Bevételciklus-kezelési adatsablon

Az esemény időpontja pontosan megadja, mikor rögzítették a tevékenységet a rendszerben. Ez az időadat alapvető a folyamat időbeli elemzéséhez.

A process mining során az időbélyeg alapján időrendbe állíthatók az események, és kiszámítható a tevékenységek közötti időtartam. Ez elengedhetetlen a teljesítmény elemzéséhez. Segítségével olyan fontos mutatók számíthatók ki, mint a ciklusidő, a feldolgozási idő és a várakozási idő. Ezek alapján azonosíthatók a szűk keresztmetszetek és mérhető a hatékonyság.

Ez az időbélyeg alapozza meg az összes időalapú elemzést, többek között a ciklusidő kiszámítását, a szűk keresztmetszetek azonosítását és a folyamat SLA-khoz viszonyított teljesítményének nyomon követését.

Az R1 RCM-ben jellemzően a tranzakciókhoz vagy állapotváltozási rekordokhoz tartozó „Creation Date”, „Timestamp” vagy „Last Update Date” mezőben található.

A számlázási esemény azonosítója egy adott szolgáltatás vagy terméknyújtás egyedi esetét jelöli, amely díjat eredményez. Ez kapcsolja össze az összes kapcsolódó tevékenységet, a szolgáltatás nyújtásától és a díj rögzítésétől az igény benyújtásán és a fizetés könyvelésén át a számla végleges lezárásáig.

A process mining során az egyes számlázási események életciklusának elemzése teljes képet ad a bevételi ciklusról. Segítségével nyomon követhető egyetlen díj teljes útja, feltárhatók a jellemző folyamatútvonalak, mérhető az egyes fontos lépések közötti idő, és megérthetők a késedelmet vagy bevételkiesést okozó eltérések.

Ez az azonosító szükséges ahhoz, hogy az összes kapcsolódó tevékenységet egyetlen ügybe lehessen rendezni, és minden számlázható esemény bevételi ciklusa teljes körűen és pontosan elemezhető legyen.

Ez az elsődleges kulcs, amely összekapcsolja a betegellátási esetekre, díjakra, igényekre és kifizetésekre vonatkozó táblákat. A pontos mező meghatározásához tekintse meg az R1 RCM dokumentációját. Gyakran az ellátási eset vagy az igény azonosítójához kapcsolódik.

Ez az attribútum a számlázási eseményhez tartozó bevételkezelési folyamat egyetlen lépését vagy mérföldkövét írja le. A tevékenységek az elvégzett munkát jelölik, például a „Díjak rögzítve”, az „Igény benyújtva” vagy a „Fizetés könyvelve” lépést.

A tevékenységek sorrendjének elemzése a process mining alapja. Segítségével feltárható a tényleges folyamatmenet, azonosíthatók azok a szűk keresztmetszetek, ahol túl sokáig tart egy tevékenység elindítása, és felismerhetők a szükségtelen ismétlések, például amikor az „Igény elutasítva” lépést az „Elutasítás újbóli feldolgozása elindítva” követi.

Meghatározza a folyamat lépéseit, így megjeleníthető a folyamattérkép, kiszámíthatók az átmenetek időtartamai, és azonosíthatók a folyamat eltérései, valamint az ismételt munkavégzés.

Az adat jellemzően eseménynaplókból, állapotváltozási rekordokból vagy az R1 RCM különböző moduljaiban használt tranzakciókódokból származik. Előfordulhat, hogy a technikai kódokat az üzleti felhasználók számára érthető nevekre kell leképezni.

Ez az attribútum azonosítja azt a forrásalkalmazást vagy modult, amely az adott esemény adatait létrehozta. Az egészségügy összetett környezetében az adatok származhatnak elektronikus egészségügyi nyilvántartásból, számlázási modulból, igényfeldolgozó központból vagy behajtási platformról.

A forrásrendszer ismerete fontos az adatok ellenőrzéséhez és az egyes rendszerekre jellemző folyamateltérések elemzéséhez. Segít feltárni az adatok közötti ellentmondásokat, és megérteni, milyen technológiai rendszerek támogatják a folyamatot.

Megmutatja az adatok eredetét. Ez fontos az adatirányítás és az ellenőrzés szempontjából, valamint annak megértéséhez, hogyan működnek együtt a különböző rendszerek a teljes folyamatban.

Gyakran az adatkinyerés során hozzáadott, állandó érték, amely megadja az adat forrásrendszerét, például az „R1 RCM”-et.

Ez az attribútum megmutatja, mikor frissítették utoljára a process mining elemzéshez használt adatokat. Így megítélhető, mennyire frissek az elemzett adatok.

Ez az információ fontos a jelentések és dashboardok esetében, mert jelzi a felhasználónak, mennyire aktuálisak a folyamatra vonatkozó megállapítások. Segít tisztázni, milyen időszakot fednek le az adatok, és biztosítja, hogy a döntések ismert időkereten alapuljanak.

Jelzi az adatok frissességét, így az elemzők és az érintettek tudják, mennyire aktuálisak a folyamatra vonatkozó megállapítások.

Ez az időbélyeg az adatkinyerés, -átalakítás és -betöltés (ETL) során jön létre, és általában a teljes adathalmazra vonatkozik.

Az igény elutasításakor a fizető indoklást adó kódot, például CARC (Claim Adjustment Reason Code) kódot küld. Ezek szabványos kódok, amelyek olyan problémákat jeleznek, mint a „Szolgáltatás nem fedezett” vagy a „Duplikált igény”.

Ez az attribútum különösen fontos az elutasítások kezeléséhez. A különböző elutasítási okkódok gyakoriságának elemzésével feltárhatók és kezelhetők az elutasítások kiváltó okai, legyen szó a beteg jogosultságáról, kódolási hibáról vagy az orvosi szükségesség hiányáról. Ez közvetlenül segíti az ismételt munka csökkentését és a pénzforgalom felgyorsítását.

Megadja az igény elutasításának konkrét okát. A kiváltó okok elemzésével csökkenthetők a jövőbeli elutasítások és az ismételt munka, valamint javítható az első benyújtásra történő kifizetések aránya.

Az információ a fizetőtől érkező elektronikus elszámolási értesítőben (ERA vagy 835-ös fájl) szerepel, és az R1 RCM igénykezelő modulja tárolja.

Ez az attribútum azonosítja az igény elsődleges fizetőjét. Lehet kereskedelmi biztosító, például az Aetna, állami finanszírozó, például a Medicare, vagy az önköltséges rész esetén maga a beteg.

A folyamat fizető szerinti elemzése alapvető a bevételi ciklus kezelésében. Kiderülhet például, hogy egyes fizetőknél gyakoribb az elutasítás, hosszabb a fizetési ciklus, vagy összetettebbek a benyújtási követelmények. Ezek alapján a szervezet a fizetők sajátosságaihoz igazíthatja a folyamatait és az erőforrásait.

Lehetővé teszi a folyamat fizető szerinti bontását, így feltárhatók az egyes fizetőkre jellemző késések, elutasítási minták és fizetési szokások. Ez fontos a bevétel növeléséhez.

Az R1 RCM-ben az igényhez kapcsolódó betegbiztosítási vagy demográfiai adatok között található.

Ez az attribútum azonosítja, ki felelt egy adott feladat elvégzéséért. Lehet például az igényt létrehozó számlázási ügyintéző, az elutasított igényt újrafeldolgozó elemző vagy a fizetést könyvelő szakértő.

A felhasználó szerinti elemzés segít megérteni a munkaterhelés eloszlását, az egyéni teljesítményt és a képzési igényeket. Megmutathatja, kik dolgoznak a leghatékonyabban, illetve mely felhasználók munkájához kapcsolódik több hiba. Ez célzott vezetői intézkedéseket és folyamatfejlesztést tesz lehetővé.

Lehetővé teszi a csapatok és az egyes munkatársak teljesítményének, valamint a munkaterhelés eloszlásának elemzését. Segít feltárni a képzési lehetőségeket és az egyes felhasználókhoz köthető folyamateltéréseket is.

Az R1 RCM tranzakciós naplóiban jellemzően a „UserID”, „Processor” vagy „UpdatedBy” mezőben található.

Ez az attribútum a számlázási esemény utolsó ismert állapotát mutatja, például „Benyújtva”, „Kifizetve”, „Elutasítva” vagy „Behajtás alatt”. Megmutatja, hol tart a számla a folyamatban egy adott időpontban.

A számla állapota fontos a lejárati jelentések készítéséhez és a kintlévőségek állapotának nyomon követéséhez. A process mining során kiszűrhetők vele az adott állapotban elakadt ügyek, illetve összehasonlíthatók a különböző folyamatváltozatok eredményei, például a „Kifizetve” és az „Elutasítva” igények útvonalai.

Megmutatja az egyes ügyek aktuális állapotát. Ez szükséges a lejárati jelentések készítéséhez és a különböző folyamatútvonalak végső eredményének elemzéséhez.

Az R1 RCM-ben ez jellemzően a fő igény- vagy számlarekord állapotmezője.

Ez az attribútum az adott számlázási eseményben nyújtott szolgáltatások teljes kiszámlázott összegét mutatja. Ez az igény alapján várható bevételt jelzi.

A számla összegének elemzése fontos a pénzügyi folyamatok process mining alapú vizsgálatakor. Segít előnyben részesíteni a nagy értékű igényeket, megérteni, milyen pénzügyi hatása van a késéseknek vagy elutasításoknak, és az összeg szerint csoportosítani a folyamatokat. Az elemzés például feltárhatja, hogy egy bizonyos összeg felett az igények más, több kézi munkát igénylő folyamaton mennek végig.

Pénzügyi összefüggéseket ad a folyamatelemzéshez, megmutatja, hogyan hatnak a folyamateltérések a bevételre, és segít a nagy értékű ügyek fejlesztési prioritásként való kezelésében.

Az R1 RCM fő igény- vagy számlafejléc-táblájában található, gyakran „TotalBilledAmount” vagy hasonló néven.

Ez az attribútum megadja, melyik szervezeti egység, például a „Díjrögzítés”, az „Igénybenyújtás” vagy az „Elutasításkezelés” végezte el az adott folyamatlépést. Segít megérteni, hogyan kerül át a munka a csapatok között.

Az osztályok teljesítményének elemzéséhez és a csapatok közötti szűk keresztmetszetek feltárásához ez az adat különösen hasznos. Ha a folyamattérképet osztály szerint szűri, láthatja, hol zökkenőmentes az átadás, és hol keletkeznek késések. Ez támogatja az erőforrások elosztását és a folyamatok szervezeti szintű fejlesztését.

Lehetővé teszi a folyamat teljesítményének szervezeti egység szerinti elemzését, és segít feltárni az egyes csapatokra jellemző szűk keresztmetszeteket, erőforráshiányt vagy bevált gyakorlatokat.

Az adat származhat az R1 RCM felhasználói profiljából, vagy szerepelhet a tranzakciós adatok „Department Code” mezőjében.

Ez a logikai attribútum megkülönbözteti a szoftveres automatizálással, például az igényeket benyújtó RPA-bottal végzett feladatokat az alkalmazottak által kézzel elvégzett feladatoktól.

Az attribútum elemzésével felmérhető az automatizálási kezdeményezések hatása és eredményessége. Összehasonlítható az automatizált és a kézi folyamatok sebessége, költsége és hibaaránya. Ez segít új automatizálási lehetőségeket találni és mérni a meglévő botok megtérülését.

Megkülönbözteti az emberi és a rendszer által végzett tevékenységeket. Ez fontos az automatizálás folyamatsebességre, költségre és minőségre gyakorolt hatásának méréséhez.

Az adat levezethető az „AssignedUser” mezőből, ha bizonyos felhasználói azonosítók, például a „BOT_RPA01”, botokhoz vannak rendelve. Egyes rendszerekben külön mező jelzi az automatizált tranzakciókat.

Ez az attribútum a lejárt számla kifizetésére tett behajtási intézkedések eredményét írja le. Lehetséges érték például: „Teljes egészében kifizetve”, „Csökkentett összegben rendezve”, „Rossz követelésként nyilvántartásba véve” vagy „Rendezetlen”.

A behajtás eredményének nyomon követése elengedhetetlen a behajtási folyamat hatékonyságának értékeléséhez. Ha elemzi, mely tevékenységek milyen eredményhez vezetnek, fejlesztheti a behajtási stratégiát, javíthatja a megtérülési arányt, és megalapozottan dönthet arról, mikor érdemes leállítani a behajtást és leírni az egyenleget. Ez támogatja a Behajtási tevékenységek teljesítménye dashboard használatát.

A lejárt számlák végső rendezésének nyomon követésével méri a behajtási folyamat hatékonyságát, és segít fejleszteni a behajtási stratégiát.

Ez valószínűleg a beteg számlájának állapotmezője vagy az R1 RCM külön behajtási moduljában található mező.

Ez az attribútum az egészségügyi rendszerben a beteghez rendelt egyedi azonosító, amelyet gyakran egészségügyi dokumentációs számnak (MRN) neveznek.

Bár az elemzés nem az egyéni betegellátásra összpontosít, a betegazonosítóval időben nyomon követhetők az ugyanahhoz a beteghez kapcsolódó, ismétlődő számlázási problémák. Ha más betegadatokhoz is kapcsolódik, a folyamat betegcsoportok vagy kórelőzmény szerint is elemezhető, így feltárhatók az egyes betegcsoportokat érintő rendszerszintű problémák.

Lehetővé teszi a számlázási események betegszintű elemzését, így több ellátási eset során is felismerhetők az adott beteghez kapcsolódó visszatérő problémák és minták.

Ez az azonosító az R1 RCM-ben minden ellátási esethez és igényhez kapcsolódó betegadatok alapvető része.

Ez a logikai jelző általában a process mining elemzés során számítható ki. Értéke „true”, ha egy tevékenység egy korábbi lépés ismétlése, vagy egy hibajavításra utaló tevékenységsor része. Ilyen például bármely, az „Igény elutasítva” lépés után következő tevékenység.

Az ismételt munka azonosítása a process mining egyik leghasznosabb lehetősége. Számszerűsíti a folyamatban elvesztegetett munkát, időt és erőforrásokat. Ha a szervezet megjelöli az ismételt munkát, a fejlesztési intézkedéseket az azt kiváltó hibák megelőzésére összpontosíthatja, és jelentősen növelheti a hatékonyságot.

Segít számszerűsíteni az ismételt munka, például az igényelutasítások gyakoriságát és hatását, így célzottan elemezhetők a hatékonyságvesztés és a felesleges munka okai.

Ez nem a forrásrendszer egyik mezője. A process mining eszköz a tevékenységek sorrendje alapján számítja ki, például felismeri, ha ugyanahhoz az ügyhöz többször is rögzítették az „Igény benyújtva” tevékenységet.

Ez az attribútum megadja, miért hajtottak végre pénzügyi korrekciót a számlán. Az okokat gyakran szabványos kódok vagy leírások jelölik, amelyek a korrekció típusát kategorizálják.

A korrekciós okok elemzése segít feltárni a bevételkiesés kiváltó okait. A „Kis összegű egyenleg leírása” gyakori előfordulása például arra utalhat, hogy a kis összegek behajtása nem hatékony, míg a „Szerződéses engedmény” rendszerint a fizetőkkel kötött megállapodások része. Az elemzés támogatja a Számlakorrekciók és megfelelési audit dashboard használatát.

Megmutatja, miért módosult a bevétel, és segít feltárni a bevételkiesés okait, például a szerződéses problémákat, a számlázási hibákat vagy a sikertelen behajtást.

Az R1 RCM-ben ez jellemzően az AdjustmentAmount mezővel azonos tranzakciós rekord kód- vagy szövegmezője.

Ez az attribútum rögzíti a beteg számláján az eredeti számlázás után végrehajtott pénzügyi korrekciók összegét. A korrekció lehet pozitív vagy negatív, és tartalmazhat szerződéses engedményt, leírást vagy helyesbítést.

A korrekciók összegének nyomon követése fontos a bevételek pontosságának megőrzéséhez. A nagy összegű negatív korrekciók bevételkiesésre utalhatnak, például hibás díjrögzítés vagy behajthatatlan tartozás miatt. Az adatok elemzésével feltárható a számlázási hibák és a behajtás hiányosságainak pénzügyi hatása.

Számszerűsíti a bevételkiesést és a pénzügyi helyesbítéseket, így megállapítható, mekkora összeget érintenek a számlázási pontatlanságok, a szerződéses kötelezettségek vagy a rossz követelések.

Az R1 RCM-ben a számlakorrekciókhoz vagy a fizetések könyveléséhez kapcsolódó tranzakciós naplókban található.

A szolgáltatáskódok, például a CPT (Current Procedural Terminology) kódjai, szabványos orvosi kódok. Ezekkel jelentik a fizetőknek a térítésre benyújtott orvosi, sebészeti és diagnosztikai eljárásokat, valamint szolgáltatásokat.

A folyamat szolgáltatáskód szerinti elemzése segít feltárni az egyes ellátástípusokhoz kapcsolódó számlázási problémákat. Megmutathatja, mely eljárásokat utasítják el leggyakrabban, melyeknél a leghosszabb a fizetési ciklus, illetve melyek igényelnek több ismételt munkát. Az eredmények alapján célzottan fejleszthetők a kódolási és számlázási gyakorlatok.

Lehetővé teszi a folyamat az elvégzett szolgáltatás típusa szerinti elemzését, ami segít feltárni az egyes eljárásokhoz kapcsolódó elutasítási mintákat és fizetési késéseket.

Az információ az R1 RCM-ben az egyes díjak vagy igények tételsorainál található.

Ez a mutató egyetlen számlázási esemény teljes bevételi ciklusának időtartamát méri. Megmutatja, mennyi idő alatt válik a nyújtott szolgáltatásból pénzbevétel.

Ez a pénzügyi helyzet egyik fontos KPI-ja. Az időtartam elemzésével azonosíthatók a folyamat felgyorsításának fő lehetőségei. Ha a ciklusidőt részekre bontja, például a „számlázásig eltelt időre” és a „fizetésig eltelt időre”, megállapíthatja, hol javítható leginkább a pénzforgalom.

Ez egy kiemelt KPI, amely a pénzbeáramlási ciklus teljes hatékonyságát méri, és közvetlenül befolyásolja a szervezet pénzforgalmát.

Ez számított mutató. Egy adott számlázási eseménynél a „Szolgáltatás nyújtva” és a „Fizetés könyvelve” tevékenység időbélyege közötti különbséget mutatja.