Ihr Daten-Template für Revenue Cycle Management

Die ID des Abrechnungsereignisses bezeichnet einen einzelnen Vorgang, bei dem eine Leistung erbracht oder ein Produkt geliefert und dafür eine Gebühr berechnet wird. Sie bildet den zentralen Bezugspunkt für alle zugehörigen Aktivitäten, von der Leistungserbringung und Leistungserfassung über die Einreichung des Abrechnungsfalls und die Verbuchung der Zahlung bis zum endgültigen Abschluss des Kontos.

Beim Process Mining ermöglicht die Analyse des Lebenszyklus jedes Abrechnungsereignisses einen umfassenden Einblick in den gesamten Abrechnungszyklus. So lässt sich der Weg einer einzelnen Forderung nachvollziehen, häufige Abläufe lassen sich erkennen und die Durchlaufzeiten zwischen wichtigen Meilensteinen messen. Außerdem werden Abweichungen sichtbar, die zu Verzögerungen oder Umsatzeinbußen führen.

Diese Kennung ist erforderlich, um alle zugehörigen Aktivitäten zu einem einzelnen Case zusammenzufassen und den Abrechnungszyklus für jedes abrechenbare Ereignis vollständig und präzise zu analysieren.

Dieser Primärschlüssel verknüpft verschiedene Tabellen zu Patientenbehandlungen, Gebühren, Abrechnungsfällen und Zahlungen. Welche Felder dafür verwendet werden, entnehmen Sie der Dokumentation von R1 RCM. Häufig handelt es sich um eine Kennung für eine Behandlung oder einen Abrechnungsfall.

Dieses Attribut beschreibt einen einzelnen Schritt oder Meilenstein im Abrechnungsmanagement für ein bestimmtes Abrechnungsereignis. Aktivitäten stehen für ausgeführte Arbeiten, etwa „Gebühren erfasst“, „Abrechnungsfall eingereicht“ oder „Zahlung gebucht“.

Die Analyse der Aktivitätsabfolge ist ein zentraler Bestandteil des Process Mining. Sie zeigt den tatsächlichen Prozessablauf, macht Engpässe sichtbar, an denen Aktivitäten zu spät beginnen, und deckt unnötige Wiederholungsschleifen auf, etwa wenn auf „Abrechnungsfall abgelehnt“ die Aktivität „Ablehnung erneut bearbeiten“ folgt.

Das Attribut bildet die Prozessschritte ab. Damit lassen sich der Prozessablauf visualisieren, Übergangszeiten berechnen sowie Prozessabweichungen und Nacharbeiten erkennen.

Diese Informationen stammen in der Regel aus Event Logs, Statusänderungsdatensätzen oder Transaktionscodes verschiedener R1-RCM-Module. Technische Codes müssen möglicherweise verständlichen Geschäftsbezeichnungen zugeordnet werden.

Die Ereigniszeit gibt das genaue Datum und die Uhrzeit an, zu denen eine Aktivität im System erfasst wurde. Diese Zeitangabe ist grundlegend für die zeitbezogene Prozessanalyse.

Beim Process Mining dient der Timestamp dazu, Ereignisse chronologisch zu ordnen und die Dauer zwischen Aktivitäten zu berechnen. Das ist entscheidend für die Leistungsanalyse. So lassen sich wichtige Kennzahlen wie Zykluszeit, Verarbeitungszeit und Wartezeit ermitteln, die wiederum helfen, Engpässe zu erkennen und die Effizienz zu messen.

Dieser Timestamp bildet die Grundlage für alle zeitbezogenen Analysen. Dazu gehören die Berechnung von Zykluszeiten, das Erkennen von Engpässen und die Überwachung der Prozessleistung anhand von SLAs.

In R1 RCM ist dieser Wert üblicherweise in einem Feld wie „Creation Date“, „Timestamp“ oder „Last Update Date“ zu finden, das dem jeweiligen Transaktions- oder Statusänderungsdatensatz zugeordnet ist.

Dieses Attribut gibt an, wann die Daten für die Process-Mining-Analyse zuletzt aktualisiert wurden. So lässt sich einschätzen, wie aktuell die analysierten Daten sind.

Diese Information ist für Berichte und Dashboards wichtig, denn sie zeigt, auf welchem Datenstand die Erkenntnisse zum Prozess beruhen. Sie hilft dabei, Erwartungen an die Aktualität der Daten einzuordnen und Entscheidungen auf Grundlage eines klar definierten Zeitraums zu treffen.

Gibt wichtigen Aufschluss über die Aktualität der Daten. So wissen Analysten und Stakeholder, wie aktuell die Erkenntnisse zum Prozess sind.

Dieser Timestamp wird während der Datenextraktion, -transformation und -ladung (ETL) erzeugt und gilt üblicherweise für den gesamten Datensatz.

Dieses Attribut gibt an, aus welcher Quellanwendung oder welchem Modul die Daten für ein bestimmtes Ereignis stammen. In einer komplexen Umgebung wie dem Gesundheitswesen können die Daten aus einem EMR, einem Abrechnungsmodul, einer Clearingstelle für Abrechnungsfälle oder einer Inkassoplattform kommen.

Das Quellsystem zu kennen, ist wichtig für die Datenvalidierung und für die Analyse von Prozessabweichungen, die nur in bestimmten Systemen auftreten. Es hilft, Unstimmigkeiten in den Daten zu untersuchen und die technische Systemlandschaft des Prozesses zu verstehen.

Gibt die Herkunft der Daten an. Das ist wichtig für Data Governance und Validierung sowie für das Verständnis der Interaktionen zwischen den Systemen im durchgängigen Prozess.

Oft wird während der Datenextraktion ein statischer Wert ergänzt, der das Quellsystem angibt, zum Beispiel „R1 RCM“.

Lehnt ein Kostenträger einen Abrechnungsfall ab, gibt er einen Grundcode an, zum Beispiel einen CARC (Claim Adjustment Reason Code), der die Entscheidung erläutert. Diese standardisierten Codes weisen auf Probleme wie „Leistung nicht abgedeckt“ oder „Doppelter Abrechnungsfall“ hin.

Dieses Attribut ist für das Ablehnungsmanagement besonders wichtig. Durch die Analyse der Häufigkeit verschiedener Ablehnungsgrundcodes können Organisationen die Ursachen von Ablehnungen erkennen und beheben. Dazu zählen etwa Probleme mit dem Versicherungsanspruch des Patienten, Codierungsfehler oder eine fehlende medizinische Notwendigkeit. Das trägt unmittelbar dazu bei, Nacharbeit zu verringern und den Zahlungseingang zu beschleunigen.

Gibt den konkreten Grund für die Ablehnung eines Abrechnungsfalls an. So lassen sich Ursachen analysieren, künftige Ablehnungen vermeiden, Nacharbeit verringern und die Zahlungsquote beim ersten Einreichen verbessern.

Diese Information geht in der elektronischen Zahlungsmitteilung (ERA oder 835-Datei) des Kostenträgers ein und wird im Modul für das Abrechnungsfallmanagement von R1 RCM gespeichert.

Dieses Attribut bezeichnet die Organisationseinheit, etwa „Gebührenerfassung“, „Einreichung von Abrechnungsfällen“ oder „Ablehnungsmanagement“, die einen bestimmten Prozessschritt ausgeführt hat. Es zeigt, wie Arbeit zwischen verschiedenen Teams übergeben wird.

Das ist wichtig, um den Durchsatz der Abteilungen zu analysieren und bereichsübergreifende Engpässe zu erkennen. Wenn Unternehmen die Prozessübersicht nach Abteilung filtern, sehen sie, wo Übergaben reibungslos verlaufen und wo Verzögerungen entstehen. Das unterstützt die Ressourcenplanung und die Optimierung der Abläufe über Abteilungsgrenzen hinweg.

Ermöglicht die Analyse der Prozessleistung nach Organisationseinheit. So lassen sich teambezogene Engpässe, Ressourcenbeschränkungen und bewährte Vorgehensweisen erkennen.

Der Wert kann aus dem Benutzerprofil in R1 RCM abgeleitet oder in den Transaktionsdaten als „Department Code“ gespeichert sein.

Dieses Attribut gibt den primären Kostenträger für den Abrechnungsfall an. Das kann eine private Versicherung wie Aetna, ein staatlicher Kostenträger wie Medicare oder bei Selbstzahlern der Patient sein.

Die Analyse nach Kostenträgern ist ein wesentlicher Bestandteil des Abrechnungsmanagements. Sie kann zeigen, dass bestimmte Kostenträger häufiger Abrechnungsfälle ablehnen, längere Zahlungszyklen haben oder komplexere Einreichungsanforderungen stellen. Auf Grundlage dieser Erkenntnisse kann die Organisation ihre Abläufe und Ressourcen gezielt auf die jeweiligen Anforderungen abstimmen.

Ermöglicht die Segmentierung des Prozesses nach Kostenträger. So lassen sich kostenträgerspezifische Verzögerungen, Ablehnungsmuster und Zahlungsverhalten erkennen, die für die Umsatzoptimierung wichtig sind.

In R1 RCM ist der Wert in den Versicherungs- oder demografischen Angaben des Patienten zu finden, die mit dem Abrechnungsfall verknüpft sind.

Dieses Attribut gibt den gesamten abgerechneten Betrag für die erbrachten Leistungen eines Abrechnungsereignisses an. Er entspricht dem erwarteten Erlös aus dem Abrechnungsfall.

Die Analyse des Rechnungsbetrags ist für das finanzielle Process Mining wichtig. Sie hilft, Abrechnungsfälle mit hohem Wert zu priorisieren, die finanziellen Folgen von Prozessverzögerungen oder Ablehnungen zu verstehen und den Prozess nach Beträgen zu segmentieren. So kann eine Analyse beispielsweise zeigen, dass Abrechnungsfälle oberhalb eines bestimmten Betrags einem anderen, stärker manuell geprägten Ablauf folgen.

Ordnet den Prozess finanziell ein und zeigt, wie sich Prozessabweichungen auf den Umsatz auswirken. Außerdem lassen sich Abrechnungsfälle mit hohem Wert für Verbesserungen priorisieren.

In R1 RCM ist der Wert in der Regel in der Haupttabelle für Abrechnungsfälle oder Rechnungen zu finden, häufig unter dem Namen „TotalBilledAmount“ oder einer ähnlichen Bezeichnung.

Dieses Attribut gibt den zuletzt bekannten Status eines Abrechnungsereignisses an, zum Beispiel „Eingereicht“, „Bezahlt“, „Abgelehnt“ oder „Im Inkasso“. Es zeigt, an welcher Stelle des Prozesses sich eine Rechnung zu einem bestimmten Zeitpunkt befindet.

Der Rechnungsstatus ist wichtig für die Erstellung von Altersstrukturanalysen und die Überwachung offener Forderungen. Beim Process Mining lässt sich damit nach Cases filtern, die in einem bestimmten Status feststecken. Außerdem können die Ergebnisse verschiedener Prozessvarianten verglichen werden, etwa die Abläufe bei bezahlten und abgelehnten Abrechnungsfällen.

Zeigt den aktuellen Status jedes Case. Das ist wichtig für Altersstrukturanalysen und den Vergleich der Ergebnisse verschiedener Prozessabläufe.

In R1 RCM ist dies üblicherweise ein Statusfeld im Hauptdatensatz des Abrechnungsfalls oder Kontos.

Dieses Attribut gibt an, wer für die Ausführung einer bestimmten Aufgabe im Prozess verantwortlich war. Das kann die Person sein, die den Abrechnungsfall erstellt, eine Ablehnung erneut bearbeitet oder eine Zahlung verbucht hat.

Die Auswertung nach Benutzern zeigt, wie sich die Arbeitslast verteilt, wie die individuelle Leistung ausfällt und wo Schulungsbedarf besteht. Sie kann aufzeigen, welche Benutzer besonders effizient arbeiten oder bei wem häufiger Fehler auftreten. So lassen sich gezielte Maßnahmen zur Prozessverbesserung und Personalsteuerung ableiten.

Ermöglicht die Analyse der Team- und Einzelleistung sowie der Arbeitslastverteilung. Außerdem lassen sich Schulungsbedarf und benutzerspezifische Prozessabweichungen erkennen.

In R1 RCM ist dieser Wert üblicherweise in Transaktionsprotokollen in einem Feld wie „UserID“, „Processor“ oder „UpdatedBy“ zu finden.

Dieses Attribut erfasst den Betrag aller finanziellen Anpassungen, die nach der ursprünglichen Abrechnung am Konto eines Patienten vorgenommen wurden. Anpassungen können positiv oder negativ ausfallen und beispielsweise vertragliche Nachlässe, Abschreibungen oder Korrekturen umfassen.

Die Erfassung von Anpassungsbeträgen ist wichtig, um die Integrität der Erlöse zu beurteilen. Hohe negative Anpassungen können auf Umsatzeinbußen hindeuten, etwa durch eine fehlerhafte Gebührenerfassung oder uneinbringliche Forderungen. Die Analyse dieser Daten zeigt, welche finanziellen Folgen Abrechnungsfehler und ineffiziente Inkassoprozesse haben.

Beziffert Umsatzeinbußen und finanzielle Korrekturen. So lässt sich feststellen, welche finanziellen Folgen Abrechnungsfehler, vertragliche Verpflichtungen oder uneinbringliche Forderungen haben.

In R1 RCM ist der Wert in Transaktionsprotokollen zu Kontenanpassungen oder Zahlungsbuchungen zu finden.

Dieses Attribut erläutert, warum eine finanzielle Anpassung an einem Konto vorgenommen wurde. Die Gründe sind häufig standardisierte Codes oder Beschreibungen, die die Art der Anpassung angeben.

Die Analyse der Anpassungsgründe hilft, die Ursachen von Umsatzeinbußen zu ermitteln. Eine hohe Zahl von Abschreibungen kleiner Salden kann beispielsweise auf einen ineffizienten Inkassoprozess für geringe Beträge hindeuten. Häufige vertragliche Nachlässe sind dagegen ein erwartbarer Teil der Verhandlungen mit Kostenträgern. Diese Analyse unterstützt das Dashboard für Abrechnungsanpassungen und Compliance-Prüfungen.

Erklärt die Gründe für Erlösanpassungen und hilft, die Ursachen von Umsatzverlusten zu ermitteln, etwa vertragliche Probleme, Abrechnungsfehler oder erfolglose Inkassomaßnahmen.

In R1 RCM ist dies üblicherweise ein Code- oder Textfeld im selben Transaktionsdatensatz wie „AdjustmentAmount“.

Dieses boolesche Attribut unterscheidet zwischen Aufgaben, die durch Softwareautomatisierung ausgeführt wurden, etwa durch einen RPA-Bot bei der Einreichung von Abrechnungsfällen, und Aufgaben, die Mitarbeitende manuell erledigt haben.

Die Analyse dieses Attributs ist wichtig, um die Auswirkungen und Wirksamkeit von Automatisierungsinitiativen zu verstehen. Sie ermöglicht den Vergleich von Geschwindigkeit, Kosten und Fehlerquoten automatisierter und manueller Abläufe. So lassen sich weitere Automatisierungsmöglichkeiten erkennen und die Rentabilität bestehender Bots messen.

Unterscheidet zwischen Aktivitäten von Mitarbeitenden und systemgesteuerten Aktivitäten. Das ist wichtig, um die Auswirkungen der Automatisierung auf Prozesseffizienz, Kosten und Qualität zu messen.

Der Wert lässt sich aus dem Feld „AssignedUser“ ableiten, wenn bestimmte Benutzer-IDs für Bots reserviert sind, zum Beispiel „BOT_RPA01“. Alternativ verfügen manche Systeme über ein eigenes Kennzeichen für automatisierte Transaktionen.

Dieses Attribut beschreibt das Ergebnis der Bemühungen, eine überfällige Forderung einzuziehen. Mögliche Ergebnisse sind „Vollständig bezahlt“, „Vergleich erzielt“, „Als uneinbringliche Forderung eingestuft“ oder „Ungeklärt“.

Die Erfassung der Inkassoergebnisse ist wichtig, um die Wirksamkeit des Inkassoprozesses zu bewerten. Die Analyse, welche Aktivitäten zu welchen Ergebnissen führen, hilft Organisationen, ihre Inkassostrategien zu verbessern und die Einbringungsquote zu erhöhen. Außerdem unterstützt sie fundierte Entscheidungen darüber, wann Inkassomaßnahmen eingestellt und Salden abgeschrieben werden sollten. Diese Analyse unterstützt das Dashboard zur Leistung von Inkassoaktivitäten.

Misst die Wirksamkeit des Inkassoprozesses anhand des endgültigen Ergebnisses bei überfälligen Forderungen und hilft, Inkassostrategien zu verbessern.

In R1 RCM ist dies wahrscheinlich ein Statusfeld im Patientenkonto oder in einem eigenen Inkassomodul.

Leistungscodes wie CPT-Codes (Current Procedural Terminology) sind standardisierte medizinische Codes. Sie dienen dazu, medizinische, chirurgische und diagnostische Eingriffe sowie Leistungen für die Kostenerstattung durch Kostenträger zu melden.

Die Analyse nach Leistungscode ist wichtig, um Abrechnungsprobleme bei bestimmten Versorgungsarten zu erkennen. Sie zeigt, welche Eingriffe besonders häufig abgelehnt werden, die längsten Zahlungszyklen haben oder die meisten Nacharbeiten erfordern. Daraus lassen sich gezielte Verbesserungen bei der Codierung und Abrechnung ableiten.

Ermöglicht die Prozessanalyse nach Art der erbrachten Leistung. Das ist entscheidend, um Ablehnungsmuster und Zahlungsverzögerungen bei bestimmten Eingriffen zu erkennen.

Diese Information ist in R1 RCM auf Positionsebene für jede Gebühr oder jeden Abrechnungsfall zu finden.

Dieses boolesche Attribut wird üblicherweise während der Process-Mining-Analyse berechnet. Es erhält den Wert „true“, wenn eine Aktivität einen vorherigen Schritt wiederholt oder Teil einer Abfolge ist, die auf die Korrektur eines Fehlers hindeutet, etwa wenn nach „Abrechnungsfall abgelehnt“ weitere Aktivitäten folgen.

Nacharbeit zu erkennen, gehört zu den wichtigsten Funktionen des Process Mining. Sie macht den unnötigen Aufwand an Zeit und Ressourcen in einem Prozess messbar. Wenn Organisationen Nacharbeit kennzeichnen, können sie gezielt die Fehler vermeiden, die sie verursachen. Das kann die Effizienz deutlich steigern.

Hilft, Häufigkeit und Auswirkungen von Nacharbeit, etwa nach Ablehnungen von Abrechnungsfällen, zu beziffern. So lassen sich Ineffizienzen und unnötiger Aufwand gezielt verringern.

Dieses Feld ist im Quellsystem nicht vorhanden. Das Process-Mining-Tool berechnet den Wert anhand der Aktivitätsabfolge, zum Beispiel indem es erkennt, wenn „Abrechnungsfall eingereicht“ mehrmals für denselben Case auftritt.

Dieses Attribut ist die eindeutige ID, die einem Patienten im Gesundheitssystem zugewiesen wird. Häufig wird sie als Medical Record Number (MRN) bezeichnet.

Die individuelle Patientenversorgung steht hier nicht im Mittelpunkt. Die Patienten-ID kann jedoch helfen, wiederkehrende Abrechnungsprobleme bei einem Patienten im Zeitverlauf zu analysieren. Wenn sie mit weiteren Patientendaten verknüpft ist, lässt sich der Prozess auch nach demografischen Merkmalen oder der Vorgeschichte segmentieren. So können systematische Probleme sichtbar werden, die bestimmte Patientengruppen betreffen.

Ermöglicht die Analyse von Abrechnungsereignissen auf Patientenebene. So lassen sich wiederkehrende Probleme und Muster bei einzelnen Patienten über mehrere Behandlungen hinweg erkennen.

Diese Kennung ist ein zentraler Bestandteil der demografischen Patientendaten und in R1 RCM mit jeder Behandlung und jedem Abrechnungsfall verknüpft.

Diese Kennzahl misst die Gesamtdauer des Abrechnungszyklus für ein einzelnes Abrechnungsereignis. Sie gibt an, wie lange eine Organisation benötigt, um eine erbrachte Leistung in Zahlungseingänge umzuwandeln.

Diese wichtige Kennzahl gibt Aufschluss über die finanzielle Gesundheit. Ihre Analyse zeigt, wo sich Abläufe am stärksten beschleunigen lassen. Wird die Zykluszeit in einzelne Abschnitte wie „Zeit bis zur Abrechnung“ und „Zeit bis zur Zahlung“ aufgeteilt, können Organisationen die größten Möglichkeiten zur Verbesserung des Cashflows erkennen.

Diese zentrale Kennzahl misst die Gesamteffizienz des Cash-Conversion-Zyklus und wirkt sich unmittelbar auf den Cashflow der Organisation aus.

Diese Kennzahl wird berechnet, indem der Timestamp der Aktivität „Leistung erbracht“ vom Timestamp der Aktivität „Zahlung gebucht“ für ein bestimmtes Abrechnungsereignis abgezogen wird.