Datawarehouse im UKL - Universität Leipzig
Transcription
Datawarehouse im UKL - Universität Leipzig
Datawarehouse im UKL Ein Überblick über das Berichtswesen uns Kennzahlensystem Vorlesung „Spezielle Gebiete zum Informationsmanagement im Krankenhaus“ IMISE / Universität Leipzig Dr. Robert Waschipky Universitätsklinikum Leipzig AöR © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 1 Datawarehouse – Fallbeispiel I Betrachtet wird ein Automobilzulieferer mit 500 Werken in 60 Landesgesellschaften, einem Umsatz von 27 Mrd. Dollar und 136.000 Mitarbeitern. Geprägt wird dessen Geschäft von der Organisation der Produktion und den Beziehungen zu den Automobilherstellern und Lieferanten. Situation eines Automobilzulieferers 500 Werke in 60 Ländern Ständiger Kauf und Verkauf von einzelnen Werken Sehr verschiedene regulatorische Bedingungen Häufige Wechsel in den Lieferanten- und Kundenbeziehungen Mit folgenden Konsequenzen für die IT-Landschaft des Unternehmens Eine Reihe von IT-Systemen zur Produktionssteuerung Eine heterogene Systemlandschaft in den ERP-Systemen (FI, CO, MM, SD, HR) Ein zentrales ERP-System zur Konsolidierung im Konzern Was sind zentrale Herausforderungen für dieses Unternehmen (und damit die IT)? © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 2 Datawarehouse – Fallbeispiel I Über den Erfolg eines Unternehmens in der Automobil-Zulieferindustrie entscheiden Qualität und Management der Logistik sowie der Produktions- und Einkaufsprozesses. Letzter kann mit Hilfe von BI-Instrumentarien optimiert werden. Was sind zentrale Herausforderungen für dieses Unternehmen (und damit die IT)? Konsolidierung in den Materialstämmen über alle Werke und Landesgesellschaften hinweg (20.000 Einträge) Integrierte Steuerung der Einkaufsprozesse im Konzern Beurteilen der Lieferanten- und Kundenbeziehungen Messen und Bewerten (Qualitätsmanagement) der Einkaufsprozesse Und ein Datawarehouse? Konsolidiert die Materialstämme innerhalb aller ERP-Systeme Macht in einem zusammenfassenden Berichtswesen die Einkäufe des Unternehmens transparent (Wieviel kaufe ich von Wem?) Zeigt die Qualität des Einkaufsprozesses über den Vergleich mit Benchmarkdaten (Dunn&Bradstreet) © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 3 Datawarehouse – Fallbeispiel II Betrachtet wird ein Telekommunikationskonzern, welcher unter so genannten „0190-Nummern“ Dienste weiterer Anbieter an seine Kunden vermittelt. Hier werden spezielle Überwachungsmechanismen im Zahlungsverkehr benötigt. Geschäftsmodell der „0190-Nummern“ Das Telekommunikationsunternehmen führt 50% der Erträge im täglichen Geschäft an den Dienstleister ab. Die Belastung der Kunden erfolgt durch das Telekommunikationsunternehmen im Rahmen der monatlichen Abrechung. Meine Idee Ich gründe einen „0190-Dienstleister“. (Ich ☺) melde 1.000 Telefonanschlüsse bei verschiedenen Telekommunikationsunternehmen an. Die Anschlüsse lasse ich 30 Tage / 24h meine 0190-Nummer anrufen. Und dann? © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 4 Datawarehouse – Fallbeispiel II Verschiedene Überwachungsmechanismen können helfen, eine missbräuchliche Nutzung der Dienste der Telefondienstleister zu verhindern. Diese Analysen müssen unternehmensübergreifend durchgeführt werden. Überwachungslogiken? Überwachungslogiken Kundenstammdaten Wer hat welche Verträge bei welchem Telefondienstleister Überwachung der Dienstleistungsnummern Welche Nummer wird wie oft angerufen Überwachung der Kunden Wer nutzt wann und wie lange welche Dienstleistungen Auffinden von Korrelationen in den oben aufgeführten Analysen! Und ein Datawarehouse? Zusammenführung aller Stammdaten (Kunden- und Dienstleisterdaten) Zusammenführung / Filterung in den Bewegungsdaten (Telefonvorgänge, Abrechnungen. Analyselogiken / Clusterung, Mustererkennung, neuronales Lernen. Und wer betreibt das Datawarehouse? © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 5 Datawarehouse Allgemein © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 6 Datawarehouse – Allgemein I Ein Datawarehouse ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher Quellen zusammensetzt. Die Daten werden von den Datenquellen in das Datawarehouse geladen und dort vor allem für die Datenanalyse und zur betriebswirtschaftlichen Entscheidungshilfe in Unternehmen langfristig gespeichert. Der Begriff stammt aus dem Informationsmanagement in der Betriebswirtschaft. Ein Datawarehouse dient der Informationsintegration. Der Erstellung eines Datawarehouses liegen zwei Leitgedanken zugrunde: Integration von Daten aus verteilten und unterschiedlich strukturierten Datenbeständen, um im Datawarehouse eine globale Sicht auf die Quelldaten und damit übergreifende Auswertungen zu ermöglichen. Separation der Daten, die für das operative Geschäft genutzt werden, von solchen Daten, die im Datawarehouse z. B. für Aufgaben des Berichtswesens, der Entscheidungsunterstützung, der Geschäftsanalyse sowie des Controllings und der Unternehmensführung verwendet werden. Quelle: Wikipedia © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 7 Datawarehouse – Allgemein II Ein Data Warehouse sammelt zentralisiert Daten aus verschiedenen Quellen und hält diese historisch vor. Es dient als Quelle für Berichte und Analysen, in denen komplexe Logiken abgebildet sein können. Es ist kein transaktionales System. Einsatz eines Data Warehouse für: • Extraktion und Speicherung von Daten aus verschiedenen Quellen (SAP FI, MM, IS-H, COPRA, LDS) • Datenmodellierung (Zusammenführung der Daten aus verschiedenen Quellen unter einheitlichen Merkmalen: Fall- oder Patientennummer) • Erstellung von Berichten und Analysen • Berichtsdistribution • Überwachungen / Data Mining Was ein Data Warehouse nicht kann: • Eingabe / Erzeugen von Stamm- und Bewegungsdaten (kein R/3!!!) • Anpassungen in den geladenen Stammdaten und Kennzahlen © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 8 Datawarehouse – Allgemein III Das SAP BW Data Warehouse ist unterteilt in einen Berichtsbereich (FrontEnd) zur Anzeige der Daten/Analysen und einen Modellierungsbereich (BackEnd) zur Daten-speicherung. Aufbau eines SAP BW: Front-End - Rollenmenu der verfügbaren Berichte über eine WebSeite - Web-Anzeige der Berichte im Internet-Explorer - BEx-Browser: Selektion der Berichte in einem BWTool der SAP-GUI Back-End - Speicherung der Stammdaten (Patient, Fall, Org.Einheit) - Speicherung der Bewegungsdaten (DRG, Belegungen) in Cubes Schnittstellen aus den Umsystemen UKL: Tägliches Laden der Stammdaten (z.B. Patienten- und Fallinformationen) sowie der Bewegungsdaten aus dem IS-H (z.B. Status der Dokumentation) © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 9 Datawarehouse – Allgemein IV Die Speicherung der Daten in einem Data Warehouse erfolgt in einem multidimensionalen Schema, in sogenannten Cubes. Stammdaten werden als Merkmale und Attribute abgelegt, Bewegungsdaten als Kennzahlen mit zugeordneten Merkmalen. Anzahl der Abverkäufe Mehrdimensionale Datenspeicherung im DWH: Cube Datencontainer für eine Quelle/ einen Typ Daten, bspw. Im UKL Bewegungen oder DRG-Abrechnung Filiale Merkmal Zeit P kt u rod Beispiel eines einfachen Daten-Cubes für ein Retail-Unternehmen © Stammdatum, welches eine Kennzahl charakterisiert, bspw. im UKL Patient, Fall, Org.Einheit Kennzahl Auch Fluss- oder Bewegungsgröße. Die durch mehrere Stammdaten beschriebene und einen Vorgang / eine Buchung beschreibende Zahl, bspw. im UKL Anzahl Aufnahmen, DRG-Fallzahlen, Diagnosezählungen Attribut Die ein Merkmal weiter beschreibenden Stammdaten, bspw. im UKL Patient Geschlecht, Alter Fall Aufnehmende fachl. Org.Einheit, Aufnahmeart, -typ, Patient Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 10 Das Datawarehouse im UKL © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 11 Der Bereich Informationsmanagement / SAP Der Bereich Informationsmanagement betreut mit 30 Mitarbeitern die ITAnwendungen des UKL und unterstützt alle Bereiche bei der Optimierung von Betriebs- und Geschäftsprozessen. COPRA Überwachung Intensivmedizin MCC Dokumentation im OP-Bereich LDS Labordatensystem RIS/PACS Bildspeicherung / -verwaltung Kommunikationsserver SAP SAPim imUKL UKL - Buchhaltung - Materialwirtschaft - Patientenverwaltung - Klinisches Info.-System SAP R/3 SAP - FI / CO - MM - Apotheke (MM erweitert) - IS-H - IS-H* MED SAP BW - - produktiv produktivseit seit1998 1998 - - ca. 2.500 Anwender ca. 2.500 Anwender - - ca. ca.800.000 800.000Fälle Fälle - - 300 300GB GBDatenbank Datenbank - - Systemund System- undApplikationsApplikationsmanagement durch management durchperdata perdata SAP SAP IS-H und i.s.h.*med bilden den Kern des Krankenhausinformationssystems. © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 12 Agenda In den folgenden Folien wird der Prozess zur Implementierung eines Datawarehouse im UKL sowie der aktuelle Ausbauzustand dargestellt. Es wird ein Ausblick auf die geplanten Entwicklungsschritte gegeben. Ein Datawarehouse im UKL – Warum? Toolselektion und Pilot-Implementierung SAP BW im UKL heute Ausblick auf weitere Entwicklungen im Datawarehouse © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 13 Ein Datawarehouse im UKL – Warum? Die Einführung eines Datawarehouse im UKL wurde notwendig, da die Anforderungen an ein modernes und effektives Berichtswesen nicht durch die vorhandenen IT-Systeme erfüllt werden konnten. Anforderungen an das Berichtswesen im UKL: Aufbau eines abteilungs-, prozess- und systemübergreifenden Berichtswesens - Konsolidierte Sichten auf medizinische Daten, Finanzen, Controlling und Materialwirtschaft - Berichtswesen integriert SAP (R/3 und IS-H) sowie Operationsmanagement und Systeme der Intensivmedizin Aufbau eines „Single Point of Truth“ Etablierung einer Quelle für Berichte, welche dem Management, den Kliniken und den Fachbereichen zur Verfügung gestellt werden. Erhöhung der Qualität in den Berichten Etablierung eines Berichtswesens, welches nicht vom Tagesgeschäft in den Kliniken und den damit verbundenen Bewegungen in den IT-Systemen abhängig ist. Aktualität Datawarehouse: Tagesaktuelle Daten mit einem Versatz von 24 Stunden. © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 14 Toolselektion und Pilot-Implementierung (I) Die Entscheidung zur Einführung von SAP BW als Datawarehouse im UKL wurde über eine Toolselektion verschiedener Anbieter und die Bewertung von zwei Prototypen getroffen. 6 Definition Prototyp UKL 1 Funktionale Anforderungen 2 Technische Anforderungen 4 Präsentation Anbieter 5 Evaluation Anbieter (Shortlist) 3 Marktübersicht (Longlist) Identifikation von 4 Anbietern mit: Identifikation von 4 Anbietern mit: - Datawarehouse inkl. klinischem Reporting - Datawarehouse inkl. klinischem Reporting - SAP-Anbindung - SAP-Anbindung - Möglichkeit eines flexiblen Reportings - Möglichkeit eines flexiblen Reportings © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 15 7 Aufbau / Bewertung Prototyp 8 Finaler Beschluss Aufbau von UKL-definierten Prototypen Aufbau von UKL-definierten Prototypen durch 2 Anbieter: durch 2 Anbieter: - Patientenbewegungen - Patientenbewegungen - Operatives Reporting - Operatives Reporting Toolselektion und Pilot-Implementierung (II) Zur Selektion des für das UKL am besten geeigneten Datawarehouse wurde eine Bewertungsmatrix entwickelt, anhand deren gewichteter Kriterien eine objektive Toolauswahl durchgeführt werden konnte. Toolbewertung Toolbewertung Datawarehouse Datawarehouse im im UKL UKL Bewertung (zwischen 0 – 15) 0 3 6 9 12 15 Geforderte Funktionalität Ergonomie Flexibilität Systemintegrationsfähigkeit Preis SAP BW Weiterer Anbieter © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 16 0 10 20 30 40 Gewichtung (in %) Toolselektion und Pilot-Implementierung (III) Die Umsetzung der Pilot-Ausbaustufe des Datawarehouse im UKL wurde in Zusammenarbeit mit der perdata durchgeführt. Neben der Aktivierung der BWInfrastruktur wurden Datenstrukturen und Berichte im BW aufgebaut. UKL perdata - Definition fachlicher Anforderungen - Begleitung Umsetzung - Test der Berichte - Distribution und Rollout der Berichte im UKL - Inbetriebnahme BW, Anbindung R/3, IS-H - fachl. und techn. Konzept - Aufbau Datenstrukturen, Berichte und Web-Template Applikationsmanagement Systemmanagement Allgemeiner Projektrahmen (Pilotberichte): Inbetriebnahme des Datawarehouse, Aufbau der Datenstrukturen und Entwicklung der Berichte 18 Wochen Inbetriebnahme Pilot im UKL 4 Wochen Rollout der Berichte in den Kliniken 12 Wochen © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 17 SAP BW im UKL heute (I) Das Datawarehouse im UKL stellt den Kliniken und Fachbereichen ein abteilungsund prozessübergreifendes Berichtssystem zur Verfügung, welches sowohl medizinische wie betriebswirtschaftliche Kennzahlen umfasst. „Going Live“ zum 15. September 2005 Gegenwärtige Nutzung in den Kliniken, in den Bereichen Finanzen und Materialwirtschaft sowie in der Apotheke und im Medizinischen Controlling Zur Zeit Rollout in den Geschäftsbereichen und Kliniken (ca. 70 Prozent der Kliniken wurde das Datawarehouse vorgestellt) Ca. 150 Nutzer zur Zeit, geplante 250 Nutzer nach vollständigem Rollout Vortagsaktuelles Berichtswesen über das Intranet © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 18 SAP BW im UKL heute (II) In der ersten Phase liegt der Schwerpunkt der Entwicklung im DWH auf der Erstellung operativer Berichte zu Patientenbewegungen, DRG-Kennzahlen sowie zur Darstellung der Verbräuche medizinischen Bedarfs. Berichte im Datawarehouse (I) Blitzbericht Aufnahmen / Entlassungen - Wöchentliche Statistik zu den Aufnahmen und Entlassungen in den einzelnen Kliniken Bericht „Unvollständig verschlüsselte Fälle“ - Statistik zu den entlassenen Fällen, welche aufgrund unvollständiger Bearbeitung im IS-H nicht abgerechnet werden können (inkl. Auflistung der einzelnen Fälle). Einweiserstatistik - Statistik zu den ein- und überweisenden Ärzten und Kliniken (ambulante und stationäre Fälle) © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 19 SAP BW im UKL heute (III) In der ersten Phase liegt der Schwerpunkt der Entwicklung im DWH auf der Erstellung operativer Berichte zu Patientenbewegungen, DRG-Kennzahlen sowie zur Darstellung der Verbräuche medizinischen Bedarfs. Berichte im Datawarehouse (II) DRG-Statistiken - Anzahl Fälle mit CMI, CM pro DRG / pro Klinik (Kurz- und Langlieger ausgewiesen) - Anzahl Fälle mit Liegezeiten im Vergleich zur InEK-Liegezeit pro DRG / pro Klinik - Zeitliche Entwicklung der Fallzahlen E-Statistiken - E1Plus-, E2- und E3-Statistiken Apothekenberichte - Hochrechung der aktuellen Apothekenverbräuche auf das gesamte Geschäftsjahr - Listung der verbrauchten Medikamente - Zeitliche Entwicklung der Verbrauchszahlen Berichte „Verbräuche medizinischer Bedarf“ - Pendant der Warenwirtschaft zu den Apothekenberichten © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 20 SAP BW im UKL heute (IV) In der nahen und mittleren Zukunft sind ein Ausbau des klinischen Kennzahlensystems, der Aufbau von Berichten zur Kodierqualität sowie eine Weiterentwicklung des betriebswirtschaftlichen Berichtswesens geplant. Berichtsthemen in Entwicklung Medizinische Scorecard Statistiken ambulanter Fälle Statistiken zu Diagnosen und Prozeduren (Anzahl Diagnosen / Anzahl OPs, Prozeduren) Berichte zur Kodierqualität Einbindung externer Marktdaten (VUD, InEK) © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 21 SAP BW im UKL heute – Apothekenreporting In den Apothekenberichten steht den Kliniken eine Hochrechung der aktuellen Arzneimittelverbräuche auf das GJ sowie verschiedene Auswertungen bis hin zu einzelnen Medikamenten zur Verfügung. Apothekenberichtswesen: Darstellung von Lagerausgängen und Durchläufern Abbildung der Belieferung externer Häuser durch das UKL Abbildung einer 4stufigen Arzneimittelhierarchie (Aufbau durch die Apotheke) Hochrechung des Jahresverbrauchs ABC-Analyse einzelner Medikamente Arzneimittelverbräuche auf ATC-Code Zeitliche Entwicklung der Verbräuche Geplante Entwicklungen: - Reporting auf Wirkstoffebene - Kopplung der Arzneimittelverbräuche und Statistiken zu Zusatzentgelten © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 22 SAP BW im UKL heute – Klinisches Reporting In dem integrierten DRG-Kennzahlensystem wird die Verbindung zwischen einzelnen Berichten geschaffen. Ausgehend von „high level“-Berichten wird eine Verfeinerung bis hin zur Fallübersicht im KIS möglich sein. Integrierte DRG-Statistiken: Kennzahlen - Fallzahlen (Langlieger, Kurzlieger, Verlegungen) - CMI / CM - Verweildauer - PCCL - Unspezifische / DRG-relevante Diagnosen und Prozeduren Klinische Scorecard Verweildauer CMI / CM Fallzahlentwicklung Diagnosen & Prozeduren Statistiken einzelner Fälle (Langlieger / Kurzlieger) Verfügbar in den Kliniken und Fachbereichen Integration von Planzahlen und Vorjahresvergleich Tagesaktuelle Statistiken Geplante Entwicklungen: - Verbindung der einzelnen Berichte - Ausbau der Logik in den Berichten Fallübersicht im IS-H © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 23 Ausblick auf weitere Entwicklungen (I) Der Ausbau des Datawarehouse im UKL erfolgt auf drei verschiedenen Zeitebenen: einem Ad-hoc-Reporting, einem mittelfristigen Ausbau neuer Berichtsthemen und anhand einer zu erstellenden langfristigen (strategischen) Planung. Ad-hoc-Reporting Neue Berichtsthemen DWH-Planung Kurzfristiger Aufbau von Berichten nach Anforderungen aus den Kliniken / Fachbereichen Aufbau von Berichten in neuen Themen / Einbindung neuer Inhalte aus R/3 und IS-H Langfristige Planung und Konzeption neuer Themen im DWH. Zeithorizont: 20 Tage Zeithorizont: 3 – 6 Monate Zeithorizont: > 6 Monate Bisherige Projekte: - Statistiken Verweildauern - Freier Bericht Patientenbewegungen Projekte für die nächsten Monate: - Warenwirtschaftsreporting - Berichte für Prozeduren und Diagnosen - Analyse offener Forderungen (Debitorenstatistiken) - evtl. externe Berichte klinische Studien Angedachte Themen: - Abgleich interne Kosten mit Kosten nach InEK - Einbindung HR - Scorecard im UKL Perspektivisch in den Händen der Power-User des UKL - Personalisierungskonzept DWH Aufbau eines integrierten Steuerungsreportings im UKL © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 24 Ausblick auf weitere Entwicklungen (II) Der Ausbau des DWH im UKL erfolgt zunächst sowohl in klinikrelevanten wie auch allgemeinen steuerungsrelevanten Bereichen. Eine Konsolidierung aller Berichtsthemen wird zu einem integrierten Steuerungsreporting im UKL führen. Krankenhausreporting: - Monitoring der abrechenbaren Leistungen - Qualitätsreporting - Monitoring Operationen (Planung, Auslastung, Abrechnung) - Auswertungen nach DRG (Liegezeiten, Bewertungsrelationen) - Marktanalysen (Patientenbewegungen) Basisreporting: - Materialwirtschaftsanalysen (Einkauf, Warenverbräuche, Verkäufe extern) - Berichte Kreditoren- / Debitorenbuchhaltung - Ergebnis-, Leistungs- und Kostenreporting - HR-Reporting © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 25 Aufbau eines integrierten Steuerungsreportings im UKL Ansprechpartner Ihre Ansprechpartner auf Seiten UKL Dirk Jaeckel Bereichsleiter Informationsmanagement +49 (0)341 15800 [email protected] Robert Waschipky Projektleiter Datawarehouse +49 (0)341 15827 [email protected] © Universitätsklinikum Leipzig – AöR 2006 Bereich Informationsmanagement, Datawarehouse im UKL, 23. Juni 2006, Dr. Robert Waschipky • 26