Utilization of the data warehouse in healthcare service breakdown and cost analysis : an illustrative case study on data utilization
Kuronen, Lauri (2023)
Pro gradu -tutkielma
2023
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2023033134180
https://urn.fi/URN:NBN:fi-fe2023033134180
Tiivistelmä
In Finnish healthcare, there are large masses of data to be used from various systems. The potential of these data masses has been recognized and their utilization as a support to management is promoted at the national level.
This master's thesis examines the utilization of automated data warehouse (DW) in the AURA service classification of healthcare and cost accounting. The aim of the thesis is to clarify the benefits of DW, both in the production of various information products and as a tool, supporting cost accounting.
The literature review of the thesis examines history, principles, and the benefits of DW solutions. This thesis focuses on DW solutions implemented according to the Data Vault (DV) 2.0 methodology. The literature review is based a lot on the thoughts of DV 2.0 inventor Dan Lindstedt and Ralph Kimball, one of the main architects of data warehousing. In addition to this, the literature review examines topics related to DW project implementation practices, such as service design and the scrum reference framework. After this, the thesis will look at how, utilizing these principles, DV 2.0 objects has been implemented. The implementation of the objects has been done by using the WhereScape software.
As an illustrative example, in the analysis part of the study, we will go over how, using DV 2.0 objects, deviations in the actual prices of services and customer-specific prices can be shown with the help of cost accounting analyses, as well as where these deviations come from. The interquartile range (IQR) method has been used to identify deviations. Suomalaisessa terveydenhuollossa on suuria datamassoja käytettävänä erilaisista järjestelmistä. Näiden datamassojen potentiaali on tunnistettu ja näiden hyödyntämistä johdon apuna edistetään kansallisella tasolla.
Tämä pro gradu -tutkielma tarkastelee automatisoidun tietovaraston (DW) hyödyntämistä terveyden huollon AURA palvelujaottelussa sekä kustannusanalyysissa. Tutkielman tavoite on selventää DW:n hyötyjä, niin erilaisten tietotuotteiden tuottamisessa kuin myös kustannusanalyysia tukevana työkaluna.
Tutkielman kirjallisuuskatsaus käy läpi DW ratkaisuiden historiaa, periaatteita sekä hyötyjä. Tässä tutkielmassa keskitytään Data Vault (DV) 2.0 metodologian mukaan toteutettuihin DW ratkaisuihin. Kirjallisuuskatsaus pohjautuu paljon DV 2.0 keksijän Dan Lindstedtin sekä yhden tietovarastoinnin pääarkkitehdeista Ralph Kimballin ajatuksiin. Näiden lisäksi kirjallisuuskatsauksessa käydään läpi DW projektien läpivienti käytäntöihin liittyviä aiheita kuten palvelumuotoilua ja scrum viitekehystä. Tämän jälkeen tutkielmassa katsotaan, kuinka näitä periaatteita hyödyntäen on toteutettu DV 2.0 objekteja. Objektien toteutus on tehty WhereScape sovelluksen avulla.
Havainnollistavana esimerkkinä tutkimuksen analyysi osuudessa käydään läpi, kuinka DV 2.0 objekteja hyödyntäen voidaan kustannusanalyysien avulla osoittaa poikkeamia palvelujen todellisissa hinnoissa sekä asiakaskohtaisissa hinnoissa sekä mistä nämä poikkeamat johtuvat. Poikkeamien tunnistamiseen on käytetty interquartile range (IQR) metodia.
This master's thesis examines the utilization of automated data warehouse (DW) in the AURA service classification of healthcare and cost accounting. The aim of the thesis is to clarify the benefits of DW, both in the production of various information products and as a tool, supporting cost accounting.
The literature review of the thesis examines history, principles, and the benefits of DW solutions. This thesis focuses on DW solutions implemented according to the Data Vault (DV) 2.0 methodology. The literature review is based a lot on the thoughts of DV 2.0 inventor Dan Lindstedt and Ralph Kimball, one of the main architects of data warehousing. In addition to this, the literature review examines topics related to DW project implementation practices, such as service design and the scrum reference framework. After this, the thesis will look at how, utilizing these principles, DV 2.0 objects has been implemented. The implementation of the objects has been done by using the WhereScape software.
As an illustrative example, in the analysis part of the study, we will go over how, using DV 2.0 objects, deviations in the actual prices of services and customer-specific prices can be shown with the help of cost accounting analyses, as well as where these deviations come from. The interquartile range (IQR) method has been used to identify deviations.
Tämä pro gradu -tutkielma tarkastelee automatisoidun tietovaraston (DW) hyödyntämistä terveyden huollon AURA palvelujaottelussa sekä kustannusanalyysissa. Tutkielman tavoite on selventää DW:n hyötyjä, niin erilaisten tietotuotteiden tuottamisessa kuin myös kustannusanalyysia tukevana työkaluna.
Tutkielman kirjallisuuskatsaus käy läpi DW ratkaisuiden historiaa, periaatteita sekä hyötyjä. Tässä tutkielmassa keskitytään Data Vault (DV) 2.0 metodologian mukaan toteutettuihin DW ratkaisuihin. Kirjallisuuskatsaus pohjautuu paljon DV 2.0 keksijän Dan Lindstedtin sekä yhden tietovarastoinnin pääarkkitehdeista Ralph Kimballin ajatuksiin. Näiden lisäksi kirjallisuuskatsauksessa käydään läpi DW projektien läpivienti käytäntöihin liittyviä aiheita kuten palvelumuotoilua ja scrum viitekehystä. Tämän jälkeen tutkielmassa katsotaan, kuinka näitä periaatteita hyödyntäen on toteutettu DV 2.0 objekteja. Objektien toteutus on tehty WhereScape sovelluksen avulla.
Havainnollistavana esimerkkinä tutkimuksen analyysi osuudessa käydään läpi, kuinka DV 2.0 objekteja hyödyntäen voidaan kustannusanalyysien avulla osoittaa poikkeamia palvelujen todellisissa hinnoissa sekä asiakaskohtaisissa hinnoissa sekä mistä nämä poikkeamat johtuvat. Poikkeamien tunnistamiseen on käytetty interquartile range (IQR) metodia.