Datatemplate voor het beheer van de inkomstencyclus

Dit attribuut beschrijft één stap of mijlpaal in het beheer van de omzetcyclus voor een factureringsgebeurtenis. Activiteiten laten zien welk werk wordt uitgevoerd, zoals ‘Kosten vastgelegd’, ‘Declaratie ingediend’ of ‘Betaling geboekt’.

De volgorde van activiteiten analyseren is de kern van process mining. Zo ontdek je hoe het proces in werkelijkheid verloopt, waar bottlenecks ontstaan doordat activiteiten te lang op zich laten wachten en waar onnodig herstelwerk plaatsvindt, bijvoorbeeld wanneer na ‘Declaratie afgewezen’ de activiteit ‘Afwijzing opnieuw verwerken’ volgt.

Dit attribuut bepaalt de processtappen. Daarmee kun je het proces in kaart brengen, overgangstijden berekenen en procesafwijkingen en herstelwerk opsporen.

Deze informatie komt meestal uit event logs, registraties van statuswijzigingen of transactiecodes in verschillende R1 RCM-modules. Technische codes moeten soms worden vertaald naar begrijpelijke namen.

De ID van de factureringsgebeurtenis staat voor een afzonderlijke levering van een dienst of product waarvoor kosten in rekening worden gebracht. Deze ID vormt de rode draad tussen alle bijbehorende activiteiten, van de eerste dienstverlening en het vastleggen van de kosten tot het indienen van de declaratie, het boeken van de betaling en uiteindelijk het afsluiten van de rekening.

Met process mining kun je de levenscyclus van elke factureringsgebeurtenis analyseren en de volledige omzetcyclus in beeld brengen. Je volgt het hele traject van één kostenpost, ontdekt veelvoorkomende routes, meet de doorlooptijden tussen belangrijke mijlpalen en ziet welke afwijkingen tot vertragingen of omzetverlies leiden.

Deze identificatiecode is nodig om alle bijbehorende activiteiten in één case te groeperen en de omzetcyclus voor elke factureerbare gebeurtenis volledig en nauwkeurig te analyseren.

Dit is de primaire sleutel die verschillende tabellen met gegevens over zorgcontacten, kosten, declaraties en betalingen met elkaar verbindt. Raadpleeg de documentatie van R1 RCM voor het specifieke veld. Dit is vaak gekoppeld aan een zorgcontact- of declaratie-ID.

Tijdstip gebeurtenis geeft de exacte datum en tijd waarop een activiteit in het systeem is vastgelegd. Deze tijdgegevens zijn nodig om het proces vanuit een tijdsperspectief te analyseren.

Bij process mining gebruik je deze timestamp om gebeurtenissen chronologisch te ordenen en de tijd tussen activiteiten te berekenen. Dat is belangrijk voor prestatieanalyses. Je kunt er metrieken mee berekenen, zoals doorlooptijd, verwerkingstijd en wachttijd. Die helpen bottlenecks op te sporen en de efficiëntie te meten.

Deze timestamp vormt de basis voor alle tijdsanalyses, zoals het berekenen van doorlooptijden, opsporen van bottlenecks en volgen van procesprestaties ten opzichte van SLA’s.

Dit veld heet in R1 RCM meestal ‘Creation Date’, ‘Timestamp’ of ‘Last Update Date’ en is gekoppeld aan elke transactie of registratie van een statuswijziging.

Dit attribuut geeft aan welke brontoepassing of module de gegevens voor een gebeurtenis heeft aangemaakt. In een complexe zorgomgeving kunnen gegevens bijvoorbeeld afkomstig zijn uit een EMR, een factureringsmodule, een clearinghouse voor declaraties of een incassoplatform.

Weten uit welk systeem de gegevens komen, helpt bij de gegevensvalidatie en bij het analyseren van procesverschillen die specifiek zijn voor bepaalde systemen. Ook maakt het inconsistenties in de data makkelijker op te sporen en wordt duidelijk hoe de verschillende systemen in het proces samenhangen.

Geeft aan waar de data vandaan komt. Dat is belangrijk voor gegevensbeheer en validatie, en om te begrijpen hoe systemen in het end-to-endproces samenwerken.

Dit is vaak een vaste waarde die tijdens de data-extractie wordt toegevoegd. De waarde geeft aan uit welk systeem de data afkomstig is, bijvoorbeeld ‘R1 RCM’.

Dit attribuut geeft aan wanneer de data voor de process mining-analyse voor het laatst is bijgewerkt. Zo weet je hoe actueel de geanalyseerde data is.

Deze informatie is belangrijk voor rapportages en dashboards: je ziet hoe recent de procesinzichten zijn. Dat helpt verwachtingen over de actualiteit van de data te bepalen en zorgt ervoor dat beslissingen worden genomen met een duidelijk beeld van de periode waarop de data betrekking heeft.

Geeft aan hoe actueel de data is, zodat analisten en andere betrokkenen weten hoe recent de procesinzichten zijn.

Deze timestamp wordt vastgelegd tijdens het proces van data-extractie, transformatie en laden (ETL) en geldt meestal voor de volledige dataset.

Dit attribuut geeft aan welke organisatie-eenheid een processtap heeft uitgevoerd, zoals ‘Kosten invoeren’, ‘Declaraties indienen’ of ‘Afwijzingen beheren’. Zo wordt duidelijk hoe het werk tussen teams wordt overgedragen.

Dit is belangrijk om de doorvoer per afdeling te analyseren en bottlenecks tussen teams op te sporen. Door het proces per afdeling te filteren, zie je waar overdrachten soepel verlopen en waar vertraging ontstaat. Dat helpt bij de verdeling van middelen en het verbeteren van processen binnen de organisatie.

Maakt het mogelijk om procesprestaties per organisatie-eenheid te analyseren en bottlenecks, beperkte middelen of goede werkwijzen per team op te sporen.

Deze informatie kan afkomstig zijn uit het gebruikersprofiel in R1 RCM of zijn opgeslagen als ‘Department Code’ in de transactiegegevens.

Dit attribuut geeft het totale gefactureerde bedrag weer voor de geleverde diensten binnen een factureringsgebeurtenis. Het is de verwachte opbrengst van de declaratie.

Het factuurbedrag analyseren is belangrijk voor financiële process mining. Je kunt declaraties met een hoge waarde prioriteren, de financiële gevolgen van vertragingen of afwijzingen in kaart brengen en het proces op basis van bedragen segmenteren. Zo kan blijken dat declaraties boven een bepaald bedrag een andere, meer handmatige route volgen.

Geeft financiële context aan het proces. Zo kun je analyseren hoe procesverschillen de omzet beïnvloeden en cases met een hoge waarde prioriteren voor verbetering.

Dit veld staat in R1 RCM in de hoofdtabel voor declaraties of facturen en heet vaak ‘TotalBilledAmount’ of iets vergelijkbaars.

Dit attribuut geeft de laatst bekende status van een factureringsgebeurtenis aan, zoals ‘Ingediend’, ‘Betaald’, ‘Afgewezen’ of ‘In incasso’. Zo zie je waar een factuur op een bepaald moment in het proces staat.

De factuurstatus is belangrijk voor ouderdomsrapportages en het bewaken van openstaande vorderingen. Met process mining kun je cases filteren die in een bepaalde status vastzitten en de uitkomsten van verschillende procesvarianten analyseren, bijvoorbeeld door de routes van betaalde en afgewezen declaraties te vergelijken.

Geeft de huidige status van elke case weer. Dat is nodig voor ouderdomsrapportages en om de uitkomsten van verschillende procesroutes te analyseren.

Dit is meestal een statusveld in de hoofdregistratie van de declaratie of rekening in R1 RCM.

Dit attribuut geeft aan wie de primaire betaler van de declaratie is. Dat kan een commerciële verzekeraar zijn, zoals Aetna, een overheidsbetaler zoals Medicare of de patiënt zelf bij een deel dat voor eigen rekening komt.

Een analyse per betaler is belangrijk voor het beheer van de omzetcyclus. Zo ontdek je dat bepaalde betalers vaker declaraties afwijzen, langere betalingstermijnen hanteren of meer eisen stellen aan de indiening. Met die inzichten kan de organisatie processen en middelen afstemmen op de werkwijze van elke betaler.

Maakt het mogelijk het proces per betaler te segmenteren en vertragingen, afwijzingspatronen en betaalgedrag per betaler op te sporen. Dat helpt de omzet te verbeteren.

Deze informatie staat in R1 RCM bij de verzekerings- of demografische gegevens van de patiënt die aan de declaratie zijn gekoppeld.

Wanneer een betaler een declaratie afwijst, geeft die een redencode op, zoals een CARC-code (Claim Adjustment Reason Code), om de beslissing toe te lichten. Deze codes zijn gestandaardiseerd en wijzen bijvoorbeeld op ‘Dienst niet gedekt’ of ‘Dubbele declaratie’.

Dit attribuut is belangrijk voor het beheer van afwijzingen. Door te analyseren hoe vaak verschillende redencodes voorkomen, kan de organisatie de oorzaken van afwijzingen opsporen en aanpakken. Die kunnen te maken hebben met de verzekeringsgerechtigdheid van de patiënt, coderingsfouten of het ontbreken van medische noodzaak. Zo kun je herstelwerk verminderen en betalingen sneller ontvangen.

Geeft de specifieke reden voor afgewezen declaraties. Met oorzaakanalyse kun je nieuwe afwijzingen voorkomen, herstelwerk verminderen en het percentage betalingen bij de eerste indiening verhogen.

Deze informatie komt van de betaler in de elektronische betalingsspecificatie (ERA- of 835-bestand) en wordt opgeslagen in de module voor declaratiebeheer van R1 RCM.

Dit attribuut geeft aan wie verantwoordelijk was voor een specifieke taak in het proces. Dat kan de medewerker zijn die de declaratie heeft aangemaakt, de analist die een afwijzing opnieuw heeft verwerkt of de specialist die een betaling heeft geboekt.

Met een analyse per gebruiker krijg je inzicht in de verdeling van het werk, individuele prestaties en opleidingsbehoeften. Je ziet welke gebruikers efficiënt werken en bij wie vaker fouten voorkomen. Zo kun je gericht bijsturen en het proces verbeteren.

Maakt het mogelijk om prestaties van teams en individuele medewerkers en de werkverdeling te analyseren. Ook helpt dit attribuut opleidingskansen en procesafwijkingen per gebruiker op te sporen.

Dit veld heet in transactielogs van R1 RCM meestal ‘UserID’, ‘Processor’ of ‘UpdatedBy’.

Dit attribuut registreert de waarde van financiële correcties op de rekening van een patiënt na de eerste facturering. Correcties kunnen positief of negatief zijn en omvatten contractuele kortingen, afboekingen en aanpassingen.

Correctiebedragen bijhouden is belangrijk om de betrouwbaarheid van de omzet te bewaken. Veel negatieve correcties kunnen wijzen op omzetverlies door bijvoorbeeld onjuist vastgelegde kosten of oninbare vorderingen. Met deze data zie je wat de financiële gevolgen zijn van factureringsfouten en inefficiënties bij het innen.

Brengt omzetverlies en financiële correcties in bedragen in kaart. Zo zie je wat de financiële gevolgen zijn van onjuiste facturering, contractuele verplichtingen of oninbare vorderingen.

Dit veld staat in R1 RCM in transactielogs over rekeningcorrecties of het boeken van betalingen.

Dienstcodes, zoals CPT-codes (Current Procedural Terminology), zijn gestandaardiseerde medische codes voor het melden van medische, chirurgische en diagnostische procedures en diensten aan betalers voor vergoeding.

Door het proces per dienstcode te analyseren, spoor je factureringsproblemen bij specifieke soorten zorg op. Je ziet welke procedures het vaakst worden afgewezen, de langste betalingstermijnen hebben of het meeste herstelwerk vragen. Zo kun je de codering en facturering gericht verbeteren.

Maakt procesanalyse per type geleverde dienst mogelijk. Zo spoor je afwijzingspatronen en betalingsvertragingen bij specifieke procedures op.

Deze informatie staat in R1 RCM op regelniveau bij elke kostenpost of declaratie.

Deze metriek meet de totale duur van de omzetcyclus voor één factureringsgebeurtenis. Het is de tijd die de organisatie nodig heeft om een geleverde dienst om te zetten in geld.

Dit is een belangrijke KPI voor de financiële gezondheid. Door deze duur te analyseren, zie je waar het proces sneller kan. Splits de doorlooptijd op in onderdelen, zoals ‘tijd tot facturering’ en ‘tijd tot betaling’, en ontdek waar je de kasstroom het meest kunt verbeteren.

Deze KPI op hoofdlijnen meet de efficiëntie van de volledige omzetting van diensten naar geld en heeft rechtstreeks invloed op de kasstroom van de organisatie.

Dit is een berekende metriek: het tijdsverschil tussen de timestamp van de activiteit ‘Dienst geleverd’ en die van ‘Betaling geboekt’ voor een factureringsgebeurtenis.

Dit booleaanse attribuut maakt onderscheid tussen taken die door softwareautomatisering zijn uitgevoerd, zoals een RPA-bot die declaraties indient, en taken die een medewerker handmatig heeft uitgevoerd.

Met dit attribuut kun je de impact en effectiviteit van automatisering beoordelen. Vergelijk de snelheid, kosten en foutpercentages van geautomatiseerde en handmatige processen. Zo ontdek je waar verdere automatisering mogelijk is en meet je het rendement van bestaande bots.

Maakt onderscheid tussen activiteiten van medewerkers en systemen. Zo kun je meten wat automatisering betekent voor de efficiëntie, kosten en kwaliteit van het proces.

Dit kan worden afgeleid uit het veld ‘AssignedUser’, waarin specifieke gebruikers-ID’s voor bots zijn gereserveerd, zoals ‘BOT_RPA01’. Sommige systemen hebben hiervoor een apart veld.

Dit booleaanse attribuut wordt meestal berekend tijdens de process mining-analyse. De waarde wordt ‘true’ als een activiteit een eerdere stap herhaalt of deel uitmaakt van een reeks die op een foutcorrectie wijst, bijvoorbeeld een activiteit na ‘Declaratie afgewezen’.

Herstelwerk opsporen is een van de belangrijkste mogelijkheden van process mining. Je ziet hoeveel tijd, moeite en middelen verloren gaan in een proces. Door herstelwerk te markeren, kan de organisatie zich richten op het voorkomen van de fouten die het veroorzaken en de efficiëntie verbeteren.

Helpt de frequentie en impact van herstelwerk, zoals afgewezen declaraties, te meten. Zo kun je gericht analyseren hoe je inefficiëntie en verspilde moeite vermindert.

Dit veld staat niet in het bronsysteem. De process mining-tool berekent het op basis van de volgorde van activiteiten, bijvoorbeeld door te detecteren dat ‘Declaratie ingediend’ meerdere keren voorkomt voor dezelfde case.

Dit attribuut is de unieke ID die een patiënt binnen het zorgsysteem krijgt. Deze wordt vaak het medisch dossiernummer (MRN) genoemd.

De zorg voor individuele patiënten staat hier niet centraal, maar met de patiënt-ID kun je terugkerende factureringsproblemen voor dezelfde patiënt in de tijd analyseren. Als de ID aan andere patiëntgegevens is gekoppeld, kun je het proces ook segmenteren op demografische gegevens of voorgeschiedenis. Zo komen mogelijk structurele problemen aan het licht die bepaalde patiëntgroepen treffen.

Maakt het mogelijk factureringsgebeurtenissen per patiënt te analyseren en terugkerende problemen of patronen bij meerdere zorgcontacten op te sporen.

Deze identificatiecode is een vast onderdeel van de demografische patiëntgegevens die in R1 RCM aan elk zorgcontact en elke declaratie zijn gekoppeld.

Dit attribuut geeft aan waarom een financiële correctie op een rekening is uitgevoerd. De redenen zijn vaak gestandaardiseerde codes of omschrijvingen die het type correctie aangeven.

Door correctieredenen te analyseren, spoor je de oorzaken van omzetverlies op. Veel afboekingen van kleine saldi kunnen bijvoorbeeld wijzen op een inefficiënt incassoproces voor kleine bedragen. Regelmatige contractuele kortingen zijn daarentegen een verwacht onderdeel van onderhandelingen met betalers. Deze analyse ondersteunt het dashboard voor factureringscorrecties en compliance-audits.

Verklaart waarom de omzet is aangepast en helpt oorzaken van omzetverlies op te sporen, zoals contractuele problemen, factureringsfouten of mislukte incasso.

Dit is in R1 RCM meestal een code- of tekstveld in dezelfde transactie als AdjustmentAmount.

Dit attribuut beschrijft het resultaat van pogingen om een achterstallige rekening betaald te krijgen. Mogelijke uitkomsten zijn ‘Volledig betaald’, ‘Vereffend’, ‘Als oninbaar afgeboekt’ of ‘Niet opgelost’.

Door incassoresultaten bij te houden, kun je de effectiviteit van het incassoproces beoordelen. Analyseer welke activiteiten tot welke uitkomsten leiden en verbeter zo de incassostrategie en het terugvorderingspercentage. Ook kun je beter bepalen wanneer je stopt met incasseren en een saldo afboekt. Dit ondersteunt het dashboard voor de prestaties van incassoactiviteiten.

Meet hoe effectief het incassoproces is door de uiteindelijke afhandeling van achterstallige rekeningen bij te houden. Zo kun je de incassostrategie verbeteren.

Dit is waarschijnlijk een statusveld op de patiëntenrekening of in een aparte incassomodule van R1 RCM.