应用大数据管理医院

随着医院信息系统的快速发展，为医院带来了海量数据。对这些数据的有效利用、分析，挖掘其中隐含的信息，能为医院管理提供更好的决策支持。

二十一世纪是数据爆炸的时代，医学也不例外。在信息时代，医学在广度和深度方面日新月异，循证医学深入人心，信息化医疗迅速发展。另一方面，计算机技术的飞速发展使得海量存储成为可能，成本不断下降。医学知识、医学信息呈现几何级数增长。“大数据”（big data）并不是一个很新的名词，在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日；历史上的数据库、数据仓库、数据集市等信息管理领域的技术，从某种意义上说也是为了解决大规模数据的问题。近年来由于互联网和信息行业的发展，大数据引起了人们的关注。

大数据的应用目前主要集中在企业经营决策领域。医疗健康是大数据应用的又一新领域，但在医学中的应用的案例尚为数不多。本文就大数据在临床医学中的应用及其应用中可能出现的问题作简要分析。有关大数据的计算机方面存储技术、分析数理模型、商业应用、软件分析等等均不在本文讨论范围之内。

大数据指的是巨大的数据量无法通过目前主流软件工具，在合理时间内达到提取、管理、并整理成为有用信息。大数据到底有多大？有人估算全球平均每人产生200GB以上的数据。IBM的研究称，整个人类文明所获得的全部数据中，有90％是过去两年内产生的。而到了2020年，全世界所产生的数据规模将达到今天的44倍。信息行业常用“4V”来总结大数据的特点：volume（大量）、velocity（高速）、variety（多样）、veracity（真实性）。毫无疑问，人们更重视的是大数据的value（价值）。大数据对于投资者而言无非是资产和金钱的代名词。如评估机构评定Facebook上市的有效资产大部分为社交网站的数据。因此，在某种程度上可以认为，大数据是一种新技术、新理念，也是一种新产业：通过“加工”实现数据的“增值”。

关于大数据的应用，“大数据商业应用第一人”维克托·迈尔－舍恩伯格在其《大数据时代》一书中举例甚多，主要是通过找出一个关联物并监控它，就可以预测未来。比如Google如何利用搜索记录进行数据挖掘从而预测流感爆发趋势、亚马逊商店利用购买和浏览记录数据进行针对性购买推荐以提升销售量等等。

1、医疗行业大数据的应用

医疗行业早就遇到了海量数据和非结构化数据的挑战，近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。全球知名咨询公司麦肯锡在其报告中指出，排除体制障碍，大数据分析可以帮助美国的医疗服务业一年创造3000 亿美元的附加价值。大数据可分析医疗服务业的临床辅助决策、医疗质量监管、疾病预测模型、临床试验分析、个性化治疗的应用方向，在这些背景下，大数据的分析和应用都将发挥巨大的作用，从而提高医疗效率和医疗效果。

2、大数据背景下的商业智能

2．1 BI 的概念

BI（Business Intelligence）即商务智能，它是一套完整的解决方案，用来将医院中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，为医院领导的决策提供准确的数据支持。

把商业智能看成一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的医院业务系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL 过程，合并到一个适合医疗行业的数据仓库里，从而得到医院数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP 工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供数据支持。

2．2 大数据背景下商业智能的基本过程

商业智能的基本流程主要是将数据源通过数据ETL 转换工具抽取到数据仓库（DW）中。具体是指将医院业务数据比如说HIS 信息系统、临床信息系统、HERP信息系统以及其他数据源通过ETL 工具进行数据清洗，通过对数据进行转换、汇总、聚合以及装载等操作将数据合并到数据仓库中。通过OLAP 将各业务通过主题来划分生成指标，最后经过多维分析、数据挖掘等将数据以图形或表格的形式展示出来。

2．3 商业智能的关键技术

2．3．1 ETL

ETL 提供图形化的界面，并提供了丰富多样的转换类型，用户可以方便直观地定义整个ETL 过程。ETL 任务是一系列具有共同目标且存在相关性的ETL 流程集合，是包含了一组业务需求到最终实现的完整过程。一个转换就是一个ETL流程，一个ETL 流程表示一个（组）输入到一个（组）输出的数据流转。‘开始’是ETL 任务的起点，是ETL 任务的发起者与控制者，全局参数也在这里设置。

2．3．2 DW

DW 即数据仓库（Data Warehouse）简单说就是存储事实表和维表数据的数据库而已。数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。数据仓库一般采用业界主流的关系数据库，如Oracle、DB2、SQL Server 等。维表：存储描述事实表中数据特性的表，它存储用户分析数据的角度，它给OLAP 提供旋转、切片的数据基础。事实表：存储经过一定聚集的历史数据，是星型架构或雪花型架构的中心。每个数据仓库含有一个或多个事实表。事实表包括索引和数据两部分，索引部分就是描述事实表数据特征的维表的外键，数据就是事实表中要存放的数据，也就是我们通常说的度量值的来源。

2．3．3 OLAP

OLAP 即联机分析处理（On－Line Analytical Process）工具有Essbase，Microsoft analysis 等。OLAP 的基本思想是使医院的决策者应能灵活地操纵医院的数据，以多维的形式从多方面和多角度来观察医院的状态、了解医院的变化。使用OLAP 工具我们可以将维表和事实表做相应的连接，然后做聚合操作保存成cube 从而达到多角度分析数据的目的。

2．3．4 ActiveDoc

BI 支持ActiveDoc 功能，所谓ActiveDoc 指的是一种直接基于MicroSoftWord 进行报告制作的技术，通过ActiveDoc 用户可以灵活地将BI 中报表的数据，表格，统计图，地图等等动态嵌入到Word 文档中，形成一个可以编辑，计算，导出的ActiveDoc 报表，并允许用户将ActiveDoc 的计算结果导出回Word 文档，以便本地保存和传播。

2．3．5 预警分析

BI 可以提供给用户数据异常定义机制，可针对某一量值的大小或两个量值之间的关系，来定义异常状况，并以改变字形颜色或插入警示图案的方式来加以提示。支持字体颜色、背景色、特殊符号、个性化图形等方式进行预警。根据预警，利用钻取和数据挖掘，用户可以快速定位问题和优势，深入分析和了解发生缘由，制定有效措施，及时避免损失和扩大优势。

2．3．6 数据挖掘

数据挖掘是从大量数据中提取或挖掘知识，可以提供丰富的数据挖掘方法：聚类分析，预测分析（趋势预测模型、ARIMA 预测模型、季节预测模型、神经网络模型）、回归分析（线性回归、非线性回归、Logistic ）、相关分析等。提供大量数理统计、数据挖掘模型：预测、回归、ARIMA、聚类、关联规则分析等；数理统计模型可扩展性强，维护便捷；利用数据挖掘可对医院的数据进行预测分析，从而对医院的业务发展做出前瞻性的决策。

2．3．7 数据质量

针对医院数据质量的问题，BI 可以从定义数据指标体系、通过ETL 日志检测数据质量、编写数据质量稽核表、保证数据出口的唯一性、数据质量核查的七个维度（数据范围、业务量、字段饱和度、规范性、业务关联性、及时性、连续性）等方法来对医院的数据进行质量核查，从而提升医院的数据质量，并大大改善医院业务上偏差，为领导的决策提供强有力的依据。

3、商业智能在医疗行业中的解决方案及应用

3．1 医院辅助决策系统运营质控业务功能

医院商业智能的运营质控的主要可从这几个领域来分析，分别为运营数据分析、患者医疗服务、科室质量监管、疾病医疗质量、合理用药监督、院感管理。运营数据分析包含了首页KPI、业务分析、费用分析、用药分析、指标分析、趋势分析、辅助管理、统计报表。患者医疗服务包含了首页KPI、门诊服务效率、门诊医疗质量、医疗服务半径、住院医疗效率、住院医疗质量、住院医疗费用担负、门诊医疗费用担负。

科室质量监管包含实时监控、门诊流量统计、床位周转监控、费用监管、医疗安全监管、手术质量监管、手术时长、数据表格。疾病医疗质量包含首页KPI、病人特征、疗效分析、医疗效率、费用分析、手术分析、走势分析。合理用药监督包含了合理用药KPI、门诊处方用药分析、住院病人用药分析、科室合理用药分析、医师用药分析、药品排名分析、药品DDD 值维护。院感控制管理主要包含首页KPI、患者特征、医院感染分析、手术患者感染、ICU 感染分析、血液透析、院感漏报统计、感染部位分析。

3．2 医院辅助决策系统院长专区业务功能

医院商业智能的院长专区模块主要可从财务管理、医疗质量、设备管理、科教管理、绩效考核五大领域来进行分析。财务管理主要包含财务管理KPI、全院收入结构分析、全院支出结构分析、HIS 收入分析、科室支出结构分析、现金流入流出分析、资产负债表、预算开支分析、收支结余分析。

医疗质量主要包含医疗质量KPI、住院质量统计、单病种、临床路径管理、抗菌药物管理、耗材管理、运营效率分析、院感管理、住院费用分析、门诊工作量管理、门诊费用分析、门诊工作流数据统计、患者满意度调查、医院投诉报警。设备管理包含了医院设备数量分布、设备折旧分析、设备折旧明细表。科教管理包含科教KPI、教学管理、科研项目统计分析、文章发表信息。绩效管理包含绩效分析KPI、绩效综合考核、可控成本与收入分析、科室人员与资产、科室创造社会效益、科室工作效益状况、科室预算执行情况、科室经济效益状况。科教管理包含科教KPI、教学管理、科研项目统计分析、文章发表信息。

4、商业智能的价值及发展趋势

现在，愈来愈多的医院认识到，医院要想提升管理能力必须要加强大数据的分析与数据挖掘，必须利用计算机和网络技术、数据仓库技术，深层次地挖掘、分析当前和历史的医院业务数据，以及相关环境的相关数据，自动快速获取其中有用的决策信息，为领导提供快速、准确和方便的决策支持。通过对医院各业务系统的数据进行多角度、多层次的分析，以使医院的决策者及时掌握医院的运行情况和发展趋势，并对了解医院的运营情况和长远规划提供理论指导，提高医院的管理水平和竞争优势。

4．1 商业智能的价值

4．1．1、加强内部科学化管理的要求

将人、财、物纳入计算机系统管理，做到资源共享、减轻相关人员的工作量，同时，可以灵活多面多维地展现医院实力。同时将各业务数据整合，提供全面合理的综合分析，避免信息孤立。我们可以充分的利用医院历史数据，使多年趋势分析更方便，也可通过即席分析，满足突发的数据分析要求。

4．1．2、提高业务绩效的要求

因为商业智能将多个独立分散系统中的数据集中管理，从中可以精确地核出各方业务的工作量，提高业务绩效。可按时间、地区、病源进行多维度查询展示，提供预警等。可通过图表、地图、智能文档等方式，展示方式更加精彩，通过数理统计、数据挖掘模型，深度挖掘卫生统计数据价值直观的展示，精准的预测预警，帮助改进医院管理决策。

4．1．3、提升对外形象的要求

商业智能在展现内部管理的同时，可以结合外部单位的信息，公布更多民众关心的信息。可以提升医院绩效，切实改善医院防控和应急处理效果，为中心各业务处室提供更丰富使用的分析数据支撑，利用网站发布平台，及时公布公众关心的医疗质控分析数据。

4．1．4、全面展示信息化成果的要求

商业智能可全面展示信息化建设的成效，通过对现有系统的数据处理与挖掘，让管理者直观而全面地体验数据分析展现出来的趋势，集中而整体。

4．2 商业智能的发展趋势

商业智能的发展趋势可以归纳为以下几点：

4．2．1、功能上具有可配置性、灵活性、可变化性。BI 系统的范围从为科室的特定用户服务扩展到为整个医院所有用户服务。同时，由于医院用户在职权、需求上的差异，BI 系统提供广泛的、具有针对性的功能。从简单的数据获取，到利用WEB 和局域网、广域网进行丰富的交互、决策信息和知识的分析和使用。4．2．2、解决方案更开放、可扩展、可按用户定制，在保证核心技术的同时，提供客户化的界面。针对不同医院的独特的需求，BI 系统在提供核心技术的同时，使系统又具个性化，即在原有方案基础上加入自己的代码和解决方案，增强客户化的接口和扩展特性；可为医院提供基于商业智能平台的定制的工具，使系统具有更大的灵活性和使用范围。

4．2．3、从传统功能向增强型功能转变。增强型的商业智能功能是相对于早期的用SQL 工具实现查询的商业智能功能。目前应用中的BI 系统除实现传统的BI 系统功能之外，大多数已实现了架构中数据分析层的功能。而数据挖掘、数据建模是BI 系统应该加强的应用，以更好地提高系统性能。