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，還深入的提出了在髒亂差的醫療大數據中怎麼發現價值；接下來我們再進一步探討一下數據的價值與特徵。
一、數據特徵
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，過程繁複，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後才能確定，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《基於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等多數據源業務表欄位綁定規則；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，並通過Hadoop生態圈sqoop技術實現對業務系統的數據抽取；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採集、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。
實現基於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欄位規則映射，並通過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錶的映射轉換，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，通過軟體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（無二義冗餘、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：數據重複、一碼多病、數據雜亂、髒數據多
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列式資料庫、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：
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誌表中；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取（extract）、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基於JAVA的ETL工具，支持圖形化的GUI設計界面，然後可以以工作流的形式流轉，在做一些簡單或複雜的數據抽取、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，分布式的海量日誌採集、聚合和傳輸的系統，Flume支持在日誌系統中定製各類數據發送方，用於收集數據；同時，Flume提供對數據進行簡單處理，並寫到各種數據接受方（可定製）的能力。
Sqoop是Apache開源軟體，主要用於在HADOOP（Hive）與傳統的資料庫（mysql、postgresql…）間進行數據的傳遞；適用於能與大數據集群直接通信的關係資料庫間的大批量數據傳輸。
本文由 @CTO老王 原創發布於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議