編輯導語：上期講到了隨著大數據時代的到來，醫療信息化建設迫切的需求與醫療大數據的溯源過程，還深入的提出了在臟亂差的醫療大數據中怎么發現價值；接下來我們再進一步探討一下數據的價值與特征。

一、數據特征

1）數據異構

多平臺，多種接口，數據類型沒有一個標準，只能是點對點的對接大量數據，內容冗雜，過程繁復，速度緩慢。

2） 主題分散性

就診信息分布在不同的平臺上，不能夠形成以患者為中心的所有電子化就診信息集成，不能提供完整、全面、準確、及時的患者臨床信息。

3）數據量大

在大數據背景下，行業應用的數據量通常都以億級別計算，存儲通常在TB/PB級別甚至更多。

4）數據多態

數據模型在數據出現之后才能確定，數據模型隨著數據量增長不斷演變。

二、數據價值

數據流通：

• 院內流通、院外流通；
• 例如：從信息科流通到臨床醫務人員，從醫院流通到衛生管理部分，從省內醫院流通到省外醫院。

數據開放：

• 面向個人：如查閱報告、健康評估、健康檔案等；
• 面向企業、政府：調閱病理取證、獲取群體用藥信息、醫療數據監管等；

數據挖掘：

• 科研：科研統計分析和深度挖掘，如療效分析等；
• 臨床：如手術風險評估、預測模型建立等；
• 其他：醫院管理、趨勢分析等

三、數據產品

產品的定義：

建立數倉產品需依據衛生部統計信息中心2011年發布的《基于電子病歷的醫院信息平臺建設技術解決方案》建立標準化醫院數據資產目錄。

數倉需以醫院基礎業務活動為索引，提供HIS、LIS、EMR等多數據源業務表字段綁定規則；實現零代碼綁架，業務人員即可通過頁面配置綁定規則。

數倉將根據配置自動生成調度任務，并通過Hadoop生態圈sqoop技術實現對業務系統的數據抽??；提供全量數據抽取與增量數據抽取兩種方式，抽取過程實現透明、可追溯。

解決的問題：

• 實現以患者為中心的醫療信息采集、清洗、存儲、加載和決策輔助。保障原始數據來源追溯、主數據標準唯一、數據應用及時高效。
• 實現基于數據中心的全量數據，構建應用主題庫，為醫院臨床輔助、精細化運營管理、科研管理提供強有力的數據支撐。
• 實現“數據湖”數據資產目錄，提高數據價值。
• 實現億級別數據量查詢、統計、分析秒處理展示。

四、產品功能

數據集成：

院內分散、異構數據依據頤東數倉資產目錄表字段規則映射，并通過ETL工具實現歷史數據、實時數據抽取轉換。業務系統或集成平臺之間進行數據字典與碼表的映射轉換，解決系統之間的數據一致性問題。新舊系統切換或系統升級，歷史數據在新編碼體系和分類體系下的轉換和對接。

數據稽查：

用戶可以根據需求上傳需要比對的數據及相應標準，通過軟件對數據進行一致性和準確性稽核。

疾病稽查：

藥品稽查：

醫療知識庫：主數據管理

疾病、手術標準：

五、產品應用

1）數據治理

數據治理是治理多元異構的數據，治理數據資產，突出醫療價值，確保數據質量控制數據治理的過程要確保數據的完整性（事件、表單、記錄、表項），一致性（主數據一致性、邏輯一致性），唯一性（無二義冗余、指標及計算口徑），及時性，原始性，可溯源性及可測量性。

解決的問題：數據重復、一碼多病、數據雜亂、臟數據多

治理的方案：通過數倉產品建立院內數據資產目錄索引大數據中心

2）大數據中心

3）數據集市

根據臨床科室構建應用主題庫，為醫院臨床輔助、精細化運營管理、科研管理提供強有力的數據支撐。

4）數據上報

解決針對衛計委統計信息中心以《江蘇省健康信息平臺共享數據集》為基準上傳的數據的數據稽核與表結構轉換。

5）精準治理

單病種科研知識庫，輔助治理。

六、產品特性

1）多種數據源

支持多種數據源，一鍵接入，無需繁瑣配置。

2）零代碼

簡單易用的用戶體驗，零代碼建立傳輸任務，降低企業用戶使用門檻。

3）實時融合

實時的數據融合與集成，不讓延遲成為瓶頸，保證數據的時效性。

4）開箱即用

簡單快速的安裝流程，高效部署生產環境，即裝即用。

5）錯誤隊列預警

群集監控、故障排除、擴容擴展、應急處理，完善糾錯與預警機制。

6）安全審計

數據審計、數據盤點、權限認證、隱私處理。

7）全程質量管控

高質量體系保障數據傳輸的安全性與準確性，真正實現數據無憂。

8）數據服務

開放接口，開放數據，開放服務，支持第三方嫁接服務。

9）大數據生態系統

Hadoop生態系統中集成了大量的工具和組件來滿足不同計算和存儲需求，比如HDFS分布式文件系統、HBase列式數據庫、Hive數據倉庫、Kafka服務編排、MapReduce服務調度、impala類SQL數據倉庫等，可以方便地進行數據存儲和分析計算。

產品技術架構：

數據倉庫（ETL） + 自然語言處理（NPL）+大數據技術（Hadoop）+安全通信（OAuth2.0、密碼學、CAS）

七、名詞解釋

CDC又稱變更數據捕獲（Change Data Capture），開啟cdc的源表在插入INSERT、更新UPDATE和刪除DELETE活動時會插入數據到日志表中；CDC通過捕獲進程將變更數據捕獲到變更表中，通過cdc提供的查詢函數，我們可以捕獲這部分數據。

ETL數據倉庫技術（Extract-Transform-Load），它是將數據從源系統加載到數據倉庫的過程。用來描述將數據從來源端經過萃?。╡xtract）、轉置（transform）、加載（load）至目的端的過程。使用到的工具包含（kettle、flume、sqoop）。

Kettle基于JAVA的ETL工具，支持圖形化的GUI設計界面，然后可以以工作流的形式流轉，在做一些簡單或復雜的數據抽取、質量檢測、數據清洗、數據轉換、數據過濾等方面有著比較穩定的表現。

Flume是Cloudera提供的一個高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸的系統，Flume支持在日志系統中定制各類數據發送方，用于收集數據；同時，Flume提供對數據進行簡單處理，并寫到各種數據接受方（可定制）的能力。

Sqoop是Apache開源軟件，主要用于在HADOOP（Hive）與傳統的數據庫（mysql、postgresql…）間進行數據的傳遞；適用于能與大數據集群直接通信的關系數據庫間的大批量數據傳輸。

本文由 @CTO老王 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議