digital Response (USDR) để tinh chỉnh các câu hỏi trong biểu mẫu tiếp xúc khách hàng nhằm hợp lý hóa quy trình tiếp nhận, cũng như cập nhật biểu mẫu bằng các trường cố định để chuẩn hóa dữ liệu được thu thập.

Thách thức

Trước dự án này, quy trình tiếp cận khách hàng của HSOC được thực hiện thủ công, lộn xộn và dễ xảy ra lỗi của con người:

• Quy trình tiếp nhận khách hàng yêu cầu nhân viên tiếp cận phải điền vào Khảo sát Microsoft Forms gồm hơn 20 câu hỏi cho mọi khách hàng mà họ gặp ngoài thực địa.
• Sau đó, nhà phân tích sẽ sao chép và dán dữ liệu thô của biểu mẫu vào bảng tính Excel SharePoint để dọn dẹp.
• Nhiều trường trong biểu mẫu là dữ liệu đầu vào mở (khác với dữ liệu cố định/thả xuống), dẫn đến việc thiếu chuẩn hóa trên toàn bộ dữ liệu được thu thập.

Quá trình

Nhóm tình nguyện viên USDR đã tiến hành nghiên cứu người dùng với các nhân viên tiếp cận HSOC và các đối tác phòng ban để hiểu những thách thức trong quy trình tiếp nhận dữ liệu hiện tại. Sử dụng những hiểu biết thu thập được từ nghiên cứu người dùng, các tình nguyện viên USDR đã phát triển một bản đồ các bên liên quan toàn diện về dữ liệu biểu mẫu. Bản đồ hành trình thể hiện trực quan cách những người dùng khác nhau trong suốt quá trình tiếp nhận dữ liệu tương tác với dữ liệu được thu thập trong biểu mẫu tiếp cận.

Các mục tiêu chính của dự án được xác định thông qua nghiên cứu người dùng và lập bản đồ các bên liên quan của USDR là:

• Tự động hóa quy trình dọn dẹp dữ liệu để giảm bớt công việc thủ công.
• Tối ưu hóa định dạng dữ liệu và báo cáo để tạo điều kiện phân tích và trả lời các câu hỏi chính sách phổ biến dễ dàng hơn.
• Cải thiện quy trình nhập dữ liệu bằng cách giải quyết các vấn đề liên quan đến câu hỏi trùng lặp và câu trả lời tự do.

Sau khi xác định các mục tiêu chính này, nhóm USDR đã tiến hành kiểm toán biểu mẫu hiện có để xác định các cơ hội tiềm năng để cải thiện tiêu chuẩn hóa. Các lĩnh vực tối ưu hóa chính được xác định là:

• Ngày
• Vị trí
• Từ chối/Chấp nhận nơi trú ẩn
• Cấu trúc dạng tổng quát.

Sản phẩm giao

USDR đã phát triển hai nguyên mẫu cho một dạng nạp mới, cải tiến. Các nguyên mẫu này tập trung vào:

• Tính thân thiện với người dùng
• Cải thiện chuẩn hóa các câu hỏi
• Chất lượng dữ liệu
• Khả năng tương thích với thiết bị di động

Với nhiều cách để kiểm tra một khu vực vấn đề duy nhất, nhóm đã quyết định tiến hành thử nghiệm hai giai đoạn (A/B). Mục tiêu của việc thử nghiệm các giai đoạn khác nhau để cải thiện hình thức là hai mặt:

• Cải thiện chất lượng tổng thể của dữ liệu nhận được để các Nhà phân tích dữ liệu có thể dành ít thời gian hơn cho việc dọn dẹp dữ liệu bẩn theo cách thủ công.
• Cải thiện trải nghiệm chung của người dùng về biểu mẫu để các thành viên ERT dễ dàng điền thông tin hơn khi đang ở ngoài thực địa.

Sự va chạm

Những thay đổi về biểu mẫu đã làm giảm tỷ lệ bài nộp có chứa dữ liệu không hợp lệ từ 15,38% xuống 2,49% — cải thiện 84%.

Nhìn chung, những thay đổi được thực hiện trong cả hai thử nghiệm Giai đoạn 1 và Giai đoạn 2 đã làm giảm nhu cầu dọn dẹp cơ sở dữ liệu thủ công. Mặc dù vẫn cần dọn dẹp cho 'Ngày' và 'Vị trí nhập thủ công', việc thêm văn bản trợ giúp và danh sách thả xuống cố định cho Ngày và Vị trí tương ứng đã làm giảm đáng kể lượng công việc dọn dẹp cần thiết.

Việc chuẩn hóa dữ liệu đầu vào vừa cải thiện trực tiếp chất lượng dữ liệu HSOC được tải thường xuyên lên tập dữ liệu ASTRID, vừa cung cấp thông tin chi tiết có thể mở rộng quy mô để các nhóm dữ liệu đường phố khác chuẩn hóa và cải thiện quy trình tiếp nhận dữ liệu thực địa của họ.