基于商業智能醫院管理信息決策平臺的設計與實現

張 怡　李 柯

基于商業智能醫院管理信息決策平臺的設計與實現

張 怡①李 柯①

目的：設計開發基于商業智能(BI)的醫院管理信息決策平臺，對大量的醫院業務數據進行分析整理，為醫院管理者制定醫院管理決策提供循證信息。方法：采用以微軟SQL Server 2008 R2為中心的技術架構，集成ETL技術、OLAP技術和數據挖掘技術，通過ETL工具從多個業務系統中提取源數據，清洗整理數據并裝入數據倉庫，利用AS分析工具構建數據算法模型，通過多維度與度量值的方式實現數據的聚合查詢，以Web報表頁面展示給用戶。結果：醫院積累的大量數據得到有效的二次利用，系統生成了8個主題模塊和110多張分析報表，多角度全方位的分析數據滿足了醫院各部門的管理和監控要求；系統自動生成分析報表改變了傳統的手工處理報表模式。結論：醫院管理信息決策平臺可集成各業務系統中的大量數據，以轉化為輔助決策知識的形式展現給醫院管理者，并可提高信息管理效率；在提升醫院醫療質量管理、實現醫院精細化管理方面具有積極的意義。

商業智能；大數據；信息管理；信息技術；醫院管理

近年來，隨著醫院信息化建設的大力推進，醫院信息系統(hospital information system，HIS)、實驗室信息系統(laboratory information system，LIS)以及影像歸檔及傳輸系統(picture archiving and communication systems，PACS)等信息系統得到了深入應用，并積累了海量的醫療業務數據[1-2]。但這些業務系統并未對數據進行分析整理，管理者無法即時獲取可靠有用的統計數據以輔助決策。為解決這一問題，本研究探討基于商業智能(business intelligence，BI)構建醫院管理信息決策平臺，從不同的業務系統中對存儲數據進行提取、整理及分析，從不同的角度以表格和圖形化報表的方式為醫院的運營、管理以及績效等提供分析數據，幫助醫院管理者做出準確的經營決策，從而提升醫院醫療信息管理質量和醫院精細化管理。

1　BI及其關鍵技術

BI通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具[3-6]。BI是一系列信息技術的集合，包括數據倉庫、聯機分析處理、數據挖掘以及數據可視化等。近年來，該技術逐漸被用于醫療領域，以提高醫院組織運營效率和醫療質量[7]。

1.1數據倉庫

《數據倉庫》一書中對數據倉庫的定義是：“數據倉庫是支持管理決策過程的、面向主題的、集成的、隨時間變化的持久的數據集合”[8]。數據倉庫中的數據是將分散在不同業務系統和異構數據源中的數據，經過抽取、清洗及轉換后根據數據分析的要求集成到數據倉庫中，為數據分析做準備[9-10]。

1.2聯機分析處理

聯機分析處理(on-line analysis processing，OLAP)是數據倉庫的主要應用，其可根據分析人員的需求對數據倉庫中的海量數據進行分析和處理，并以圖形或報表等直觀的形式展現給用戶[11]。OLAP多用于支持復雜但目的比較明確的分析操作，通過對數據一系列交互的主動查詢過程，對數據進行多層次、多階段的分析處理，為用戶提供靈活的信息訪問權利、豐富的數據分析和報表功能[12]。

1.3數據挖掘

數據挖掘(data mining，DM)是從大量的、不完全的、有噪聲的、模糊的以及隨機的數據中，提取隱含在其中的人們事先不知道的但又潛在有用的信息和知識的過程[13-15]。DM技術包括關聯和聚類等描述性挖掘方法及分類，以及回歸等預測性挖掘方法，根據需求可以選擇合適的分析方法從海量數據中挖掘有價值的信息[16]。

2　醫院管理信息決策平臺系統設計

2.1用戶需求

建設醫院管理信息決策平臺的主要目的是為院領導、職能處室、科主任及臨床醫生提供多角度、全方位及簡潔直觀的醫院分析報告，以輔助其做出準確有效的判斷和決策。院領導關注的是醫院在一段時間內的運營數據；職能處室重點關注的是對臨床各科室的考核數據，如財務處關注財務運營，醫保辦關注醫保運行情況及費用；藥劑科關注藥品及抗菌藥物的使用情況；科主任關注本科室的工作量和各項指標數據，而臨床醫生更關注自己的工作量和考核指標。

2.2主題模塊

根據用戶需求，本設計將系統分成8個主題模塊，其中包括昨日數據、實時監測、日常運行、財務運營、工作量、抗菌藥物、醫保以及醫療質量，同時提供用戶、權限和報表管理，如圖1所示。

每個主題模塊均面向特定主題，對醫院數據進行挖掘和分析，以不同維度生成符合不同管理部門的業務報表。在財務運營模塊中包括科室收入、門診收入及住院收入等財務報表，報表以科室、醫生和收費項目等維度進行分析，財務處可通過瀏覽報表簡潔直觀地了解全院以及各科室財務運營情況；在抗菌藥物模塊中包括抗菌藥物使用強度、I類切口抗菌藥物使用率等報表，以科室、醫生及藥品等作為維度生成報表，藥劑科、監察科等職能處室可以根據報表數據對藥品及抗菌藥物的使用進行監控和管理。平臺還提供對報表、用戶和權限的管理功能，可以通過用戶組或角色來設置用戶對報表的訪問權限。

3　醫院管理信息決策平臺系統實現

系統采用以Microsoft SQL Server 2008 R2為中心的技術架構，集成ETL技術、OLAP技術、數據挖掘技術和報表技術。

從層次上，系統架構分成數據的收集、存儲、分析以及展現4層，如圖2所示。整個流程通過數據提取、轉換和加載(extraction-transformationloading，ETL)工具從多個業務系統中提取源數據，清洗整理數據，裝入數據倉庫為數據分析做準備。再利用分析服務(analysis service，AS)工具構建數據算法模型，通過多維度與度量值的方式實現數據的聚合查詢，以Web報表頁面展示給用戶。

3.1數據收集

系統將分散在各個業務系統中的與主題相關的源數據集成，主要來源于HIS、手術麻醉系統及病案系統等，包括大量的明細數據和相關的數據字典信息。數據抽取使用成熟穩定的SSIS(Microsoft SQL Server Integration Services，SSIS)2008工具，SSIS是生成高性能數據集成解決方案(包括數據倉庫的提取、轉換和ETL包)的平臺。通過SQL Server 2008Agent定義作業來調用ETL流程，可以設置調用的時間、周期和執行的命令，一般提取昨天前的數據，實時性相關數據設定間隔時間實時提取，所有調用和執行的過程都會在SQL Server系統數據庫中記錄日志以方便管理員監控。

圖1　醫院管理信息決策平臺主題模塊框圖

3.2數據存儲

系統采用Microsoft SQL Server作為存儲，數據進入數據倉庫之前增加了ODS層，為了減小數據抽取開銷，降低業務系統負荷，從源數據到ODS層一般不做清洗處理，只做列或者時間的篩選，ODS中的數據基本和源數據保持一致，這樣可以規避源數據經ETL過程直接進入數據倉庫給數據倉庫帶來的數據風險。ODS中的數據再經過數據的抽取、驗證、清洗、集成、聚集以及裝載6個步驟進入數據倉庫。數據倉庫的整體設計主要參考第三范式和多維模型的設計原則，根據系統需求定義的8大主題生成面向主題的集成數據倉庫，便于下一步進行數據分析。

3.3數據分析

Microsoft SQL Server 2008 Analysis Services(SSAS)為BI應用程序提供OLAP和DM功能。Analysis Services支持OLAP，能夠設計、創建和管理數據的多維結構，也可以使用各種標準數據挖掘算法來設計和創建數據挖掘模型。本研究系統采用SSAS工具構建數據算法模型，通過多維度與度量值的方式，實現數據的聚合查詢，通過維度的層級關系，實現數據的上卷與下鉆查詢。采用多維OLAP(Multidimension OLAP，MOLAP)自行建立多維數據庫，在每晚數據庫空閑時間段內，對數據倉庫中的數據進行處理，生成多維聚合結果集的多維數據庫，實現在查詢數據時，無需向繁雜的數據庫中進行多表連接與聚合，而是直接在MOLAP系統中提取已經查詢出來的聚合結果集(如圖2所示)。

3.4數據展現

Analyzer是一種BI分析應用前端工具，可以通過Web形式實現對OLAP數據的分析，支持近50種圖表類型，包括柱狀圖、曲線圖及面積圖等。用戶可以通過在Web頁面上的拖拽操作生成所需要的圖表進行分析，還可以將生成的報表導成Excel文件進行使用。醫院管理信息決策平臺昨日數據展現，通過上方菜單欄可以切換到各個主題區域查看相關報表數據(如圖3所示)。

圖2　醫院管理信息決策平臺系統架構圖

4　醫院管理信息決策平臺應用成效

醫院管理信息決策平臺上線使用之后反響良好，應用成效主要表現在以下兩個方面。

(1)實現醫院各業務系統的數據集成。以往的醫療數據分散在各個不同的業務系統中，分析報表也是通過業務系統定制生成。醫院管理信息決策平臺將各個業務系統的數據集成過來，對海量醫療業務數據進行二次開發，對報表統一管理，生成了8個主題模塊、共110多張分析報表，以表格和圖形化報表方式多角度全方位展現分析數據，滿足了醫院各部門的管理和監控要求。

(2)自動處理數據生成分析報表。傳統的分析報表均通過手工處理或業務系統報表定制的方式完成，用戶觸發后查詢在業務系統數據庫上，查詢時間長報表生成效率低，且影響數據庫的業務訪問速度。項目實現后，平臺集成業務系統數據每日凌晨自動處理數據生成分析報表，極大提高了報表訪問速度，減輕了信息處繁雜重復的數據整理工作，提高了工作效率。

圖3　醫院管理信息決策平臺數據展現示圖

4　結語

BI作為數據抽取、分析建模和報表系統，是對現有醫療衛生行業業務系統的有效補充。本研究設計構建的基于BI的醫院管理信息決策平臺，實現了對各業務系統中海量數據的集成和分析，進而轉化為輔助決策的知識展現給醫院管理者，在提升醫院醫療管理質量、實施醫院精細化管理等方面都起到了積極作用。

[1]Hanson RM.Good health information an asset not a burden![J].Australian Health Review，2011，35(1)：9-13.

[2]周光華，辛英，張雅潔，等.醫療衛生領域大數據應用探討[J].中國衛生信息管理雜志，2013，10(4)：296-300.

[3]Bonney W.Applicability of Business Intelligence in Electronic Health Record[J].Procedia-Social and Behavioral Sciences，2013，73：257-262.

[4]王覓也，黃勇，畢永東，等.醫院商業智能系統的應用[J].醫療衛生裝備，2012，33(1)：82-84.

[5]Jinpon P，Jaroensutasinee M，JaroensutasineeK. Business Intelligence and its Applications in the Public Healthcare System[J].Wallahs Journal of Science and Technology，2011，8(2)：97-110.

[6]Mihaela Filofteia Tutunea，Rozalia Veronica Rus. Business Intelligence Solutions for SME's[J]. Procedia Economics and Finance，2012，3：865-870.

[7]張會會，馬敬東，邸金平.商業智能在醫療衛生領域的應用[J].中國衛生信息管理雜志，2014，11(3)：255-259.

[8]蔭蒙.數據倉庫[M].北京：機械工業出版社，2005.

[9]屈盛，聶喆，吳優良，等.數據倉庫技術在醫院數據分析中的應用[J].中國數字醫學雜志，2014，9(12)：71-72.

[10]何彩升，彭望清，章向宏，等.基于數據倉庫技術的醫院管理決策支持系統的研究[J].現代醫院，2010，10(2)：1-4.

[11]張文君，胡淑濤，張磊，等.OLAP技術在醫院決策支持系統中的應用[J].醫療設備信息，2005，20(12)：13-14.

[12]鄭建智，段占祺，應桂英.數據倉庫和OLAP技術在衛生統計決策支持系統中的應用[J].中國衛生信息管理雜志，2012，9(3)：47-51.

[13]叢晶，楊波，王乙紅，等.數據挖掘在醫療質量安全監控系統應用的可行性研究[J].中國醫院管理，2013，33(2)：45-47.

[14]Hai-Yan Y，Jing-Song L，Xiong H，et al.Data mining analysis of inpatient fees in hospital information system[C].IT in Medicine&Education，2009：82-85.

[15]周光華，李岳峰.數據挖掘技術在衛生統計信息工作中的應用研究[J].中國衛生信息管理雜志，2012，9(6)：82-86.

[16]彭傳薇，鐘銀莉，劉琛璽.基于商業智能的醫院決策支持系統的應用[J].中國醫院管理，2014，34(8)：36-38.

Design and application of hospital decision support system based on business intelligence

ZHANG Yi, LI Ke// China Medical Equipment,2016,13(11):107-110.

Objective: To design and develop the hospital decision support system based on business intelligence(BI), analyze and organize the massive hospital business data and help hospital managers to make the right decision. Methods: The Microsoft SQL Server 2008 R2 is used as the technical architecture, integrated ETL technology, OLAP technology, report technology and data mining technology. The source data from multiple business systems is extracted and cleaned through the ETL tool, loaded into the data warehouse. Data model construction algorithm is used to generate analysis report in the form of web. Results: The massive hospital data has been effectively used, and 8 major themes modules and more than 110 analysis reports have been generated. The analysis data from multiple perspectives fully meet the requirements of the management and monitoring of various departments in the hospital. System automatically generates the analysis report that changes the traditional manual mode. Conclusion: The hospital decision support system is an effective way to improve hospital medical quality management.

Business intelligence; Big data; Information management; Information technology; Hospital management [First-author’s address] Department of Information, Wuxi People’s Hospital, Affiliated with Nanjing Medical University, Wuxi 214000, China.

張怡,女,(1982- ),碩士，工程師。南京醫科大學附屬無錫市人民醫院信息處，從事醫院系統研發和維護工作。

1672-8270(2016)11-0107-04

R197.324

A

10.3969/J.ISSN.1672-8270.2016.11.031

①南京醫科大學附屬無錫市人民醫院信息處 江蘇 無錫 214000

2016-08-23