KML-Daten zu Krankenhäusern importieren und im Dashboard auswerten
Wie Sie eine KML-Datei mit Krankenhausinformationen in disy Cadenza importieren, im Dashboard visuell ansprechend darstellen und anschließend auswerten
Krankenhäuser unterscheiden sich hinsichtlich ihrer Kernkompetenzen und Kapazitäten. Um die Unterschiede beim medizinischen Leistungsangebot besser vergleichen zu können, ist es hilfreich, ein Übersichts-Dashboard mit verschiedenen Visualisierungen zu erstellen.
Erfahren Sie in unserem Demo-Beitrag, wie Sie mit disy Cadenza Krankenhausdaten im KML-Format ad hoc importieren und dann relevante Informationen übersichtlich im Dashboard auswerten.
Die Grundlage für unsere Analyse ist ein KML-Datensatz aus dem Transparenzportal Hamburg. Der Datensatz für die Krankenhäuser der Hansestadt bietet neben dem Standort weitere Informationen, beispielsweise:
- Name des Krankenhauses
- Straße
- Ort
- Teilnahme an der Notversorgung
- Teilnahme als Geburtsklinik
- Anzahl der Betten
In diesem Beitrag zeigen wir Ihnen, wie Sie
- KML-Dateien ad-hoc importieren,
- auf Basis dieser Daten ein Dashboard erstellen,
- den Analysekontext mit Filtern füllen und - das Dashboard filtern.
Krankenhausdaten im KML-Format ad hoc importieren
Abb. 1: KML-Daten in eine Karte importieren
Wir importieren eine KML-Datei über die Menüleiste in der Karte (Abbildung 1). Der Dialog führt uns durch die Auswahl und die Betitelung des Datensatzes (Abbildung 2). Nach der Import-Bestätigung über eine Schaltfläche wird im Datenbrowser angezeigt, welche Daten verfügbar sind, und die Geometrien, hier die Standorte der Krankenhäuser, werden in der Karte visualisiert. Die Namen der Attribute können im Nachgang geändert werden. Man erkennt eine Änderung an der kursiven Schrift. Wir können das in Abbildung 3 sehen. Wie genau der KML-Import funktioniert, erfahren Sie in unserem disy Cadenza-Tipps- und Tricks-Beitrag.
KML-Daten per Drag-and-drop in die Analyse einbeziehen
Im ersten Schritt unserer Analyse interessieren uns die Anzahl und die Standorte von Einrichtungen, die eine Notversorgung bieten. Per Drag-and-drop ziehen wir aus dem Datenbrowser die Dimension „Mit Notversorgung“ in die Karte. Die Karte aktualisiert die Visualisierung sofort und zeigt nun nicht mehr nur die einzelnen Krankenhausstandorte an, sondern clustert diese und färbt sie ein. Die Clusterung fasst räumlich nahe beieinander liegende Krankenhäuser zusammen. Die Zahl in der Mitte des Kreises gibt an, wie viele Krankenhäuser zusammengefasst wurden. Je näher wir nun in die Karte zoomen, desto mehr teilen sich die Cluster in kleinere Cluster bzw. einzelne Standorte auf. Die Farben stehen für die Kategorie der Krankenhäuser: Orange bedeutet in unserem Beispiel, dass die Teilnahme an der Notversorgung vorhanden ist. Blau eingefärbte Krankenhäuser bieten keine Notversorgung. Grün zeigt an, dass die Teilnahme an der Notversorgung eingeschränkt ist. Zu sehen ist dies in Abbildung 4.
Abb. 4: Clusterung per Drag-and-drop
Abb. 5: Tabelle im Dashboard zusammenstellen und Krankenhäuser mit Geburtsklinik farblich hervorheben.
Im nächsten Schritt wollen wir eine Tabelle hinzufügen mit der namentlichen Auflistung aller Krankenhäuser und der Auskunft, ob eine Geburtsklinik inbegriffen ist. Wir öffnen eine zusätzliche Datensicht und ziehen per Drag-and-drop die Attribute
- Name und
- Geburtsklinik
hinein. Für die bessere Übersicht nutzen wir die Funktion „Hervorhebung“. Wir definieren eine Regel, aufgrund derer alle Krankenhäuser, die eine Geburtsklinik besitzen, farblich hervorgehoben werden. Abbildung 5 zeigt das Ergebnis.
Als dritte Datensicht möchten wir in einem Balkendiagramm nun die Krankenhäuser hinsichtlich ihrer Anzahl von Planbetten vergleichen. Wieder ziehen wir dafür per Drag-and-drop die folgenden Attribute in die Sicht, wie auch in der nachfolgenden Abbildung 6 zu sehen ist:
- Name sowie
- Anzahl der Planbetten.
Feinschliff am Krankenhaus-Dashboard vornehmen
Jetzt haben wir alle relevanten Informationen in unserem Krankenhaus-Dashboard visualisiert. Für den Feinschliff ergänzen wir in unserem Dashboard noch den Indikator „Anzahl Planbetten“ und ein Textfeld mit dem Link zur Datenquelle. Der Indikator soll die Anzahl aller Betten in Hamburger Krankenhäusern angeben. Per Drag-and-drop ziehen wir das entsprechende Attribut in die neue Sicht. Zusätzlich fügen wir mit Hilfe des Designers einen Untertitel ein. Unser Dashboard ist fertig (Abbildung 6). Jetzt fehlen nur noch die Filter.
Abb. 6: Krankenhaus-Dashboard Hamburg
Angezeigte Daten im Krankenhaus-Dashboard gezielt einschränken
Im Analysekontext können Filter konfiguriert werden, welche die angezeigten Daten direkt und gezielt einschränken. Dafür werden die gewünschten Filter per Drag-and-drop in den Analysekontext gezogen. In unserem Beispiel möchten wir nur Krankenhäuser mit der Teilnahme an einer Notversorgung sehen. Wir stellen den entsprechenden Filter auf „Ja“, worauf sich alle Inhalte im Dashboard direkt an diese Filterung anpassen (Abbildung 7).
Auch in der Tabelle werden nur noch diejenigen Kliniken namentlich aufgeführt, die eine Notfallversorgung anbieten. Die Dimension „Mit Geburtsklink“ bleibt davon jedoch unberührt. Abschließend benennen wir die Arbeitsmappe und das Arbeitsblatt und speichern diesen Arbeitsstand an dem gewünschten Ort im Navigator.
Abb. 7: Dashboard filtern
Alles im Blick mit dem Krankenhaus-Dashboard
Wir haben innerhalb von wenigen Minuten ein Krankenhaus-Dashboard zusammengestellt, welches die für uns relevanten Informationen zur Hamburger Krankhauslandschaft übersichtlich auf einen Blick zusammenfasst.
Mit der flexiblen Filterung können die Daten aus verschiedenen Blickwinkeln betrachtet werden. Bei Bedarf ist es einfach möglich, neue Filter hinzuzufügen.
Sollte sich der Analysebedarf ändern, dann kann das Dashboard und auch der Datenbestand jederzeit erweitert werden. Für weitere Informationen zum KML-Import sowie zu disy Cadenza schauen Sie sich gerne unsere Tutorials auf YouTube an.
