Ihre Revenue Cycle Management Data Template

Die Billing Event ID repräsentiert eine eigenständige Instanz einer Service- oder Produktlieferung, die zu einer Gebühr führt. Sie fungiert als zentraler Faden, der alle zugehörigen Activities verbindet, von der anfänglichen Leistungserbringung und Gebührenerfassung über die Forderungseinreichung, Zahlungseingangsbuchung bis zur eventualen Kontoschließung.\n\nIm Process Mining ermöglicht die Analyse des Lebenszyklus jedes Billing Event eine umfassende Sicht auf den End-to-End Revenue Cycle. Sie wird verwendet, um den gesamten Verlauf einer einzelnen Gebühr zu verfolgen, gemeinsame Pfade zu identifizieren, Zykluszeiten zwischen Schlüsselmeilensteinen zu messen und Variationen zu verstehen, die zu Verzögerungen oder Umsatzlecks führen.

Dieser Identifikator ist essenziell, um alle zugehörigen Activities zu einem einzigen Case zu gruppieren, was eine vollständige und genaue Prozessanalyse des Revenue Cycle für jedes abrechenbare Event ermöglicht.

Dies ist der Primärschlüssel, der verschiedene Tabellen in Bezug auf Patientenbegegnungen, Gebühren, Forderungen und Zahlungen verbindet. Konsultieren Sie die R1 RCM-Dokumentation für das spezifische Feld, das oft mit einem Begegnungs- oder Forderungsidentifikator in Verbindung steht.

Dieses Attribut beschreibt einen einzelnen Schritt oder Meilenstein innerhalb des Revenue Cycle Management Prozesses für ein bestimmtes Billing Event. Activities repräsentieren die durchgeführte Arbeit, wie 'Charges Captured', 'Claim Submitted' oder 'Payment Posted'.\n\nDie Analyse der Abfolge von Activities ist der Kern des Process Mining. Sie ermöglicht die Entdeckung des tatsächlichen Prozessflusses, die Identifizierung von Bottlenecks, bei denen Activities zu lange zum Starten benötigen, und die Erkennung von Nacharbeitsschleifen, bei denen Activities unnötigerweise wiederholt werden, wie 'Claim Denied', gefolgt von 'Denial Rework Started'.

Es definiert die Schritte im Prozess, ermöglicht die Visualisierung der Prozesskarte, die Berechnung von Übergangszeiten und die Identifizierung von Prozessabweichungen und Nacharbeiten.

Diese Informationen werden typischerweise aus Event Logs, Statusänderungsprotokollen oder Transaktionscodes innerhalb verschiedener R1 RCM Module abgeleitet. Sie können eine Zuordnung von technischen Codes zu geschäftsfreundlichen Namen erfordern.

Event Time liefert das präzise Datum und die Uhrzeit, zu der eine Activity im System erfasst wurde. Diese zeitliche Information ist grundlegend für das Verständnis des Prozesses aus einer zeitbasierten Analyse.

Im Process Mining wird dieser Timestamp verwendet, um Events chronologisch zu ordnen und Dauern zwischen Activitys zu berechnen, was für die Performance-Analyse entscheidend ist. Er ermöglicht die Berechnung von Schlüsselkennzahlen wie Cycle Time, Bearbeitungszeit und Wartezeit, die für die Identifizierung von Bottlenecks und die Messung der Effizienz unerlässlich sind.

Dieser Timestamp ist die Grundlage für alle zeitbezogenen Analysen, einschließlich der Berechnung von Zykluszeiten, der Identifizierung von Bottlenecks und der Überwachung der Prozessperformance gegenüber SLAs.

Typischerweise als Feld 'Creation Date', 'Timestamp' oder 'Last Update Date' im Zusammenhang mit jedem Transaktions- oder Statusänderungsdatensatz in R1 RCM zu finden.

Dieses Attribut gibt den Zeitpunkt der letzten Aktualisierung der Data für die Process Mining Analyse an. Es liefert Kontext zur Aktualität der analysierten Data.\n\nDiese Informationen sind wichtig für das Reporting und Dashboarding, da sie dem Benutzer mitteilen, wie aktuell die Prozess-Erkenntnisse sind. Sie helfen, Erwartungen an die Aktualität der Data zu steuern und sicherzustellen, dass Entscheidungen auf einer verstandenen Zeitspanne basieren.

Liefert entscheidenden Kontext zur Datenaktualität, um sicherzustellen, dass Analysten und Stakeholder über den Stand der Prozess-Erkenntnisse informiert sind.

Dieser Timestamp wird während des Data Extraktions-, Transformations- und Ladeprozesses (ETL) generiert und normalerweise auf den gesamten Datensatz angewendet.

Dieses Attribut identifiziert die Quellanwendung oder das Modul, das die Data für ein bestimmtes Event generiert hat. In einer komplexen Umgebung wie dem Gesundheitswesen können Data von einem EMR, einem Abrechnungsmodul, einer Claims Clearinghouse oder einer Collections Platform stammen.\n\nDas Verständnis des Quellsystems ist entscheidend für die Data Validierung und für die Analyse von Prozessvariationen, die spezifisch für bestimmte Systeme sein können. Es hilft bei der Fehlerbehebung von Data Inkonsistenzen und dem Verständnis der technologischen Landschaft des Prozesses.

Identifiziert den Ursprung der Data, was für Data Governance, Validierung und das Verständnis der Interaktion verschiedener Systeme innerhalb des End-to-End-Prozesses entscheidend ist.

Dies ist oft ein statischer Wert, der während des Data Extraktionsprozesses hinzugefügt wird und das System (z.B. 'R1 RCM') identifiziert, aus dem die Data stammen.

Wenn ein Kostenträger eine Forderung ablehnt, liefert er einen Grundcode, wie einen CARC (Claim Adjustment Reason Code), um die Entscheidung zu erläutern. Diese Codes sind standardisiert und weisen auf Probleme wie 'Service Not Covered' oder 'Duplicate Claim' hin.\n\nDieses Attribut ist äußerst wichtig für das Ablehnungsmanagement. Durch die Analyse der Häufigkeit verschiedener Ablehnungsgründe können Organisationen die Ursachen von Ablehnungen identifizieren und beheben, sei es im Zusammenhang mit der Patientenberechtigung, Kodierungsfehlern oder mangelnder medizinischer Notwendigkeit. Dies unterstützt direkt die Bemühungen, Nacharbeit zu reduzieren und den Cash Flow zu beschleunigen.

Liefert den spezifischen Grund für die Ablehnung von Forderungen, ermöglicht eine Ursachenanalyse zur Reduzierung zukünftiger Ablehnungen, zur Verringerung von Nacharbeit und zur Verbesserung der Ersterstattungsquoten.

Diese Informationen werden in der elektronischen Zahlungsmitteilung (ERA oder 835 Datei) vom Kostenträger empfangen und im Claims Management Modul von R1 RCM gespeichert.

Dieses Attribut spezifiziert die Organisationseinheit, wie 'Charge Entry', 'Claims Submission' oder 'Denial Management', die einen bestimmten Prozessschritt ausgeführt hat. Es hilft, zu verstehen, wie die Arbeit zwischen verschiedenen Teams übergeben wird.\n\nDies ist entscheidend für die Analyse des Abteilungsdurchsatzes und die Identifizierung von abteilungsübergreifenden Bottlenecks. Durch das Filtern der Prozesslandkarte nach Abteilung können Organisationen sehen, wo Übergaben reibungslos verlaufen und wo Verzögerungen auftreten, was die Ressourcenallokation und die organisatorische Prozessoptimierung unterstützt.

Ermöglicht die Analyse der Prozessperformance nach Organisationseinheit und hilft, teamspezifische Bottlenecks, Ressourcenengpässe oder Best Practices zu identifizieren.

Dies kann aus dem Benutzerprofil in R1 RCM abgeleitet oder als 'Department Code' in den Transaktions Data gespeichert werden.

Dieses Attribut repräsentiert den gesamten Rechnungsbetrag für die erbrachten Leistungen in einem bestimmten Billing Event. Es spiegelt den erwarteten Umsatz aus der Forderung wider.\n\nDie Analyse des Rechnungsbetrags ist entscheidend für das finanzielle Process Mining. Sie ermöglicht die Priorisierung von hochwertigen Forderungen, das Verständnis der finanziellen Auswirkungen von Prozessverzögerungen oder -ablehnungen und die Segmentierung des Prozesses basierend auf dem Wert. Zum Beispiel könnte eine Analyse ergeben, dass Forderungen über einem bestimmten Betrag einem anderen, manuelleren Prozesspfad folgen.

Stellt den finanziellen Kontext für den Prozess bereit, ermöglicht die Analyse, wie Prozessvarianten den Umsatz beeinflussen, und hilft, hochwertige Cases für Verbesserungen zu priorisieren.

Befindet sich in der Haupttabelle für Forderungen oder Rechnungs-Header in R1 RCM, oft benannt als 'TotalBilledAmount' oder ähnlich.

Dieses Attribut gibt den letzten bekannten Status eines Billing Event an, wie 'Submitted', 'Paid', 'Denied' oder 'In Collections'. Es bietet eine Momentaufnahme, wo sich eine Rechnung zu einem bestimmten Zeitpunkt im Prozess befindet.\n\nDer Rechnungsstatus ist entscheidend für die Erstellung von Alterungsberichten und die Überwachung der Gesundheit der Debitorenbuchhaltung. Im Process Mining kann er verwendet werden, um nach Cases zu filtern, die in einem bestimmten Status festhängen, oder um die Ergebnisse verschiedener Prozessvarianten zu analysieren, beispielsweise den Vergleich der Pfade von 'Paid' vs. 'Denied' Claims.

Bietet eine Ist-Ansicht jedes Case, unerlässlich für die Erstellung von Alterungsberichten und die Analyse der Endergebnisse verschiedener Prozesspfade.

Dies ist typischerweise ein Statusfeld auf dem Hauptforderungen- oder Kontodatensatz in R1 RCM.

Dieses Attribut identifiziert den primären Kostenträger für die Forderung. Dies könnte ein kommerzieller Versicherer wie Aetna, ein staatlicher Kostenträger wie Medicare oder der Patient selbst für Selbstzahleranteile sein.\n\nDie Analyse des Prozesses nach Kostenträger ist grundlegend für das Revenue Cycle Management. Sie kann aufzeigen, dass bestimmte Kostenträger höhere Ablehnungsraten, längere Zahlungszyklen oder komplexere Einreichungsanforderungen haben. Diese Erkenntnisse ermöglichen es der Organisation, ihre Prozesse und Ressourcen anzupassen, um kostenträgerspezifische Verhaltensweisen effektiv zu managen.

Ermöglicht die Segmentierung des Prozesses nach Kostenträgern, um kostenträgerspezifische Verzögerungen, Ablehnungsmuster oder Zahlungsverhalten zu identifizieren, was für die Umsatzoptimierung entscheidend ist.

Gefunden in den Versicherungs- oder demografischen Informationen des Patienten, die mit dem Anspruch in R1 RCM verknüpft sind.

Dieses Attribut identifiziert die Person, die für die Ausführung einer bestimmten Task im Prozess verantwortlich ist. Dies könnte der Rechnungssteller sein, der die Forderung erstellt hat, der Analyst, der eine Ablehnung nachbearbeitet hat, oder der Spezialist, der eine Zahlung gebucht hat.\n\nDie Analyse nach Benutzer hilft, die Arbeitslastverteilung, die individuelle Leistung und den Schulungsbedarf zu verstehen. Sie kann hervorheben, welche Benutzer am effizientesten sind oder welche mit höheren Fehlerraten verbunden sein könnten, wodurch gezielte Management- und Prozessverbesserungsbemühungen ermöglicht werden.

Ermöglicht die Analyse der Team- und Einzelleistung, der Arbeitslastverteilung und hilft, Schulungsmöglichkeiten oder benutzerspezifische Prozessabweichungen zu identifizieren.

Typischerweise als Feld 'UserID', 'Processor' oder 'UpdatedBy' in Transaktions Logs innerhalb von R1 RCM zu finden.

Dieses Attribut erfasst den Wert aller finanziellen Anpassungen, die am Patientenkonto nach der initialen Abrechnung vorgenommen wurden. Anpassungen können positiv oder negativ sein und umfassen vertragliche Pauschalen, Abschreibungen oder Korrekturen.\n\nDie Verfolgung der Anpassungsbeträge ist entscheidend für das Verständnis der Umsatzintegrität. Hohe negative Anpassungen können auf Umsatzlecks hinweisen, die auf Probleme wie fehlerhafte Gebührenerfassung oder uneinbringliche Forderungen zurückzuführen sind. Die Analyse dieser Data hilft, die finanziellen Auswirkungen von Abrechnungsfehlern und Inkasso-Ineffizienzen zu identifizieren.

Quantifiziert Umsatzlecks und finanzielle Korrekturen und hilft dabei, die monetären Auswirkungen von Abrechnungsfehlern, vertraglichen Verpflichtungen oder uneinbringlichen Forderungen genau zu bestimmen.

Gefunden in den TransaktionsLogs im Zusammenhang mit Kontokorrekturen oder Zahlungsbuchungen in R1 RCM.

Dieses Attribut liefert Kontext, warum eine finanzielle Anpassung an einem Konto vorgenommen wurde. Gründe sind oft standardisierte Codes oder Beschreibungen, die die Art der Anpassung kategorisieren.\n\nDie Analyse der Anpassungsgründe hilft, die Ursachen von Umsatzlecks zu diagnostizieren. Zum Beispiel könnte eine hohe Häufigkeit von 'Small Balance Write-off' auf einen ineffizienten Inkassoprozess für kleine Beträge hindeuten, während frequent 'Contractual Allowances' ein erwarteter Teil der Kostenträgerverhandlungen sind. Diese Analyse unterstützt das Billing Adjustments & Compliance Audit Dashboard.

Erklärt das „Warum“ hinter Umsatzanpassungen und hilft, die Grundursachen für Umsatzverluste zu identifizieren, wie z. B. vertragliche Probleme, Abrechnungsfehler oder Inkassoausfälle.

Dies ist typischerweise ein Code- oder Textfeld im selben Transaktionsdatensatz wie der AdjustmentAmount in R1 RCM.

Dieses Attribut beschreibt das Ergebnis von Bemühungen, Zahlungen für ein überfälliges Konto einzuziehen. Mögliche Ergebnisse sind 'Paid in Full', 'Settled', 'Placed in Bad Debt' oder 'Unresolved'.\n\nDie Verfolgung der Inkassoergebnisse ist entscheidend für die Bewertung der Effektivität des Inkassoprozesses. Durch die Analyse, welche Activities zu welchen Ergebnissen führen, können Organisationen ihre Inkassostrategien optimieren, die Wiederherstellungsraten verbessern und fundierte Entscheidungen darüber treffen, wann Inkassobemühungen eingestellt und Salden abgeschrieben werden sollen. Dies unterstützt das Collection Activity Performance Dashboard.

Misst die Effektivität des Inkassoprozesses durch die Verfolgung der endgültigen Klärung überfälliger Konten und hilft, Inkassostrategien zu optimieren.

Dies ist wahrscheinlich ein Statusfeld auf dem Patientenkonto oder in einem dedizierten Inkassomodul innerhalb von R1 RCM.

Dieses boolesche Attribut unterscheidet zwischen Tasks, die durch Softwareautomatisierung ausgeführt werden, wie ein RPA Bot für die Forderungseinreichung, und Tasks, die manuell von einem Mitarbeiter durchgeführt werden.\n\nDie Analyse dieses Attributs ist entscheidend, um die Auswirkungen und die Effektivität von Automatisierungsinitiativen zu verstehen. Sie ermöglicht den Vergleich von Geschwindigkeit, Kosten und Fehlerraten automatisierter gegenüber manueller Prozesse, was hilft, neue Möglichkeiten für die Automatisierung zu identifizieren und den ROI bestehender Bots zu messen.

Unterscheidet zwischen menschlichen und systemgesteuerten Activitys, was entscheidend ist, um die Auswirkungen der Automation auf Prozesseffizienz, Kosten und Qualität zu messen.

Dies kann aus dem Feld 'AssignedUser' abgeleitet werden, wo spezifische Benutzer-IDs für Bots reserviert sind (z.B. 'BOT_RPA01'). Alternativ verfügen einige Systeme über ein dediziertes Feld zur Kennzeichnung automatisierter Transaktionen.

Dieses Attribut ist ein boolesches Flag, das typischerweise während der Process Mining Analyse berechnet wird. Es wird 'true', wenn eine Activity eine Wiederholung eines vorherigen Schritts ist oder Teil einer Sequenz, die eine Fehlerkorrektur anzeigt, z.B. jede Activity, die auf 'Claim Denied' folgt.\n\nDie Identifizierung von Nacharbeit ist eine der mächtigsten Funktionen des Process Mining. Sie quantifiziert den Umfang des verschwendeten Aufwands, der Zeit und der Ressourcen in einem Prozess. Durch das Markieren von Nacharbeit können Organisationen ihre Verbesserungsbemühungen darauf konzentrieren, die Fehler zu verhindern, die sie überhaupt erst verursachen, was zu erheblichen Effizienzgewinnen führt.

Hilft, die Häufigkeit und die Auswirkungen von Nacharbeiten, wie z. B. Forderungsablehnungen, zu quantifizieren und ermöglicht eine gezielte Analyse zur Reduzierung von Ineffizienzen und unnötigem Aufwand.

Dies ist kein Feld im Quellsystem. Es wird vom Process Mining Tool basierend auf der Abfolge von Activities berechnet, z.B. durch Erkennen, wann eine Activity 'Claim Submitted' mehr als einmal für denselben Case auftritt.

Dieses Attribut ist die eindeutige ID, die einem Patienten innerhalb des Gesundheitssystems zugewiesen wird, oft als Medizinische Rekordnummer (MRN) bezeichnet.\n\nObwohl die individuelle Patientenversorgung nicht im Fokus steht, kann die Patient ID verwendet werden, um wiederkehrende Abrechnungsprobleme für denselben Patienten über die Zeit zu analysieren. Sie kann auch helfen, den Prozess nach Patientendemografien oder -historie zu segmentieren, wenn sie mit anderen Patientendaten verknüpft ist, wodurch potenziell systemische Probleme aufgedeckt werden, die bestimmte Patientengruppen betreffen.

Ermöglicht die Analyse von AbrechnungsEvents auf Patientenebene, um wiederkehrende Probleme oder Muster für spezifische Patienten über mehrere Begegnungen hinweg zu identifizieren.

Dieser Identifikator ist ein Kernbestandteil der Patientendemografie-Data, die mit jeder Begegnung und Forderung in R1 RCM verknüpft sind.

Service-Codes, wie CPT (Current Procedural Terminology) Codes, sind standardisierte medizinische Codes, die verwendet werden, um medizinische, chirurgische und diagnostische Verfahren und Dienstleistungen den Kostenträgern zur Erstattung zu melden.\n\nDie Analyse des Prozesses nach Service-Code ist unerlässlich, um Abrechnungsprobleme im Zusammenhang mit spezifischen Versorgungsarten zu identifizieren. Sie kann aufzeigen, welche Verfahren am häufigsten abgelehnt werden, die längsten Zahlungszyklen haben oder die meiste Nacharbeit erfordern, was gezielte Verbesserungen in der Kodierung und Abrechnungspraxis ermöglicht.

Ermöglicht die Prozessanalyse basierend auf der Art der erbrachten Dienstleistung, was entscheidend ist, um Ablehnungsmuster oder Zahlungsverzögerungen im Zusammenhang mit spezifischen Verfahren zu identifizieren.

Diese Informationen finden sich auf der Positionsebene für jede Gebühr oder Forderung innerhalb von R1 RCM.

Diese Metrik misst die End-to-End-Dauer des Revenue Cycle für ein einzelnes Billing Event. Sie repräsentiert die Gesamtzeit, die eine Organisation benötigt, um eine erbrachte Leistung in Cash umzuwandeln.\n\nDies ist ein kritischer Key Performance Indicator (KPI) für die finanzielle Gesundheit. Die Analyse dieser Dauer hilft, Hauptbereiche für die Prozessbeschleunigung zu identifizieren. Durch die Aufschlüsselung der Zykluszeit in ihre Bestandteile, wie 'time to bill' und 'time to pay', können Organisationen die größten Chancen zur Verbesserung des Cash Flow genau bestimmen.

Dies ist ein kritischer, hochrangiger KPI, der die Gesamteffizienz des Cash Conversion Cycle misst und den Cash Flow der Organisation direkt beeinflusst.

Dies ist eine berechnete Metrik. Sie ist die Zeitdifferenz zwischen dem Timestamp der Activity 'Service Rendered' und der Activity 'Payment Posted' für ein gegebenes Billing Event.