eBook102 Seiten2 Stunden
Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows
Von Matthias Röger
Bewertung: 0 von 5 Sternen
()
Über dieses E-Book
Im Umfeld der Medizintechnik entwickelt sich das noch junge und vielversprechende Konzept der Chirurgischen Workflows. Dabei handelt es sich um eine Methode zur intelligenten Erfassung von Prozessbeschreibungen, die im Laufe chirurgischer Eingriffe erhoben werden. Um diese Daten analysieren zu können, ist ein formales Modell notwendig, wodurch eine einheitliche Aufnahme der chirurgischen Vorgänge ermöglicht wird. Die Anwendungsbereiche Chirurgischer Workflows sind weit gestreut. Sie reichen von der Planungsunterstützung im Vorfeld der Operationen bis zur Workflow-Exploration auf Basis durchgeführter Operationen, von der Suche nach Optimierungspotential hinsichtlich der Instrumente bzw. Assistenzsysteme bis zur Verifizierung medizinischer Hypothesen.
In dieser Studie wird ein Data Warehouse (DWH) entwickelt, womit chirurgische Workflows erfasst und analysiert werden können. Hierzu wird die herkömmliche Data-Warehouse-Technologie an die besonderen Anforderungen angepasst, die sich im Zusammenhang mit der Analyse von Prozessbeschreibungen ergeben. Es wird gezeigt, wie der Anwender eine multidimensionale Sicht sowohl der Operationen, wie auch ihrer Workflow-Komponenten, erhält und er in die Lage versetzt wird, die zu analysierenden Kennzahlen selbst zu definieren und diese entlang verschiedener Dimensionen und Detaillierungsgrade zu aggregieren.
Zunächst führt der Autor in die grundlegenden Themen Business Intelligence (BI), Data Warehouse, multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI) ein.
In der initialen Designphase des DWH wird die Strukturierung des chirurgischen Workflows behandelt sowie die Überlegungen zu den eingesetzten Datenerfassungsstrategien beleuchtet. Das auf dieser Basis in Form eines E/R-Diagramms erstellte Modell zur Erfassung chirurgischer Prozesse dient als Grundlage für das nachfolgend zu entwickelnde multidimensionale Datenmodell und kann als Input einer Transformation betrachtet werden. Diese liefert - unter Beachtung der gestellten Anforderungen potentieller Anwender - als Output das multidimensionale Schema in Form einer Menge von Faktschemata.
Im Verlauf dieser Transformation werden Herausforderungen ersichtlich, welche sich aus den vorgegebenen Einschränkungen des konventionellen OLAP-Ansatzes ergeben und es wird dargestellt, wie sich diese durch das vorgeschlagene erweiterte multidimensionale Datenmodell lösen lassen. So wird die Problematik kennzahlloser Fakten oder auch der Umgang mit heterogenen Fakten aufgezeigt. Das Auftreten von “viele-zu-viele“-Beziehungen zwischen Fakten und Dimensionen wird ebenso behandelt wie die Möglichkeit, Kennzahlen zur Laufzeit durch den Nutzer definieren zu lassen. Auch werden die Voraussetzungen, die Möglichkeiten und der Nutzen veranschaulicht, welche sich aus der Austauschbarkeit der Rollen hinsichtlich Fakt und Dimension bzw. Kennzahl und Dimension ergeben. Es wird weiter gezeigt, wie die Dimensionshierarchien aufgebaut werden und wie sie in einem Galaxy-Schema von verschiedenen Fakttypen gemeinsam genutzt werden können.
Die Realisierung des modellierten Data Warehouses erfolgt auf einem relationalen Datenbanksystem im Zusammenspiel mit der Business Intelligence Suite Pentaho. Es wird dargestellt, wie das Metadatenmodell eines OLAP-Datenwürfels erstellt wird, auf dessen Basis multidimensionale Datenanalysen durchgeführt werden können. Abschließend werden einige Anwendungsfälle aus dem Bereich der OLAP-Analyse präsentiert.
In dieser Studie wird ein Data Warehouse (DWH) entwickelt, womit chirurgische Workflows erfasst und analysiert werden können. Hierzu wird die herkömmliche Data-Warehouse-Technologie an die besonderen Anforderungen angepasst, die sich im Zusammenhang mit der Analyse von Prozessbeschreibungen ergeben. Es wird gezeigt, wie der Anwender eine multidimensionale Sicht sowohl der Operationen, wie auch ihrer Workflow-Komponenten, erhält und er in die Lage versetzt wird, die zu analysierenden Kennzahlen selbst zu definieren und diese entlang verschiedener Dimensionen und Detaillierungsgrade zu aggregieren.
Zunächst führt der Autor in die grundlegenden Themen Business Intelligence (BI), Data Warehouse, multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI) ein.
In der initialen Designphase des DWH wird die Strukturierung des chirurgischen Workflows behandelt sowie die Überlegungen zu den eingesetzten Datenerfassungsstrategien beleuchtet. Das auf dieser Basis in Form eines E/R-Diagramms erstellte Modell zur Erfassung chirurgischer Prozesse dient als Grundlage für das nachfolgend zu entwickelnde multidimensionale Datenmodell und kann als Input einer Transformation betrachtet werden. Diese liefert - unter Beachtung der gestellten Anforderungen potentieller Anwender - als Output das multidimensionale Schema in Form einer Menge von Faktschemata.
Im Verlauf dieser Transformation werden Herausforderungen ersichtlich, welche sich aus den vorgegebenen Einschränkungen des konventionellen OLAP-Ansatzes ergeben und es wird dargestellt, wie sich diese durch das vorgeschlagene erweiterte multidimensionale Datenmodell lösen lassen. So wird die Problematik kennzahlloser Fakten oder auch der Umgang mit heterogenen Fakten aufgezeigt. Das Auftreten von “viele-zu-viele“-Beziehungen zwischen Fakten und Dimensionen wird ebenso behandelt wie die Möglichkeit, Kennzahlen zur Laufzeit durch den Nutzer definieren zu lassen. Auch werden die Voraussetzungen, die Möglichkeiten und der Nutzen veranschaulicht, welche sich aus der Austauschbarkeit der Rollen hinsichtlich Fakt und Dimension bzw. Kennzahl und Dimension ergeben. Es wird weiter gezeigt, wie die Dimensionshierarchien aufgebaut werden und wie sie in einem Galaxy-Schema von verschiedenen Fakttypen gemeinsam genutzt werden können.
Die Realisierung des modellierten Data Warehouses erfolgt auf einem relationalen Datenbanksystem im Zusammenspiel mit der Business Intelligence Suite Pentaho. Es wird dargestellt, wie das Metadatenmodell eines OLAP-Datenwürfels erstellt wird, auf dessen Basis multidimensionale Datenanalysen durchgeführt werden können. Abschließend werden einige Anwendungsfälle aus dem Bereich der OLAP-Analyse präsentiert.
Ähnlich wie Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows
Ähnliche E-Books
Data Warehouse im Rahmen der Business Intelligence: Konzeption eines Vorgehensmodells Bewertung: 0 von 5 Sternen0 BewertungenDokumentenmanagement im mittelständischen Unternehmen: Geschäftsprozeß – Workflow – DMS Bewertung: 0 von 5 Sternen0 BewertungenErzielen von Wettbewerbsvorteilen durch Data Mining in Produktion und Logistik Bewertung: 0 von 5 Sternen0 BewertungenRFID im Supply Chain Food Management:Analyse und Anwendungsszenarien Bewertung: 0 von 5 Sternen0 BewertungenErfolg in Data-Warehouse-Projekten: Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien Bewertung: 0 von 5 Sternen0 BewertungenMethoden im IT-Projektcontrolling für die Planung, Steuerung und Kostenkontrolle im klassischen und agilen Umfeld Bewertung: 0 von 5 Sternen0 BewertungenITIL konformes Incident Management im Bereich der Software-Entwicklung: Chancen im Einsatz von Open Source Software Bewertung: 0 von 5 Sternen0 BewertungenBusiness Rules – Geschäftsregeln: Konzepte, Modellierungsansätze, Softwaresysteme Bewertung: 0 von 5 Sternen0 BewertungenKonzeption und prototypische Entwicklung einer CEP-Anwendung im Bereich E-Commerce Bewertung: 0 von 5 Sternen0 BewertungenGenerisches Prozessebenenmodell (PrEMo) zwischen Strategie und technologiegestützten Maßnahmen: Systematische Darstellung für die praktische Anwendung Bewertung: 0 von 5 Sternen0 BewertungenFührungsinformationen aus dem World Wide Web: Business Intelligence mit Web Content Mining Bewertung: 0 von 5 Sternen0 BewertungenKompetenzmodelle in der Personalarbeit: Aktuelle Situation und Entscheidungskriterien für die betriebliche Praxis Bewertung: 0 von 5 Sternen0 BewertungenDie Serviceorientierte Architektur als Bindeglied zwischen Geschäftsprozessmanagement und IT: SOA und BPM - eine kritische Bestandsaufnahme Bewertung: 0 von 5 Sternen0 BewertungenNeue Technologien in der ambulanten Pflege: Wie Smartphones die Pflegepraxis (mit-)gestalten Bewertung: 0 von 5 Sternen0 BewertungenGroupware in Kleinunternehmen: Eine empirische Untersuchung Bewertung: 0 von 5 Sternen0 BewertungenDer Weg aus der Krise: Das indikatororientierte Frühaufklärungssystem zur Krisenprävention im Unternehmen Bewertung: 0 von 5 Sternen0 BewertungenSmart Metering: Evaluation effizienter Architekturen und Technologien Bewertung: 0 von 5 Sternen0 BewertungenSegmentierte Ausbildungsmärkte: Berufliche Chancen von Hauptschülerinnen und Hauptschülern im Wandel Bewertung: 0 von 5 Sternen0 BewertungenReal-time Data Mining: Datenmodellierung und Mustererkennung in Echtzeit Bewertung: 0 von 5 Sternen0 BewertungenTotal Cost of Ownership: Bedeutung für das internationale Beschaffungsmanagement Bewertung: 0 von 5 Sternen0 BewertungenOpen Source und Workflow im Unternehmen: Eine Untersuchung von Processmaker, Joget, Bonita Open Solution, uEngine und Activiti Bewertung: 0 von 5 Sternen0 BewertungenReichweitenerhöhung von Nachrichtenportalen: Mobile Anwendungen und Zugriffe im Mobile-Age Bewertung: 0 von 5 Sternen0 BewertungenFöderative Unternehmensprozesse: Technologien, Standards und Perspektiven für vernetzte Systeme Bewertung: 0 von 5 Sternen0 BewertungenProzesse optimieren mit RFID und Auto-ID: Grundlagen, Problemlösung und Anwendungsbeispiele Bewertung: 0 von 5 Sternen0 BewertungenKundenzufriedenheit in der Werbevermarktung durch Online-Werbebörsen: Eine explorative Analyse aus Sicht der Inhalteanbieter Bewertung: 0 von 5 Sternen0 BewertungenStrategisches Projektmanagement im Gesundheitswesen: Wie Stakeholder auf ein Sensitivitätsmodell einwirken – eine Analyse Bewertung: 0 von 5 Sternen0 BewertungenOptimierung der Leistungsaufnahme eines solarbetriebenen Ad-Hoc-Netzwerk-Knotens Bewertung: 0 von 5 Sternen0 BewertungenIT-basierte Kennzahlenanalyse im Versicherungswesen: Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Bewertung: 0 von 5 Sternen0 Bewertungen