| von Sascha Mertens

Analytische Ad-hoc Auswertungen am Beispiel von COVID-19

Der Beitrag zeigt am Anwendungsbeispiel „Corona-Dashboard“, was man im Fachbereich mit Self-Service-Visualisierungen erreichen kann.

Animierte Tabelau Grafik zur Auslastung der Krankenhäuser

Achtung: Bei dem Dashboard “Auslastung Krankenhausbetten“ handelt es sich nicht um die tatsächlichen Daten zur Pandemie, sondern um eigens abgeleitete Kennzahlen basierend auf Daten des RKI.

Im Zuge der Corona-Pandemie fällt mir immer wieder auf, dass die zur Verfügung gestellten Daten und Kennzahlen nicht sonderlich aussagekräftig sind. Viele Corona-Dashboards konzentrieren sich nur die Gesamtzahl der Infektionen, Todesfälle und Genesene, ohne diesen Daten zumindest einen zeitlichen Verlauf oder Relationen zu geben. Das Dashboard des Robert-Koch-Instituts ist etwas granularer, man kann regionale Entwicklungen analysieren und erhält zeitliche Verläufe wichtig für Ad-hoc Auswertungen.

Die tatsächlich entscheidenden Kennzahlen sind meiner Meinung nach jedoch die zur Auslastung des Gesundheitssystems: Wie viele Kapazitäten gibt es bei den Krankenhausbetten? Dafür habe ich ein Dashboard entwickelt und möchte hier kurz vorstellen, wie ich dabei vorgegangen bin.

Daten zusammenführen, aufbereiten und visualisieren

Als Datengrundlage habe ich neben den RKI-Zahlen zum Infektionsgeschehen Daten des deutschen Krankenhausverzeichnisses genutzt, aus denen ich die Anzahl Betten eines jeden Krankhauses erhalte. Des Weiteren habe ich einige Eingrenzungen bei der Auswahl der Krankenhäuser vorgenommen: Unter anderem wurden nur Krankenhäuser berücksichtigt, die Intensivbetten und/oder Lungenspezialisierung sowie mehr als 100 Betten haben. Direkt benachbarte Häuser habe ich zusammengefasst.

Datenquellen für die Ad-Hoc Analyse der Einzugsgebiete

Für die ad-hoc Auswertung habe ich diese Daten des deutschen Krankenhausverzeichnisses und des RKI zusammengeführt (siehe animierte Abbildung oben). Als erstes habe ich für jedes Krankenhaus einen geografischen Umkreis definiert („Einzugsgebiet“). Nach weiterer Datenaufbereitung und Geokodierung habe ich die RKI-Daten auf die Geografie gemappt. Hierdurch kann ich die Infektionszahlen auf Landkreisebene gezielt den Einzugsgebieten der jeweiligen Krankenhäuser zuordnen.

So entsteht eine Datenvisualisierung inklusive zeitlichem Verlauf, die schnell regionale Belastungen der Krankenhäuser erkennen lässt. Rechts neben der Deutschlandkarte sind außerdem weitere wichtige Kennzahlen zur Pandemie visualisiert, zum Beispiel der Verlauf bei Neuinfektionen sowie Verhältniszahlen der Genesehen sowie der Todesfälle im Verhältnis zu den Gesamtinfektionen. In der unteren rechten Ecke des Dashboards findet man zusätzlich die Gesamtauslastung der Krankenhäuser im zeitlichen Verlauf.

 

Webinar Analytische Ad-Hoc-Auswertungen mit Alteryx in Krisenzeiten am Beispiel von COVID-19

Interesse an weiteren Details?


-> Im on-Demand Webinar erkläre ich den Aufbau des Dashboards im Detail

Bei weiteren Rückfragen stehe ich Ihnen zudem gerne zur Verfügung.

 

Über den Autor
Sascha Mertens

Mit seiner langjährigen Erfahrung in den Themen Unternehmensplanung, Reporting und Data Preparation ist Sascha bei Woodmark Ansprechpartner für die Erschließung neuer Lösungswege und innovativer Konzepte. Im Mittelpunkt seiner Kunden-Tätigkeit stehen Workshops, in denen maßgeschneiderte Lösungen für komplexe Fachanforderungen konzipiert und entwickelt werden.

Zurück