Durch einen höheren Bedarf an Gesundheitsleistungen bei gleichzeitig sinkender
Zahl an Beitragszahlern hat sich die Marktsituation des deutschen Gesundheitssystems
und insbesondere des Krankenhausmarktes verändert. Ein stärkerer Wettbewerbs-
und Kostendruck zwingt Krankenhaus-Controller neue Potentiale zu erschließen
und Leistungsangebote konkurrenzfähig auszubauen. Zur Sicherung der Wettbewerbsfähigkeit und zur Entscheidungsfindung müssen Informationen ¨uber das eigene
Krankenhaus, über Wettbewerber und über allgemeine Statistiken zu aktuellen
Entwicklungen vorliegen. Die Nutzung von analytischen Informationssystemen
bietet sich aufgrund von multidimensionalen explorativen Analysen auf integrierten
qualitäsgesicherten Datenbeständen zur Klärung fachspezifischer Fragestellungen an.
Problematisch ist jedoch ihre Komplexität, wodurch nur geschulte Analysten mit entsprechendem
Analyse- und Domänenwissen adäquate Analysen durchf¨uhren können.
Schwerpunkt des hier vorgestellten Ansatzes ist die Konzeption einer semantischen
Metadatenebene in einem analytischen Informationssystem, um explizit modelliertes
Analyse- und Domänenwissen zu importieren, zu verwalten und für weiterführende
Funktionalit¨aten der Analyse- und Entscheidungsunterstützung im Kontext der Krankenhausmarktanalyse
zu nutzen.
Informatik 2011 - Workshop DIG - Potenziale wissensbasierter Analytischer Informationssysteme am Beispiel der Krankenhausmarktanalyse
1. Informatik 2011
- Workshop: Datenmanagement und Interoperabilität im Gesundheitswesen
Potenziale wissensbasierter Analytischer
Informationssysteme am Beispiel der
Krankenhausmarktanalyse
Matthias Mertens
OFFIS - Institut für Informatik
FuE Bereich Gesundheit
Gruppe Datenmangement und -analyse
Escherweg 2 - 26121 Oldenburg - Germany
Phone/Fax.: +49 441 9722-726
E-Mail: mertens@offis.de
19.10.2011
3. 3 Motivation 1/2
Informationsbedarf von Entscheidungsträgern
Deutscher Gesundheitsmarkt [BR05]
Steigender Bedarf an Gesundheitsleistungen
Verstärktes Gesundheitsbewusstsein, demografischer Wandel
Steigende Kosten weniger Beitragszahlern
Konsequenzen für Krankenhäuser [TRK+10]
Einführung Diagnoses Related Groups (DRG)
Marktwirtschaftlicher Kosten- und Wettbewerbsdruck
Sicherung der Wettbewerbsfähigkeit
Potentiale zielgerichtet erschließen; Leistungsangebote konkurrenzfähig ausrichten
Controller / Entscheidungsträger – Business User benötigen Informationen…
…auf deren Basis weiterführende Entscheidungen zur Anpassung der eigenen
Marktstrategie getroffen werden können
Matthias Mertens 19.10.2011
4. 4 Motivation 2/2
Fragestellungen von Business Usern
Krankenhausmarktanalyse (KMA)
Business User
Aktuelle Markt- und Wettbewerbssituation
Was ist mein Einzugsgebiet ?
Wer sind die Mitbewerber und Einweiser?
Welche Marktpotentiale / Marktanteile hab ich im Einzugsgebiet?
Matthias Mertens 19.10.2011
5. 5 Grundlagen 1/2
Datenquellen für die Krankenhausmarktanalyse
Routinedaten
überwiegend elektronisch verfügbare Daten über die
Krankenversorgung, basierend auf gesetzlichen Pflichten zur
Übermittlung an Dritte
Sozio-demografische Daten
Aktuelle Bevölkerungszahlen, Bevölkerungsprognosen
Geo-Melieus, Lebensphasen, Ethno, Konfession,
Raumentwicklungscluster,…
Statistiken statistisches Bundesamt / Landesämter
Kostenstrukturstatistik, Gesundheitsausgabenstatistik,
Pflegestatistik, Mikrozensus,…
Gesundheitsindikatoren des Bundes und der Länder
(Gesundheitsberichtserstattung)
Änderungen im Patientenspektrum, Verhalten einweisender Ärzte, Versorgungslücken [SGDT11]
Ausbau des eigenen Leistungsspektrum / Einweisermarketing
Matthias Mertens 19.10.2011
6. 6 Grundlagen 2/2
Business Intelligence & Analytische Informationssysteme
Verständnis von Business Intelligence (BI) [GK06]
Unterstützung des Managements / Verbesserung der Entscheidungsfindungsprozess
„Begriffsverständnis reicht von [..] Informationssysteme auf der Basis multidimensionaler
Datenstrukturen sowie managementgeeigneter Benutzerführung bis zu […]
analyseorientierten und informationsversorgenden Systemlandschaft, die eine BI-
Gesamtarchitektur bildet.“
Definition Analytische Informationssysteme (AIS) [CG06]
„[…] logische Klammer, welche die gängigen Schlagworte wie ‚Data Warehouse‘ , ‚On-Line
Analytical Processing‘ und ‚Data Mining‘ aber auch konkrete betriebswirtschaftliche
Anwendungslösungen für dispositive Zwecke umschließt.“
„[…] Informationsversorgung und funktionale Unterstützung betrieblicher Fach- und
Führungskräfte zu Analysezwecken […]“ steht im Vordergrund
Matthias Mertens 19.10.2011
7. 7 Problemstellung 1/2
Anwendergruppen
Power User (Business Analysts, IT professionals, …) [Eck11]
100 % ihrer Zeit: Informationen und Informationserzeugung Power User
Greifen Daten ad-hoc und explorativ in AIS zu + weitere Systeme
Verfügen über ausgeprägtes domänenspezifisches Analysewissen
KMA Umfeld: Beratungsfirmen
Business User (Führungskräfte, Manger, Außendienst- /Betriebs-Personal, …) [Eck11]
Informationsbedarf zur Entscheidungsunterstützung
80 % ihrer Zeit: passives konsumieren von Informationen
Business User
Informationsbereitstellung durch auf Rollen zugeschnittene Reports
Was ist mit den anderen 20 % der Zeit ?
Benötigen Informationen; nicht enthalten in zugeschnittenen Quellen
An Power User wenden klare Anforderungsdefinition, Zeitaufwendig, Zusatzkosten
Selbst zu Informationserzeugern werden; eigenständig Informationen aus dem AIS ableiten
Matthias Mertens 19.10.2011
8. 8 Problemstellung 2/2 Einweisende Ärzte
Mitbewerber
Mängel von AIS Marktanteil / -potenzial
?
Hohe Nutzungs-Komplexität für Business User
Hohe Interaktion mit dem AIS notwendig
OLAP Operationen im Rahmen der Analyse: Kennzahlen, Klassifikationsebenen, -elemente,
Visualisierungen
Domänenwissen
?
Business User
Geringe Berücksichtigung zusätzlicher Metadaten
Weiterführende Hintergrundinformationen zu qualitativen DWH Daten: Struktur und Elemente
Bedeutung und Berechung von Kennzahlen
Nicht modellierte Beziehungen von Klassifikationselementen
Informationen zu quantitativen DWH-Daten (Faktdaten) - Analyseergebnisse
?
Keine Möglichkeit zur Modellierung, Importierung, Verwaltung und Nutzung von
Power User
domänenspezifischen Analysewissen – Analysestrategien, Best Practices
Informations-Selbstversorgung der Business User schwierig im AIS
Matthias Mertens 19.10.2011
9. 9 Problemstellung 2/2
Mängel von AIS
Hohe Nutzungs-Komplexität für Business User
Hohe Interaktion mit dem AIS notwendig
OLAP Operationen im Rahmen der Analyse: Kennzahlen, Klassifikationsebenen, -elemente,
Visualisierungen
Geringe Berücksichtigung zusätzlicher Metadaten
Weiterführende Hintergrundinformationen zu qualitativen DWH Daten: Struktur und Elemente
Bedeutung und Berechung von Kennzahlen
Nicht modellierte Beziehungen von Klassifikationselementen
Informationen zu quantitativen DWH-Daten (Faktdaten) - Analyseergebnisse
Keine Möglichkeit zur Modellierung, Importierung, Verwaltung und Nutzung von
domänenspezifischen Analysewissen – Analysestrategien, Best Practices
Informations-Selbstversorgung der Business User schwierig im AIS
Matthias Mertens 19.10.2011
10. 10 Forschungsbedarf
Forschungsfrage und Ziel
Ist eine
Informations-Selbstversorgung von Business Usern
durch die Reduktion der Nutzungs-Komplexität
und die Nutzung von explizit modelliertem Wissen
in einem generischen AIS
möglich?
Ziel:
In einem generischen AIS Business User befähigen,
eigenständig explorative Analysen für eine Domäne,
auf zuvor definierten Fragestellungen durchzuführen,
unter Ausnutzung von explizit modelliertem Analysewissen,
das Anwendung in analyseunterstützenden Funktionen findet.
Matthias Mertens 19.10.2011
11. 11 KNOBI - Knowledge based Business Intelligence
grundlegende Idee
Einbindung einer „semantischen Metadatenebene“ in die
Analysekomponente eines AIS
Herleiten von domänenspezifischen Analysewissen und
modellieren in Form von semantischen Metadaten
Import, Verwaltung des modellierten Wissens
Nutzung des Wissens in analyseunterstützenden Funktionen
Suche: assistiertes Auffinden von definierten Fragestellungen und
Analyseergebnissen und zugehörigen Metadaten
Navigation: entlang definierter Analysepfade zu Fragestellungen
Vorschlagsgenerierung: zu sinnvollen weiteren Analyseschritten
Matthias Mertens 19.10.2011
12. 12 KNOBI - Anforderungen
Domänenunabhängiges AIS
Ergänzung des Konzepts der generischen AIS um ein generisches Konzept zur Informations-
Selbstversorgung von Business Usern
Komplexitätsreduktion bei gleichbleibender Funktionalität des AIS
Durchführung eigenständiger explorativer Analysen zu definierten Fragestellungen im AIS
Erstellen gleichwertiger Analyseergebnisse, wie die der Power User, zu definierten Fragestellungen
Analyseunterstützende Funktionen auf Basis von semantischen Metadaten
explizit modelliertes, semantisches, maschinenlesbares / - verständliches Wissen
Suche, Navigation, Vorschlagsgenerierung
Intelligente Verknüpfung und Nutzung verschiedener Metadatenarten
Hintergrundinformationen zu qualitativen und quantitativen DWH-Daten
Wissen zu Analyseprozessen im AIS („Best Practices“)
Flexibles und erweiterbares Metadatenmodell
Performance für die interaktive Arbeit mit dem System
Zusammenspiel des Modells, der unterstützenden Funktionen, OLAP- Operationen
Matthias Mertens 19.10.2011
14. 14 KNOBI - semantisches Metadatenmodell
Technische Ontologie
Problem:
Referenzierung von Elementen des Multidimensionalen Datenmodells
(MDM) in aufbauenden Metadaten zu domänenspez. Analysewissen,
qualitativen und quantitativen DWH-Daten
Lösungsansatz:
Semantische Beschreibung der qualitativen DWH-Daten (Struktur und
Elemente des MDM) [Har08]
Klassenebene: Modellierung der Entitäten, Beziehungen und Attribute
Instanzebene: Instanziierung der Klassenebene durch ein Referenz-MDM
Ziele:
Referenzierung von Entitäten eines Referenz-MDM und deren Instanzen in
aufbauenden Metadaten
Bedarfe:
Sprache zur Erstellung der Metadaten
Modellierung des allg. MDM Aufbau auf Klassenebene
Erfassung von Struktur und enthaltener Semantik des Referenz – MDM
Matthias Mertens 19.10.2011
15. 15 KNOBI - semantisches Metadatenmodell
Technische Ontologie
Problem:
Referenzierung von Elementen des Multidimensionalen Datenmodells
(MDM) in aufbauenden Metadaten zu domänenspez. Analysewissen,
qualitativen und quantitativen DWH-Daten
Lösungsansatz:
Semantische Beschreibung der qualitativen DWH-Daten (Struktur und
Elemente des MDM) [Har08]
Klassenebene: Modellierung der Entitäten, Beziehungen und Attribute
Instanzebene: Instanziierung der Klassenebene durch ein Referenz-MDM
Ziele:
Referenzierung von Entitäten eines Referenz-MDM und deren Instanzen in
aufbauenden Metadaten
Bedarfe:
Sprache zur Erstellung der Metadaten
Modellierung des allg. MDM Aufbau auf Klassenebene
Erfassung von Struktur und enthaltener Semantik des Referenz – MDM
Matthias Mertens 19.10.2011
16. 16 KNOBI - semantisches Metadatenmodell
Analyse Ontologie
Problem:
Bereitstellung von domänenunabhängigen Konzepten die eine Modellierung
von domänenspez. Analysewissen erlauben
Lösungsansatz:
Klassenebene: Modellierung Analyserelevanter Entitäten, Beziehungen
zueinander sowie zugehöriger Attribute
Ziele:
Domänenspezifisches Analysewissen, von Fragestellungen über Analysepfade
hin zu Analyseergebnissen für AIS, kann für verschiedene Domänen modelliert
werden.
Bedarfe:
Entitäten (Klassen) des zugrunde liegenden MDM müssen referenzierbar sein
Matthias Mertens 19.10.2011
17. interpretiert
1 Analyseergebnis
analysiert /
wird analysiert von Personen hat Fragestellung /
/ erkannt von
0..* gestellt von
0..* Hat Vorgänger /
durchläuft / Nachfolger
17 KNOBI - semantisches Metadatenmodell
Verfahren 0..*
Bestandteil von
1..*
0..*
wirft auf / gestellt in
0..*
1..*
0..* 0..*
0..*
Analyse Ontologie Analyse 0..* untersucht
/ wird untersucht in
1..* Fragestellung
0..*
0..*
1 0..* 0..*
0..* 0..1
1
Problem: enthält / enthalten in
1..* hat Start-Analysevisal.
Untergliedert sich in /
gehört zu
/ ist Start-Analysevisual.
für
Bereitstellung von domänenunabhängigen Konzepten die eine Modellierung
Analysepfad
von anwendbar auf / kann
domänenspez. enthält Domänenop.
angewendet werden
Analysewissen erlauben
1..* 1..*
enthält Analysevisualisierung ähnlich zu
(symmetrisch) Wird beantwortet
/ enthalten in Analysepfad / enthalten in Analysepfad
durch / beantwortet
1..* 1..* 0..* 0..*
Lösungsansatz: 0..* 1..2
0..*
potentiell enthalten
Domänen- verknüpft / ist Analyse- 1..*
/ erkennbar in
verknüpft durch visualisierung enthält Analyseergebnis
operator
Klassenebene: Modellierung Analyserelevanter Entitäten, Beziehungen
anwenbar auf /
0..* / erkannt in
Analysevisualisierung Ursache von /
0..* 0..* anwendbare BR 0..* 0..*
enthält Business Rule. Wirkung von
zueinander sowie zugehöriger Attribute enthält OLAP Op. 0..*
/ enthalten in Domänen Op. / enthalten in Domänen Op. 0..1 0..*
0..* 0..*
0..* 0..*
0..* 0..*
0..* Angewendet Tabelle Diagramm 0..*
Business OLAP 0..*
Ziele: 0..1
Rule
0..*
Stößt an /
1
Operator
auf /
hergeleitet
Analyseergebnis
durch Zwischen- 0..*
initiiert durch Karte
schritt
Domänenspezifisches Analysewissen, von Fragestellungen über Analysepfade
0..1
Vorgänger /
0..* verwendet
Konten /
Nachfolger dargestellt anwendbar auf / kann direkte indirekte
hin zu Analyseergebnissen für AIS, kann Stellt da /
Pivotierung Dice Wählt
in da
für verschiedene Domänen modelliert
angewendet werden Annotation Annotation
Dimensionen / dargestellt 1..*
werden. Wählt
Kennzahl /
0..* Slice 0..*
0..* gewählt durch in
enthält / ist enthalten in
gewählt 1
durch Drill Down / annotiert /
Bedarfe: Roll up
1 annotiert in Annotations-
1..*
DWH-Ontologie 1..* 0..* entität
Kennzahl referenziert
Wählt
Entitäten (Klassen) des zugrunde liegenden auf/
Spannt MDM müssen referenzierbar sein
1 0..*
0..*
Knoten/
Gewählt
1 Kenzahl /
referenziert in
Verändert aufgespannt in
Aggregationsstufe durch 1..* referenziert
/ geändert durch Wählt Knoten/ 0..* Dimensionen /
DWH-Ontologie
Gewählt durch Dimension referenziert in
1 1..*
1..* annotiert Knoten /
DWH-Ontologie
1..* DWH-Ontologie referenziert
Ebene
Klassifikations- 0..* annotiert in Knoten /
1..*
knoten referenziert in
Matthias Mertens 19.10.2011
18. 18 KNOBI - semantisches Metadatenmodell 1/2
Domänen Ontologie
Problem:
Domänenspez. Analysewissen muss in einer maschinenlesbaren Form
vorliegen, für Nutzung in analyseunterstützenden Funktionen des AIS
Lösungsansatz:
Erweiterung der Klassenebene der Analyse-Ontologie
Instanziierung der Entitäten, Relationen, Attribute der Analyse-Ontologie
Ziele:
Verfügbarkeit von Wissen in Form von semantischen Metadaten zu
domänenspezifisches Analysewissen, qualitativen und quantitativen DWH-Daten
Nutzung der Metadaten für verschiedene analyseunterstützende Funktionen zur
Bildung einer Informations-Selbstversorgung von Entscheidungsträgern im AIS
Bedarfe:
Generische Analyse-Ontologie, die Entitäten zur Instanziierung bereitstellt
Entitäten (Instanzen) des Referenz-MDM müssen referenzierbar sein
Domänenspez. Wissen muss zuvor abgeleitet werden
Matthias Mertens 19.10.2011
20. 20 KNOBI - analyseunterstützende Funktionen 1/3
Suche eingesetzte Technologien
&
Problem:
Auffinden von definierten Fragestellungen / Analyseergebnissen und verknüpften Metadaten
Lösungsansatz:
Assistenz des Business Users beim Auffinden von Fragestellungen / Analyseergebnissen
Interaktive Zusammenstellung einer deklarativen SPARQL Anfrage gegen die Ontologien
Anzeige von Ergebnissen in geeigneter Form (interaktive Tabellen, Analysevisualisierungen)
Ziele:
Assistiertes Finden von im System definierten Fragestellungen / Analyseergebnissen
Ergebnisse als Ausgangspunkt für Analysen auf den zu Grunde liegenden Daten des DWH
Bedarfe:
System muss sich im Regelbetrieb beim Kunden befinden.
Matthias Mertens 19.10.2011
21. 21 KNOBI - analyseunterstützende Funktionen 1/3
Suche eingesetzte Technologien
&
Problem:
Auffinden von definierten Fragestellungen / Analyseergebnissen und verknüpften Metadaten
Lösungsansatz:
Assistenz des Business Users beim Auffinden von Fragestellungen / Analyseergebnissen
Interaktive Zusammenstellung einer deklarativen SPARQL Anfrage gegen die Ontologien
Anzeige von Ergebnissen in geeigneter Form (interaktive Tabellen, Analysevisualisierungen)
Ziele:
Assistiertes Finden von im System definierten Fragestellungen / Analyseergebnissen
Ergebnisse als Ausgangspunkt für Analysen auf den zu Grunde liegenden Daten des DWH
Bedarfe:
System muss sich im Regelbetrieb beim Kunden befinden.
Matthias Mertens 19.10.2011
22. 22 KNOBI - analyseunterstützende Funktionen 2/3
Navigation
Freie Navigation entlang der semantischer Beziehungen
Anwendung des Konzept im Ansatz für:
Reine Navigation im Metadatenmodell (semantisches Netz)
Navigation im Metadatenmodell zur Erstellung deklarativer Such-Anfragen
Navigation im Metadatenmodell mit paralleler Ausführung von OLAP Operatoren und Visualisierung
quantitativer DWH-Daten
Matthias Mertens 19.10.2011
23. 23 KNOBI - analyseunterstützende Funktionen 3/3
Vorschlagsgenerierung
Regelbasiertes Geben von sinnvollen analyserelevanten Vorschlägen …
…im Kontext spezifischer Fragestellungen, Analysevisualisierungen und -ergebnisse (Instanzen)
Conditions: Business Rules reagieren auf Zustände des Systems (gewählte Kennzahlen,
Klassifikationen, Klassifikationsebenen, -elemente, Visualisierungen, Analyseergebnisse, ...)
Vorschläge:
Sinnvolle weitere Analyseschritte: Analysevisualisierungen die zur Beantwortung der aktuellen
Fragestellung dienen
Bsp.: Marktanteil auf Krankenhausebene Marktanteil auf Fachabteilungsebene
Klassifikationsknoten des MDM, die im Analysekontext relevant sein könnten
Bsp.: Die Fachabteilung Orthopädie verfügt nur über folgende Behandlungen (OPS-Codes)
Notwendige Fragestellungen, die zuvor analysiert werden sollten
Bsp.: Das Einzugsgebiet sollte für den Marktanteil ermittelt sein
Weiterführende Fragestellungen die aufgrund von Analyseergebnissen sinnvoll sind
Bsp.: Einbruch des Marktanteils über Zeit in einer Region Analyse der Einweiser in der Region
Matthias Mertens 19.10.2011
24. 24 Literatur
[BR05] Busse, R., & Riesberg, A. (2005). Gesundheitssysteme im Wandel. WHO Regionalbüro für Europa.
[Baa05] Baars. H. (2006). Distribution von Business-Intelligence-Wissen. IN P.Chamoni & P.Gluchowski (Ed.),
Analytische Informationssysteme, (pp. 409–424). Berlin, Springer
[BRZ+10] Berthold, H., Rösch,P., Zöller, S., Wortmann, F., Carenini, A., Campbell, S., Bisson, P., & Strohmaier, F. (2010).
An architecture for ad-hoc and collaborative business intelligence. New York, NY, USA.
[CG06] Chamoni, P. & Gluchowski, P. (2006), Analytische Informationssysteme. Berlin, Springer.
[Eck11] Wayne, E. (2011). The Secrets of Self Service BI.
[GK06] Gluchowski, P., & Kemper, H.-G. (2006). Quo Vadis Business Intelligence. BI Spektrum 2006(1), 12–19.
[Har08] Hartmann, S. (2008). Überwindung semantischer Heterogenität bei multiplen Data-Warehouse-Systemen.
Bamberg, University of Bamberg Press
[IW11] Imhoff, C. & White, C. (2011). Self Service Business Intelligence – Empowering Users to Generate Insights. In
TDWI Best Practices Report. TDWI Research.
[SCM+05] Sell, D., Cabral, L., Motta, E., Domingue, J., Hakimpour, F., & Pacheco, R. (2005). A Semantic Web Based
Architecture for Analytical Tools. IEEE Computer Society, Washington, DC, USA
[SGDT11] Stibbe, R., Güsgen, J., Dierkes, A., & Tilgen, M. (2011). Geocodierung als Instrument zur Marktanalyse. In KU
Gesundheitsmanagement, 1, 29 – 31.
[SKGS08] Spahn, M., Kleb, J., Grimm, S., & Scheidl, S. (2008). Supporting business intelligence by providing ontology-
based end-user information self-service. ACM, New York, NY, USA
[TRK+10] Thoben, W., Rohde, M., Koch, S., Appelrath, H.-J., & Stuber, R. (2010). Konzepte und Technologien für die
strategische Planung im Krankenhausmarkt. In Krankenhaus IT Journal, 5, 26 – 27.
Matthias Mertens 19.10.2011
25. 25 Zusammenfassung
Fazit
Motivation
Identifikation des Bedarfs für eine Informations-Selbstversorgung der Business User
Analytische Informationssysteme zur Analyse von Fragestellungen durch hohe Nutzungs- Komplexität
nur bedingt geeignet
Forschungsbedarf
Forschungsfrage zur Informations-Selbstversorgung mittels erweitertem AIS
Anforderungen an einen Lösungsansatz
Konzept
Architekturskizze: Einbindung einer semantischen Metadatenebene ins AIS
Metadatenmodell: Technische, Analyse und Domänen Ontologie
Analyseunterstützende Funktionalitäten: Suche, Navigation, Vorschlagsgenerierung
Forschungsmethodik / Evaluation
Design Science: Erstellung / Evaluierung / Verfeinerung von Artefakten (Prototypen)
Erster Prototyp auf Basis Von MUSTANG Ende 2011
Evaluierung mittels Fallstudien im KMA Umfeld
Matthias Mertens 19.10.2011