• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Informatik 2011 - Workshop DIG - Potenziale wissensbasierter Analytischer Informationssysteme am Beispiel der Krankenhausmarktanalyse
 

Informatik 2011 - Workshop DIG - Potenziale wissensbasierter Analytischer Informationssysteme am Beispiel der Krankenhausmarktanalyse

on

  • 381 views

Durch einen höheren Bedarf an Gesundheitsleistungen bei gleichzeitig sinkender ...

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.

Statistics

Views

Total Views
381
Views on SlideShare
381
Embed Views
0

Actions

Likes
0
Downloads
0
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Informatik 2011 - Workshop DIG - Potenziale wissensbasierter Analytischer Informationssysteme am Beispiel der Krankenhausmarktanalyse Informatik 2011 - Workshop DIG - Potenziale wissensbasierter Analytischer Informationssysteme am Beispiel der Krankenhausmarktanalyse Presentation Transcript

    • Informatik 2011- Workshop: Datenmanagement und Interoperabilität im GesundheitswesenPotenziale wissensbasierter AnalytischerInformationssysteme am Beispiel derKrankenhausmarktanalyseMatthias MertensOFFIS - Institut für InformatikFuE Bereich GesundheitGruppe Datenmangement und -analyseEscherweg 2 - 26121 Oldenburg - GermanyPhone/Fax.: +49 441 9722-726E-Mail: mertens@offis.de 19.10.2011
    • 2 AGENDA Motivation Grundlagen & Problemstellung Forschungsfrage & Anforderungen KNOBI- Konzept für eine wissensbasierte Analyseunterstützung Literatur FazitMatthias Mertens 19.10.2011
    • 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 könnenMatthias Mertens 19.10.2011
    • 4 Motivation 2/2 Fragestellungen von Business Usern Krankenhausmarktanalyse (KMA) Business UserAktuelle 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 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 / EinweisermarketingMatthias Mertens 19.10.2011
    • 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 VordergrundMatthias Mertens 19.10.2011
    • 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 ableitenMatthias Mertens 19.10.2011
    • 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 AISMatthias Mertens 19.10.2011
    • 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 AISMatthias Mertens 19.10.2011
    • 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 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 AnalyseschrittenMatthias Mertens 19.10.2011
    • 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- OperationenMatthias Mertens 19.10.2011
    • 13 KNOBI - Architekturskizze Einbettung der semantischem Metadatenebene in ein AIS Frontend – Anwendungsebene Standard Ad-Hoc Unterstütze Ad-Hoc Reports ... ... Analyse Anwendung Analyse Anwendung Backend Metadaten Speicher Analyseunterstützende Dienste Annotations Dienste Vorschlags- Domänen Ontologie Suche Navigation Annotationsdienst generierung Analyse Schicht Metadatenbereitstellung Ontologie Analyse Ontologie Statistische Geografische Anfrage Mapping Dienst ... Verwaltung Verfahren Verfahren (OLAP) Speicherungs- und Aufbereitungsschicht (Data Warehouse System) Technische Ontologie Anfrage- (DWH Ontologie) Speicherung ETL ... Verarbeitung Daten-Quellen und Dienste External & Internal Services Data SourcesMatthias Mertens 19.10.2011
    • 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 – MDMMatthias Mertens 19.10.2011
    • 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 – MDMMatthias Mertens 19.10.2011
    • 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 seinMatthias Mertens 19.10.2011
    • 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 inMatthias Mertens 19.10.2011
    • 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 werdenMatthias Mertens 19.10.2011
    • 19 KNOBI - semantisches Metadatenmodell 2/2 Domänen Ontologie: BeispielMatthias Mertens 19.10.2011
    • 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 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 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-DatenMatthias Mertens 19.10.2011
    • 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 RegionMatthias Mertens 19.10.2011
    • 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 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 UmfeldMatthias Mertens 19.10.2011
    • 26 Fragen ?Matthias Mertens 19.10.2011