- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数字化转型
- 赋能中心
- 伙伴
- 关于
应用产品: 亿信ABI
分配管理是军队医院经济管理的核心内容之一,目前军队医院分配管理中存在着以下问题:质量考核系统不够完善,缺乏分配依据;对各种分配形式的作用缺乏理解;没有把医院的目标与理念较好地设计进去;没有弄清楚评价要素与分配形式的关系。
为此,301医院卫生经济科组织建立研究课题,专门针对收入分配问题进行精细化研究,目的是结合管理实际,提出建立内部分配体系,将军队病人收入和地方病人收入分开统计,并将收入按照开单和执行两个角度按比例进行分配,保证劳有所得,体现按劳分配的原则。
研究课题主要从四个方面加以考虑:①谁创造价值。②创造了多少价值。③拿什么分给价值创造者。④给价值创造者分多少。
301医院经济运营分析系统的总体建设目标是对医院经济运营的指标进行分析和利用,为领导决策提供数据支撑。同时对收入进行按照科室、主诊组、医生进行分摊,对全院收入进行精细化管理,为奖金的分配提供依据。
经营运营分析的主要指标包括:
一级 | 二级 | 三级指标 | 计算公式 | 指标 |
一般状况 | 总体状况 | 员工总数 | 院科 | |
医、护、技、行政、后勤人员比例 | ||||
编制床位 | 院科 | |||
实际展开床位 | 院科 | |||
固定资产总值 | ||||
偿债能力 | 资产负债率 | (负债/资产)×100% | ||
流动比率 | (流动资产/流动负债)×100% | |||
速动比率 | (流动资产-存货)/流动负债×100% | |||
期末现金结余 | ||||
服务数量 | 总门急诊人次 | 院科 | ||
总住院人次 | 院科 | |||
总手术例次 | 院科 | |||
效益状况 | 医药总收入 | 军队计价收入+地方实际收入 | 院科 | |
医药总成本 | 军队患者成本+地方患者成本 | 院科 | ||
医药总收益 | 医药总收入-医药总成本 | 院科 | ||
收益率 | (医药总收益/医药总收入)×100% | 院科 | ||
医药纯收益 | 地方患者实际收入+卫生事业费拨款-医药总成本 | 院科 | ||
可支配收益 | 地方患者实际收入+卫生事业费拨款-不含折旧与军人工资的消耗性成本 | |||
运营效率 | 人力资源利用效率 | 人均门诊量 | 总门诊人次/医生总数 | 院科 |
人均出院人次 | 总出院人次/医生总数 | 院科 | ||
人均手术例次 | 总手术例次/外科医生总数 | 院科 | ||
人均医疗毛收入 | 医疗总收入/医务人员总数 | 院科 | ||
人均收益 | 医药总收益/医务人员总数 | 院科 | ||
床工比 | 医务人员总数/床位总数 | 院科 | ||
工作人员个人收入增长 | (本年个人收入额-上年个人收入额)/上年个人收入额 | 院科 | ||
财务资源利用效率 | 资产收益率 | 总收益/总资产×100% | ||
成本收益率 | 医药总收益医药/总成本×100% | |||
上级拨款占总收入比例 | 上级拨款收入/总收入×100% | |||
总资产周转率 | 医疗收入净额/资产平均余额×100% | |||
流动资产周转率 | 医疗收入净额/流动资产平均余额×100% | |||
物化资源利用效率 | 平均住院日 | 总住院床日/总出院人次 | 院科 | |
术前平均住院日 | 总术前住院床日/总出院人次 | 院科 | ||
病床使用率 | 总住院床日/(床位总数×365天)×100% | 院科 | ||
手术间使用率 | 实际手术间总使用小时数/(手术间数*8*280)×100% | 院科 | ||
每门诊诊次医疗收益 | 门诊总收益/总门诊人次 | 院科 | ||
每床日收入 | 住院患者总收入/总住院床日 | 院科 | ||
每床日收益 | 住院患者总收益/总住院床日 | |||
百元固定资产业务收入 | (业务收入总额/当期固定资产总额)*100 | |||
大型设备收益率 | (单机检查治疗收入-单机检查治疗成本)/单机检查治疗收入×100% | |||
管理控制 | 成本控制 | 医疗收入成本率 | 医疗成本/医疗收入×100% | 院科 |
变动成本增长率 | 本期变动成本/上期变动成本×100% | 院科 | ||
药品成本占总成本比重 | 药品成本/医疗总成本×100% | 院科 | ||
材料成本占总成本比重 | 材料成本/医疗总成本×100% | 院科 | ||
人力成本占总成本比重 | 人力成本/医疗总成本×100% | 院科 | ||
管理成本占总成本比例 | 管理成本/医院总成本×100% | |||
每床日固定成本分摊 | 固定成本总额/住院床日数 | |||
延期支付率 | 延期支付金额/当期业务收入×100% | 院科 | ||
医疗缺陷理赔率 | 医疗缺陷理赔金额/当期业务收入×100% | 院科 | ||
费用控制 | 门诊患者每诊次费用 | 门诊总费用/总门诊人次 | 院科 | |
门诊患者每诊次药费 | 门诊药费总额/总门诊人次 | 院科 | ||
住院患者次均住院费用 | 住院总费用/总住院人次 | 院科 | ||
住院患者次均住院药费 | 住院药费总额/总住院人次 | 院科 | ||
药品收入比重 | 药品收入/医药总收入×100% | 院科 | ||
材料收入比重 | 材料收入/医药总收入×100% | 院科 | ||
医保自负比例 | 医保患者自负总额/医保患者总费用×100% | 院科 | ||
单病种费用控制 | 超限额病例数比例 | 超限额病例数/单病种病例总数×100% | ||
单病种费用超定额比例 | (单病种实际费用-单病种定额标准)/单病种定额标准×100% | |||
单病种成本率 | 单病种成本/单病种定额标准×100% | |||
感染经济学控制 | 院内感染率 | 院内感染病例总数/总住院病例数×100% | 院科 | |
院内感染患者住院延长天数 | 院内感染患者平均住院日-非院内感染患者平均住院日 | 院科 | ||
院内感染患者费用增长额 | 院内感染患者平均费用-非院内感染患者平均费用 | 院科 | ||
院内感染患者成本增长额 | 院内感染患者平均成本-非院内感染患者平均成本 | 院科 | ||
发展趋势 | 经济增长 | 医疗收入增长率 | (本年医疗收入-上年医疗收入)/上年医疗收入×100% | 院科 |
医疗收益增长率 | (本年医疗收益-上年医疗收益)/上年医疗收益×100% | 院科 | ||
医疗纯收益增长率 | (本年医疗纯收益-上年医疗纯收益)/上年医疗纯收益×100% | 院科 | ||
除药品、材料外收益增长率 | (本年除药品、材料外收益-上年除药品、材料外收益)/上年除药品、材料外收益×100% | 院科 | ||
收容潜力 | 固定资产增长率 | (期末固定资产总值—期初固定资产总值)/期初固定资产总值×100% | ||
住院患者候床率 | 候床患者总数/住院床位数×100% | 院科 | ||
候床患者中疑难重症患者比例 | 候床患者中疑难重症患者数/候床患者数×100% | 院科 | ||
侯床患者地区分布 | 各地区侯床患者比例 | 院科 | ||
住院收容饱和度 | 实际住院收容数量/理论最大收容数量×100% | 院科 | ||
新业务开展 | 仪器设备投入增长率 | (本年仪器设备投入-上年仪器设备投入)/上年仪器设备投入×100% | 院科 | |
新技术新业务收入占比 | 新技术新业务收入/医疗总收入×100% | 院科 | ||
科研成果转化率 | 科研成果转化数量/科研成果数量×100% | 院科 | ||
新技术新业务收入增长率 | (本年新技术新业务收入-上年新技术新业务收入)/上年新技术新业务收入×100% | 院科 |
为了能够快速和高质量的完成对于经济运营分析系统的建设,我们主要采用了数据仓库技术来完成对于各业务系统的集中整合;另外我们采用了数据挖掘技术和BI技术来完成对整合的数据的分析和展示。
数据仓库就是面向主题的、集成的、相对稳定的、随时间不断变化(不同时间)的数据集合,用以支持经营管理中的决策制定过程、数据仓库中的数据面向主题,与传统数据库面向应用相对应。主题是一个在较高层次上将数据归类的标准,每一个主题对应一个宏观的分析领域。
数据仓库的集成特性是指在数据进入数据仓库之前,必须经过数据加工和集成,这是建立数据仓库的关键步骤,首先要统一原始数据中的矛盾之处,还要将原始数据结构做一个从面向应用向面向主题的转变;
数据仓库的稳定性是指数据仓库反映的是历史数据,而不是日常事务处理产生的数据,数据经加工和集成进入数据仓库后是极少或根本不修改的;
数据仓库是不同时间的数据集合,它要求数据仓库中的数据保存时限能满足进行决策分析的需要,而且数据仓库中的数据都要标明该数据的历史时期。
数据挖掘(data mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
随着信息化的建设,人们积累的数据越来越多。激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能,但无法发现数据中存在的关系和规则,无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段,导致了"数据爆炸但知识贫乏"的现象。
使用数据挖掘技术可以发掘数据之间的联系,并预测数据未来的发展趋势。使医院的决策者能够制定更加完备的管理和决策方案,促进医院的全面发展。
数据仓库技术的应用,能够使得散落在各个业务系统的数据进行集中的存储、规范和整合,使数据达到最大的利用率。
数据挖掘技术的应用,能够最大程度的发现数据之间的联系,并且能够预测数据未来的发展趋势,为决策者提供完备的数据支持。
数据仓库技术和数据挖掘技术的综合运用,能够充分体现"整合数据,从数据中找知识,运用数据知识、用数据说话"的理念。从而能够改良医院运营的各环节、提高生产运营效率、提高医院整体竞争力。
门诊情况分析统计的主要内容包括:门急诊的数量、人均工作量、门诊各项收入以及各项收入的占比情况,分别用柱状图 和饼图的方式进行展现,方便用户查看。
另外将门急诊总收入分为军人计价收入和地方病人实际收入进行统计,并可以查看收入数据分科室的明细,点击科室前的"+"号可以展开查看科室下病区的相关数据。
*以上数据为演示数据
病区情况分析统计的主要内容包括:病区接诊量情况、人均工作量情况、收入及药品占比情况、平均住院日及病床使用率情况等。这些指标可以通过科室维度进行展现,接诊量和工作量的情况通过报表的方式进行展现,其他指标可以通过统计图的方式进行展现。
对于平均住院日及病床使用率等关键指标,我们通过仪表盘的方式进行展现,通过与目标值的比较得出关键指标是否达标,并通过仪表盘上指针的指向能够快速获得关键指标的达标信息。
平均住院日及病床使用率这些关键指标,还可以通过点击钻取查看所有科室该指标的情况,通过与目标值的比较,快速获得每个科室的指标达标情况。
*以上数据为演示数据
手术情况分析统计的主要内容包括:科室手术工作量、手术目标完成情况、手术工作量占全院比、手术间使用率等。这些指标可以从科室维度进行展现,工作量的情况可以展现为报表,其他指标可以通过图形的方式进行展现。
对于手工工作量我们通过按照科室进行排名,并将全院手术目标完成情况通过仪表盘的方式进行展现,通过指针指向能够快速了解手术指标完成情况。
对于全科室的手术完成情况,通过点击的方式可以钻取查看,钻取表中按照科室统计手术完成例次以及全院的排名情况,并且与目标值进行统计,获得科室手术指标完成情况。
*以上数据为演示数据
效益及财务状况统计的主要内容包括:收益情况、收入成本情况、收入构成情况、成本构成情况以及财务情况。展现的方式主要通过图形的方式进行展现,方便用户进行关键指标查看。
*以上数据为演示数据
对于收入的统计,主要从科室角度进行,如分科室统计收入情况,统计收入结构情况,并将科室收入按照开单、执行、计价、实收等数据进行统计。
*以上数据为演示数据
收入的查询还可以分科室按照核算项目进行查询,如下图:
*以上数据为演示数据
收入的情况除了能够查询科室粒度,还可以查询到主诊组的收入情况,如下图:
*以上数据为演示数据