Effiziente Lösungen für das Gesundheitssystem
Willkommen bei der Heringer Consulting GmbH - Ihr Partner für datengetriebene Einblicke
Sind Sie bereit, Ihre Daten in wertvolle Einblicke zu verwandeln?
Bei der Heringer Consulting GmbH sind wir Experten für Microsoft Azure und SQL Server und helfen Ihnen, Cloud-Lösungen für mehr Flexibilität und Effizienz zu nutzen. Mit über 20 Jahren Erfahrung als Microsoft Solution Partner und maßgeschneiderten Business-Intelligence-Lösungen unterstützen wir Krankenkassen und kassenärztliche Vereinigungen dabei, fundierte, datengetriebene Entscheidungen zu treffen.
Unsere umfassenden Datenmanagement-Strategien garantieren Agilität, Schnelligkeit, Kosteneffizienz und Sicherheit. Vertrauen Sie auf unsere langjährige Erfahrung im Gesundheitswesen und unsere erfolgreichen Projekte mit der KKH, der KV RLP, Bitmarck und Davaso. Gemeinsam setzen wir Ihre Daten in Erfolg um.
Heringer Consulting hat uns bei der Implementierung eines ETL Projektes zielführend begleitet und dadurch zum Erfolg des Projektes und dahinterliegenden Reportings beigetragen.
Auch nach Projektende waren wir weiter in engem Austausch.
Jens Petroci (IT-Abteilung – KV Hessen)
Fachliche Expertise erfolgreich umgesetzt
- Import von Arzneimittelheilberichten von externen Dienstleistern zur internen IT
- Bereitstellung der Datengrundlage für einen Arznei-, Heil,- Hilfsmittel (AHH)- Bericht (Daten aus Wido Stamm, AVD und VDA)
- Prüfprozesse, Vertragsmanagement, HZV, Kostenstellenauswertung, Morbidität
- Automatisierung von fachlichen Prozessen / Minimierung der manuellen Eingriffe
- Einführung fhire-Format
Eingesetzte Technologien & Begleitung
- Datenbankapplikationen (Microsoft SQL- Server)
- Datentransformation (SSIS, Apache Hop und Pentaho)
- Datenmodelle für das Reporting aufgesetzt sowie Auswertungen zur Verfügung gestellt
- Reporting (PowerBI)
- Schulung/Trainings
-
Case Study: Digitalisierung und Prozessoptimierung bei einem Abrechnungsinstitut in der Gesundheitsbranche
Ausgangssituation
Das Abrechnungsinstitut stand vor der Herausforderung, ein veraltetes Legacy-System zu modernisieren. Das bestehende System war ineffizient und bot keine ausreichenden Kapazitäten für die wachsenden Datenmengen. Es fehlte eine strukturierte Reporting-Landschaft und ein Prozess zur Erstellung anonymisierter Testdatenbanken.
Ziel der Durchführung
Ziel des Projekts: Migration der Daten in ein neues, leistungsfähigeres System sowie Performanceoptimierung auf Datenbank- und auf Applikationsebene. Zusätzlich sollte ein Datawarehouse und eine umfassende Reporting-Landschaft aufgesetzt sowie ein Prozess zur Implementierung anonymisierter Testdatenbanken eingeführt werden.
Vorgehensweise
Schritt 1: Datenmigration aus dem Legacy System
Detaillierte Analyse des bestehenden Legacy-Systems: Identifizierung, Kategorisierung und Migrationsvorbereitung der Daten durchgeführt. Ein detaillierter Migrationsplan vermeidet Datenverluste und Integritätsprobleme. Eine mehrstufige Migration ermöglicht Testläufe zur Sicherstellung der Datenintegrität.
Schritt 2: Performance Optimierung
Nach der erfolgreichen Migration erfolgte die Performanceoptimierung auf Datenbank- und Applikationsebene. Die Performance wurde durch Indexierung, Optimierung der Abfragen und Anpassung der Applikationslogik signifikant gesteigert. Regelmäßige Performance-Tests stellen kontinuierliche Verbesserungen sicher.
Schritt 3: Aufsetzen eines Prozesses zur Erstellung anonymisierter Testdatenbanken
Ein weiterer wichtiger Aspekt: Entwicklung eines Prozesses zur Erstellung anonymisierter Testdatenbanken. Dieser Prozess ermöglicht die Schaffung realitätsnaher Testumgebungen ohne die Gefährdung der Vertraulichkeit der Patientendaten. Tools und Skripte wurden zur Anonymisierung der Produktionsdaten entwickelt um den Import in die Testumgebungen DSGVO-konform abzubilden
Schritt 4: Aufbau Datawarehouses und Reporting Landschaft On Premise
Der letzte Schritt: Aufbau Datawarehouse und Reporting-Landschaft. Mit modernen ETL-Prozesse wurden Daten aus verschiedenen Quellen integriert. Eine On-Premise Lösung wurde gewählt, um die Datenhoheit zu gewährleisten. Das Reporting ist mit benutzerfreundlichen Dashboards und interaktiven Berichten realisiert – den Nutzern ist ein einfacher und schneller Zugang zu den KPIs ermöglicht.
Ergebnis der Digitalisierung und Prozessoptimierung
Das Projekt war ein voller Erfolg. Die Datenmigration war fehlerfrei und die Systemperformance ist deutlich verbessert. Der neue Prozess zur Erstellung anonymisierter Testdatenbanken ermöglicht es, realistische Testumgebungen zu schaffen – das steigert maßgeblich auch die Qualität der Softwaretests. Das neu aufgebaute Datawarehouse und die Reporting-Landschaft bieten die gewünschten, umfassenden Einblicke in die Daten und unterstützen die Entscheidungsfindung effektiv.Folgeprojekte
Auf Basis der erfolgreichen Umsetzung dieses Projekts sind mehrere Folgeprojekte geplant. Diese umfassen eine Weiterentwicklung der Reporting-Funktionalitäten, die Integration zusätzlicher Datenquellen sowie die Optimierung der Prozesse im Bereich Data Governance und Compliance. -
Case Study: Entwicklung eines BI-Auswertungsprozesses für ein Zentralinstitut im Gesundheitssektor
Ausgangssituation
Ein neuer Verarbeitungsprozess war erforderlich, um Erhebungsdaten anonymisiert zu verarbeiten und darauf basierende BI-Auswertungen zu ermöglichen. Das bestehende System war nicht in der Lage, die Daten sicher und effizient zu verarbeiten und bot keine ausreichenden Analysefunktionen.
Ziel der Durchführung
Ziel des Projekts: Entwicklung eines robusten und sicheren Verarbeitungsprozesses, der die Erhebungsdaten anonymisiert und auf Basis komplexer Prüfergebnisse auswertet und kategorisiert. Dies sollte eine fundierte BI-Analyse und Entscheidungsfindung ermöglichen.
Vorgehensweise
Schritt 1: Anforderungsanalyse und Prozessdesign
In der detaillierte Anforderungsanalyse erfolgte die detaillierte Untersuchung der bestehenden Prozesse und Anforderungen des Kunden. Erkenntnisbasiert wurde ein umfassendes Prozessdesign erstellt, das die Anonymisierung, Verarbeitung und Analyse der Erhebungsdaten sicherstellt.
Schritt 2: Entwicklung des Anonymisierungsprozesses
Wichtiger Aspekt des Projekts: Entwicklung eines Prozesses zur Anonymisierung der Erhebungsdaten. spezielle Algorithmen und Techniken wurden zur Sicherstellung implementiert, sodass die Daten anonym bleiben. Der Anonymisierungsprozess wurde Mehrfache Tests und Validierungen gewährleisten höchste Sicherheit.
Schritt 3: Implementierung der Datenverarbeitung und -kategorisierung
Nach erfolgreicher Implementierung des Anonymisierungsprozesse, wurden Maßnahmen eingeleitet, um Datenverarbeitungs- und Kategorisierungsprozesse zu entwickeln. Unter Einsatz komplexer Prüfergebnisse werden Daten analysiert und in relevante Kategorien unterteilt. Eine gezielte Auswertung und BI-Analyse der erhobenen Daten ist nun möglich.
Schritt 4: Entwicklung der BI-Auswertungstools
Abschließend erfolgte die Entwicklung von BI-Auswertungstools, die auf den verarbeiteten und kategorisierten Daten basieren. So ist die Erstellung umfangreicher und detaillierter Berichte machbar, um KPIs und Entscheidungsgrundlagen zu liefern. Vielfältige Visualisierungsmöglichkeiten machen die BI-Tools benutzerfreundlich.Ergebnis der Entwicklung des BI-Auswertungsprozesses
Das Projekt war ein voller Erfolg dank des neu entwickelten Verarbeitungsprozesses werden Erhebungsdaten sicher und anonymisiert verarbeitet. Die komplexe Auswertung und Kategorisierung der Daten bietet eine solide Grundlage für fundierte BI-Analysen. Die neuen BI-Auswertungstools haben die Entscheidungsprozesse im Zentralinstitut erheblich verbessert und bieten wertvolle Einblicke in die Daten.Folgeprojekte
Aufbauend auf dem Erfolg dieses Projekts sind weitere Folgeprojekte zur Erweiterung der BI-Analysefunktionen, der Integration zusätzlicher Datenquellen sowie der Schulung der Mitarbeiter im Umgang mit den neuen Tools und Prozessen in Planung. -
Case Study: Daten-Migration und Systemoptimierung bei einem Wohlfahrtsverband im Gesundheitsbereich
Ausgangssituation
Der Kunde musste seine veraltete Datenbankinfrastruktur modernisieren. Die wachsenden Anforderungen an Datenvolumen und -verarbeitung führten bei dem vorhandenen System zu häufigen Ausfällen und ineffizienten Prozessen.
Ziel der Durchführung
Ziel des Projekts: Datenmigration in ein neues, stabileres System. Eine begleitende Optimierung der Datenbankprozesse sollte umgesetzt werden um die Performance des Systems nachhaltig zu verbessern.
Vorgehensweise
Schritt 1: Analyse und Planung der Daten-Migration
Zu Beginn erfolgt die detaillierte Analyse der bestehenden Datenbankinfrastruktur zur Identifizierung von Schwachstellen und zur Definition eines detaillierten Migrationsplan. Prämisse: Datenmigration ohne Verluste und minimale Ausfallzeiten.
Schritt 2: Durchführung der Daten-Migration
Die Daten-Migration erfolgt mehrstufig mittels Testmigrationen zur Problemerkennung und -behebung sowie schrittweise Übertragung der Daten in das neue System unter Gewährleistung von Datenintegrität und -sicherheit.
Schritt 3: Stabilisierung der Datenbankinfrastruktur
Nach erfolgreicher Migration wurde die neue Datenbankinfrastruktur mittels Einführung von Wartungsarbeiten, Monitoring der Systemleistung und Implementierung von Backup-Strategien stabilisiert.
Schritt 4: Performance Optimierung der Datenbankprozesse
Die Optimierung der Datenbankprozesse erfolgte durch gezielte Anpassungen in der Optimierung von Abfragen, in der Indexierung und dem Tuning der Datenbankparameter. Die Systemperformance ist damit erheblich verbessert. Regelmäßige Performance-Analysen und -Tests stellen sicher, dass das System auch unter hoher Last stabil und effizient arbeitet.Ergebnis der Daten-Migration und Systemoptimierung
Das Projekt führte zu einer deutlich stabileren und leistungsfähigeren Datenbankinfrastruktur. Die erfolgreiche Migration und Optimierung der Datenbankprozesse resultierte in einer erheblichen Reduzierung der Ausfallzeiten und einer verbesserten Systemperformance. Der Wohlfahrtsverband kann nun effizienter arbeiten und die gestiegenen Anforderungen im Gesundheitsbereich besser bewältigen.Folgeprojekte
Geplante Folgeprojekte umfassen die kontinuierliche Optimierung der Datenbankprozesse, die Integration zusätzlicher Funktionalitäten, den Aufbau eines BI-Systems mit Reporting Landschaft sowie die Schulung der Mitarbeiter im Umgang mit dem neuen System, um die Effizienz und Effektivität weiter zu steigern.
Beispiele aus der Praxis
Partnerschaft
Unser Versprechen
- Experten für Datenlösungen: Wir sind führend in den Bereichen Business Intelligence, Big Data und Cloud-Technologien und stellen sicher, dass Ihre Datenherausforderungen mit modernsten Lösungen gemeistert werden.
- Kundenorientierter Ansatz: Unser „Cloud First“-Philosophie bedeutet, dass wir Ihre Bedürfnisse in den Mittelpunkt stellen und sowohl Cloud-Only- als auch hybride Lösungen anbieten, die auf Ihre Anforderungen zugeschnitten sind.
- Bewährte Erfolge: Branchenführer vertrauen auf uns, und wir haben eine nachgewiesene Erfolgsbilanz bei der Umsetzung von Projekten, die das Geschäftswachstum und die Innovation vorantreiben.
Unser Mehrwert
- Business Intelligence: Nutzen Sie die Kraft der Daten mit unseren BI-Dienstleistungen, einschließlich Power BI und Pentaho-Implementierungen.
- Cloud-Lösungen: Optimieren Sie Ihre Abläufe mit unseren Azure-Cloud-Services, von der Migration bis zur Verwaltung.
- Datenengineering: Bauen Sie robuste Dateninfrastrukturen mit unserer Expertise in SQL, Apache Spark und anderen Technologien.
- Beratung & Support: Profitieren Sie von unseren umfassenden Beratungsdiensten, die eine nahtlose Integration und kontinuierliche Unterstützung gewährleisten.
Was Kunden an uns schätzen - gelöste Herausforderungen
