WEBINAR OM DREAM WEBINAR OM DREAM

Transkript

1 Den 8. marts 2019

2 Agenda Velkomst og indflyvning: Ved Theis Agger Pape, konsulent i KL Struktur og teknisk design: Hvordan tilgås data i FLIS og anden teknisk specifikation Ved Erik Damsted, seniorkonsulent i KOMBIT DREAM: Introduktion til DREAM-databasen & identifikation af nøglevariable Ved Theis Agger Pape, konsulent i KL & Jesper Jørgensen, specialkonsulent i Aarhus kommune Anvendelse: Praktiske eksempler fra Aarhus & generel anvendelse Ved Jesper Jørgensen, specialkonsulent i Aarhus kommune Fremtiden for beskæftigelse i FLIS Ved Theis Agger Pape, konsulent i KL

3 STRUKTUR OG TEKNISK DESIGN Erik Damsted, IT-konsulent, Kombit

4 FLIS Arkitekturen FTP KUBER DM (Datamart) EDW (Enterprise datawarehouse) DSAHIST (Data staging area) Rådata (Legacy) Kildesystemer

5 DREAM vejen ind i FLIS FLIS modtager én dataleverance fra STAR pr måned Leverancen indeholder det fulde datasæt hver måned Data fra STAR er organiseret i SAS-format Ikke velegnet til håndtering i relationelle databaser Derfor vendes data (unpivoteres) ved indlæsningen til FLIS DREAM udgør cirka 40% af den samlede datamængde i FLIS

6 DREAM i FLIS lag DM EDW DSA_HIST Rådata Fact Dream med tilhørende dimensioner. Der leveres fra 2007 og frem til kommunerne, såfremt borgeren har boet i kommunen på et tidspunkt i perioden 2007 og frem. Teknisk databaselag. Bruges til at danne normaliserede og ensrettede data der danner grundlag for DM. Formatet er tæt på det originale, men er unpivoteret. Leveres for den fulde periode, med filter på hvorvidt borgeren har boet i den pågældende kommune på et tidspunkt. Da rådata leveres tværkommunalt, i et SAS format udstilles dette ikke.

7 Datapakkerne i DREAM

8 DREAM informationsmodel

9 DREAM logisk datamodel

10 Tabellen FACT DREAM i DM Antal i DM Dream Borger Antal i DM Fact Dream Antal ydelser pr borger 622

11 Transformation af data til DM-laget - eksempel

12 DreamTid og koblinger

13 DREAM Særlige forhold DREAM data ligger helt adskilt fra resten af FLIS data og deler ikke nøgler. Dvs. data kan ikke flyde frem og tilbage.

14 Opsummering I FLIS indlæses DREAM på en måde der går det muligt at arbejde med data i et format der ikke er baseret på SAS. Data er normaliserede og ikke-pivoterede. DREAM data er ikke tilgængelige som rådata (legacy) i FLIS, da data leveres i en fælles leverance. I FLIS DM-lag (datamart) findes DREAM data fra 2007 og frem. En given kommunes DREAM data indeholder de borgere der bor eller har været registreret i kommunen. Derfor vil mange personer findes i flere kommuners DREAM data. Data i DREAM er opgjort på ugeniveau. Det betyder, at der ved indlæsningen i FLIS dannes ugentlige data for alle datapunkter. Dette gælder fx for bopælskommune.

15 DREAM v. KL (slide 1/5) Opbygning og struktur af den generelle database Hierarki DREAM-vejledning

16 DREAM v. KL (slide 2/5) KL eksempel 6% 5% 4% Gennemsnitlig afgang per uge fordel efter varighed A-dagpenge Jobparat Aktivitetsparat 3% 2% 1% 0% Start 1 år 2 år

17 DREAM v. KL (slide 3/5) Opbygning og struktur Forløbsdatabase baseret op oplysninger fra beskæftigelses- og undervisningsministeriet samt CPR og SKAT Indeholder samtlige personer der har modtaget offentlige ydelser Opdateres månedligt Indeholder andre nøglevariable Særdeles velegnet til analyser over tid

18 DREAM v. KL (slide 4/5) Hierarki DREAM opgøres på ugeniveau -> behov for systematik i opgørelsen Derfor laves der et hierarkier Der findes 2 hierarkier i DREAM Jeg definerer dem som ydelseshierarkiet og aktivitetshierarkiet Ydelseshirarkiet er placeringen blandt ydelses mulighederne Statushierarkiet er placeringen blandt aktivitets mulighederne Konsekvenser

19 DREAM v. KL (slide 5/5) DREAM vejledningen Overblik over alle koder Overblik over indhold De fulde hierarkier Historik i ændringer Definitioner af nøglevariable Link til vejledningen: -version-42---e.pdf?la=da

20 DREAM v. Aarhus kommune (slide 1/1) Hvorfor bruger Aarhus Kommune DREAM? Hvad er særligt interessant ved DREAM? Hvad kan DREAM som andre data ikke kan?

21 Anvendelse v. Aarhus kommune (slide 1/13) Agenda Ledelsesinformation til Aarhus Byråd Beskæftigelse og Ledighed i Aarhus Flygtninge i Aarhus og deres selvforsørgelsesgrad Styringsformål BoSocData - Boligsocial monitorering i Aarhus Indsatsevaluering Annoncerings-udlejningsforsøg i Rosenhøj fra SFI-konferencen 'På kanten af boligmarkedet' den 17. november 2011

22 Anvendelse v. Aarhus kommune (slide 2/13) Ledelsesinformation til Aarhus Byråd Byrådsbeslutning om ledelsesinformation fra styringsudvalgets betænkning At 2) Styrket anvendelse af ledelsesinformation i byrådet tiltrædes som beskrevet i pkt D og E Aarhus i Tal:

23 Anvendelse v. Aarhus kommune (slide 3/13) Ledelsesinformation til Aarhus Byråd

27 Anvendelse v. Aarhus kommune (slide 7/13) Styringsformål / boligsocial monitorering KL s Anbefalinger til en bred boligsocial indsats i udsatte by- og boligområder CFK Folkesundhed og kvalitetsudviklings overblik over Tværgående monitorering som socialfagligt forebyggelsesredskab Aarhus Kommunes oplæg på præsentationsworkshoppen for ovenstående rapport

28 Anvendelse v. Aarhus kommune (slide 8/13) Indsatsevaluering Evaluering af Annonceringsudlejningsforsøg i Rosenhøj Præsenteret på SFI-konferencen 'På kanten af boligmarkedet' den 17. november 2011

29 Anvendelse v. Aarhus kommune (slide 9/13) Indsatsevaluering

34 Fremtiden for beskæftigelsesområdet i FLIS (slide 1/2) STAR Jobcentersystemer DFDG DREAM Ydelsessystemer DREAM KOMBIT Beskæftigelse Ydelsesrefusion Ydelsesrefusion

35 Fremtiden for beskæftigelsesområdet i FLIS (slide 2/2) STAR Jobcentersystemer DFDG DREAM Ydelsessystemer DREAM KOMBIT Ydelsesrefusion Beskæftigelse Ydelsesrefusion

36 Kontaktoplysninger Theis Agger Pape, konsulent i KL. [email protected] Jesper Jørgensen, specialkonsulent i Aarhus kommune, [email protected] Erik Damsted, seniorkonsulent i KOMBIT [email protected] For tekniske spørgsmål angående FLIS bedes i rette henvendelse til servicedesk hos Netcompany Tlf: [email protected] Åbningstid: Mandag fredag