医疗数据仓库建设方案

综合医疗系统中的数据仓库解决方案在医疗服务系统中建立数据仓库是一个不小的挑战。综合医疗系统的焦点正从糟糕的医疗配套问题转向立体交叉的医疗管理之中，在提高医疗服务质量的同时又要削减成本，这就需要在医疗程序中消除不必要的环节。本文介绍了在医疗项目业务开发过程中总结的经验，主题包括建立数据仓库需求，理解医疗系统中的数据仓库，明确开发数据仓库的成本，建立开发小组，以及设计各阶段的任务目标。1、简介2.1建立数据仓库需求2.2确定核心业务问题28个主要业务经理参与了需求调查，主题是关于决策支持所需的高层信息。在此次调查过程中确立了几个关键性的领域，它们是业务实际利益、数据获取、企业文化、领导及无效的进程。然而，调查小组很快察觉，将数据仓库认为是能解决上述所有领域的问题的灵丹妙药等于冒一个天大的风险。数据仓库仅对数据的获取与保持数据的连续性方面有本质的突破，而再出色的数据入口对改变领导模式、企业文化或医疗基础都无济于事。调查小组调查的问题集中如下：1．列出3个你最需要作出的决策。2．作出这些决策你需要哪些报表和工具？3．目前这些报表和工具的优缺点是什么？4．基于当前的信息，时间、质量或资金对作出一个好的/坏的决策有何影响？5．什么样的信息/计算/聚合可能提高你制定决策的水平？6．你运用联机系统进行信息分析的可能性有多大？7．如果你借助于专门的数据查询，决策制定过程有何变化？8．为了充分利用信息优势，需要改进哪些日常工作？9．获取新系统信息的最关键的益处在哪里？2.3数据源清单和数据源分析与对管理人员调研同时进行的是定义数据目录，数据目录用于确定哪些参选数据适合进入数据仓库。目录包括用于IDS之中的312个专用例程的内容及结构的详细信息。数据清单的主要目的是进行当前数据源与预期信息需求的对比。数据源清单和管理调研显示了如下主要问题：在多个应用中使用同一个主题的数据一些应用包括空的数据结构系统没有集成，无法自动进行数据的更新、转移和载入，产生数据碎片和数据不一致的现象多种多样的和不兼容的数据结构使相似的数据结合起来很困难，有时甚至不可能数据从一个系统中出出进进，与数据不一致的问题纠缠在一起2.4定义侯选主题领域基于如下条例，可以开发并优化一组潜在主题领域：期望利润——通过实施一个主题领域，在患者满意度、出诊收益和运营效率方面，健康系统取得的定量的和定性的利润数据裂缝——实施一个主题领域所需数据与可支配数据之间的差异复杂程度——为一个特定的主题创建一个有效的设计方案所需的努力实施风险——当组织准备充分并具备运营能力，而且所需的系统界面齐全，时间安排得当，广度和深度比例适当时，实施一个特定的主题领域会相对容易一些2.5选择主题领域通常，一个具有最大潜在利润，同时风险因素又最少的主题是最好的选择。有时对业务的深思熟虑会让我们放弃一个显而易见的决策。另外，你必须时刻牢记在心的还有，如果不存在业务对数据的强烈的需求，那么数据的价值是零。克里斯蒂安娜健康中心的高层管理者指定了一个指导委员会，这个委员会将担负起选择第一个主题领域的任务。为了确定最佳的选择，他们列出了潜在主题领域的主要维度的清单，按照期望利润、数据裂缝、复杂程度和实施风险四个类别进行评分，最后计算总分。基于这个分数卡，指导委员会对各个主题领域进行分析和定级。当得分最高的三个主题领域被进一步分析时，两个看起来较好的侯选主题领域没能经得起业务实例分析的考验，委员会发现，这两个主题领域存在着不可逾越的数据裂缝，而且组织对所需要进行的变革毫无准备。于是委员会将目标锁定在排位第三的主题领域上——医师行为报表，因为医师最终对医疗质量负责，并对医疗成本有巨大的影响作用，于是医师业务行为方式自然而然地成为了一个逻辑控制点。见图3。按照一致赞同的规则，委员会进一步论证了将医师行为报表作为第一个主题领域的合理性。然而，这项决定并没有引起人们充满激情的或持久的支持。可见，要想成功，对这个初始决策的支持必须来自于最高层管理者。ControlPointsCategoriesDriversObjective*PhysicianactivityreportingisdirectedatthiscontrolpointUtilizationofServicesPopulationDemographicsCareManagementNetworkManagementMedicalManagement*ReduceCostofHealthcareVolumeMembershipBenefitConfigurationandPricingCompetitionBenefitsBenefitRationalizationandProductDevelopmentMarketDemandCostBilling/PaymentAccuracyRatesNetworkManagementContractManagementCompetition图32.6选择业务出资人在数据仓库项目中，业务出资人往往提议主题领域应基于一个核心的业务需求。通常，在我们这种医疗服务情况下，有许多组织对医疗主题怀有极大的热忱。医师队伍与患者医疗管理共同资助是可以接受的，因为这两家出资人在削减无谓的医疗行为方式以获取最大的出诊收益方面目标是一致的。3、理解医疗系统数据仓库在IDS单个业务单元中，基于操作型系统的决策支持应用已经存在了。管理者会理直气壮地问为什么现存的系统不够用呢，要回答这个问题，需要阐明与数据仓库相关的风险、收益和成本。首先，考虑我们面临的风险：几乎没人理解操作型系统与决策支持系统的差别很难将数据集成带来的收益概念化和具体化由于静态报表已成为标准，我们的用户很难适应交互式的数据界面我们的努力很难在整个项目周期中都得到普遍的支持，这也是值得担心的接着，我们考虑潜在的收益：数据仓库将会提供毫无疑义的数据集成，确保在整个IDS中数据的真实性和一致性联机分析处理系统（OLAP）将通过一个生动并且易于使用的界面给高层管理者提供新奇的决策支持透视服务运用数据分析预处理包能使业务分析专家迅速发现问题并很快建立解决方案对人群和供应商会有更深了解，利于提高医疗管理项目的效率常规报表不再需要借助于IT部门的先进的技术服务用户能够获得元数据，即关于数据的来源及数据转换方式的信息。对数据质量的信心会增强将会建立数据标准新成立的医师组织能够发展基于信息的文化这指引我们去分析最后一个因素——成本。数据仓库项目是昂贵的，保守一点说，数据仓库项目的启动少则1百万美金，多则5百万美金。为了帮助你更好的理解，我们引入了一个样本项目预算，后来我们发现这个预算过于乐观了。见表2。表2既然清楚了在实施数据仓库项目过程中会涉及到惊人的风险和成本，就应该明白为什么有必要在一些基本方面对管理者进行培训。3.1操作型系统与决策支持虽然医疗服务经常与操作型系统打交道，但对于在整个企业范围内提供决策支持还是经验尚浅。一个错误的认识是，地区的联机操作系统（OLTP）已经能够提供企业范围的决策支持。下面几段将总结这两个概念之间的差别。操作型系统的设计目的在于实现数据的快速存取，任务或小数据集的快速处理。规范的关系数据库在进行数据的插入、更新和删除操作时能确保数据的完整性，并能优化在多表间进行数据存储的机制。用于决策支持的统计分析需要平滑的数据以及满足查询的最低粒度级。操作型数据与用于决策支持的统计数据的差别见表3。ConsultantsDollarsDataArchitect,modeleranddeveloper202,800$DBAandE/T/Ldeveloper101,400$E/T/LandSQLdeveloper202,800$ConsultantSubtotal507,000$HardwareDatabaseServer90,097$Workstations(2)8,000$ServerBackup15,400$HardwareSubtotal113,497$SoftwareWarehouseDatabaseServer3,200$Extract,Transform,LoadSoftware75,000$Softwareforsourcedataqualityanalysis1,400$Hypercubequeryandreportsoftware1,395$Webserveranduserinterfacesoftware42,000$SoftwareMaintenancefees12,300$SoftwareSubtotal135,295$FacilitiesRequirementsCubiclesandOfficeFurniture12,000$MeetingFurnitureandFixtures2,130$Networkinstallation5,500$Telephonecommunicationshardware800$FAXmachine900$FacilitiesSubtotal21,330$TotalProjectedCapitalBudget777,121$CapitalRequirementsCharacteristicOperationalDataDecisionSupportDataBusinessgoalTacticalStrategicPurposeBusinessoperations;customerserviceStrategicplanning;businessreorganizationUsers/audienceFrontlineemployees;customersManagers,executives,analystsFocusSpecificcustomer;departmentProduct,lineofbusiness,customerprofilesOutputsOrders;reportsGraphs;stats;models;forecastsGrainIndividualtransactionsAggregatesoftransactionsCharacterDynamic,continuallyupdatedNonvolatile,read-onlysnapshotFormatFixedstructure,variablecontentsFlexiblestructure,multidimensionalRefreshratesRealtime;minute-to-minuteWeekly;monthly,quarterlyRetentiontime90daysYearsDatastructuresNormalizedtablesSingle,flatdatasets;StarschemaDataneedsSmallsetsofrowsandtablesAllrecordsfrommulti-tablejoinsDatacodingTextualdescriptionspreferredMostlyrequirenumericdatacodingDatamanipulationsInsert,edit,delete,retrieveindividualrecordsorsmallsetsSummarize,aggregate,cross-tab,表3决策制定者借助于一些软件工具进行决策，这些软件工具可以划分为报表、数据挖掘/统计和数据浏览几个类别。报表可以发展成为总结已被充分理解的业务进程和主题的工具。数据挖掘工具和数据浏览工具使分析人员能够从海量的数据集中察觉业务趋势和发现商机。数据挖掘工具如同一个巨大的钻取机器，它将运用成千上万的公式法则对数据进行汇总、建模和聚合。被称为OLAP的数据浏览工具能为分析人员提供聚合的数据和高效的界面，使分析人员能够快速地操纵数据视图和聚合层次。3.2取得行政通行证已经选择了主题领域，但是否能通过还模棱两可。业务分析小组担心的是，对