Cíl

Ověřit správnost statistik na několika málo testovacích záznamech a přitom si srovnat klíčové pojmy, které se v přehledech opakují pod různými názvy.

Kdy tuto situaci řešit

• při prvním nastavování Evidence nebo po větších změnách činností, středisek či volitelných funkcí,
• když dvě statistické tabulky ukazují jiná čísla a nevíte, která je správně,
• když potřebujete vysvětlit kolegům rozdíl mezi příchody, příchod-dny, kolik klientů nebo práce za pracovníka.

Postup

1. Začněte opravdu malým vzorkem dat. Založte jeden testovací den a do něj jednu skupinovou práci se dvěma klienty a několika činnostmi.
2. Hned po uložení otevřete Statistiky a filtrujte jen tento jeden den. Ověřte základní počty v docházce a v činnostech.
3. Do stejného dne přidejte jednu individuální práci a znovu porovnejte stejné tabulky.
4. Nakonec přidejte docházku zaměstnance a podívejte se, jestli se součet hodin nebo práce za pracovníka propisuje i tam, kde to čekáte.
5. Porovnávejte tabulky, které počítají stejnou věc jinou cestou. Když se čísla rozcházejí už na malém vzorku, nemá smysl hned testovat celý měsíc nebo rok.
6. Při čtení výsledků rozlišujte pojmy:

• Příchod / kontakt = jeden konkrétní záznam individuální nebo skupinové práce,
• Příchod-den = více příchodů jednoho klienta v jednom dni počítaných jako jeden den kontaktu,
• Kolik klientů = počet unikátních klientů nezávisle na počtu návštěv,
• Poskytnutí činnosti = počet všech uložených poskytnutých činností,
• Práce za pracovníka = čas činnosti násobený počtem pracovníků, ne počtem klientů.

1. Jakmile malý vzorek sedí, teprve potom rozšiřte test na delší období, ideálně nejdřív na jeden měsíc a až potom na celý rok.
2. Pokud používáte stejné filtry opakovaně, uložte si je jako vlastní sestavu. Tím si výrazně zmenšíte riziko, že při další kontrole jen omylem přefiltrujete jiná data.

Kontrolní body

• nejdřív testujete jeden den a pár záznamů, ne celé historické období,
• rozumíte rozdílu mezi unikátními klienty, příchody a příchod-dny,
• víte, že práce za pracovníka se odvíjí od počtu pracovníků,
• opakované filtry si umíte uložit jako sestavu pro další kontrolu.

Na co si dát pozor

• rozpad v číslech bývá často způsobený špatně zvoleným filtrem, ne chybným výpočtem,
• návštěvy anonymních skupin se započítají do základních počtů docházky, ale zmizí při filtrování podle klientských údajů,
• když testujete na velkém období bez malého kontrolního vzorku, velmi špatně se dohledává, kde chyba vznikla.