CN108766542A - 一种数据分析处理方法和系统 - Google Patents

Abstract

本发明涉及一种数据分析处理方法和系统，包括：一个或多个数据采集终端，实现各个业务系统数据抽取；数据中心；数据分析中心；本发明能够基于医院现有的指标，依据一定的算法设计思想自动生成个人数据趋势智能分析模型，以此用于优化医院人力资源配置，协助医院精细化管理，改变医疗行业行为、提高医疗质量，增加医院的整体实力和竞争优势，提高医院的综合满意度，保证实现医院管理目标。此外，采用数据仓库技术和数据抽取工具，利用信息化管理工具实现第一步骤数据的抽取及整合，设计指标池并建立基于多维数据集的数据中心，在此基础上利用数据挖据技术建立模型来进行聚类分析，最后对模型结果进行验证，以得到合理的、完备的决策信息。

Description

一种数据分析处理方法和系统

【技术领域】

本发明涉及信息处理技术，特别涉及数据分析处理方法及系统。

【背景技术】

以深化公立医院改革为目标，建立科学公平的绩效考核方法和适合医疗卫生行业的人才培养及薪酬制度。公立医院作为我国医疗卫生体系的主体，如何优化医院运营管理，提高自身的医疗水平和服务质量，满足人民群众日益增长的医疗需求，是公立医院管理者需要思考的重要问题，而现如今仍有许多医院未建立一套合理的绩效管理体系，存在收入分配不公，造成医务人员工作积极性下降，片面追求经济效益而忽视服务技术水平的情况。如何建立一套既能保持公立医院公益性又能充分调动医务人员工作积极性的科学、完整、系统的医院绩效管理体系，进一步促进医疗体系的改革，增加医院的整体实力和竞争优势，提高医院的综合满意度，保证实现医院管理目标，最终实现医院的发展要求，满足患者对医疗卫生服务的需求。本发明的发明人发现，目前的医院中没有全面科学的评价指标体系和方法来对各项数据进行有效的管理和评价，并且往往需通过人工来从各个系统中提取数据并进行处理分析，在数据处理量较大的大中型规模的医院中，往往费时费力，适用性和可操作性不强。因此，为了实现医院的科学管理和决策，亟需一种能够自动整合医院数据的数据分析处理方法及系统。

【发明内容】

本发明的目的在于提供一种数据分析处理系统，在确保各业务系统运行的稳定性和安全性的同时，提高了计算效率和准确性，建立更为完善的管理体系，为医院改革提供参考依据，以适宜医院本地化发展的管理体系，依靠大数据等信息化技术手段打造一套智能分析方法和系统。为解决上述技术问题，本发明公开了一种数据分析处理系统，包括：

一个或多个数据采集终端，实现各个业务系统数据抽取；

数据中心；

数据分析中心；以及

ETL工具，在数据中心与数据分析中心通信连接；

其中，数据中心包括：

源数据存储区，存储各个业务系统的数据；

数据转换单元，对上述业务系统的数据进行离散化；

优化数据存储区，实现离散化后业务系统数据的存储；

第三方集成业务接口；

决策分析单元，针对业务系统数据进行初步判断；

数据分析中心包括：业务数据获取单元；实时数据采集单元；主数据获取单元；数据仓库获取单元；数据引擎计算分析单元；趋势智能分析模型建立单元；

所述业务数据获取单元所获取的业务数据直接来源于数据中心的PATIENTDB层数据；

所述实时数据采集单元所获取的实时数据来源于数据中心的DBREPL层数据；

所述主数据获取单元，所获取的主数据为非业务数据；

所述数据仓库获取单元，所获取的数据来源于业务数据获取单元，数据从业务数据获取单元到数据仓库获取单元的过程经过了第二次的数据清洗，并且数据仓库获取单元中数据是一个面向主题的、经过集成和加工的、相对稳定不可更新的、反映历史且随时间变化的多维度数据集合；

所述数据引擎计算分析单元，根据工作量项目明细计算工作量点数，并计算关键质量控制指标，最后结合成本数据进行计算，将数据输入趋势智能分析模型建立单元，建立不同主题的模型；

ETL工具包括：包括临时数据区STAGE表，对所需数据进行抽取，然后分别对数据进行两次清洗和转换操作，最终能够按照原先设定好的多维数据集模型把数据加载到多维数据集中。

进一步的，各个业务系统包括：病案系统、手麻系统、HIS系统、成本核算系统、工资系统、HPD物流系统、考勤系统，电子病历系统；

进一步的，所述数据抽取中心，将封闭在各个孤立的信息系统中的数据抽取出来，将零散的数据整合成有用的信息，所述数据中心使用的是SQL SERVER数据库复制机制来获取各个业务系统的数据：首先利用读取快照及事务日志的方式将数据存放在DBREPL数据层，然后通过数据采集和分发引擎，以消息的方式通过消息接收机制、消息转换机制，发送到消息队列中，再通过script engine将消息以parser方式进行离散化，以元素的形式存储到PATIENTDB层，完成数据的初步集成。

进一步的，所述数据分析中心中数据仓库获取单元，完成数据整合，成为前端查询分析的基础，以便对分析管理进行决策支持。

进一步的，ETL工具使用STAGE表作为临时过渡，源数据表的内容被抽取到STAGE表之后，再从STAGE表通过merge存储转移至目标表。

进一步的，所述数据分析中心的功能包含了数据引擎的计算及审核，分析的结果根据不同维度进行分类显示。

进一步的，所述平台采用基于.net技术开发，进行动态配置。

一种数据分析处理方法，包括：(1)数据抽取与整合；(2)数据引擎计算与分析；(3)趋势智能分析模型分析；(4)结果释放及查询四个步骤；

所述数据中心利用数据库复制技术抽取各业务系统数据；通过ETL工具抽取数据，整合三类数据：医师工作量项目明细数据、关键业务指标及基本数据；计算工作量点数，通过关键质量控制指标，同时结合基本数据，初步计算个人数据；依据平台的趋势智能分析模型的分析结果数据依实际情况调整个人数据计算策略，得出最终个人数据；

其中，趋势智能分析模型中设置各个环节的预警值，根据预警值最后将分析结果显示在界面上。

进一步的，所述基本数据由高级别用户设置；所述高级别用户从云服务器获取所述基本数据。

进一步的，云服务器定期的更新所述基本数据。

本发明实施方式与现有技术相比，主要区别及其效果在于：1.在RBRVS+KPI理论的基础上，结合医院实际运营情况，本地化运作，建立不受项目单价影响的点数，进而得出工作量点数，同时关注各科室质量监测重点，按实际情况参考各科室关键业务指标KPI共同完成个人数据计算，得到医院中每个人的个人数据，更具适用性及可操作性；2.利用可配置化软件架构理论设计出一套可模块化配置的系统，开发人员只需通过更新数据库中的相关配置信息来动态更新制作前台的展现形式、参数及数据源、权限信息、系统功能等，这样大大减少了开发人员的工作量，提高了工作效率及质量。3.在数据分析中心的基础上，利用数据仓库及数据挖据技术，建立分析模型。智能趋势分析模型的工作就是将财务经济测算人员的分析过程转化为程序算法设计思想，同时在系统中设置各个环节的预警值，最后将分析结果显示在界面上。

本发明依靠大数据等信息化技术手段打造一套智能分析平台，能够基于医院现有的指标依据一定的算法设计思想自动生成个人数据趋势智能分析模型，以此用于优化医院人力资源配置，协助医院精细化管理，改变医疗行业行为、提高医疗质量，增加医院的整体实力和竞争优势，提高医院的综合满意度，保证实现医院管理目标。此外，采用数据仓库技术和数据抽取工具(ETL)，利用信息化管理工具实现第一步骤数据的抽取及整合，设计指标池并建立基于多维数据集的数据中心，在此基础上利用数据挖据技术建立模型来进行聚类分析，最后对模型结果进行验证，以得到合理的、完备的决策信息。

【附图说明】

此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：

图1是本发明第一实施方式中数据中心的整体架构结构示意图；

图2是本发明第一实施方式中数据中心架构数据流程图；

图3是本发明第一实施方式中系统整体架构及操作的工作流程；

【具体实施方式】

下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。

本发明第一实施方式涉及一种数据分析处理系统，该数据分析处理系统包括：

一个或多个数据采集终端，实现各个业务系统数据抽取；

数据中心；

数据分析中心；以及

ETL工具，在数据中心与数据分析中心通信连接；

其中，数据中心包括：源数据存储区，存储各个业务系统的数据；数据转换单元，对上述业务系统的数据进行离散化；优化数据存储区，实现离散化后业务系统数据的存储；患者多媒体终端；患者自助服务终端；第三方集成业务接口；决策分析单元，针对业务系统数据进行初步判断，并将数据传输到患者多媒体终端和患者自助服务终端进行查看；

所述数据中心，将封闭在全院各个孤立的信息系统中的数据抽取出来，将零散的数据整合成有用的信息，所述数据中心使用的是SQL SERVER数据库复制机制来获取各个业务系统的数据：首先利用读取快照及事务日志的方式将数据存放在DBREPL数据层，然后通过数据采集和分发引擎，以消息的方式通过消息接收机制、消息转换机制，发送到消息队列中，再通过script engine将消息以parser方式进行离散化，以元素的形式存储到PATIENTDB层，完成数据的初步集成。

数据分析中心包括：业务数据获取单元；实时数据采集单元；主数据获取单元；数据仓库获取单元；数据引擎计算分析单元；趋势智能分析模型建立单元；所述业务数据获取单元，业务数据直接来源于数据中心的PATIENTDB层数据；所述实时数据采集单元，实时数据是来源于数据中心的DBREPL层数据；所述主数据获取单元，主数据为非业务数据；所述数据仓库获取单元，获取数据来源于业务数据获取单元，数据从业务数据获取单元到数据仓库获取单元的过程经过了第二次的数据清洗，并且数据仓库获取单元中数据是一个面向主题的、经过集成和加工的、相对稳定不可更新的、反映历史且随时间变化的多维度数据集合；所述数据引擎计算分析单元，根据工作量项目明细计算工作量点数，并计算关键质量控制指标，最后结合成本数据进行计算，将数据输入趋势智能分析模型建立单元，建立不同主题的模型。

基于数据中心，本项目进一步开发了数据分析中心。数据分析中心建立在数据中心平台之上，数据来源于病案系统、手麻系统、HIS系统、成本核算系统、工资系统、HPD物流系统、考勤系统，电子病历系统等，包括几大部分：第一部分为业务数据层，这部分数据直接来源于数据中心的PATIENTDB层数据；第二部分是实时数据层，这部分数据是来源于数据中心的DBREPL层数据，主要服务于高实时性需求应用；第三部分是主数据层，此为非业务数据层；第四部分是数据仓库层，这部分数据是来源于业务数据层，数据从业务数据层到数据仓库层的过程经过了第二次的数据清洗过程，并且数据仓库层是一个面向主题的、经过集成和加工的、相对稳定不可更新的、反映历史且随时间变化的多维度数据集合,它的目标就是完成数据整合，成为前端查询分析的基础，以便对个人数据分析管理进行决策支持。

所述个人数据为绩效；

所述数据分析中心中实时数据采集单元，主要服务于高实时性需求应用。

所述数据分析中心中数据仓库获取单元，完成数据整合，成为前端查询分析的基础，以便对绩效分析管理进行决策支持。所述数据分析中心的功能包含了数据引擎的计算及审核，分析的结果根据不同维度进行分类显示，这是趋势分析的依据。该系统程序承担了绩效结果的释放及查询功能，整个系统展示从分析的各个角度、各个层次展开，其内容更为精细化，而针对每一维度所展示的数据组织形式其复杂度也高低不同，因此对每一维度分析设计展示界面会大大加重系统的开发及维护成本。

数据分析中心包括：业务数据获取单元；实时数据采集单元；主数据获取单元；数据仓库获取单元；RBRVS及KPI绩效规则引擎计算分析单元；趋势智能分析模型建立单元；其中所述数据分析中心建立在数据中心之上，所述业务数据获取单元，业务数据直接来源于数据中心的PATIENTDB层数据；所述实时数据采集单元，实时数据是来源于数据中心的DBREPL层数据；所述主数据获取单元，主数据为非业务数据；所述数据仓库获取单元，获取数据来源于业务数据获取单元，数据从业务数据获取单元到数据仓库获取单元的过程经过了第二次的数据清洗过程，并且数据仓库获取单元是一个面向主题的、经过集成和加工的、相对稳定不可更新的、反映历史且随时间变化的多维度数据集合；所述RBRVS及KPI绩效规则引擎计算分析单元，根据工作量项目明细计算工作量点数，并利用KPI计算关键质量控制指标，最后结合成本数据进行计算，将数据输入趋势智能分析模型建立单元，建立不同主题的模型；

ETL工具包括：包括临时数据区STAGE表，对所需数据进行抽取，然后分别对数据进行两次清洗和转换操作，最终能够按照原先设定好的多维数据集模型把数据加载到多维数据集中。数据从数据中心平台到绩效数据中心使用的工具为ETL工具，对所需数据进行抽取，然后分别对数据进行两次清洗和转换操作，最终能够按照原先设定好的多维数据集模型把数据加载到多维数据集中的过程。数据集成的步骤：从数据中心平台到绩效数据中心业务数据层写的视图是直接接入数据，从业务数据层到数据仓库层是对数据进行计算写的视图或者存储过程。ETL工具的使用则需要借助STAGE表作为临时过渡，源数据表的内容被抽取到STAGE表之后，再从STAGE表通过merge存储转移至目标表。上述过程完成后，STAGE表作为临时表被丢弃。需要特别说明的是实现ETL，首先要实现ETL转换的过程需要做到规范化数据格式、验证数据正确性、查获丢失数据以保证字段完整性、建立ETL过程的主外键约束以保证主键唯一记录的加载等。上述原则有效保证了集成数据的质量。

所述ETL工具，其中需要进行数据集成：从数据中心到数据分析中心业务是直接接入数据，从业务数据获取单元到数据仓库获取单元是对数据进行计算写的视图或者存储过程。ETL工具的使用则需要借助STAGE表作为临时过渡，源数据表的内容被抽取到STAGE表之后，再从STAGE表通过merge存储转移至目标表。上述过程完成后，STAGE表作为临时表被丢弃。ETL转换的过程需要做到规范化数据格式、验证数据正确性、查获丢失数据以保证字段完整性、建立ETL过程的主外键约束以保证主键唯一记录的加载等，上述原则有效保证了集成数据的质量。

对于RBRVS(Resource Based Relative Value Scale)，即以资源消耗为基础的相对价值比率。主要是临床人员在为患者提供医疗服务过程中，根据所消耗的各类资源成本高低来测定每次服务的相对值，并结合服务量和服务费总预算，计算出每项诊疗(收费)服务项目的绩效比例。该评价理论认为，医师提供的医疗服务资源成本分为工作量、医疗成本、培育成本三方面，通过其测算出服务的相对值，建立量化评估标准，客观的计算出医生的劳务报酬。关键绩效指标(Key Performance indicators,KPI)是医院衡量流程绩效的一种目标式量化管理指标，是医院价值评估的重点，也是各科室关键业务领域的关键性指标，依据该理论，从医院运营整体出发，找出具体的、可操作的用于衡量医院广泛的具有代表性的效果评价的关键性指标，同时根据各科特点设置特色指标，由此作为绩效价值评定的参考依据。改进后续绩效管理行为可概括为：

业务管理层面改进：通过系统结果分析来判断具体数量、单价、工作量、成本等因素的变化。例如，使用期限长的非固定资产材料，其本身价值大，当月计算成本导致本月绩效奖金骤降。业务改进：使用时限长成本高的材料实行每月成本分摊的方式控制绩效奖金；系统层面改进：包括业务系统及时维护项目字典项、绩效管理系统及时更新业务系统变更的数据等。

所述系统采用基于.net技术开发，在开发过程中基于三层架构模式，即包括数据访问层(DAL)、表示层(UI)、业务逻辑层(BLL)，是一种逻辑、数据、界面显示分离的方法，各层之间通过接口来相互访问，而其中对象模型的实体类(Model)层作为表示层和业务逻辑层、业务逻辑层和数据访问层之间传递数据的载体，数据访问层通过ADO.NET组件操作数据库，这种松耦合的设计思想更易于程序的部署与管理，使各层分工更为明确，极大地提高了开发的质量及效率。

利用界面动态可配置的设计思想进行开发，配合数据库查询结构设置，将模板分为四类(全表查询、条件查询、映射查询及存储查询)，分别适应表、视图、存储过程等各类数据操作，并设置查询数据库的排序规则，实现动态可配置查询方式，同时可在数据库配置表中设置界面展示样式、附加功能等。对应映射查询的模板。本平台在数据库中还配置一张映射表(如下表1)，适用于前台的查询、修改及新增操作。

软件系统的导入操作，其模板功能也采用可配置的设计思想，在数据库中维护一张上传文件模板对应表，并通过和上述的映射配置表配合使用，达到动态配置的目的。

本发明还公开了一种数据分析方法，采用上述数据分析处理系统，包括：

(1)数据抽取与整合；(2)数据引擎计算与分析；(3)趋势智能分析模型分析；(4)结果释放及查询四个步骤；

所述数据中心利用数据库复制技术抽取各业务系统数据；通过ETL工具抽取数据，整合三类数据：医师工作量项目明细数据、关键业务指标及基本数据；计算工作量点数，通过关键质量控制指标，同时结合基本数据，初步计算个人数据；依据平台的趋势智能分析模型的分析结果数据依实际情况调整个人数据计算策略，得出最终个人数据；

所述基本数据为成本数据；所述个人数据为绩效奖金数据；

其中，趋势智能分析模型中设置各个环节的预警值，根据预警值最后将分析结果显示在界面上。

所述趋势智能分析模型分析，基于数据分析中心实现数据提取、规则计算分析、绩效结果释放及查询的功能，财务经济测算人员分析流程：查看每个科室最终核算奖金，根据经验分析来判断其奖金上涨或下降幅度是否在容差范围内；定位超出容差范围的科室，并查看公式项中各参数指标，根据每个指标近一年的收入分析定位超出容差范围的指标项；查看超出容差范围的指标项明细，在明细数据中定位具体原因。

趋势分析模型的工作就是将财务经济测算人员的分析过程转化为程序算法设计思想，同时设置各个环节的预警值，最后将分析结果显示在界面上，财务经济测算人员根据系统分析结果改进后续个人数据管理行为，为个人数据管理提供决策支持。

在实践中积累经验，发现医院现阶段医院个人数据管理的缺陷和不足，利用资源消耗为基础的相对价值比率(RBRVS)和关键绩效指标(KPI)相结合的理论作为优化个人数据管理体系的方法论，建立更为完善的个人数据管理体系，为医院个人数据改革提供参考依据。

下面以个人数据为绩效为例进行示例性分析：绩效方案确定中先要确定绩效考核要素：收入考核要素、支出考核要素。收入考核要素中分为不计奖部分；

(药品、输血费)、计奖部分(治疗费、手术费、麻醉费、诊疗费、检查费、化验费等)、收入确认方式(非参保收入计奖、参保收入计奖)；支出核算要素分为成本项目(人员基本工资、可控成本、其他成本等)、主要成本项目承担比重。

绩效发放形式：建立职业类别，分类量化评估，按岗位分为医师类、护理类、医技类和行政后勤类四大类，各类别根据岗位职责、技术含量、风险程度分为若干小类，如医师类分为内科医师、外科医师、医技医师三小类。各类别选择不同的工作量评估标准，具体如下：

1、医师类：判读费、执行费、门诊诊查费等

判读费：检查、化验开单并诊断病情工作量绩效

执行费：诊疗费、治疗费等工作量绩效

2、护理类等级护理、常规护理治疗、照护床日数、病人数等

3、医技类：科室效益、检查人数(项次)、化验人数(项次)等

绩效考核分配内容：

1.临床

按诊疗项目统计工作量计算医师绩效奖，扣除科室可控成本后与质量控制指标综合计算。设计原则必须为医师亲自操作的项目；药品、血液项目不提奖；风险及技术含量高的项目，绩效费率高，反之则低。设立医疗保险考核指标及考核指标得分分项，将药占比、人均费用、卫材消耗比、平均住院日、非单病种及单病种考核及综合考核得分等作为关键绩效指标参与公式综合计算。

2.护理

院部核定每月护理绩效发放总额，由护理部负责二次分配至各护理核算单元。按部门工作量指标统计工作量，扣除可控成本后与各项质量控制指标综合计算。

3.医技

按科室经济效益和工作量作为核算基础，扣除科室可控成本后与各项质量控制指标综合计算。

4.行政后勤人员

行政人员绩效工资：根据岗位分五个层次(正科、副科、二级科科长、科员、办事员)按不同系数发放。

本发明中平台采用基于.net技术开发，在开发过程中基于三层架构模式，即包括数据访问层(DAL)、表示层(UI)、业务逻辑层(BLL)，是一种逻辑、数据、界面显示分离的方法，各层之间通过接口来相互访问，而其中对象模型的实体类(Model)层作为表示层和业务逻辑层、业务逻辑层和数据访问层之间传递数据的载体，数据访问层通过ADO.NET组件操作数据库，这种松耦合的设计思想更易于程序的部署与管理，使各层分工更为明确，极大地提高了开发的质量及效率。

本发明利用界面动态可配置的设计思想进行开发，配合数据库查询结构设置，将模板分为四类(全表查询、条件查询、映射查询及存储查询)，分别适应表、视图、存储过程等各类数据操作，并设置查询数据库的排序规则，实现动态可配置查询方式，同时可在数据库配置表中设置界面展示样式、附加功能等。对应映射查询的模板。本平台在数据库中还配置一张映射表(如下表1)，适用于前台的查询、修改及新增操作。

表1

字段	类型	描述
			id	int	序号
tableName	nvarchar(255)	视图表
			mappingTable	nvarchar(255)	原表
showColumn	nvarchar(50)	字段
			sqltype	nvarchar(50)	类型
memo	nvarchar(255)	描述
			ischange	int	修改：0可，1不可
isAdd	int	新增行：0可，1不可
			isKey	int	是否是主键：0是，1不是

软件系统的导入操作，其模板功能也采用可配置的设计思想，在数据库中维护一张上传文件模板对应表，并通过和上述的映射配置表配合使用，达到动态配置的目的。

数据中心的功能包含了个人数据规则引擎的计算及审核，分析的结果根据不同维度进行分类显示，这是个人数据管理人员做趋势分析的依据。该系统程序承担了个人数据结果的释放及查询功能，整个系统展示从绩效分析的各个角度、各个层次展开，其内容更为精细化，而针对每一维度所展示的数据组织形式其复杂度也高低不同，因此对每一维度分析设计展示界面会大大加重系统的开发及维护成本。

软件系统最基本的三个层次是表示层、业务逻辑层和数据层，软件系统相应的可配置性也集中体现在这三个层次中。

1.数据可配置。数据可配置针对数据库而言，可以在软件系统内部通过已实现的特定功能直接修改数据库的结构，修改完毕后可自动生成相应的数据库操作方法，为软件其他部分提供调用功能，无需重新编译程序即可自动适应修改后的配置。

2.界面可配置。软件系统可根据数据源的不同配置来显示相应的界面形式。界面配置一方面能自适应后台不同的数据接口，能自动添加或修改相应显示项；另一方面能根据用户的个性化需求来调整界面展示形式。

3.流程可配置。用户可利用软件功能调整业务处理流程和方法，软件系统配置多种途径供用户选择最终达到业务目标。

本发明的实施方式还公开了一种医院数据趋势智能分析方法，采用上述数据分析处理系统，包括：

(1)数据抽取与整合；(2)数据引擎计算与分析；(3)趋势智能分析模型分析；(4)结果释放及查询四个步骤；

所述数据中心利用数据库复制技术抽取各业务系统数据；通过ETL工具抽取数据，整合三类数据：医师工作量项目明细数据、关键业务指标及基本数据；计算工作量点数，通过关键质量控制指标，同时结合基本数据，初步计算个人数据；依据平台的趋势智能分析模型的分析结果数据依实际情况调整个人数据计算策略，得出最终个人数据；

其中，趋势智能分析模型中设置各个环节的预警值，根据预警值最后将分析结果显示在界面上。

以绩效为例对所述趋势智能分析模型进行说明：

所述趋势智能分析模型分析，基于数据分析中心实现数据提取、规则计算分析、绩效结果释放及查询的功能，财务经济测算人员分析流程：查看每个科室最终核算奖金，根据经验分析来判断其奖金上涨或下降幅度是否在容差范围内；定位超出容差范围的科室，并查看公式项中各参数指标，根据每个指标近一年的收入分析定位超出容差范围的指标项；查看超出容差范围的指标项明细，在明细数据中定位具体原因。

趋势分析模型的工作就是将财务经济测算人员的分析过程转化为程序算法设计思想，同时设置各个环节的预警值，最后将分析结果显示在界面上，财务经济测算人员根据系统分析结果改进后续绩效管理行为，为绩效管理提供决策支持。

本发明以多维指标池为基础，利用数据仓库及数据挖据技术建立分析模型。指标池口径数据来源于工作量及质量控制，其中质量控制包括客观质量指标和主观质量指标，分别来源于业务系统和考评录入评价系统。考核指标池范围的选择关乎到考核结果是否合理，因此指标涵盖了医院几乎所有主业务系统数据，更全面更精细的目标选择是建立模型的数据基础。目标确定后，利用数据中心技术对数据进行清洗及整合并建立数据集。完成最终的数据集建立后，在此基础上建立模型来进行聚类分析，最后对模型结果进行验证，以得到合理的、完备的决策信息。

需要说明的是，本发明各设备实施方式中提到的各单元都是逻辑单元，在物理上，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现，这些逻辑单元本身的物理实现方式并不是最重要的，这些逻辑单元所实现的功能的组合才是解决本发明所提出的技术问题的关键。此外，为了突出本发明的创新部分，本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，这并不表明上述设备实施方式并不存在其它的单元。

本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现，指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的，易失性的或者非易失性的，固态的或者非固态的，固定的或者可更换的介质等等)。同样，存储器可以例如是可编程阵列逻辑(ProgrammableArrayLogic，简称“PAL”)、随机存取存储器(RandomAccessMemory，简称“RAM”)、可编程只读存储器(ProgrammableReadOnlyMemory，简称“PROM”)、只读存储器(Read-OnlyMemory，简称“ROM”)、电可擦除可编程只读存储器(ElectricallyErasableProgrammableROM，简称“EEPROM”)、磁盘、光盘、数字通用光盘(DigitalVersatileDisc，简称“DVD”)等等。

实所述本发明在技术上具体以下特点和优势：一是实现了医院IT架构的松耦合，将绩效考核涉及到的业务应用系统采集的数据物理集中到数据中心平台上，降低了单一系统的升级、故障和替换对其它系统和医院整体业务的影响，从根本上优化了医院的IT技术架构。二是全院所有临床、检验、检查、手术、管理、质控和科研数据全部以实时或近实时的方式，物理集中在数据中心平台，经过对原始数据的离散化解析处理，所产生的元数据支持灵活的查询利用需求。

Claims (10)

1.一种数据分析处理系统，其特征在于，包括：

一个或多个数据采集终端，实现各个业务系统数据抽取；

数据中心；

数据分析中心；以及

ETL工具，在数据中心与数据分析中心之间通信连接；

其中，数据中心包括：

源数据存储区，存储各个业务系统的数据；

数据转换单元，对上述业务系统的数据进行离散化；

优化数据存储区，实现离散化后业务系统数据的存储；

第三方集成业务接口；

决策分析单元，针对业务系统数据进行初步判断；

数据分析中心包括：业务数据获取单元；实时数据采集单元；主数据获取单元；数据仓库获取单元；数据引擎计算分析单元；趋势智能分析模型建立单元；

所述业务数据获取单元所获取的业务数据直接来源于数据中心的PATIENTDB层数据；

所述实时数据采集单元所获取的实时数据来源于数据中心的DBREPL层数据；

所述主数据获取单元，所获取的主数据为非业务数据；

所述数据仓库获取单元，所获取的数据来源于业务数据获取单元，数据从业务数据获取单元到数据仓库获取单元的过程经过了第二次的数据清洗，并且数据仓库获取单元中数据是一个面向主题的、经过集成和加工的、相对稳定不可更新的、反映历史且随时间变化的多维度数据集合；

所述数据引擎计算分析单元，根据工作量项目明细计算工作量点数，并计算关键质量控制指标，最后结合成本数据进行计算，将数据输入趋势智能分析模型建立单元，建立不同主题的模型；

ETL工具包括：包括临时数据区STAGE表，用于对所需数据进行抽取，然后分别对数据进行两次清洗和转换操作，最终能够按照原先设定好的多维数据集模型把数据加载到多维数据集中。

2.如权利要求1所述的数据分析处理系统，其特征在于，各个业务系统包括：病案系统、手麻系统、HIS系统、成本核算系统、工资系统、HPD物流系统、考勤系统，电子病历系统。

3.如权利要求1所述的数据分析处理系统，其特征在于，所述数据抽取中心，将封闭在各个孤立的信息系统中的数据抽取出来，将零散的数据整合成有用的信息，所述数据中心使用的是SQLSERVER数据库复制机制来获取各个业务系统的数据：首先利用读取快照及事务日志的方式将数据存放在DBREPL数据层，然后通过数据采集和分发引擎，以消息的方式通过消息接收机制、消息转换机制，发送到消息队列中，再通过scriptengine将消息以parser方式进行离散化，以元素的形式存储到PATIENTDB层，完成数据的初步集成。

4.如权利要求1所述的数据分析处理系统，其特征在于，所述数据分析中心中数据仓库获取单元，完成数据整合，成为前端查询分析的基础，以便对分析管理进行决策支持。

5.如权利要求4所述的数据分析处理系统，其特征在于，ETL工具使用STAGE表作为临时过渡，源数据表的内容被抽取到STAGE表之后，再从STAGE表通过merge存储转移至目标表。

6.如权利要求1所述的数据分析处理系统，其特征在于，所述数据分析中心的功能包含了数据引擎的计算及审核，分析的结果根据不同维度进行分类显示。

7.如权利要求1所述的数据分析处理系统，其特征在于，所述平台采用基于.net技术开发，进行动态配置。

8.一种数据分析处理方法，采用上述权利要求1-7任一项所述数据分析处理系统，包括：(1)数据抽取与整合；(2)数据引擎计算与分析；(3)趋势智能分析模型分析；(4)结果释放及查询四个步骤；

所述数据中心利用数据库复制技术抽取各业务系统数据；通过ETL工具抽取数据，整合三类数据：医师工作量项目明细数据、关键业务指标及基本数据；计算工作量点数，通过关键质量控制指标，同时结合基本数据，初步计算个人数据；依据平台的趋势智能分析模型的分析结果数据依实际情况调整个人数据计算策略，得出最终个人数据；

其中，趋势智能分析模型中设置各个环节的预警值，根据预警值最后将分析结果显示在界面上。

9.如权利要求8所述的数据分析处理方法，其特征在于，所述基本数据由高级别用户设置；所述高级别用户从云服务器获取所述基本数据。

10.如权利要求9所述的数据分析处理方法，其特征在于，云服务器定期的更新所述基本数据。