Templat data pengelolaan siklus pendapatan Anda

Atribut ini menjelaskan satu langkah atau tahap penting dalam proses pengelolaan siklus pendapatan untuk suatu peristiwa penagihan. Aktivitas menunjukkan pekerjaan yang dilakukan, seperti 'Biaya Dicatat', 'Klaim Diajukan', atau 'Pembayaran Dibukukan'.

Urutan aktivitas menjadi dasar process mining. Analisisnya membantu menemukan alur proses yang sebenarnya, mengidentifikasi hambatan saat aktivitas terlalu lama untuk dimulai, dan mendeteksi pengulangan pekerjaan yang tidak perlu, misalnya 'Klaim Ditolak' diikuti 'Penanganan Ulang Penolakan Dimulai'.

Atribut ini menentukan langkah-langkah proses sehingga Anda dapat melihat peta proses, menghitung waktu perpindahan, serta mengidentifikasi penyimpangan dan pekerjaan ulang.

Informasi ini biasanya berasal dari log peristiwa, catatan perubahan status, atau kode transaksi di berbagai modul R1 RCM. Kode teknis mungkin perlu dipetakan ke nama yang mudah dipahami oleh tim bisnis.

Billing Event ID mewakili satu layanan atau pengiriman produk yang menghasilkan tagihan. ID ini menghubungkan semua aktivitas terkait, mulai dari pemberian layanan dan pencatatan biaya hingga pengiriman klaim, pencatatan pembayaran, dan penutupan akun.

Dalam process mining, analisis siklus hidup setiap Billing Event memberikan gambaran menyeluruh tentang siklus pendapatan. Anda dapat menelusuri perjalanan satu tagihan dari awal hingga akhir, menemukan jalur yang umum, mengukur waktu siklus di antara pencapaian penting, dan memahami variasi yang menyebabkan keterlambatan atau hilangnya pendapatan.

Pengenal ini penting untuk mengelompokkan semua aktivitas terkait dalam satu kasus. Dengan begitu, analisis proses siklus pendapatan untuk setiap peristiwa yang dapat ditagihkan menjadi lengkap dan akurat.

Ini adalah kunci utama yang menghubungkan berbagai tabel terkait kunjungan pasien, biaya, klaim, dan pembayaran. Lihat dokumentasi R1 RCM untuk mengetahui kolom yang tepat, biasanya terkait dengan ID kunjungan atau klaim.

Waktu Peristiwa menunjukkan tanggal dan waktu yang tepat saat aktivitas dicatat di sistem. Informasi waktu ini menjadi dasar untuk memahami proses melalui analisis berbasis waktu.

Dalam process mining, stempel waktu digunakan untuk mengurutkan peristiwa secara kronologis dan menghitung durasi antaraktivitas. Ini penting untuk menganalisis kinerja. Anda dapat menghitung metrik utama seperti waktu siklus, waktu pemrosesan, dan waktu tunggu untuk menemukan hambatan dan mengukur efisiensi.

Stempel waktu ini menjadi dasar semua analisis terkait waktu, termasuk penghitungan waktu siklus, identifikasi hambatan, dan pemantauan kinerja proses terhadap SLA.

Biasanya tersedia sebagai kolom 'Creation Date', 'Timestamp', atau 'Last Update Date' pada setiap transaksi atau catatan perubahan status di R1 RCM.

Atribut ini menunjukkan kapan terakhir kali data untuk analisis process mining diperbarui. Informasi ini memberi konteks tentang kebaruan data yang dianalisis.

Informasi ini penting untuk pelaporan dan pembuatan dashboard karena memberi tahu pengguna seberapa mutakhir wawasan proses yang ditampilkan. Dengan begitu, pengguna dapat memahami ketepatan waktu data dan mengambil keputusan berdasarkan rentang waktu yang jelas.

Memberi konteks penting tentang kebaruan data agar analis dan pemangku kepentingan mengetahui seberapa mutakhir wawasan proses yang tersedia.

Stempel waktu ini dibuat selama proses ekstraksi, transformasi, dan pemuatan data (ETL), biasanya untuk seluruh kumpulan data.

Atribut ini menunjukkan aplikasi atau modul sumber yang menghasilkan data untuk suatu peristiwa. Dalam lingkungan yang kompleks seperti layanan kesehatan, data dapat berasal dari EMR, modul penagihan, clearinghouse klaim, atau platform penagihan.

Mengetahui sistem sumber penting untuk memvalidasi data dan menganalisis variasi proses yang mungkin hanya terjadi pada sistem tertentu. Informasi ini membantu menelusuri ketidakkonsistenan data dan memahami sistem teknologi yang mendukung proses.

Menunjukkan asal data. Informasi ini penting untuk tata kelola dan validasi data, serta untuk memahami interaksi antarsistem dalam proses dari awal hingga akhir.

Nilai ini sering kali ditambahkan secara tetap saat ekstraksi data untuk menunjukkan sistem asal data, misalnya 'R1 RCM'.

Atribut ini menunjukkan unit organisasi, seperti 'Pencatatan Biaya', 'Pengajuan Klaim', atau 'Penanganan Penolakan', yang menjalankan langkah proses tertentu. Atribut ini membantu memahami perpindahan pekerjaan antartim.

Informasi ini penting untuk menganalisis keluaran tiap departemen dan menemukan hambatan lintas fungsi. Dengan memfilter peta proses berdasarkan departemen, organisasi dapat melihat perpindahan pekerjaan yang lancar dan bagian yang mengalami keterlambatan. Hasilnya dapat mendukung alokasi sumber daya dan perbaikan proses organisasi.

Mendukung analisis kinerja proses berdasarkan unit organisasi dan membantu menemukan hambatan khusus tim, keterbatasan sumber daya, atau praktik yang baik.

Informasi ini dapat diambil dari profil pengguna di R1 RCM atau disimpan sebagai 'Department Code' dalam data transaksi.

Atribut ini menunjukkan total jumlah yang ditagihkan untuk layanan dalam suatu peristiwa penagihan. Nilai ini mencerminkan pendapatan yang diharapkan dari klaim.

Analisis jumlah faktur penting untuk process mining keuangan. Analisis ini membantu memprioritaskan klaim bernilai tinggi, memahami dampak finansial keterlambatan proses atau penolakan, dan mengelompokkan proses berdasarkan nilai. Misalnya, analisis dapat menunjukkan bahwa klaim di atas jumlah tertentu mengikuti alur yang berbeda dan lebih banyak dikerjakan secara manual.

Memberi konteks keuangan untuk proses, sehingga Anda dapat menganalisis dampak variasi proses terhadap pendapatan dan memprioritaskan kasus bernilai tinggi untuk diperbaiki.

Tersedia di tabel utama klaim atau header faktur di R1 RCM, biasanya dengan nama 'TotalBilledAmount' atau yang serupa.

Saat penanggung menolak klaim, mereka memberikan kode alasan, seperti CARC (Claim Adjustment Reason Code), untuk menjelaskan keputusan tersebut. Kode standar ini menunjukkan masalah seperti 'Layanan Tidak Ditanggung' atau 'Klaim Duplikat'.

Atribut ini sangat penting untuk penanganan penolakan. Dengan menganalisis frekuensi setiap kode alasan, organisasi dapat menemukan dan mengatasi akar penyebab penolakan, baik terkait kelayakan pasien, kesalahan pengodean, maupun kebutuhan medis yang tidak terpenuhi. Analisis ini membantu mengurangi pekerjaan ulang dan mempercepat arus kas.

Menunjukkan alasan spesifik klaim ditolak. Informasi ini mendukung analisis akar penyebab untuk mengurangi penolakan berikutnya, menekan pekerjaan ulang, dan meningkatkan tingkat pembayaran pada pengajuan pertama.

Informasi ini diterima dari penanggung melalui electronic remittance advice (ERA atau file 835) dan disimpan dalam modul pengelolaan klaim R1 RCM.

Atribut ini menunjukkan penanggung utama untuk klaim. Penanggung dapat berupa perusahaan asuransi komersial seperti Aetna, lembaga pemerintah seperti Medicare, atau pasien sendiri untuk bagian yang dibayar mandiri.

Analisis proses berdasarkan penanggung menjadi dasar pengelolaan siklus pendapatan. Analisis ini dapat menunjukkan penanggung dengan tingkat penolakan lebih tinggi, siklus pembayaran lebih lama, atau persyaratan pengajuan yang lebih rumit. Wawasan ini membantu organisasi menyesuaikan proses dan sumber daya untuk menangani pola tiap penanggung.

Memungkinkan proses dikelompokkan berdasarkan penanggung untuk menemukan keterlambatan, pola penolakan, atau perilaku pembayaran tertentu. Informasi ini penting untuk mengoptimalkan pendapatan.

Tersedia dalam informasi asuransi atau demografi pasien yang terhubung dengan klaim di R1 RCM.

Atribut ini menunjukkan orang yang bertanggung jawab menjalankan tugas tertentu dalam proses. Misalnya, petugas penagihan yang membuat klaim, analis yang menangani ulang penolakan, atau spesialis yang membukukan pembayaran.

Analisis berdasarkan pengguna membantu memahami pembagian beban kerja, kinerja individu, dan kebutuhan pelatihan. Analisis ini dapat menunjukkan pengguna yang bekerja paling efisien atau yang terkait dengan tingkat kesalahan lebih tinggi, sehingga upaya pengelolaan dan perbaikan proses dapat lebih terarah.

Mendukung analisis kinerja tim dan individu serta pembagian beban kerja. Atribut ini juga membantu menemukan kebutuhan pelatihan atau penyimpangan proses yang terkait dengan pengguna tertentu.

Biasanya tersedia sebagai kolom 'UserID', 'Processor', atau 'UpdatedBy' dalam log transaksi R1 RCM.

Atribut ini menunjukkan status terakhir yang diketahui dari suatu peristiwa penagihan, seperti 'Diajukan', 'Dibayar', 'Ditolak', atau 'Dalam Proses Penagihan'. Status ini memberi gambaran posisi faktur dalam proses pada waktu tertentu.

Status faktur penting untuk membuat laporan umur piutang dan memantau kondisi piutang usaha. Dalam process mining, status ini dapat digunakan untuk menyaring kasus yang tertahan pada status tertentu atau menganalisis hasil berbagai variasi proses, misalnya membandingkan alur klaim 'Dibayar' dan 'Ditolak'.

Memberi gambaran status terkini setiap kasus. Informasi ini penting untuk membuat laporan umur piutang dan menganalisis hasil akhir dari berbagai alur proses.

Biasanya berupa kolom status pada catatan utama klaim atau akun di R1 RCM.

Atribut ini menjelaskan alasan penyesuaian keuangan pada akun. Alasan biasanya berupa kode atau keterangan standar yang mengelompokkan jenis penyesuaian.

Analisis alasan penyesuaian membantu menemukan akar penyebab hilangnya pendapatan. Misalnya, seringnya 'Penghapusan Saldo Kecil' dapat menunjukkan proses penagihan yang tidak efisien untuk jumlah kecil, sedangkan 'Keringanan Kontraktual' yang sering terjadi merupakan bagian wajar dari negosiasi dengan penanggung. Analisis ini mendukung dashboard Audit Penyesuaian Penagihan dan Kepatuhan.

Menjelaskan alasan di balik penyesuaian pendapatan dan membantu menemukan akar penyebab kehilangan pendapatan, seperti masalah kontrak, kesalahan penagihan, atau kegagalan penagihan.

Biasanya berupa kolom kode atau teks dalam catatan transaksi yang sama dengan AdjustmentAmount di R1 RCM.

Atribut ini menjelaskan hasil upaya menagih pembayaran dari akun yang menunggak. Hasilnya dapat berupa 'Lunas', 'Diselesaikan dengan Jumlah Lebih Rendah', 'Dimasukkan sebagai Piutang Tak Tertagih', atau 'Belum Terselesaikan'.

Melacak hasil penagihan penting untuk mengevaluasi efektivitas proses penagihan. Dengan menganalisis aktivitas yang menghasilkan tiap jenis hasil, organisasi dapat mengoptimalkan strategi penagihan, meningkatkan tingkat pemulihan, dan menentukan kapan upaya penagihan perlu dihentikan serta saldo dihapuskan. Informasi ini mendukung dashboard Kinerja Aktivitas Penagihan.

Mengukur efektivitas proses penagihan dengan melacak penyelesaian akhir akun yang menunggak. Informasi ini membantu mengoptimalkan strategi penagihan.

Kemungkinan berupa kolom status pada akun pasien atau dalam modul khusus penagihan di R1 RCM.

Atribut ini adalah ID unik yang diberikan kepada pasien dalam sistem layanan kesehatan, sering disebut Nomor Rekam Medis (MRN).

Meski analisis tidak berfokus pada perawatan pasien secara individu, ID Pasien dapat digunakan untuk menemukan masalah penagihan berulang pada pasien yang sama dari waktu ke waktu. Jika dihubungkan dengan data pasien lainnya, ID ini juga dapat membantu mengelompokkan proses berdasarkan demografi atau riwayat pasien dan mengungkap masalah sistemik yang berdampak pada kelompok tertentu.

Memungkinkan analisis peristiwa penagihan pada tingkat pasien untuk menemukan masalah atau pola berulang pada pasien tertentu di berbagai kunjungan.

Pengenal ini merupakan bagian utama dari data demografi pasien yang terhubung dengan setiap kunjungan dan klaim di R1 RCM.

Atribut ini mencatat nilai penyesuaian keuangan pada akun pasien setelah penagihan awal. Penyesuaian dapat menambah atau mengurangi saldo, termasuk keringanan kontraktual, penghapusan, atau koreksi.

Melacak jumlah penyesuaian penting untuk memahami keakuratan pendapatan. Penyesuaian negatif dalam jumlah besar dapat menunjukkan hilangnya pendapatan akibat pencatatan biaya yang keliru atau piutang yang tidak tertagih. Analisis data ini membantu menemukan dampak finansial dari kesalahan penagihan dan ketidakefisienan penagihan.

Mengukur hilangnya pendapatan dan koreksi keuangan. Informasi ini membantu menunjukkan dampak finansial dari ketidakakuratan penagihan, kewajiban kontraktual, atau piutang tak tertagih.

Tersedia dalam log transaksi terkait penyesuaian akun atau pembukuan pembayaran di R1 RCM.

Kode layanan, seperti kode CPT (Current Procedural Terminology), adalah kode medis standar untuk melaporkan prosedur dan layanan medis, bedah, serta diagnostik kepada penanggung agar mendapat penggantian biaya.

Analisis proses berdasarkan kode layanan penting untuk menemukan masalah penagihan pada jenis perawatan tertentu. Analisis ini dapat menunjukkan prosedur yang paling sering ditolak, memiliki siklus pembayaran terlama, atau paling sering perlu dikerjakan ulang. Hasilnya membantu mengarahkan perbaikan praktik pengodean dan penagihan.

Memungkinkan analisis proses berdasarkan jenis layanan yang diberikan. Ini penting untuk menemukan pola penolakan atau keterlambatan pembayaran yang terkait dengan prosedur tertentu.

Informasi ini tersedia pada tingkat item baris untuk setiap biaya atau klaim di R1 RCM.

Atribut boolean ini membedakan tugas yang dijalankan oleh otomatisasi perangkat lunak, seperti bot RPA untuk pengajuan klaim, dari tugas yang dilakukan karyawan secara manual.

Analisis atribut ini penting untuk memahami dampak dan efektivitas inisiatif otomatisasi. Anda dapat membandingkan kecepatan, biaya, dan tingkat kesalahan proses otomatis dengan proses manual. Hasilnya membantu menemukan peluang otomatisasi baru dan mengukur ROI bot yang sudah digunakan.

Membedakan aktivitas yang dilakukan manusia dan sistem. Informasi ini penting untuk mengukur dampak otomatisasi terhadap efisiensi, biaya, dan kualitas proses.

Informasi ini dapat diambil dari kolom 'AssignedUser' jika ID pengguna tertentu dikhususkan untuk bot, misalnya 'BOT_RPA01'. Beberapa sistem juga memiliki kolom khusus untuk menandai transaksi otomatis.

Atribut boolean ini biasanya dihitung selama analisis process mining. Nilainya menjadi 'true' jika aktivitas mengulangi langkah sebelumnya atau termasuk dalam rangkaian yang menunjukkan adanya koreksi kesalahan, misalnya aktivitas apa pun setelah 'Klaim Ditolak'.

Menemukan pekerjaan ulang adalah salah satu kemampuan utama process mining. Analisis ini mengukur waktu, upaya, dan sumber daya yang terbuang dalam proses. Dengan menandai pekerjaan ulang, organisasi dapat memusatkan perbaikan pada pencegahan kesalahan yang menyebabkannya sehingga efisiensi meningkat.

Membantu mengukur frekuensi dan dampak pekerjaan ulang, seperti penolakan klaim, sehingga analisis dapat diarahkan untuk mengurangi inefisiensi dan upaya yang terbuang.

Kolom ini tidak tersedia di sistem sumber. Alat process mining menghitungnya berdasarkan urutan aktivitas, misalnya dengan mendeteksi aktivitas 'Klaim Diajukan' yang terjadi lebih dari sekali untuk kasus yang sama.

Metrik ini mengukur durasi siklus pendapatan dari awal hingga akhir untuk satu peristiwa penagihan. Metrik ini menunjukkan waktu yang dibutuhkan organisasi untuk mengubah layanan yang diberikan menjadi uang tunai.

Ini adalah Indikator Kinerja Utama (KPI) yang penting untuk kesehatan keuangan. Analisis durasi ini membantu menemukan bagian proses yang paling perlu dipercepat. Dengan menguraikan waktu siklus menjadi beberapa bagian, seperti 'waktu hingga penagihan' dan 'waktu hingga pembayaran', organisasi dapat menemukan peluang terbesar untuk memperbaiki arus kas.

KPI utama ini mengukur efisiensi keseluruhan siklus konversi kas dan berdampak langsung pada arus kas organisasi.

Ini adalah metrik hasil perhitungan. Nilainya merupakan selisih waktu antara stempel waktu aktivitas 'Service Rendered' dan 'Payment Posted' untuk Billing Event tertentu.