Beleidsinformatie id zorg

NVKVVOPLEIDING

INFORMATIESYSTEEMVERPLEEGKUNDIGE

17 /01/2014

K o e n D e M e e s t e r

A d v i s e u r B e l e i d s i n f o r m a t i e

A Z S i n t - L u c a s G e n t

BELEIDSINFORMATIE i/d ZORGvan gegevens naar datawarehouse naar business intelligence

18/01/2014

1

http://www.linkedin.com/in/koendemeester/

http://www.slideshare.net/koendemeester1

http://prezi.com/user/zbkctivoz-kl/

http://www.azstlucas.be/

W A T I S B U S I N E S S I N T E L L I G E N C E ?

18/01/2014

2

Inleiding

WatGegevens informatie

Informatie bestaat uit gegevens (synoniem: data) waar een betekenis aan is toegekend.

Strikt genomen staat in een boekwerk dan ook nooit informatie, maar slechts gegevens.

De betekenis die een lezer aan de gegevens toekent, vormen informatie voor die persoon.

“Gent” & “Oost-Vlaanderen” zijn gegevens, waar op zichzelf geen betekenis in zit. De betekenis die daar in wordt gelegd als in “Gent is de provinciehoofdstad van Oost-Vlaanderen” is informatie die gebaseerd is op die gegevens.

18/01/2014

3


Informatie =

individueel relevante deel van hetgene een waarnemer (=de ontvanger) van binnengekomen (=ontvangen) gegevens maakt

hetgene dat aan de kennis van de waarnemer bijdraagt door het hebben van betekenis of nieuwswaarde waardoor het van belang is voor het handelen van de waarnemer.

Waarheid is perceptie!

Het is ontvanger die bepaalt wat op een bepaald moment wel of geen informatie is.

18/01/2014

4


18/01/2014

5

http://www.infogineering.net/data-information-knowledge.htm







18/01/2014

6

http://www.youtube.com/watch?v=LFnewuBsYiY&feature=share&list=PLEF07A5516DD6D0A5


18/01/2014

7


18/01/2014

8


18/01/2014

9


18/01/2014

10


18/01/2014

11


18/01/2014

12


18/01/2014

13

Historiek

„A Business Intelligence System' (Luhn, 1958)

Proces waarbinnen gegevens worden omgezet tot informatie, die vervolgens leidt tot kennis.

The availability of documents in machine-readable form is a basic requirement of the system. Typewriters with paper-tape punching attachments are already used extensively in information processing and communication operations. Their use as standard equipment in the future would provide machine-readable records of new information. The transcription of old records would pose a problem, since in most cases it would be uneconomical to perform this job by hand. The mechanization of this operation will therefore have to wait until print-reading devices have been perfected.

18/01/2014

14

Doelstelling?

De belangrijkste doelstelling van BI binnen een organisatie is om geavanceerde kennis van zaken te leveren aan kenniswerkers en managers waardoor deze in staat zijn betere keuzes te maken die leiden tot succesvolle acties.

18/01/2014

15

Praktische betekenis?

Beleidsinformatie i/d zorg

Ziekenhuisdirecteur?

Dienstverantwoordelijke verpleegafdeling?

18/01/2014

16

Praktische betekenis?

Zeer verscheiden in te vullen

Afhankelijk gekozen doelstellingen

AZ Sint-Blasius Dendermonde

http://icuro.be/documents/content/20121130PosterIcuro_BrendaDroesbekeAZSintBlasius.pdf

http://www.azsintblasius.be/over/jaarverslag/

18/01/2014

17








18/01/201418

18/01/201419

18/01/2014

20

Business Intelligence Life Cycle

18/01/2014

21


Bronsystemen

Data in de context van BI

Representatie van een organisatie en haar omgeving bij de dingen, mensen, locaties, gebeurtenissen en de onderlinge relaties.

Bronsystemen

Operationele systemen binnen de organisatie

Referentiedatabanken buiten de organisatie

http://statbel.fgov.be/nl/statistieken/cijfers/

Separate registraties binnen en buiten de organisatie

18/01/2014

22

http://statbel.fgov.be/nl/statistieken/cijfers/

BronsystemenOEFENING

Teken traject patiënt doorheen ziekenhuisverblijf

Welke bronssystemen?

Welke informatie?

18/01/2014

23

BronsystemenOEFENING

Teken traject patiënt doorheen ziekenhuisverblijf

Welke bronssystemen?

Welke informatie?

Masterdata : vaste begrippen

Ziekenhuisstructuur + patiënten- & artsinformatie

Transactionele data: interacties veel + vluchtige data

Patiëntenbeweging ADT (admission – discharge – transfer)

Medische gegevens MZG – EPD – OK – labo – apotheek – …

Financieel Facturatie – boekhouding

Lokale registratie bevallingen – kwaliteit – spoed – IZ …

HOE INFORMATIE HALEN UIT DIT KLUWEN…?

18/01/2014

24

BronsystemenBron van data, bron van ellende…?

18/01/2014

25

http://www.youtube.com/watch?v=KGHbY_Sales&feature=share&list=PLIBwmCV8YuLOXLGkYK1Ifid2lhaVBuh1N


18/01/2014

26


18/01/2014

27


18/01/2014

28


18/01/2014

29


18/01/2014

30

http://www.jdesource.com/business-intelligence/data-warehousing-in-lay-mans-term/

Transactionele databank & de gevolgen

Ontwikkeld om data te verzamelen

1 lijn per klant met alle informatie…

Niet ontwikkeld om data te bevragen

Traag, belastend voor productieomgeving

Nood aan data-integratie van aparte silo‟s + gevaar rapportvernietiging door wijzigingen in bronstructuur

Iedereen heeft eigen versie van de waarheid…

18/01/201431

18/01/2014

32


18/01/2014

33


Concept v/h datawarehouseDefinitie

« een data warehouse (datapakhuis) is het hart van de infrastructuur voor business intelligence »

« een data warehouse is een kopie van transactioneledata die specifiek geordend is voor opvragen en analyse »

« een data warehouse is een informatiesysteem voor de analyse van geïntegreerde, historische data over een langere tijdsperiode »

18/01/2014

34

Prof. B. Sijnave - Management van informatie(systemen) -2009

Concept v/h datawarehouseDefinitie – William (Bill) Inmon

A subject-oriented, integrated, time-variant, non-updatable collection of data used in support of management decision-making processes

« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt »

18/01/2014

35



« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Gegevens in een DWH zijn opgeslagen volgens onderwerp (patiënt,

kwaliteit, pathologie, verpleegeenheid, specialisme…) en niet per IT-systeem(facturatie, patiëntendossier, …)

Focus op analyse, niet op data-input

Elk systeem bevat slechts een partieel beeld over een onderwerp, data niet relevant voor beslissingsproces wordt geëxcludeerd

18/01/2014

36



« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Gegevens uit verschillende heterogene databronnen (relational databases,

flat files, on-line transaction records) worden samengebracht tot een coherent geheel met eenvormige definities en terminologie

Data cleaning + data integratie

Eénduidige naamgeving en definities; zelfde eenheden; code-structuur

Verschillende types ziekenhuiscontacten, datumstructuren, tijdseenheden,…

Alle data worden éénvormige geconverteerd indien binnengebracht in DWH

Gegevens worden aan elkaar gerelateerd (relationship constraints)

Eigenschappen van de gegevens (metadata) worden centraal opgeslagen en beheerd

18/01/2014

37



« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Snapshots van de gegevens worden opgeslagen op verschillende tijdstippen

als basis voor historische overzichten

Een datawarehouse bevat vaak meer historische gegevens dan de originele bronsystemen, zowel over snel als over langzaam veranderende gegevens (typisch over een periode van 5 à 10 jaar)

18/01/2014

38



« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Een DWH is een gerichte verzameling van gegevens

Gegevens in een DWH zijn losgekoppeld van de processen en omgeving waarin ze zijn ontstaan

18/01/2014

39



« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) In principe zijn in DWH geen veranderingen aan opgeslagen gegevens

mogelijk: de gegevens zijn niet-vluchtig (non-volatile)

Gewijzigde waarden worden opgeslagen als een nieuw gegeven in tegenstelling tot operationele systemen waar nieuwe waarden oude overschrijven

Enkel zicht op huidige waarde (vb. Overschrijven adres na verhuis)

Rapportage over gegevens uit DWH blijft reproduceerbaar

18/01/2014

40



« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Gebruikers van DWH zijn geen IT-ers maar komen ‘business-side’

DWH heeft als doel om gerichter beslissingen te kunnen nemen, om beleid beter te kunnen voorbereiden, uit te tekenen en uit te voeren

Design van DWH is specifiek om op performante wijze opzoekingen (queries) te doen in gegevens

18/01/2014

41


Concept v/h datawarehouseOperationele database >< Datawarehouse

18/01/2014

42


Operationele database Datawarehouse

Inhoud Huidige waarden, gedetailleerdegegevens

Historische gegevens,geconsolideerde en geaggregeerdegegevens

Reikwijdte Specifiek functioneel systeem Volledige organisatie

Doel Ondersteuning dagdagelijkseoperaties

Informatievoorziening, rapportage enanalyse

Toestand Redundante en onvolledigegegevens

Geïntegreerde, volledige gegevens

Soort gegevens Dynamisch: gegevens wijzigenVoortdurend

Statisch: gegevens blijvenonveranderd opgeslagen

Structuur Complex, geschikt vooroperationeel gebruik

Eenvoudig en eenduidig, geschiktvoor analyse

Gebruik Gericht op efficiëntie van transacties

Gericht op effectiviteit van analyses

Aanpasbaarheid Gegevens kunnen bijgewerktworden

Gegevens kunnen niet gewijzigd

18/01/201443

18/01/2014

44


ETL

18/01/2014

45

http://youtu.be/K_FCHYWGGug

ETL

18/01/2014

46

ETL

18/01/2014

47

ETL proces

18/01/2014

48

Extract Transfer Load

ETL procesExtract

18/01/2014

49

Statische extractie = snapshot van de bron op bepaald ogenblik in tijd

Incrementele extract = waarnemen van de wijzigingen sindslaatste statische extractie

Capture = extract…snapshot nemen van de beperkt deel brondata en laden in DWH

ETL procesExtract

18/01/2014

50

Fouten corrigeren: schrijffouten; ontbrekende/dubbele/inconsistentedata; onmogelijke datums; incorrect veldgebruik

Ook: decoding; herformatteren, tijdsstempel; conversie; …

Scrub = data cleansingDatakwaliteit verbeteren door

patroonherkenning etc…

ETL procesTransform

18/01/2014

51

Record-level:Selection – data partitieJoining – data combinatieAggregation – data samenvatting

Field-level: Single-field – van 1 veld naar 1 veldMulti-field – meerde velden naar 1 of omgekeerd

Transform = omzetten van dataformaatoperationeel systeem naar formaat DWH

ETL procesTransform: single field

18/01/2014

52

In general – some transformation function translates data from old form to new form

Algorithmic transformation uses a formula or logical expression

Table lookup – another approach

ETL procesTransform: multi field

18/01/2014

53

M:1 –from many source fields to one target field

1:M –from one source field to many target fields

ETL procesLoad

18/01/2014

54

Refresh mode:Volledig overschrijven van de DWH info op periodische intervallen

Update mode: Enkel de wijzigingen in de brondataworden overgebracht naar DWH

Load/Index= vullen van DWH met getransformeerde data en indexering

Metadata

18/01/2014

55

http://youtu.be/HXAstVP3-y0

Metadata

18/01/2014

56

Metadata

18/01/2014

57

Metadata

18/01/2014

58

Data over data… Wat betekent data precies 1 waarheid

Voorbeelden:

Gegevens over definities, eigendom, herkomst, betrouwbaarheid, recentheid, berekeningswijze, normen, vertrouwelijkheid,…

Gegevens over de betekenis van entiteiten en hun attributen, bij voorkeur in niet ambigue en begrijpelijke bewoordingen, al dan niet aangevuld met synoniemen of een thesaurus

Technische gegevens over tabellen, kolommen, indexen en relaties in de database of datamodel

Technische gegevens over de manier waarop gegevens uit bronsystemen worden getransformeerd, gecombineerd en verplaatst in DWH/datamarts

Beschikbare aggregaties/totaaltellingen

18/01/201459

18/01/2014

60


Architectuur v/h datawarehouse

18/01/2014

61

1. Generic DWH Architecture

2. Independent Data Mart

3. Dependent Data Mart

4. Complimentary Data Mart

5. Dependent Data Mart and Operational Data Store

6. Logical Data Mart and @ctive Warehouse

Architectuur v/h datawarehouse1. Generic DWH Architecture

18/01/2014

62

E T L

1 generiekorganisatie-breed DWH

Niet meest recente data – oplaadfase


18/01/2014

63

Voordelen

Optimale instellingsbrede integratie

Nadelen

Top down

Tijdsrovend, laat resultaat

Investeringskost

Invoering van datamarts

~DWH, maar meestal met kleinere hoeveelheid gegevens en vaak ingericht voor specifiek doel


18/01/2014

64

Decision Support System

Architectuur v/h datawarehouse2. Independent Data Mart

18/01/2014

65

E T L

Aparte ETL voor elkeindependent data mart

Complexe toegankelijkheid door verschillende data marts

Architectuur v/h datawarehouse2. Independent Data Mart

18/01/2014

66

Independent / Alleenstaande / Stand-alone DM

DM is DWH op kleine schaal (voor bepaalde dienst of departement) gegevens in DM zijn enkel afkomstig van bepaalde dienst of departement; DM bevat weinig of geen algemene bedrijfsgegevens

Vooral gebruikt binnen sterk gedecentraliseerde organisaties (bv. voor specifieke onderzoeksgroepen die onderzoeksgeheimen bevatten)

Alleenstaande datamarts kunnen nooit een datawarehousevervangen wegens verlies aan authenticiteit: multiple views of single truth i.p.v. multiple views of multiple truths

Architectuur v/h datawarehouse3. Dependent DM

18/01/2014

E L

1 ETL voor enterprise data warehouse (EDW)

Afhankelijke DM exclusiefgeladen vanuit EDW

Eenvoudiger toegang

T

67

Architectuur v/h datawarehouse3. Dependent DM

68

Dependent / Afhankelijke / Afgeleide / Derived DM

Uit organisatiebreed allesomvattend DWH worden één of een aantal DMs afgeleid

DM haalt data rechtstreeks en exclusief uit DWH

Laat eindgebruikers toe om direct op zeer performante manier gebruik te maken van gegevens in DM evenals van de meer gedetailleerde informatie in het DWH

Sterk gewaardeerde oplossing: voordelen van DM worden verbonden met kracht van DWH

Architectuur v/h datawarehouse4. Complimentary DM

18/01/2014

E L

Complimentary DM hoofdzakelijkgeladen vanuit EDW

Eenvoudiger toegang

T

69

Architectuur v/h datawarehouse4. Complimentary DM

18/01/2014

70


Complimentary / Aanvullende DM

Organisatiebreed DWH wordt aangevuld met aantal DM om allesomvattend te zijn

DM haalt gegevens grotendeels uit DWH maar ook uit operationele systemen (of extern)

Interessant indien gegevens enkel relevant zijn voor één afdeling of dienst (bv. personeelsadministratie) maar wel moeten gerelateerd zijn aan DWH stamgegevens

Zelden toegepast wegens gevaar voor inconsistentie van gegevens tussen DM en DWH: gegevens in DM zijn meer gedetailleerd dan in DWH

Architectuur v/h datawarehouse5. Operational Data Store + Dependent DM

18/01/2014

71

E T L

1 ETL voor enterprise data warehouse (EDW)

Afhankelijke DM geladenvanuit EDW

Eenvoudiger toegang

ODS maakt gebruik huidige data mogelijk

Architectuur v/h datawarehouse5. Operational Data Store + Dependent DM

72

Operational data store (ODS):

An integrated, subject-oriented, updatable, current-valued, enterprise-wise, detailed database designed to serve operational users as they do decision support processing.

Architectuur v/h datawarehouse6. Logical Data Mart and @ctive Warehouse

18/01/2014

73

E T L

Bijna real-time ETL

ODS & DWH zijn hetzelfde

DM geen aparte databases, maarlogische views v/h DWH

Eenvoudiger nieuwe DM maken

Architectuur v/h datawarehouse6. Logical Data Mart and @ctive Warehouse

18/01/2014

74

@active data warehouse: An enterprise data warehouse that accepts near-real-time feeds of transactional data from the systems of record, analyzes warehouse data, and in near-real-time relays business rules to the data warehouse and systems of record so that immediate actions can be taken in response to business events.

Data modelMeetwaarden en dimensies

18/01/2014

75

http://www.intricity.com/media/video-what-are-dimensions-and-measures

Data modelMeetwaarden en dimensies

18/01/2014

76

Meetwaarden / Feiten / Cijfers / Measures Getallen die gerapporteerd kunnen worden

Patiënten, ziekenhuiscontacten, opnames, transfers, ontslagen, uitgevoerde en/of gefactureerde prestaties, ligdagen, ingrepen, etc.

Feiten krijgen betekenis door te rapporteren in combinatie met gerelateerde dimensies

Dimensies / dimension Nadere informatie over datgene waarop getallen betrekking hebben

Tijd, patiënt, arts, diagnose, pathologiegroep, behandeling, leeftijd, geslacht, verpleegeenheid…

Bevatten attributen, die elk bepaald aspect van dimensie beschrijven

Attributen uit de tijd-dimensie : jaar, maand, week en dag.

Data ModelHiërarchie / niveaus

18/01/2014

77

Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet

Data ModelHiërarchie / niveaus

18/01/2014

78

Forcea

Data ModelGranulariteit

18/01/2014

79


Detailniveau van de feiten in een feitentabel.

Granulariteit/detailgraad van feitentabel

Transactioneel niveau : fijnst

Gearggregeerd : tot op wel niveau? Te bepalen

Meer verfijnd – meer opties voor analyse

Meer verfijnd – meer dimensietabellen, meer rijen in feitentabel, zwaarder, minder performant

Data modelSterschema

18/01/2014

80

Sterschema: multidimensioneel basisschema

Feitentabel

Dimensies

Data modelSterschema: componenten

18/01/2014

81

Fact table / Feitentabelkwantitatieve gegevens

Dimension table / Dimensie tabelbevat beschrijvende data

1:N relatie tssdimensie- en feitentabel

Data modelSterschema: voorbeeld

18/01/2014

82

Fact table / Feitentabelvoorziet statistieken mbt sales

en dit opgedeeld naar dimensiesproduct/period/store

Data modelSterschema: voorbeeld

18/01/2014

83

Fact table / Feitentabelvoorziet statistieken mbt sales

en dit opgedeeld naar dimensiesproduct/period/store

Data modelSterschema: beperkingen

18/01/2014

84

Sleutels/keys in dimensietabellen zijn niet business gerelateerd en dus niet begrijpbaar vooreindgebruiker

Sleutels kunnen veranderen in tijd

Moeten consistent zijn in lengte/formaat

Data modelSneeuwvlok schema

18/01/2014

85

Uitgebreide versie van sterschema, waarbij dimensietabellen zijn genormaliseerd naar meerderegerelateerde tabellen

Voordelen

(Beperkt) minder opslagruimte

Door normalisatie beteronderhoud- & aanpasbaar

Nadelen

Schema minder intuïtief

Queries minder performant door groter aantal joins/verbindingen

Data modelSneeuwvlok schema

18/01/2014

86

time_keydayday_of_the_weekmonthquarteryear

time

location_keystreetcity_key

location

Sales Fact Table

time_key

item_key

branch_key

location_key

units_sold

dollars_sold

avg_sales

Measures

item_keyitem_namebrandtypesupplier_key

item

branch_keybranch_namebranch_type

branch

supplier_keysupplier_type

supplier

city_keycityprovince_or_streetcountry

city

Data modelMultiple fact tables

18/01/2014

87

>1 feitentabel in het midden van sterschema

2 Feitentabellen

Sales + Receipts

Gezamelijke dimensie

Date

Data modelFactless facttables / Feitenloze feitentabel

18/01/2014

88

Feitentabel bevat buiten key‟s geen andere gegevens

Opvolgen/opsporen events (occurrences)

Inventariseren van mogelijke voorvallen (coverages)

Occurence Coverage

ZiekenhuisdatawarehouseForcea Healthreport – modules

18/01/2014

89

Forcea

Ziekenhuisdatawarehouse

18/01/2014

90

Forcea

Hoe ver kan / moet / wenst de instelling te gaan?

Generieke ontwikkeling

Basis-modules

Toeters en bellen…

Instellingsspecifieke ontwikkeling

Interne BI-cel en/of IT-dienst

Externe consultants

Wat als data niet aanwezig is in datawarehouse?

“Bronloze” gegevens

18/01/201491

18/01/2014

92


18/01/2014

93


Querying & reporting

18/01/2014

94

Hammergren C. et al. 2009 - Datawarehousing for dummies

Traditionele benadering van data-analyses

Op ogenblik van vraagstelling (ad hoc of structureel rapport) wordt data bevraagd met behulp van query

Formattering van resultaat in rapport (ad hoc / sjabloon)

Meestal via standaard procedure:

1. Vraag tot rapport

2. Ophalen resultaat

3. (Beperkte) manipulatie van de data

Samenvatten; totaliseren; herordenen,…

4. Formatteren van de data

5. Aanbieden rapport 1-malig of regelmatig

Querying & reportingSQL (Structured Query Language)

18/01/2014

95

Hammergren C. et al. 2009 - Datawarehousing for dummies; WIKEPDEDIA

ANSI/ISO-standaardtaal voor een relationeel databasemanagementsysteem (DBMS) Bevragen en aanpassen gegevens in relationele gegevensbank

Initieel ontwikkeld als vraagtaal voor eindgebruiker

gebruik van SQL impliceert volledige kennis van de structuur van de te ondervragen gegevensbank te complex!

Voorbeeld: SELECT *

FROM tblKlanten

WHERE tblKlanten.krediet < 0;

http://nl.wikipedia.org/wiki/SQL

Querying & reportingTools

18/01/2014

96


Functionaliteiten

Aanmaken standaard rapporten

M.b.v. data uit datawarehouse, operationele databases (of kopie)

Herhalend op regelmatige basis

Statisch

Taakbelastend

One version of the truth…


18/01/2014

97


Functionaliteiten

Lijsten


18/01/2014

98


Functionaliteiten

Kruistabellen

Rapporteringskeuzes

Op papier

Statisch elektronisch

Dynamisch elektronisch

Wie mag wat zien?

Distribueer je data of rapporten?

Kan de gebruiker er ook zelf iets mee doen?

Kan je distibutie automatiseren?

18/01/2014

99

Statisch rapportHoe voorstellen

Evolutie

Absoluut (Δn) idee werkelijke grootte, impact op totaal

Procentueel (Δ%) belang i.f.v. eigen positie

Bij voorkeur gewogen waarde

Vergelijkbaar maken van resultaten

Gezamenlijke noemer (ligdagen, activiteitsdagen, FTE)

Het plaatsen van een meting in zijn perspectief

Patiëntidentificatie

Decubitus

Tevredenheid…

18/01/2014

100

Statisch rapportStatistiek: enkele basisbegrippen

Gemiddelde

Mediaan

Kwartiel

Percentiel

Standaarddeviatie

18/01/2014

101

http://www.let.leidenuniv.nl/history/RES/stat/html/excel_be.html

http://www.let.leidenuniv.nl/history/RES/stat/html/excel_be.html

Statisch rapportVeel gebruikte dimensies

Tijdsdimensie

Dag; Week; Maand; Kwartaal; Semester

Zeer herkenbare referentieperioden

Impact weekend, vakantie- en brugdagen bij kleine referentie

Jaar tot Datum (YTD / JTD)

Boekhoudkundig begrip, werken naar jaarresultaat

Weinig relevant gedurende eerste kwartaal

Voortschrijdend Jaar / Rolling Year / Moving Year (12M)

Uitvlakking seizoensschommelingen

Abstract gegeven

Voortschrijdend Gemiddelde

18/01/2014

102

Statisch rapportVeel gebruikte dimensies

Activiteitencentrum

Kenletter

Specialisme – Medisch Technische Dienst

Verpleegeenheid

Verhuisbeweging?

Contingentering?

18/01/2014

103

Visualisatie

Lijngrafiek met seizoensschommelingen Zwevend gemiddelde

Pie chart / Taartdiagram Verdeling over specialismen; afdelingen

+ Totale taart = 100%

– Inschatting grootte v/d spie

– Onderscheid tussen de spiën

Nood aan legende

Bubble chart / Bellengrafiek % evolutie over 2 jaar, belang activiteitencentrum

18/01/2014

104

OEFENINGDraaitabellen in Excel

18/01/2014

105

Draaitabellen in Excel

Boordtabel operatieomgeving

boordtabellen en oefeningen\Boordtabel operatieomgeving - DUMMY.xlsx

18/01/2014106

18/01/2014

107


OLAP (online analytical processing)Business Analysis

18/01/2014

108

Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet; Forcea

Interactief analyseren van gegevens i/h DWH Data doorgaans voorgesteld als

en gemanipuleerd in kubussen

multidimensionelematrices / spreadsheets

Analyse vs. Rapportering Rapport = antwoord op 1 specifieke vraag

Hoeveel klassieke hospitalisaties voor een bepaalde campus

Analyse = zoeken verklaring voor een business vraag via relaties tussen gegevens

Wat verklaart de daling in de klassieke hospitalisaties

OLAP (online analytical processing)Business Analysis

18/01/2014

109

Forcea

OLAPKubus vs. DWH

18/01/2014

110

Forcea

OLAP-functionaliteiten

18/01/2014

111

Hammergren C. et al. 2009 - Datawarehousing for dummies; Mucksch et al. 1998 - Das Data Warehouse-Kozept,.

OLAP-functionaliteitenSlicing

18/01/2014

112

Hammergren C. et al. 2009 - Datawarehousing for dummies; Wikipedia

Afzonderen van 1 data”schijf” binnen kubus

Selectie van 1 waarde in 1 van de dimensies

Creëren van kleinere kubus met minder dimensies

http://en.wikipedia.org/wiki/OLAP_cube

OLAP-functionaliteitenDicing

18/01/2014

113


Aanmaken van een deelkubus

Selectie meerdere waarden binnen 1 of meer dimensies


OLAP-functionaliteitenDrill Down/Up

18/01/2014

114


Navigeren (down/up) tussen hiërachiën

Up: naar meest geaggregeerde/samenvattende

Down: naar hogere graad van detail


OLAP-functionaliteitenPivot

18/01/2014

115


Meetwaarden vanuit andere invalshoek bekijken

Rotatie van de kubus


OLAPTypes

18/01/2014

116


OLAP

ROLAP MOLAP HOLAP andere

WOLAP DOLAP MOLAP SOLAP

OLAPTypes

18/01/2014

117


MOLAP - Multidimensioneel Traditionele benadering; data bewaard in

multidimensionele kubus en niet in de relationeledatabase Voordelen: Performantie

• MOLAP kubussen zijn gebouwd om snel data op te halenen geoptimaliseerd voor slicing / dicing

Laat complexe berekeningen toe (binnen korte tijd)• Alle berekeningen voorbereid in de kubus

Nadelen: Beperkt in hoeveelheid data gezien alle berekeningen

in kubus gebeuren• Grote data-sets enkel geaggregeerde gegevens in kubus

Bijkomende investering• Software: kubus technologie heel specifiek en (vaak) via

specifieke en betalende software• Personeel & opleiding

OLAPTypes

18/01/2014

118


ROLAP – Relationeel Data gemanipuleerd in relationele database, zodat ze

voor eindgebruiker ogenschijnlijk benaderd wordenvia OLAP met slicing/dicing functionaliteit SQL – slice & dice m.b.v. "WHERE" clausule Voordelen: Grote databanken kunnen eenvoudig bevraagd

worden• Capaciteit is “beperkt” tot die van onderliggende

relationele database• ROLAP zelf heeft geen capaciteitsbeperking

Disadvantages: Relatief traag, zeker bij grote databanken

• Elk ROLAP rapport is opeenvolging van SQL queries in relationele databank

Beperkt door SQL functionaliteiten• Complexe berekeningen zijn vaak moeilijk met SQL

Leveranciers voorzien vaak al zowel voorbereidequeries voor complexe berekeningen als vrijheid omzelf queries te ontwikkelen

OLAPTypes

18/01/2014

119


HOLAP – Hybrid Best-of-both-worlds

MOLAP technologie voor samenvattende informatie via kubussen

ROLAP naar onderliggende relationele database voorverdere specificaties en detail “drill through”

OLAPTypes

18/01/2014

120


OLAPTypes

18/01/2014

121


OLAPTypes: andere

18/01/2014

122


WOLAP (Web-enabled OLAP) Toegankelijk via web browser

+ lagere investeringskost; betere toegankelijkheid

– functionaliteit, performantie momenteel << client/server machines

DOLAP (Desktop OLAP) Deel van data lokaal opslaan en van daaruit werken

+ eenvoudig op te zetten en goedkoop

– zeer beperkte functionaliteit & data-eilanden

MOLAP (Mobile OLAP) OLAP toepassingen mobiel/tablet via remote access

SOLAP (Spatial OLAP) Combinatie mogelijkheden van Geographic Information Systems

(GIS) & OLAP binnen 1 gebruikers-interface

OEFENING

18/01/2014

123

Forcea

Cognos Analysis studio – Forcea HealthReport

OLAP technieken

Measures & dimensions

Slicing, dicing

Drill through

FORCEA HEALTHREPORT - intro demo - analysis studio.pptx



18/01/2014124

18/01/2014

125


Data miningWhat are we talking about…?

18/01/2014

126

IBMBusAnalyticsOEM

http://www.youtube.com/watch?v=_IjnSnwmJSw


18/01/2014

127

IBMBusAnalyticsOEM


18/01/2014

128

IBMBusAnalyticsOEM


18/01/2014

129

IBMBusAnalyticsOEM


18/01/2014

130

IBMBusAnalyticsOEM

Data mining is “het ontdekken van kennis” m.b.v.

Statistiek

Artificiële intelligentie

Grafische computertechnieken

…

Doel:

Verklaringen zoeken

Veronderstellingen bevestigen

Data onderzoeken naar nieuwe onverwachte relaties

Data mining techniekenAssociatie regels

18/01/2014

131

IBMBusAnalyticsOEM

Doel: zaken identificeren vinden die samen gebeuren

Support of {salsa, chip} is 80%

Support of {bread, milk} is 60%

Interessant voor o.a. winkelindeling, prijszetting...

Transaction Item

t1 milk, chip, bread, salsa, coke

t2 banana, chip, rice, salsa

t3 salsa, coke, banana, chip

t4 milk, lettuce, coke, rice, salsa, bread

t5 lettuce, salsa, bread, coke, chip, milk

Data mining techniekenClustering

18/01/2014

132

IBMBusAnalyticsOEM

Markt segmentatie als voorbeeld Elk punt stelt eigenschap/karakteristiek van bepaalde klant

voor

Doel: groeperen van leden met zelfde eigenschappen

Gebruikt voor fraude-opsporing, zakenwereld, wetenschap

Data mining techniekenStatistische analyse

18/01/2014

133

IBMBusAnalyticsOEM

Regressie:

Tijdsseries:

VTE‟spoetsdienst

Opp m²

Patiënten

Tijd

Data miningBetekenis voor healthcare

18/01/2014

134

Desikan P. 2011 – Data mining for Heatlhcare management


18/01/2014

135



18/01/2014

136



18/01/2014

137



18/01/2014

138



18/01/2014

139



18/01/2014

140



18/01/2014

141


http://www.hotflo.net/applicaties/hotflo-applicaties/


18/01/2014

142



18/01/2014

143



18/01/2014

144



18/01/2014

145



18/01/2014

146


Data mining… a word of caution

18/01/2014

147

http://www.abc.net.au/tv/thecheckout/

http://www.youtube.com/watch?v=f2Kji24833Y

18/01/2014148

18/01/2014

149


Internet / IntranetPortaal

Centrale toegang tot alle beleidsdata in DWH

IBM CognosConnection

Individueel instelbaar afhankelijk van noden/wensen eindgebruiker

18/01/2014

150

Dashboard en Balanced Scorecard

Dashboards en Balance Scorecards worden gebouwd om kaderleden de mogelijkheid te bieden om in een oogwenk de situatie van het bedrijf in te schatten. Aan de hand van visuele wegwijzers in functie van zogenaamde KPI‟s wordt goed en slecht weergegeven, zonder dat er tijd verloren gaat in de samenstelling van de gegevens die aan dit besluit vooraf gaan.

“Tell me a lot of things, but don‟t make me work too hard.”

18/01/2014

151

Dashboard

Stelt directieleden en managers in staat om zo snel mogelijk de situatie van de business in te schatten, zonder hiervoor enig voorbereidend onderzoek te moeten verrichten.

Dashboardprincipe is een proactieve wijze van informatiegebruik die resulteert in acties die enkel genomen worden wanneer bepaalde vooropgestelde pointers hierom vragen.

De informatie dient in a glance waarneembaar te zijn aan de hand van een visuele representatie (grafieken en wijzers)

18/01/2014

152

Dashboard

18/01/2014

153

http://youtu.be/f7M1F2xDS_M

http://youtu.be/f7M1F2xDS_M

Dashboard

18/01/2014

154

https://toutapp.com/c/pascal-thulin-reports-nl/44ffd712585a3478c159d32d269e0f03e1916948/Why-Choose-Dundas-Dashboard.pdf#page/8

https://toutapp.com/c/pascal-thulin-reports-nl/44ffd712585a3478c159d32d269e0f03e1916948/Why-Choose-Dundas-Dashboard.pdf

(Balanced) Scorecard

Visuele uitdrukking van strategie instelling

Veel gebruikte techniek voor strategisch management en het behalen van langetermijndoelstellingen binnen organisaties.

Evaluatiehulpmiddel voor managers die complexe doelstellingen hebben.

Het idee achter de balanced scorecard is dat een manager niet alleen is af te rekenen op financiële resultaten, maar dat ook andere prestaties worden meegenomen in de jaarlijkse beoordeling.

Uitgedrukt in KPI (key performance indicators)

18/01/2014

155


18/01/2014

156


Verschillende perspectieven

Customer: Kwaliteits- en klantenperspectief

Hoe creëren we waarde voor de patiënten

Internal process: Interne processen

In welke processen moeten we excellent zijn om de basis waarden waar te maken

Employee learning and growth: Medewerkers perspectief

Hoe kunnen we blijven groeien in competentie om adequate antwoorden te blijven bieden op een wisselende realiteit

Financial: Financieel perspectief

Hoe kunnen we waarde creëren voor onze klanten terwijl we de kosten onder controle houden

18/01/2014

157

(Balanced) ScorecardMissie vertalen in meetwaarden

18/01/2014

158

http://www.hhfinance.nl/wp-content/uploads/Ebook-balanced-scorecard.pdf

(Balanced) ScorecardStrategiekaart

18/01/2014

159


(Balanced) ScorecardBepalen KPI’s

18/01/2014

160


(Balanced) ScorecardCasus – Jan Yperman

18/01/2014

161

18/01/2014162

18/01/2014

163

“de markt”

The Magic Quadrant for BI

Methodiek om IT producten te vergelijken

H – "Completeness of Vision“

~ “features” v/h product

~ technologische vernieuwingendie concurrenten verplichten tereageren

V – "Ability to Execute"

~ inkomsten, aantal en kwaliteitvan distributeurs/verkopers

~ personeel en verhouding tss. ontwikkeling/verkoop/support…

Evolutie

18/01/2014

164

Gartner, February 2013 + Louhia consulting, November 2013

http://www.louhia.fi/post/Gartner_BI_Tools_Evolution/

BI voor Belgische ziekenhuismarkt

www.forcea.be/nl/oplossingen/forcea-healthreport

www.hospitalintelligence.be/modules.php

www.laco.be/nl/markets/healthcare/

www.xperthis.be/nl/business-intelligence/

???

18/01/2014

165

http://www.forcea.be/nl/oplossingen/forcea-healthreport







http://www.hospitalintelligence.be/modules.php



http://www.laco.be/nl/markets/healthcare/









http://www.xperthis.be/

http://www.xperthis.be/nl/business-intelligence/








18/01/2014166

18/01/2014

167

Beleidsinformatie > datawarehouse

Benchmarking

18/01/2014

168

Forcea Healthcare Seminar 2013 - “De kracht van geïntegreerde benchmarking”

http://prezi.com/mxwsd2_rek3n/sturen-via-de-buren-benchmarking-in-het-az-sint-lucas-gent/

Benchmarking binnen gezondheidszorgSchier eindeloze mogelijkheden…

18/01/2014

169

Activiteit

Bestaffing

VTE‟s

Loonschalen

Opleiding

MZG

Verpleegkundig

Medisch

Financieel

MAHA

Tevredenheid

Personeel

Patiënten

Kwaliteit

Infecties

Decubitus

Heropnames

Valincidenten

Ziekenhuissterfte

Kosten opname…

Ziekenhuisranking ingeburgerd in Nederland (AD)In België nog i/d kinderschoenen (Test-Aankoop; De Standaard)

http://www.ad.nl/ad/nl/1401/home/integration/nmc/frameset/nieuws/ziekenhuistop100.dhtml

http://www.test-aankoop.be/gezondheid/hospitalisatie/nieuws/ziekenhuizen-vergelijken-moet-kunnen



http://www.standaard.be/cnt/dmf20131212_057

18/01/2014170

18/01/2014

171

Toekomst BI

Top 10 Trends

in Business Intelligence

for 2014

18/01/2014www.tableausoftware.com 172

Data science moves from the specialist

to the everyman. Familiarity with data analysis becomes part of the skill set of ordinary

business users, not experts with “analyst” in their titles. Organizations that use data to make

decisions are more successful, and those that don’t use data begin to fall behind.

The end of data scientists.

1

For more, see this Special Report from the Economist: Fostering a Data Driven Culture.

http://www.tableausoftware.com/economist-fostering-data-driven-culture

http://www.tableausoftware.com/economist-fostering-data-driven-culture

Organizations that want to get up & running fast with analytics drive adoption of cloud-

based business intelligence. New scenarios such as collaboration with customers and

outside-the-firewall mobile access also accelerate adoption. The maturation of cloud

services helps IT departments get comfortable with business intelligence in the cloud.

Cloud business intelligence goes mainstream.

For more, read the whitepaper: Business Analytics in the Cloud.

http://youtu.be/SS1EI5Ql6sI

http://www.tableausoftware.com/learn/whitepapers/why-business-analytics-cloud

http://www.tableausoftware.com/learn/whitepapers/why-business-analytics-cloud



For more, watch this webinar: Exploring Big Data with Amazon Redshift.

Cloud data warehouses like Amazon Redshift and Google BigQuery transform the process of

building out a data warehouse from a months-long process to a matter of days. This enables

rapid prototyping and a level of flexibility that previously was not possible. Cloud offerings like

Teradata Cloud and SAP HANA from traditional vendors validate the space.

Big data finally goes to the sky.

http://www.tableausoftware.com/learn/webinars/explore-big-data-analytics-amazon-redshift

For more, read this whitepaper by GigaOm: Agile Business Intelligence: Reshaping the Landscape.

Self-service analytics becomes the norm at fast-moving companies. Business people begin

to expect flexibility and usability from their dashboards. And the monolithic infrastructure

stack finally crumbles in favor of solutions that can work with new data sources.

Agile business intelligence extends its lead.

http://www.tableausoftware.com/sites/default/files/media/gigaom-research-agile-business-intelligence.pdf?signin=89ae07dd32727354922f756f98e40144

For more, watch TDWI’s David Stodder on this webinar: Using Analytics to be

Predictive and Proactive.

once the realm of advanced and specialized

systems, will move into the mainstream as businesses seek forward-looking rather than

backward-looking insight from data.

Predictive analytics,

http://www.tableausoftware.com/learn/webinars/using-analytics-be-predictive-and-proactive

http://www.tableausoftware.com/learn/webinars/using-analytics-be-predictive-and-proactive

http://www.tableausoftware.com/

See the value of embedded BI with this video.

Embedded BI begins to emerge, in an attempt to put insight

directly in the path of business activities. Analytics start to live inside of transactional

systems. Scenarios like customer relationship management will lead the way with analytics

providing support for the many small decisions salespeople make in a day. Ultimately,

embedded BI will bring data to departments that have typically lagged: for example, on the

shop floor and in retail environments.

http://www.tableausoftware.com/about/blog/2013/11/embedding-sales-analytics-salesforce-canvas-25699

Read more in this whitepaper: 5 Best Practices for Telling Great Stories.

Storytelling becomes a priority,as people realize that a dashboard deluge without context is not helpful. Stories become

a way to communicate ideas and insights using data. They also help people gain

meaning from an overwhelming mass of big and disparate data.

http://www.tableausoftware.com/whitepapers/telling-stories-with-data

mobile business intelligence becomes the primary experience,

For an example, read this whitepaper: How Mobile Business Intelligence Drives

Efficiency and Transformation for Supervalu.

For leading-edge organizations,

not an occasional experience. Business users being to demand access to information

within the natural flow of their day, not back at their desks.

http://www.youtube.com/watch?v=DeS4m11GYWQ&feature=share&list=PL1xSoMCZ-kYJjNBkxRzr_0FkNTXj_gtDk

http://www.tableausoftware.com/learn/whitepapers/how-mobile-business-intelligence-drives-efficiency-at-supervalu

http://www.tableausoftware.com/learn/whitepapers/how-mobile-business-intelligence-drives-efficiency-at-supervalu



Organizations begin to analyze social data in earnest,gaining insight beyond number of their likes and followers. Social

data becomes a proxy for brand awareness and attitude, as well as fertile ground for

competitive analysis. Companies begin to use social data to understand how relevant

they are to their customers.

For an example of how to gain insight from social media data, watch this

video: Using Social Media Analytics for Insight.

http://youtu.be/8AUMEHhVbXA

http://www.tableausoftware.com/about/blog/2013/10/using-social-media-analytics-insight-25269



NoSQL is the new Hadoop.Organizations explore how to use unstructured data. NoSQL technologies become

more popular as companies seek ways to assimilate this kind of data. But in 2014,

the intelligent use of unstructured data will still be the exception and not the norm.

For more on noSQL, read this TechRepublic article: 10 Things You Should Know

About noSQL databases.

http://www.techrepublic.com/blog/10-things/10-things-you-should-know-about-nosql-databases/




18/01/2014183

18/01/2014184

Hammergren C. et al. 2009 -Datawarehousing for dummies

Ponniah. P. 2010 – Data Warehousing fundamentals

18/01/2014

185

If you want to read……some more… …all about it...

Ponniah P. 2010 - Data warehousing fundamentals for IT Professionals, 2nd Edition.pdf

Hammergren C. et al. 2009 - Datawarehousing for dummies.pdf

Beleidsinformatie id zorg

Health & Medicine

Transcript of Beleidsinformatie id zorg