基于商业智能医院管理信息决策平台的设计与实现

张 怡　李 柯

基于商业智能医院管理信息决策平台的设计与实现

张 怡①李 柯①

目的：设计开发基于商业智能(BI)的医院管理信息决策平台，对大量的医院业务数据进行分析整理，为医院管理者制定医院管理决策提供循证信息。方法：采用以微软SQL Server 2008 R2为中心的技术架构，集成ETL技术、OLAP技术和数据挖掘技术，通过ETL工具从多个业务系统中提取源数据，清洗整理数据并装入数据仓库，利用AS分析工具构建数据算法模型，通过多维度与度量值的方式实现数据的聚合查询，以Web报表页面展示给用户。结果：医院积累的大量数据得到有效的二次利用，系统生成了8个主题模块和110多张分析报表，多角度全方位的分析数据满足了医院各部门的管理和监控要求；系统自动生成分析报表改变了传统的手工处理报表模式。结论：医院管理信息决策平台可集成各业务系统中的大量数据，以转化为辅助决策知识的形式展现给医院管理者，并可提高信息管理效率；在提升医院医疗质量管理、实现医院精细化管理方面具有积极的意义。

商业智能；大数据；信息管理；信息技术；医院管理

近年来，随着医院信息化建设的大力推进，医院信息系统(hospital information system，HIS)、实验室信息系统(laboratory information system，LIS)以及影像归档及传输系统(picture archiving and communication systems，PACS)等信息系统得到了深入应用，并积累了海量的医疗业务数据[1-2]。但这些业务系统并未对数据进行分析整理，管理者无法即时获取可靠有用的统计数据以辅助决策。为解决这一问题，本研究探讨基于商业智能(business intelligence，BI)构建医院管理信息决策平台，从不同的业务系统中对存储数据进行提取、整理及分析，从不同的角度以表格和图形化报表的方式为医院的运营、管理以及绩效等提供分析数据，帮助医院管理者做出准确的经营决策，从而提升医院医疗信息管理质量和医院精细化管理。

1　BI及其关键技术

BI通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具[3-6]。BI是一系列信息技术的集合，包括数据仓库、联机分析处理、数据挖掘以及数据可视化等。近年来，该技术逐渐被用于医疗领域，以提高医院组织运营效率和医疗质量[7]。

1.1数据仓库

《数据仓库》一书中对数据仓库的定义是：“数据仓库是支持管理决策过程的、面向主题的、集成的、随时间变化的持久的数据集合”[8]。数据仓库中的数据是将分散在不同业务系统和异构数据源中的数据，经过抽取、清洗及转换后根据数据分析的要求集成到数据仓库中，为数据分析做准备[9-10]。

1.2联机分析处理

联机分析处理(on-line analysis processing，OLAP)是数据仓库的主要应用，其可根据分析人员的需求对数据仓库中的海量数据进行分析和处理，并以图形或报表等直观的形式展现给用户[11]。OLAP多用于支持复杂但目的比较明确的分析操作，通过对数据一系列交互的主动查询过程，对数据进行多层次、多阶段的分析处理，为用户提供灵活的信息访问权利、丰富的数据分析和报表功能[12]。

1.3数据挖掘

数据挖掘(data mining，DM)是从大量的、不完全的、有噪声的、模糊的以及随机的数据中，提取隐含在其中的人们事先不知道的但又潜在有用的信息和知识的过程[13-15]。DM技术包括关联和聚类等描述性挖掘方法及分类，以及回归等预测性挖掘方法，根据需求可以选择合适的分析方法从海量数据中挖掘有价值的信息[16]。

2　医院管理信息决策平台系统设计

2.1用户需求

建设医院管理信息决策平台的主要目的是为院领导、职能处室、科主任及临床医生提供多角度、全方位及简洁直观的医院分析报告，以辅助其做出准确有效的判断和决策。院领导关注的是医院在一段时间内的运营数据；职能处室重点关注的是对临床各科室的考核数据，如财务处关注财务运营，医保办关注医保运行情况及费用；药剂科关注药品及抗菌药物的使用情况；科主任关注本科室的工作量和各项指标数据，而临床医生更关注自己的工作量和考核指标。

2.2主题模块

根据用户需求，本设计将系统分成8个主题模块，其中包括昨日数据、实时监测、日常运行、财务运营、工作量、抗菌药物、医保以及医疗质量，同时提供用户、权限和报表管理，如图1所示。

每个主题模块均面向特定主题，对医院数据进行挖掘和分析，以不同维度生成符合不同管理部门的业务报表。在财务运营模块中包括科室收入、门诊收入及住院收入等财务报表，报表以科室、医生和收费项目等维度进行分析，财务处可通过浏览报表简洁直观地了解全院以及各科室财务运营情况；在抗菌药物模块中包括抗菌药物使用强度、I类切口抗菌药物使用率等报表，以科室、医生及药品等作为维度生成报表，药剂科、监察科等职能处室可以根据报表数据对药品及抗菌药物的使用进行监控和管理。平台还提供对报表、用户和权限的管理功能，可以通过用户组或角色来设置用户对报表的访问权限。

3　医院管理信息决策平台系统实现

系统采用以Microsoft SQL Server 2008 R2为中心的技术架构，集成ETL技术、OLAP技术、数据挖掘技术和报表技术。

从层次上，系统架构分成数据的收集、存储、分析以及展现4层，如图2所示。整个流程通过数据提取、转换和加载(extraction-transformationloading，ETL)工具从多个业务系统中提取源数据，清洗整理数据，装入数据仓库为数据分析做准备。再利用分析服务(analysis service，AS)工具构建数据算法模型，通过多维度与度量值的方式实现数据的聚合查询，以Web报表页面展示给用户。

3.1数据收集

系统将分散在各个业务系统中的与主题相关的源数据集成，主要来源于HIS、手术麻醉系统及病案系统等，包括大量的明细数据和相关的数据字典信息。数据抽取使用成熟稳定的SSIS(Microsoft SQL Server Integration Services，SSIS)2008工具，SSIS是生成高性能数据集成解决方案(包括数据仓库的提取、转换和ETL包)的平台。通过SQL Server 2008Agent定义作业来调用ETL流程，可以设置调用的时间、周期和执行的命令，一般提取昨天前的数据，实时性相关数据设定间隔时间实时提取，所有调用和执行的过程都会在SQL Server系统数据库中记录日志以方便管理员监控。

图1　医院管理信息决策平台主题模块框图

3.2数据存储

系统采用Microsoft SQL Server作为存储，数据进入数据仓库之前增加了ODS层，为了减小数据抽取开销，降低业务系统负荷，从源数据到ODS层一般不做清洗处理，只做列或者时间的筛选，ODS中的数据基本和源数据保持一致，这样可以规避源数据经ETL过程直接进入数据仓库给数据仓库带来的数据风险。ODS中的数据再经过数据的抽取、验证、清洗、集成、聚集以及装载6个步骤进入数据仓库。数据仓库的整体设计主要参考第三范式和多维模型的设计原则，根据系统需求定义的8大主题生成面向主题的集成数据仓库，便于下一步进行数据分析。

3.3数据分析

Microsoft SQL Server 2008 Analysis Services(SSAS)为BI应用程序提供OLAP和DM功能。Analysis Services支持OLAP，能够设计、创建和管理数据的多维结构，也可以使用各种标准数据挖掘算法来设计和创建数据挖掘模型。本研究系统采用SSAS工具构建数据算法模型，通过多维度与度量值的方式，实现数据的聚合查询，通过维度的层级关系，实现数据的上卷与下钻查询。采用多维OLAP(Multidimension OLAP，MOLAP)自行建立多维数据库，在每晚数据库空闲时间段内，对数据仓库中的数据进行处理，生成多维聚合结果集的多维数据库，实现在查询数据时，无需向繁杂的数据库中进行多表连接与聚合，而是直接在MOLAP系统中提取已经查询出来的聚合结果集(如图2所示)。

3.4数据展现

Analyzer是一种BI分析应用前端工具，可以通过Web形式实现对OLAP数据的分析，支持近50种图表类型，包括柱状图、曲线图及面积图等。用户可以通过在Web页面上的拖拽操作生成所需要的图表进行分析，还可以将生成的报表导成Excel文件进行使用。医院管理信息决策平台昨日数据展现，通过上方菜单栏可以切换到各个主题区域查看相关报表数据(如图3所示)。

图2　医院管理信息决策平台系统架构图

4　医院管理信息决策平台应用成效

医院管理信息决策平台上线使用之后反响良好，应用成效主要表现在以下两个方面。

(1)实现医院各业务系统的数据集成。以往的医疗数据分散在各个不同的业务系统中，分析报表也是通过业务系统定制生成。医院管理信息决策平台将各个业务系统的数据集成过来，对海量医疗业务数据进行二次开发，对报表统一管理，生成了8个主题模块、共110多张分析报表，以表格和图形化报表方式多角度全方位展现分析数据，满足了医院各部门的管理和监控要求。

(2)自动处理数据生成分析报表。传统的分析报表均通过手工处理或业务系统报表定制的方式完成，用户触发后查询在业务系统数据库上，查询时间长报表生成效率低，且影响数据库的业务访问速度。项目实现后，平台集成业务系统数据每日凌晨自动处理数据生成分析报表，极大提高了报表访问速度，减轻了信息处繁杂重复的数据整理工作，提高了工作效率。

图3　医院管理信息决策平台数据展现示图

4　结语

BI作为数据抽取、分析建模和报表系统，是对现有医疗卫生行业业务系统的有效补充。本研究设计构建的基于BI的医院管理信息决策平台，实现了对各业务系统中海量数据的集成和分析，进而转化为辅助决策的知识展现给医院管理者，在提升医院医疗管理质量、实施医院精细化管理等方面都起到了积极作用。

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

[2]周光华，辛英，张雅洁，等.医疗卫生领域大数据应用探讨[J].中国卫生信息管理杂志，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]王觅也，黄勇，毕永东，等.医院商业智能系统的应用[J].医疗卫生装备，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]张会会，马敬东，邸金平.商业智能在医疗卫生领域的应用[J].中国卫生信息管理杂志，2014，11(3)：255-259.

[8]荫蒙.数据仓库[M].北京：机械工业出版社，2005.

[9]屈盛，聂喆，吴优良，等.数据仓库技术在医院数据分析中的应用[J].中国数字医学杂志，2014，9(12)：71-72.

[10]何彩升，彭望清，章向宏，等.基于数据仓库技术的医院管理决策支持系统的研究[J].现代医院，2010，10(2)：1-4.

[11]张文君，胡淑涛，张磊，等.OLAP技术在医院决策支持系统中的应用[J].医疗设备信息，2005，20(12)：13-14.

[12]郑建智，段占祺，应桂英.数据仓库和OLAP技术在卫生统计决策支持系统中的应用[J].中国卫生信息管理杂志，2012，9(3)：47-51.

[13]丛晶，杨波，王乙红，等.数据挖掘在医疗质量安全监控系统应用的可行性研究[J].中国医院管理，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]周光华，李岳峰.数据挖掘技术在卫生统计信息工作中的应用研究[J].中国卫生信息管理杂志，2012，9(6)：82-86.

[16]彭传薇，钟银莉，刘琛玺.基于商业智能的医院决策支持系统的应用[J].中国医院管理，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.

张怡,女,(1982- ),硕士，工程师。南京医科大学附属无锡市人民医院信息处，从事医院系统研发和维护工作。

1672-8270(2016)11-0107-04

R197.324

A

10.3969/J.ISSN.1672-8270.2016.11.031

①南京医科大学附属无锡市人民医院信息处 江苏 无锡 214000

2016-08-23