Bakgrund

Det är många frågor som skall hanteras av prefekter, administrativa chefer och andra personer i institutionernas ledning. För att ledningen skall kunna hålla sig uppdaterad om utvecklingen vid institutionen krävs idag information från flera olika administrativa källsystem. För att underlätta uppföljning och bestlutfattande samlar IVS därför ihop information från ett antal olika system (ekonomi, personal, student mm).

Syfte med IVS

  • Förbättra beslutsstödet och ge ökad tillgänglighet, kvalitet, överblick och transparens i rapportsammanställningen
  • Möjliggöra en jämförelse internt och med andra lärosäten
  • Ge signaler till verksamhetsförbättringar
  • Sänka de administrativa kostnaderna

Målet med IVS

Målet är att ha ett beslutsstödsverktyg som kan presentera verksamhetsinformation som finns i olika källsystem. De system som nu är aktuella är Primula, Ladok, NyA, SISU och Raindance men det kan utvecklas till fler senare.

IVS-verktyget skall presentera informationen på ett enkelt och lättillgängligt sätt. Rapporterna presenteras i ett gemensamt webbaserat gränssnitt. Därmed behöver användarna inte gå in i flera olika källsystem för att hämta ut uppföljningsinformation.

Rapporterna som kan tas ut från verktyget skall utgöra stöd för beslutsfattare på olika nivåer när de planerar sin verksamhet.

Analysunderlag från alla stora källsystem på samma plats

All relevant verksamhetsinformation blir åtkomlig i en och samma applikation (IVS-verktyget) istället för att tas ut via flera olika källsystemen. Detta i sin tur öppnar för korstabulerade nyckeltal: hur många studenter per lärare har vi? På sikt kommer man även att kunna koppla på andra intressanta källsystem, exempelvis för att hämta uppgifter om universitetets vetenskapliga publicering.

I full drift sedan 2012

De första rapporterna togs i drift och blev tillgängliga vårterminen 2012. Systemet har sedan starten fått allt fler rapporter men kommer fortsätta att vidareutvecklas och löpande fyllas med allt mer innehåll från olika källsystem, främst student-, ekonomi- och personalsystemen.

Datalagret kommer att byggas ut med fler och fler analysområden (ett analysområde kan exempelvis vara studentantagning ett annat examina osv), samtidigt som IVS-verktyget löpande fylls på med fler och fler rapporter. Utveckling av nya rapporter och förbättringar av befintliga rapporter är ett högt prioriterat arbete som helt baseras på användarnas önskemål. 

Nytta

All information och alla rapporter som tas fram ska vara till nytta, dvs de ska ge ett mervärde. För att systemet skall ge ett så bra stöd som möjligt strävar man efter att uppnå BI’s big four (BI=business intelligence, på svenska vanligtvis beslutsstöd):

  • Korrekta svar (det måste vara bra kvalitét på datat)
  • Värdefulla insikter (informationen skall kunna användas i beslutsfattande för att kunna sänka kostnader/höja kvalitén osv)
  • Aktuell information (informationen skall finnas tillgänglig i rätt tid)
  • Angripbara slutsatser (det skall kunna vara möjligt att göra något åt det man konstaterar)

Kvalitet och tillgänglig information

IVS bygger helt på att samla ihop och presentera information som finns tillgänglig i andra system. Det sker ingen egen inmatning i direkt till IVS.

En av punkterna ovan är "korrekta svar" och mycket tid läggs ner på att få bra kvalitet på informationen. Kvalitetsarbetet påverkar även kvalitén i respektive källsystem på ett positivt sätt. Då informationen i IVS ska stämma överens med informationen i källsystemet sker rättningar ofta i källsystemet.

IVS och datalager

Universitetet valde att köpa in ett beslutsstödsverktyg från IBM-Cognos, samma verktyg som KTH och Uppsala universitet använder (Uppsala har två stycken verktyg). IVS är själva rapportverktyget som samtliga anställda har behörighet att hämta information från.

Samtidigt som beslutsstödsverktyget IVS infördes byggdes även ett datalager upp. I datalagret samlas relevant information från de olika källsystemen in. Informationen bearbetas så att den enklare ska kunna användas till olika rapporter. IVS hämtar främst information från datalagret, medan datalagret hämtar information från olika källsystem (personal, ekonomi, studentsystem mm).

Exempel på informationsinnehåll

När systemet är utbyggt kan det exempelvis ge svar på följande frågeställningar. Hur många helårsstudenter och helårsprestationer har institutionen så här långt i år? Hur ligger vi till jämfört med förra året? Hur ser det ut med institutionens ekonomi? Hur ligger vi till i förhållande till budgeten? Hur mycket oförbrukade externa forskningsmedel har vi? Hur många fast anställda lärare och vikarier har vi? Hur ligger det till med sjukskrivningar och vikariatsförlängningar?