En esta página web, queremos compartir con usted diferentes casos de uso, soluciones y enfoques en los que hemos trabajado con diferentes socios/clientes:
Nos especializamos en la creación de potentes plataformas de datos que transforman la forma en que las organizaciones gestionan y utilizan sus datos con el objetivo de capacitar a nuestros clientes para desbloquear perspectivas significativas e impulsar la toma de decisiones impactantes.
Una organización planea recopilar encuestas usando Kobo (una herramienta gratuita para recopilar datos de encuestas). Sin embargo, queremos tener también los datos en una instancia de DHIS2. Para evitar hacer la entrada de datos dos veces se quiere transferir esta información automáticamente (eventos en DHIS2).
Más elementos de contexto:
Para cumplir esta petición, se estableció un proceso ETL utilizando Apache NiFi (un sistema fácil de usar, potente y fiable para procesar y distribuir datos). Los principales pasos de ese proceso son:
En esta captura de pantalla puede ver el proceso ETL configurado en Apache NiFi
Tenemos un clúster de máquinas para seguir el comportamiento (monitorear/monitorizar) de cada servidor que estamos gestionando. Este clúster consta de varias plataformas de BI que permiten rastrear y monitorizar diferentes variables:
Además, y para los servidores DHIS2, también ofrecemos una solución para monitorizar en tiempo casi real:
También proporcionamos un sistema de alertas centralizado, que está configurado para enviar alertas a diferentes canales (Teams, slack, Skype, correos electrónicos, SMS, notificaciones push, etc.) siempre que se produzca una condición que active una alerta. Por ejemplo: Las analíticas no se están ejecutando, DHIS2 está tardando mucho en responder, la CPU o la memoria RAM alcanzan el 80% de utilización, etc.
Normalmente proporcionamos gestión en la nube con servicios AWS o Azure, pero estamos abiertos a explorar otras opciones si sur organización lo desea. Todos los servidores DHIS2 tendrán la siguiente configuración:
Todos nuestros servidores cumplen los protocolos de seguridad prescritos, incluidos múltiples niveles de protección para garantizar la confidencialidad de los datos.
Seguridad en los servidores
Seguridad de las bases de datos
Seguridad del servidor web
El uso de teléfonos inteligentes y aplicaciones de redes sociales como Facebook Messenger, WhatsApp, Viber o Telegram estaba muy extendido entre nuestros usuarios objetivo (el personal sanitario) para conectar con amigos y familiares.
Superando los impedimentos de las herramientas tradicionales de notificación en papel o en aplicaciones personalizadas, proponemos un mecanismo de notificación de enfermedades en tiempo real mediante chatbots de redes sociales (que los usuarios ya conocen).
Estas herramientas resultaron ideales por su facilidad de uso (¡todo el mundo tiene una cuenta en las redes sociales!) y solo requieren una formación, un mantenimiento y una resolución de problemas mínimos (no es necesario actualizar las aplicaciones, gestionar las cuentas de los usuarios ni garantizar la compatibilidad con los dispositivos móviles).
Con el fin de facilitar la adopción de esta propuesta, diseñamos y desplegamos varios chatbots para diferentes dominios como la salud y la educación, utilizando tecnologías como Microsoft Bot Framework o RapidPro.
Nuestros chatbots se implementan sobre varias redes sociales y aplicaciones de mensajería, como: Facebook Messenger, Viber, Whatsapp, Skype, Slack, Zalo, Telegram, entre otras.
Estas soluciones permiten recopilar casos desde el bot y enviarlos a cualquier backend (es decir, a un programa de seguimiento en una instancia de DHIS2). Además, se están creando flujos de chatbot para facilitar la comunicación y proporcionar asistencia a los usuarios finales.
Nuestros chatbots se están utilizando en Vietnam, Laos, Myanmar (casos de coronavirus y malaria), Filipinas, Panamá e Indonesia (educación).
En Myanmar, Population Services International puso en marcha el chatbot del Sistema de Información sobre Enfermedades de Declaración Obligatoria («NODIS»), creado inicialmente para notificar casos de paludismo mediante Facebook Messenger y guardado en una base de datos DHIS2.
El chatbot se actualizó con opciones adicionales para la notificación de enfermedades como la tuberculosis («TB probable») y la fiebre con erupción cutánea (sarampión, dengue, chikungunya, etc.), además de incluir un canal de notificación adicional, Viber.
Además, se envían alertas instantáneas a las autoridades sanitarias locales a través de SMS y los casos se sincronizan con la plataforma de código abierto DHIS2, lo que abre la puerta a una posible integración futura de los datos en los sistemas nacionales de vigilancia.
¿Cómo navegan los usuarios finales por DHIS2? ¿Cuáles son las principales visualizaciones de DHIS2 a las que se accede? ¿Se utilizan realmente los cuadros de mando (dashboards)? Todas estas son preguntas clave para medir cómo se está utilizando el sistema, y si el sistema está teniendo un impacto en términos de calidad de datos, acceso y visualización significativa.
DHIS2 dispone de herramientas (por ejemplo, la aplicación Usage Analytics) que permiten obtener visualizaciones de métricas como las vistas favoritas, los favoritos principales, etc. Sin embargo, dependiendo de la complejidad de las métricas a representar, las aplicaciones por defecto de DHIS2 no son actualmente tan adecuadas para medir los análisis dinámicos de los diferentes tipos de comportamientos y compromiso de los usuarios.
La mayor parte de esta información suele exponerse en los registros del sistema (logs) como texto libre, especialmente en los registros del servidor web y de la aplicación. Es posible encontrar en la navegación de esos archivos información sobre los API endpoints más utilizados, el tiempo de latencia, los dispositivos y navegadores que acceden al sistema y, si están expuestos, los nombres de usuario en DHIS2.
Para los análisis de uso complejos, se trata de un enfoque que utiliza los logs de DHIS2 y del nginx como fuente para analizar el comportamiento del usuario final y su compromiso con el sistema. Independientemente del tamaño de los archivos de registro y de su formato, es posible transformar el contenido de esos archivos en dimensiones y hechos que pueden almacenarse en un almacén de datos. A continuación, es posible conectar el almacén de datos con cualquier herramienta de BI (como PowerBI, Tableau, superset, etc.) para realizar cálculos complejos, generar métricas personalizadas y presentar visualizaciones avanzadas del uso del sistema DHIS2.
Esta solución se utiliza para algunos clientes, como Population Services International (PSI) o MSF España.
