摘 要 新医改对大型医院的精细化管理提出了新要求，传统的HIS系统无法给管理者提供直观、全面、准确、一致的医院经营决策信息。基于商业智能（Business Intelligence，BI）的决策与分析系统可以认为是面向医院“精细化管理”的决策信息平台。本文对该系统的技术架构、数据模型、主要功能进行了设计，并结合工程实例的应用进一步验证了系统的优势。

关键词 商业智能；医院管理；决策与分析系统

中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2014）08-0019-02

商业智能（BI，Business Intelligence）是将数据转换成信息，然后转化为知识的过程。商业智能包括了广泛的应用和技术，是数据仓库，数据挖掘，联机分析处理和分析应用的总称。

基于BI的决策与分析系统是面向医院“精细化管理”经济运行分析的决策信息平台，依靠商业智能和大数据技术，从海量数据中寻找隐藏其间的关系和联系，并深层次地认识和挖掘医疗数据的内在规律，快速、准确、即时提供有价值的信息给管理者进行分析与决策。医院的信息化系统有一两百套，如果说，面向患者体验的高效前台作业系统HIS是骨骼，为医生临床治疗提供支持信息的LIS、PACS是神经网络，为医生提供辅助临床活动的作业系统电子病历、临床路径是血液，那么，基于BI的决策与分析系统，可以认为是医院信息化和大数据的“灵魂”和“大脑。

1 模型设计

前端展现模块的结构体系采用SOA架构，支持跨平台的多物理主机部署。在多主机部署时，整个系统组成服务器端的集群，实现负载均衡和高可用性。同时，随着决策支持系统应用的不断扩展，可方便的向集群中增加更多的服务器节点，以提升系统容量。

1.1 数据模型设计

系统采用基于Oracle关系型数据库进行企业级数据仓库的数据模型构建，如图1所示。

图1 数据模型

该数据模型的构建具有如下特点。

1）分层次、易于扩展和维护。

2）采用大型关系型数据库提供的数据维护功能，功能与性能都非常强大。

3）在系统可靠性与安全性方面，充分利用数据库的稳定性与高度安全性功能。

1.2 ETL设计

数据抽取：通过多种途径从源系统中来整合数据，包括数据库直接访问，数据库复制技术、文件访问等。在实施时综合考虑业务需求、抽取效率、源系统代价等因素确定抽取策略，抽取策略包括抽取方式（增量、全量）、抽取时机、抽取周期等。

数据转换：包括格式和类型转换、数据翻译、数据匹配、数据聚合以及其他复杂计算等。

数据加载：将抽取转换后的数据加载到数据仓库各层中，包括数据行加载和数据块加载。在综合考虑效率和业务实现等因素基础上确定数据加载周期和数据追加策略。

1.3 IDT设计

通过对数据库里的有关数据项定义，把数据库中的数据定义成有明确的业务含义的名称。业务人员所面对的不再是表、字段和它们之间复杂的关联、计算关系，而是他所熟悉的业务术语和指标名称。以医保为例，IDT设计如下。

图2 IDT设计

2 主要功能

系统使用HTML、Ajax等网页技术，基于SAP Business Objects数据分析套件实现清新、简约、亲和的用户使用界面。如图3所示。

图3 系统用户界面

图4 医保钻取分析界面

系统主要包括以下功能。

1）医保钻取分析。从全院、门诊、住院、科室、医保性质、病种、医生、病人等多业务角度，对总人次、医保人次、非医保人次、总控医保人次、非总控医保人次、总金额、医保金额、自费金额、药占比、材料占比、均次费用等多指标进行分析，包括比例分析、趋势分析、结构分析等多种分析方法。钻取功能的钻取路径包括全院至科室、全院至病种、科室至病种、科室至医生、病种至医生、病种至病人、医生至病种、医生至病人、病人至明细费用及病人信息等多种方式，实现多级医保信息钻取。结合医保相关维度及指标，可对医保的各项指标进行多维分析及模拟假设预测分析。

2）医疗技术分析。一方面，可从全院、开单科室、执行科室、开单医生、执行医生、病人的角度，对门诊医技、住院医技的数据进行深入分析，包括医技收入、医技工作量、医技效率、预约时间、排队时间、报告时间等指标。另一方面，根据医技业务分析，所有相关指标均可实现钻取功能，全院至科室、全院至病种、科室至病种、科室至医生、病种至医生、病种至病人、医生至病种、医生至病人、病人至明细费用及病人信息等可钻取路径。

3）资产物流分析。从耗材类型、耗材分析、耗材类别等角度分析耗材消耗情况、领用情况、申请情况，可按照时间、耗材类型、耗材类别多维度自定义分析，并可钻取分析到一种耗材的各种信息；通过不同的资产类别，分析科室固定资产总值、库存数量、库存周转情况、保养情况、使用人次、产值收入、投入产出比等，从时间、科室、一级分类、二级分类等角度来做分析，并可根据需要钻取到最明细的一项资产。

4）门诊、住院、手术、ICU、财务、人力资源等其他分析。

3 工程应用

上海市东方医院作为上海市著名的三甲医院，除了在医疗质量有着极高的水准，在医院信息化建设的道路上也走在国内各家医院的前列。医院已经基本形成了综合性医院特点的医院信息化建设和应用模式，在多个应用方面取得进展，医院拥有包括住院门诊挂号系统，移动护理系统，医院办公OA系统等较为完整的HIS系统。

然而，HIS在满足管理需求方面还有些欠缺，特别是在新医改环境中，对医院运营的要求非常高，比如精细的管理、精确的保障、精准的供应等。这些要求提出来以后，原来的HIS系统功能是不够用的。

通过部署基于BI的决策与分析系统，东方医院打通了医院不同信息系统之间的信息孤岛，例如，如果发现药品比例超过标准了，可以继续查看是哪个科室超标，哪个医生药开多了，哪个医生开哪个厂家的药多了，以从中发现问题。

基于BI的决策分析系统最明显的优势可以归纳为以下3点。

1）从院长管理角度，实现了不同主题、不同科室、不同医生等多维度钻取和对比分析。通过该系统，当需要对数据进行大量的“递归”、“循环”、“比对”操作时，管理层的决策分析有了快速运转的“大脑”；

2）从监管角度，满足了医疗质量监测监控的新要求。通过该系统，对近年来管理部门陆续出台的抗菌药物合理使用、院内感染、手术权限审批、特殊用药审批、再入院率、二次手术率等过程监控新要求，管理层的决策分析有了明亮的“眼睛”；

3）从数据角度，完成了异构数据共享。通过该系统，解决了不同系统、不同数据结构间的数据共享，在数据一致性的基础上，做到了数据有效集成，管理层的决策分析有了有力的

“抓手”。

参考文献

[1]陈力心.基于商业智能的医院分析型系统设计[J].中国信息界，2011，8（8）.

[2]唐晓东，李顺飞，罗娟.决策支持系统在医院应用中存在的问题分析.解放军医院管理杂志[J].2011（6）.

[3]刘博，夏新，陈彦东，朱阳.基于商业智能的医院决策支持系统研究[J].中国医疗设备，2013（11）.

[4]王珏，刘博，夏新，朱阳.决策支持系统在医院医保分析中的应用[J].科技传播，2013（24）.

[5]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（06）.

[6]俞磊，杨松涛，王宗殿.基于数据仓库的医院决策支持系统的研究与设计[J].计算机与数字工程，2010（04）.

作者简介

琚娟（1979-），高级工程师，工学博士，从事智慧医疗、智慧城市相关领域研究。endprint

摘 要 新医改对大型医院的精细化管理提出了新要求，传统的HIS系统无法给管理者提供直观、全面、准确、一致的医院经营决策信息。基于商业智能（Business Intelligence，BI）的决策与分析系统可以认为是面向医院“精细化管理”的决策信息平台。本文对该系统的技术架构、数据模型、主要功能进行了设计，并结合工程实例的应用进一步验证了系统的优势。

关键词 商业智能；医院管理；决策与分析系统

中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2014）08-0019-02

商业智能（BI，Business Intelligence）是将数据转换成信息，然后转化为知识的过程。商业智能包括了广泛的应用和技术，是数据仓库，数据挖掘，联机分析处理和分析应用的总称。

基于BI的决策与分析系统是面向医院“精细化管理”经济运行分析的决策信息平台，依靠商业智能和大数据技术，从海量数据中寻找隐藏其间的关系和联系，并深层次地认识和挖掘医疗数据的内在规律，快速、准确、即时提供有价值的信息给管理者进行分析与决策。医院的信息化系统有一两百套，如果说，面向患者体验的高效前台作业系统HIS是骨骼，为医生临床治疗提供支持信息的LIS、PACS是神经网络，为医生提供辅助临床活动的作业系统电子病历、临床路径是血液，那么，基于BI的决策与分析系统，可以认为是医院信息化和大数据的“灵魂”和“大脑。

1 模型设计

前端展现模块的结构体系采用SOA架构，支持跨平台的多物理主机部署。在多主机部署时，整个系统组成服务器端的集群，实现负载均衡和高可用性。同时，随着决策支持系统应用的不断扩展，可方便的向集群中增加更多的服务器节点，以提升系统容量。

1.1 数据模型设计

系统采用基于Oracle关系型数据库进行企业级数据仓库的数据模型构建，如图1所示。

图1 数据模型

该数据模型的构建具有如下特点。

1）分层次、易于扩展和维护。

2）采用大型关系型数据库提供的数据维护功能，功能与性能都非常强大。

3）在系统可靠性与安全性方面，充分利用数据库的稳定性与高度安全性功能。

1.2 ETL设计

数据抽取：通过多种途径从源系统中来整合数据，包括数据库直接访问，数据库复制技术、文件访问等。在实施时综合考虑业务需求、抽取效率、源系统代价等因素确定抽取策略，抽取策略包括抽取方式（增量、全量）、抽取时机、抽取周期等。

数据转换：包括格式和类型转换、数据翻译、数据匹配、数据聚合以及其他复杂计算等。

数据加载：将抽取转换后的数据加载到数据仓库各层中，包括数据行加载和数据块加载。在综合考虑效率和业务实现等因素基础上确定数据加载周期和数据追加策略。

1.3 IDT设计

通过对数据库里的有关数据项定义，把数据库中的数据定义成有明确的业务含义的名称。业务人员所面对的不再是表、字段和它们之间复杂的关联、计算关系，而是他所熟悉的业务术语和指标名称。以医保为例，IDT设计如下。

图2 IDT设计

2 主要功能

系统使用HTML、Ajax等网页技术，基于SAP Business Objects数据分析套件实现清新、简约、亲和的用户使用界面。如图3所示。

图3 系统用户界面

图4 医保钻取分析界面

系统主要包括以下功能。

1）医保钻取分析。从全院、门诊、住院、科室、医保性质、病种、医生、病人等多业务角度，对总人次、医保人次、非医保人次、总控医保人次、非总控医保人次、总金额、医保金额、自费金额、药占比、材料占比、均次费用等多指标进行分析，包括比例分析、趋势分析、结构分析等多种分析方法。钻取功能的钻取路径包括全院至科室、全院至病种、科室至病种、科室至医生、病种至医生、病种至病人、医生至病种、医生至病人、病人至明细费用及病人信息等多种方式，实现多级医保信息钻取。结合医保相关维度及指标，可对医保的各项指标进行多维分析及模拟假设预测分析。

2）医疗技术分析。一方面，可从全院、开单科室、执行科室、开单医生、执行医生、病人的角度，对门诊医技、住院医技的数据进行深入分析，包括医技收入、医技工作量、医技效率、预约时间、排队时间、报告时间等指标。另一方面，根据医技业务分析，所有相关指标均可实现钻取功能，全院至科室、全院至病种、科室至病种、科室至医生、病种至医生、病种至病人、医生至病种、医生至病人、病人至明细费用及病人信息等可钻取路径。

3）资产物流分析。从耗材类型、耗材分析、耗材类别等角度分析耗材消耗情况、领用情况、申请情况，可按照时间、耗材类型、耗材类别多维度自定义分析，并可钻取分析到一种耗材的各种信息；通过不同的资产类别，分析科室固定资产总值、库存数量、库存周转情况、保养情况、使用人次、产值收入、投入产出比等，从时间、科室、一级分类、二级分类等角度来做分析，并可根据需要钻取到最明细的一项资产。

4）门诊、住院、手术、ICU、财务、人力资源等其他分析。

3 工程应用

上海市东方医院作为上海市著名的三甲医院，除了在医疗质量有着极高的水准，在医院信息化建设的道路上也走在国内各家医院的前列。医院已经基本形成了综合性医院特点的医院信息化建设和应用模式，在多个应用方面取得进展，医院拥有包括住院门诊挂号系统，移动护理系统，医院办公OA系统等较为完整的HIS系统。

然而，HIS在满足管理需求方面还有些欠缺，特别是在新医改环境中，对医院运营的要求非常高，比如精细的管理、精确的保障、精准的供应等。这些要求提出来以后，原来的HIS系统功能是不够用的。

通过部署基于BI的决策与分析系统，东方医院打通了医院不同信息系统之间的信息孤岛，例如，如果发现药品比例超过标准了，可以继续查看是哪个科室超标，哪个医生药开多了，哪个医生开哪个厂家的药多了，以从中发现问题。

基于BI的决策分析系统最明显的优势可以归纳为以下3点。

1）从院长管理角度，实现了不同主题、不同科室、不同医生等多维度钻取和对比分析。通过该系统，当需要对数据进行大量的“递归”、“循环”、“比对”操作时，管理层的决策分析有了快速运转的“大脑”；

2）从监管角度，满足了医疗质量监测监控的新要求。通过该系统，对近年来管理部门陆续出台的抗菌药物合理使用、院内感染、手术权限审批、特殊用药审批、再入院率、二次手术率等过程监控新要求，管理层的决策分析有了明亮的“眼睛”；

3）从数据角度，完成了异构数据共享。通过该系统，解决了不同系统、不同数据结构间的数据共享，在数据一致性的基础上，做到了数据有效集成，管理层的决策分析有了有力的

“抓手”。

参考文献

[1]陈力心.基于商业智能的医院分析型系统设计[J].中国信息界，2011，8（8）.

[2]唐晓东，李顺飞，罗娟.决策支持系统在医院应用中存在的问题分析.解放军医院管理杂志[J].2011（6）.

[3]刘博，夏新，陈彦东，朱阳.基于商业智能的医院决策支持系统研究[J].中国医疗设备，2013（11）.

[4]王珏，刘博，夏新，朱阳.决策支持系统在医院医保分析中的应用[J].科技传播，2013（24）.

[5]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（06）.

[6]俞磊，杨松涛，王宗殿.基于数据仓库的医院决策支持系统的研究与设计[J].计算机与数字工程，2010（04）.

作者简介

琚娟（1979-），高级工程师，工学博士，从事智慧医疗、智慧城市相关领域研究。endprint

摘 要 新医改对大型医院的精细化管理提出了新要求，传统的HIS系统无法给管理者提供直观、全面、准确、一致的医院经营决策信息。基于商业智能（Business Intelligence，BI）的决策与分析系统可以认为是面向医院“精细化管理”的决策信息平台。本文对该系统的技术架构、数据模型、主要功能进行了设计，并结合工程实例的应用进一步验证了系统的优势。

关键词 商业智能；医院管理；决策与分析系统

中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2014）08-0019-02

商业智能（BI，Business Intelligence）是将数据转换成信息，然后转化为知识的过程。商业智能包括了广泛的应用和技术，是数据仓库，数据挖掘，联机分析处理和分析应用的总称。

基于BI的决策与分析系统是面向医院“精细化管理”经济运行分析的决策信息平台，依靠商业智能和大数据技术，从海量数据中寻找隐藏其间的关系和联系，并深层次地认识和挖掘医疗数据的内在规律，快速、准确、即时提供有价值的信息给管理者进行分析与决策。医院的信息化系统有一两百套，如果说，面向患者体验的高效前台作业系统HIS是骨骼，为医生临床治疗提供支持信息的LIS、PACS是神经网络，为医生提供辅助临床活动的作业系统电子病历、临床路径是血液，那么，基于BI的决策与分析系统，可以认为是医院信息化和大数据的“灵魂”和“大脑。

1 模型设计

前端展现模块的结构体系采用SOA架构，支持跨平台的多物理主机部署。在多主机部署时，整个系统组成服务器端的集群，实现负载均衡和高可用性。同时，随着决策支持系统应用的不断扩展，可方便的向集群中增加更多的服务器节点，以提升系统容量。

1.1 数据模型设计

系统采用基于Oracle关系型数据库进行企业级数据仓库的数据模型构建，如图1所示。

图1 数据模型

该数据模型的构建具有如下特点。

1）分层次、易于扩展和维护。

2）采用大型关系型数据库提供的数据维护功能，功能与性能都非常强大。

3）在系统可靠性与安全性方面，充分利用数据库的稳定性与高度安全性功能。

1.2 ETL设计

数据抽取：通过多种途径从源系统中来整合数据，包括数据库直接访问，数据库复制技术、文件访问等。在实施时综合考虑业务需求、抽取效率、源系统代价等因素确定抽取策略，抽取策略包括抽取方式（增量、全量）、抽取时机、抽取周期等。

数据转换：包括格式和类型转换、数据翻译、数据匹配、数据聚合以及其他复杂计算等。

数据加载：将抽取转换后的数据加载到数据仓库各层中，包括数据行加载和数据块加载。在综合考虑效率和业务实现等因素基础上确定数据加载周期和数据追加策略。

1.3 IDT设计

通过对数据库里的有关数据项定义，把数据库中的数据定义成有明确的业务含义的名称。业务人员所面对的不再是表、字段和它们之间复杂的关联、计算关系，而是他所熟悉的业务术语和指标名称。以医保为例，IDT设计如下。

图2 IDT设计

2 主要功能

系统使用HTML、Ajax等网页技术，基于SAP Business Objects数据分析套件实现清新、简约、亲和的用户使用界面。如图3所示。

图3 系统用户界面

图4 医保钻取分析界面

系统主要包括以下功能。

1）医保钻取分析。从全院、门诊、住院、科室、医保性质、病种、医生、病人等多业务角度，对总人次、医保人次、非医保人次、总控医保人次、非总控医保人次、总金额、医保金额、自费金额、药占比、材料占比、均次费用等多指标进行分析，包括比例分析、趋势分析、结构分析等多种分析方法。钻取功能的钻取路径包括全院至科室、全院至病种、科室至病种、科室至医生、病种至医生、病种至病人、医生至病种、医生至病人、病人至明细费用及病人信息等多种方式，实现多级医保信息钻取。结合医保相关维度及指标，可对医保的各项指标进行多维分析及模拟假设预测分析。

2）医疗技术分析。一方面，可从全院、开单科室、执行科室、开单医生、执行医生、病人的角度，对门诊医技、住院医技的数据进行深入分析，包括医技收入、医技工作量、医技效率、预约时间、排队时间、报告时间等指标。另一方面，根据医技业务分析，所有相关指标均可实现钻取功能，全院至科室、全院至病种、科室至病种、科室至医生、病种至医生、病种至病人、医生至病种、医生至病人、病人至明细费用及病人信息等可钻取路径。

3）资产物流分析。从耗材类型、耗材分析、耗材类别等角度分析耗材消耗情况、领用情况、申请情况，可按照时间、耗材类型、耗材类别多维度自定义分析，并可钻取分析到一种耗材的各种信息；通过不同的资产类别，分析科室固定资产总值、库存数量、库存周转情况、保养情况、使用人次、产值收入、投入产出比等，从时间、科室、一级分类、二级分类等角度来做分析，并可根据需要钻取到最明细的一项资产。

4）门诊、住院、手术、ICU、财务、人力资源等其他分析。

3 工程应用

上海市东方医院作为上海市著名的三甲医院，除了在医疗质量有着极高的水准，在医院信息化建设的道路上也走在国内各家医院的前列。医院已经基本形成了综合性医院特点的医院信息化建设和应用模式，在多个应用方面取得进展，医院拥有包括住院门诊挂号系统，移动护理系统，医院办公OA系统等较为完整的HIS系统。

然而，HIS在满足管理需求方面还有些欠缺，特别是在新医改环境中，对医院运营的要求非常高，比如精细的管理、精确的保障、精准的供应等。这些要求提出来以后，原来的HIS系统功能是不够用的。

通过部署基于BI的决策与分析系统，东方医院打通了医院不同信息系统之间的信息孤岛，例如，如果发现药品比例超过标准了，可以继续查看是哪个科室超标，哪个医生药开多了，哪个医生开哪个厂家的药多了，以从中发现问题。

基于BI的决策分析系统最明显的优势可以归纳为以下3点。

1）从院长管理角度，实现了不同主题、不同科室、不同医生等多维度钻取和对比分析。通过该系统，当需要对数据进行大量的“递归”、“循环”、“比对”操作时，管理层的决策分析有了快速运转的“大脑”；

2）从监管角度，满足了医疗质量监测监控的新要求。通过该系统，对近年来管理部门陆续出台的抗菌药物合理使用、院内感染、手术权限审批、特殊用药审批、再入院率、二次手术率等过程监控新要求，管理层的决策分析有了明亮的“眼睛”；

3）从数据角度，完成了异构数据共享。通过该系统，解决了不同系统、不同数据结构间的数据共享，在数据一致性的基础上，做到了数据有效集成，管理层的决策分析有了有力的

“抓手”。

参考文献

[1]陈力心.基于商业智能的医院分析型系统设计[J].中国信息界，2011，8（8）.

[2]唐晓东，李顺飞，罗娟.决策支持系统在医院应用中存在的问题分析.解放军医院管理杂志[J].2011（6）.

[3]刘博，夏新，陈彦东，朱阳.基于商业智能的医院决策支持系统研究[J].中国医疗设备，2013（11）.

[4]王珏，刘博，夏新，朱阳.决策支持系统在医院医保分析中的应用[J].科技传播，2013（24）.

[5]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（06）.

[6]俞磊，杨松涛，王宗殿.基于数据仓库的医院决策支持系统的研究与设计[J].计算机与数字工程，2010（04）.

作者简介

琚娟（1979-），高级工程师，工学博士，从事智慧医疗、智慧城市相关领域研究。endprint