医疗大数据分析应用平台产品解决方案
（初稿）
本应用平台产品的总体方案思路是：基于目前医疗服务机构及相关机构已有的HLI、NHLI、HIS等有关系统形成并积累的医药医疗大数据和信息，采用最新的大数据技术、云计算技术、BI和数据挖掘技术，形成对医疗行业具有新视角、全方位、智能性、预测性、可视性的深层次展示分析效果（Insight），揭示医疗行业整体规律和内在发展趋势，揭示患者个体的独有特质并形成个性医疗，将医疗行业的宏观大势与每个患者的微观个体定性定量描述有机结合，达到支撑和形成医疗行业新应用场景和新服务模式。“医药医疗大数据”是具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，但需要新计算处理模式。
1.背景介绍
根据国际著名分析机构Gartner给出的定义：大数据就是那些具有规模大、速度快、种类多三大特征的数据资产。大数据分析从海量数据中筛选出有用的信息，然后通过各种手段将信息转化为洞察力，从而做出正确决策，并最终推动业务发展。通过一系列分析处理，大数据可以帮助企业制定明智且切实可行的战略，获取前所未有的客户洞察，支持客户购买行为，并构建新的业务模式，进而赢得竞争优势。
随着人们的生活水平不断提高，健康也越来越受到家庭的关注。2009 年2 月27 日，我国卫生部公布的第四次国家卫生服务调查结果显示，截止至2008 年，我国居民脑血栓，糖尿病，高血压等慢性病病例数达到2.6亿，占全国总人
数的20%，其中高血压病人对自身疾病的知晓率只有30%，同时这些病人中的治疗率只有25%，控制率仅为6%，糖尿病病人中，能坚持做到规范治疗的也只有33%。由此我们可以看出，建立科学、规范、高质量的慢性病管理策略，实现对人体慢性病的监护具有重大的意义。通过慢性病的早期诊断和监护，不仅能提前预防和控制各种疾病，还能帮助他们合理用药，减少医药开支。另一方面，我国公共医疗卫生资源紧缺，城乡医疗卫生资源的差距比较大，城市人口平均拥有的医疗卫生资源是农村人口的2.5倍以上，比如，占全国总人口近70%的农村拥有全国医疗卫生资源的30%，而占全国总人口30%的城市却占有全国医疗卫生资源的70%，优质的医疗卫生资源集中分布在城市，尤其是大城市。因此，实现城乡之间的医疗卫生资源共享成为丞待解决的重要问题。
同时，随着国家积极倡导“3521”医疗系统建设，我国医疗领域信息化程度得到了很大的提高，预计在全国会出现上百个医疗数据中心，每个数据中心都将承载近1000 万人口的医疗数据，数量多、更新快且类型繁杂，使医院数据库的信息容量不断膨胀，这就产生了医疗大数据。医疗大数据通常具有以下特征:
(1) 数据巨量化: 区域医疗数据通常是来自于拥有上百万人口和上百家医疗机构的区域，并且数据呈持续增长的趋势。依照医疗行业的相关规定，患者的数据通常至少需要保留50 年。
(2) 服务实时性: 医疗信息服务中会存在大量在线或实时数据分析处理的需求。例如: 临床中的诊断和用药建议、健康指标预警等。
(3) 存储形式多样化: 医疗数据的存储形式多种多样，例如各种结构化数据表、非( 半) 结构化文本文档、医疗影像等。
(4) 高价值性: 医疗数据对国家乃至全球的疾病防控、新药研发和顽疾攻克
都有着巨大的作用。
因此，如何在海量的医疗大数据中提取信息的能力正快速成为战略性发展的方向，通过大数据分析挖掘出有价值的信息，将对疾病的管理、控制和医疗研究都有着非常高的价值。
目前，大数据、云计算是已经普及并成为IT 行业的主流技术。国内外都已经进入了大数据、云计算的研究热潮，同时大数据、云计算技术也逐渐成熟，大规模区域医疗信息系统和大型数据中心的建立也在同时进行。而云计算是大数据成长的驱动力，与此同时，由于医药医疗大数据越来越多，对云计算的需求日益增长，所以二者是相辅相成的。随着医疗数据的急剧增长，如何充分利用这些数据，运用大数据、云计算技术，搭建合理先进的数据云服务平台，为广大患者、医务人员、科研人员提供服务和协助，必将成为未来信息化工作的重要方向。
“大数据时代”已经降临，“大数据”正在对每个领域都造成影响。在商业、经济及其他领域中，决策行为将日益基于数据和分析的结果，而非基于经验和直觉；而在公共卫生、经济发展和经济预测等领域中，“大数据”的预见能力也已经崭露头角。2012年3月，美国政府公布了“大数据研发计划”（Big Data Research and Development Initiative）。该计划的目标是改进人们从现有的海量和复杂的数据中获取知识的能力。其中，与医疗卫生领域相关的有生物传感2.0、虚拟实验室环境（VLE）、癌症基因组图谱(TCGA)、神经科学信息框架(NIF)、患者报告结果测量信息系统(PROMIS) 等10 余项。2014年美国的公共数据开放项目OpenFDA上线之后，先导项目开放了“300万份药物不良反应报告”，这些数据是2004至2013年间被提交给FDA的药物不良反应和医疗过失记录。
对医疗机构来说，不良反应和医疗过失记录起到的是长远的贡献作用，能减少医疗悲剧的重现。
根据我国居民第三次死因调查报告显示，脑血管病已成为居民的第一死因。脑卒中发病率正以每年8.7%的速率上升，我国每年用于治疗脑血管病的费用约在100亿元以上。2014年，GE医疗中国联合国家卫生计生委脑卒中防治工程委员会(脑防委)启动了“脑卒中行动”合作战略。GE医疗“脑卒中行动”的法宝之一就是大数据。尤其是GE构建的三级筛查网络，对双侧内膜增厚的高危人群检出率提升了近10%。GE搭建的脑卒中信息管理系统可以与医院Lis和His 系统全面对接，记录患者的基本信息、初筛信息、复筛信息、用药信息、实验室检查、体格检查信息及其随访信息等，全面跟踪患者的诊治流程。还可以与PACS 系统对接，全面记录患者的影像学信息，实现患者影像信息的共享。同时，可对患者全流程疾病影像信息回顾，减少患者重复检查的负担，协助医生对患者疾病信息的全面判断。
在上述这些大背景下，本公司提出并计划研发“医疗大数据分析应用平台”（以下简称“本平台”）产品，以期为我国医疗卫生实现数字医疗、智慧医疗、健康医疗发挥重要作用。从而达到：服务模式（以患者为中心，形成居民健康全过程服务），从被动到主动；医疗模式（以预防为主，人人享有基本医疗卫生服务，将医疗卫生工作重点由后治前移到预防保健），从治病到防病；诊疗模式（避免各自为政，实行上下联合，专业分工），从排斥到联动；数据模式（从业务系统数据向整体数据转变，改变过去的数据不统一、不互通、不共享），从隔离到整体；技术模式（采用各种新技术手段，包括大数据、云计算、物联网、移动互联等，形成技术合力），从简单到综合的转变。
2.产品愿景
形成充分发挥大数据技术的，针对医疗医药行业的，能充分适应医疗卫生信息特征的大数据分析应用支撑平台，通过大数据分析，达到发现知识、发现规律、预测未来，将医疗卫生行业推进进入大数据时代提供技术可行性。
3.产品定位
本平台以医疗卫生行业的整体数据架构（数据模型、数据构成、数据关系）为基础和标准，以对应的医疗卫生业务数据为输入，通过大数据技术，形成针对医疗卫生行业中不同机构、角色和业务活动的智能化应用，因此本平台不是代替已有医疗卫生信息化系统，而是在多个方面强化已有医疗卫生信息化系统，包括任意查询、即兴分析、业务增强、规则约束、预测未来、发现知识，并提供互动性、及时性、预知性、洞察性，从而达到实现智慧医疗的目标。
3.1解决的问题
当前医疗卫生信息化建设的主要问题是各个区域内不同医疗机构中患者的基础信息和各种临床信息资源分散、重复、孤立，导致有效信息闲置、信息重复或不一致，很难得到有效利用。
通过本平台实现国家医疗卫生信息化规划中“4631-2”的三大基础数据库，即电子健康档案数据库、电子病历数据库和全员人口个案数据库的应用落地；
通过本平台实现智慧医疗的核心部分，即医疗卫生服务体系的智能化，使医疗卫生的各种应用提升水平；
通过本平台为“看病难、看病贵”的解决提供科学定量判断依据、对比分析依据和方案效果评价依据；
3.2达到的效果
本平台预期部署到云平台上运行，采用SOA的理念进行架构开发，通过分层将公共大数据算法模型封装为服务，对业务应用提供服务，同时平台业务应用也是服务的形式存在，即应用单位不再需要购买部署自己的服务器硬软件环境，只需要开通相应服务就可以了。各个应用单位根据自己的业务需要定制服务，平台支持“开通即用”服务模式，为实现业务应用集成，本平台将对外支持Web Service方式的接口服务。
本平台希望将医疗卫生的智慧功能应用普及到业务角色和过程的方方面面，包括医生（包括专科医生、全科医生、保健医生等）、患者（包括慢性病患者、潜在患者等）、管理者（包括医疗管理者、医疗保险管理者、医药监管管理者、公共卫生管理者等）、医药经营者（药品研发、药品生产、药品物流、药品零售等）以及商业医疗保险经营者（健康险、大病险、医疗意外险等）。
4.产品理念
医疗卫生、健康保健、医药器械形成的海量数据就象一座待开发的金矿，利用大数据技术、云计算技术、物联网技术和便携设备技术的最新成果，将给医疗卫生事业带来全新革命性的改变，明显解决看病难和看病贵的问题，达到医疗卫生资源配置分布合理、大病小病治疗各司其职、疾病预防治疗有机结合、公民健康保健全过程覆盖。
5.总体思路
通过建立医疗卫生大数据的统一标准和规范，形成可被相关业务应用所利用的医疗卫生大数据源和交互机制，在此基础上，首先形成专题大数据应用，这些
应用具有跨部门和组织机构的通用性，并具有良好的稳定性，因为这些应用是面向医疗卫生专题的；基于专题大数据应用，根据医疗卫生相关部门和组织机构的业务要求，可开发形成各种业务大数据应用，并且随着平台的推广，积累的医疗卫生业务大数据应用的实例将会越来越多，并最终形成不同方向的最佳应用样例。
医疗卫生大数据源专题大数据应用业务大数据应用
5.1对接数据源，获取医疗卫生大数据
医疗卫生大数据中心为本平台进行医疗卫生大数据分析提供数据源，但不在本平台范围内，并平台只是开发提供一套与该数据中心的数据读取接口，并具有监控数据读取情况汇总统计和异常提示功能。
该数据中心的定位：整合区域内不同医疗机构中患者/健康人群的各种临床诊疗数据、健康数据，在相对集中的逻辑/物理环境中，构建一个以存储和处理患者/健康人群诊疗信息为核心，覆盖多学科、多专业的面向区域内主要卫生行政主管部门、临床医疗机构和社会公众的医学（医药、医疗、健康）信息资源共享机制----区域性医学数据中心。区域性医学数据中心的建设以行政业务处理、医疗、预防、保健、康复为服务主线，以健康人群和患者的医疗活动需求为基础。
区域卫生数据中心通过制定标准的数据接口，建立基于广域网的信息交换、数据采集和传输机制，对区域内医疗卫生信息数据进行采集、传输、清洗和汇总，将医院、社区、医药企业以及公共卫生机构的各类数据、系统有机地整合起来，生成区域的卫生大数据。
5.2对获取的医疗卫生大数据预处理机制
医疗卫生大数据预处理主要完成对已接收数据的辨析、抽取、清洗等操作，目的是将数据按统一的格式提取出来，然后再转化，集成，载入数据仓库的工具（ETL）包括：抽取：因获取的数据可能具有多种结构和类型，数据抽取过程可以帮助我们将这些复杂的数据转化为单一的或者便于处理的构型，以达到快速分析处理的目的；清洗：对于大数据，并不全是有价值的，有些数据并不是我们所关心的内容，而另一些数据则是完全错误的干扰项。因此要对数据通过过滤“去噪”从而提取出有效数据。
5.3建立医疗卫生大数据的存储机制
虽然关系型数据库系统(RDBMS)在安装和使用上仍然占有主要地位，但毋庸置疑，非关系型数据库NoSQL技术已经成为今天发展最快的数据库技术。NoSQL是对数据库系统的总称，在某种程度上，它的性能和用途可能完全不同。
目前除了关系型数据库外，还主要存在有以下四种NoSQL数据管理系统：键值数据库：当数据以键的形式访问时，比如通过国际标准书号ISBN找一本书，键值数据库是最理想的。在这里，ISBN是键，书籍的其他信息就是值。必须知道键才能查询，不过值是一堆无意义的数据，读取之后必须经过翻译。
文档数据库：该数据库以文档的形式管理和存储数据。有点类似于键值数据
库，但文档数据库中的数据有结构。与键值数据库中值是一堆无意义的数据不同，文档数据库中数据以文档的结构被描述，典型的是JavaScript Object Notation (JSON)或XML。文档存储数据库中的数据可以通过定义的任何模式进行查询，但键值数据库只能通过它的键进行查询。
列式数据库：也被称为列式存储或宽列存储，一改之前行式存储的方式，对数据进行列式存储。在传统关系型数据库中，数据经常以行来访问。以列式管理记录的NoSQL数据库可以管理大规模的动态列。因为没有固定的模式，所以列名和键可以变换。列式数据库适用于不经常写的情况，要满足ACID（原子性、一致性、隔离性和持久性）的要求并不难，而且模式是变化的。
图型数据库：图型数据库关注值与值之间的关系，用图型的数学概念存储数据。图型数据库用带有点、边缘和属性的图的结构表示和存储数据。在图型数据库中，每一个元素都包含一个直接的指向它毗邻元素的点，所以也就不需要索引查找。
每个种类的NoSQL数据库都有适用的不同类型的应用程序和用例，这就涉及到一个NoSQL社区常用的一个话题，即多样持久性，或者说根据数据库处理应用程序需求的不同，使用不同的数据库系统，用于不同的应用程序和用例。
5.4医疗卫生大数据的处理和分析算法分类和形成
●技术分类方法
?根据挖掘任务：分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等；
?根据挖掘对象：可分为关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库以及环球
网Web；
?根据挖掘方法：可分为:机器学习方法、统计方法、神经网络方法和数据库方法。
●主要处理和分析技术
?预言处理：用历史预测未来；
?挖掘规律处理：了解数据中潜在的规律；
?关联分析：查找存在于项目集合或对象集合之间的频繁模式、关联、相关性、或因果结构；
?序列模式处理：给定一个由不同序列组成的集合，其中，每个序列由不同的元素按顺序有序排列，每个元素由不同项目组成，同时给定一个用户指定的最小支持度阈值，序列模式挖掘就是找出所有的频繁子序列，即该子序列在序列集中的出现频率不低于用户指定的最小支持度阈值；
?分类（预言）分析：预测分类标号（或离散值），根据训练数据集和类标号属性，构建模型来分类现有数据，并用来分类新数据。建立连续函数值模型，比如预测空缺值；
?聚类分析：聚类是一种无监督分类法: 没有预先指定的类别。在同一个类中，对象之间具有相似性；不同类的对象之间是相异度分析；把一个给定的数据对象集合分成不同的簇。将物理或抽象对象的集合分组成为由类似的对象组成的多个类；聚类在不同的应用领域，用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中；聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性；聚类与分类不同，聚类所要求划
分的类是未知的；
?异常检测分析：异常检测是数据挖掘中一个重要方面，用来发现”小的模式”(相对于聚类)，即数据集中间显著不同于其它数据的对象；
?可视化分析。数据可视化可以让数据自己说话，让用户直观的感受到结果；?数据挖掘算法。分割、集群、孤立点分析还有各种算法让我们精炼数据，挖掘价值。这些算法要能够应付大数据的量，同时还具有很高的处理速度；?语义引擎。人工智能从数据中主动地提取信息。包括机器翻译、情感分析、舆情分析、智能输入、问答系统等；
?数据质量和数据管理。透过标准化流程和机器对数据进行处理可以确保获得一个预设质量的分析结果。
5.5开发专题大数据分析，形成专题大数据应用
面向医疗卫生专业所特有的专题，开发形成一系列的专题大数据应用。在充分调研和分析医疗卫生行业的业务特性基础上，研发形成具有我国医疗卫生行业特征的分类专题大数据分析，并根据专题组成和业务功能要求形成满足该业务专题的大数据应用，如心脏病专题的大数据应用，包括其成因的大数据分析、其日常行为对病情影响的大数据分析等，为有关机构进行心脏病的有关活动（预测、预防、治疗、恢复）提供支撑。
5.6开发机构大数据分析，建立机构大数据应用
面向不同的医疗卫生机构和部门及其相关企业机构，开发形成针对不同机构和部门业务的机构大数据应用，如医疗卫生机构应用、医疗卫生管理机构应用等。在上述专题大数据应用基础上，结合所承担的相关医疗卫生及其相关机构项目，
进行机构大数据应用定制开发。
5.7建立平台应用实施推广组织机制
在本平台开发和部署基础上，逐步形成基于本平台开发应用项目的实施推广组织机制，包括市场宣传、营销推广、实施维护和售后服务等。
5.8建立平台产品优化升级服务组织机制
本平台作为公司的主打产品系列，要建立严格的版本控制，并根据市场反馈和内部技术发展，进行有计划的平台版本升级，并将新版本升级信息和文档，按规定要求通知已有用户，并及时进行产品升级，并提供维护服务。
6.医疗卫生信息的大数据建模描述和分析
伴随着中国医疗卫生服务的信息化进程推进，将产生大量的数据。这些数据主要来源于医疗业务活动、健康体检、公共卫生等9项医疗卫生服务。数据内容包括来自医院的大量电子病历、区域卫生信息平台采集的居民健康档案等。其中大量充斥着非结构化/半结构化的数据，包括图像，office文档，以及XML 结构文档等。医疗大数据的应用，关键是整合所有可能得到的这些数据，为机构和政策制定者来找到如何刺激经济并降低共享数据的技术门槛。
6.1 我们给出的相关数据模型
我国医疗卫生行业涉及的数据实体对象种类非常众多，包括医疗机构－科室－医生（门诊、住院）、大众群体－患者、医疗管理部门－卫生局－疾控中心－医保中心－发改委－中医药管理局、医药管理部门－药监局、医药研发－医药生产－医药经营－药品（处方药、ODC药）、医疗器械研发－医疗器械生产－医疗器械经营－医疗器械、商业医疗保险公司、体检中心－体检医生、APP服务等。
如下图所示。
6.2 卫计委给出的相关数据模型
2010 年底，原卫生部完成了“十二五”卫生信息化建设工程规划编制工作，初步确定了我国卫生信息化建设路线图，简称“3521-2工程”，即建设国家级、省级和地市级3级卫生信息平台，加强公共卫生、医疗服务、新农合、基本药物制度、综合管理等5项业务应用，建设健康档案和电子病历2 个基础数据库和1 个专用网络建设，进行医疗卫生信息标准化体系和安全保障体系2个体系建设。
2013年11月，卫生部和计生委合并后，信息化建设工程规划的顶层设计规划又调整为“4631-2工程”，其中，“4”代表4级卫生信息平台，分别是：国家级人口健康管理平台，省级人口健康信息平台、地市级人口健康区域信息平台及区县级人口健康区域信息平台;“6”代表6项业务应用，分别是：公共卫生、医疗服务、医疗保障、药品管理、计划生育、综合管理;“3”代表3个基础数据
健康大数据全民大健康 2014年12月22日，由中国通信学会主办，中国卫生信息学会、工信部电信研究院、北京公共卫生信息中心、北京健康管理协会协办的2014年中国移动医疗产业年会在京召开。此次会议以“健康大数据全民大健康”为主题，邀请了政府领导、行业专家、优秀企业、医疗机构数据与信息主管等行业精英到会参与。大会总结了移动医疗年度发展情况，展望行业发展前景与趋势。深入探讨了移动医疗产业的健康大数据服务、技术、标准、应用、创新、商业前景等热点、焦点话题。此次大会为持续服务移动医疗、智慧医疗产业，促进行业合作与交流，推动产业健康快速发展发挥了重要作用。 移动互联网的迅猛发展昭示着一个全新时代的到来，越来越多的数据走上云端，大数据技术为全行业带来了巨大的影响。有业内专家认为，在当下“无处不数据”的时代，大数据将首先为健康和医疗领域带来深刻变革，因为该领域已经走过了思想革命的概念阶段，逐步迈入商业模式创新时期。这其中的重要表现就在于互联网巨头的强势涉足。 进入2014年后，互联网公司扎堆儿投身于健康大数据应用，服务新模式呼之欲出，无形当中成了医疗信息化变革的背后推手，移动医疗的软硬件产品在此基础上不断推陈出
新，使整个产业走向更加集约化、可持续的良性创新发展阶段。移动医疗的市场规模究竟有多大？有行业专家预测，2017年中国的移动医疗市场将达到125.3亿，2020年将达到1986.9亿，大概将增长15.8倍，可以预见移动医疗将是医疗信息化建设的主导趋势，健康大数据风头势不可挡。 移动医疗发展，大数据先行 随着国家“信息消费”、“健康服务业”、“人口健康信息化”等系列相关政策的制定与实施，云计算、物联网、大数据、移动互联等技术的深入应用，移动智能终端与可穿戴设备应用也逐步成熟，致力于医疗健康服务的移动医疗产业定将大放异彩。 在12月22日下午的会议中，中国通信学会副秘书长、工信部原领导秘建虎为大会致辞：在医疗健康领域，大数据的发展更加具有广阔的前景。随着全社会对健康的重视，人们享受优质医疗健康服务的需求更加迫切。在全民健康发展的目标当中，大数据将成为重要的支撑与决定性的因素。如今移动通信发展非常迅猛，移动互联网与智能终端已经非常成熟，这些都为医疗健康大数据、移动健康、移动医疗服务提供了很好的支持与保障。 国家卫计委统计信息中心副主任王才有在大会上发表 了关于“如何进行数据采集、分享，以及如何保证数据安全”的讲话。他指出，2014年是中国移动医疗年，健康大数据场
大数据的意义在于提供“大见解”：从不同来源收集信息，然后分析信息，以揭示用其他方法发现不了的趋势。在利用大数据发掘价值的所有行业中，医疗行业有可能实现最大的回报。凭借大数据，医疗服务提供商不仅可以知道如何提高盈利水平和经营效率，还能找到直接增进人类福祉的趋势。以下是大数据在医疗行业的一些常见用途，包括商业运作和健康管理： 1.分析电子病历：医生共享电子病历可以收集和分析数据，寻找能够降低医疗成本的方法。 医生和医疗服务提供商之间共享患者数据，能够减少重复检查，改善患者体验。但目前，大部分的电子病历都无法共享，这在很大程度上是出于安全和合规的考虑，但找到一个安全的方法来挖掘患者数据，这能改善医护质量并降低医疗成本。 关键词：患者数据共享、信息安全、提高医疗质量、降低医疗成本 2.分析医院网络系统：不妨想想我们在分析入院治疗的趋势时获得的好处。例如，对儿科 病房医疗设备的统合分析可以更早地识别潜在的婴儿感染趋势。或者，再想想减少术后葡萄球菌感染的好处。通过利用大数据，医院可以知道，医生在术后开的抗生素能否有效地防止感染。 关键词：入院治疗趋势分析 3.管理数据用于公共健康研究：医务人员会被铺天盖地的数据所淹没。诊所和医院会提交 关于健康状况和免疫接种的数据，但没有大数据的话，这些数据毫无意义。大数据分析能够对患者的原始数据进行标准化整合，用以充实公共健康记录，而丰富多样的公共健康记录能催生更合理的法规，并提供更好的医疗。 关键词: 公共健康记录、患者数据 4.循证医学：大多数医院和急诊室都实行“食谱化医学”，也就是说，医生对收治的病人 采用同一套检查项目来确定病因。而利用循证医学，医生可以将病人的症状与庞大的患者数据库进行比对，从而更快地做出准确诊断。在这里，大数据扮演的角色是从不同来源采集信息，并对数据实施标准化。在这种情况下，带有“高血压”的记录就可以映射到另一条带有“血压升高”的记录。 关键词：循证、患者数据库
教育大数据平台建设方案 2016年7月14日
1. 教育大数据平台建设 (3) 1.1数据采集与治理系统建设 (3) 1.2日志管理中心建设 (4) 1.3元数据管理系统建设 (5) 1.4数据建模系统建设 (6) 1.5数据可视化系统建设 (7) 2. 大数据平台建设 (8) 2.1权限管理中心建设 (8) 2.2仪表板系统建设 (9) 2.3分析报告系统建设 (9) 2.4用户画像系统建设 (10) 2.5智能预警系统建设 (10) 2.6学生/教师发展中心系统建设 (11) 2.7统一门户系统建设 (11) 3、功能参数列表 (12)
1.教育大数据平台建设 教育大数据平台的建设，无需学校现使用的各种软件系统的开发商，通过开发接口的方式进行数据采集或对接，从而实现学校各系统之间数据无感知采集。并完成数据治理，最终实现数据融合，解决数据孤岛问题，为各个平台提供自动化数据支撑。 通过对数据进行采集和治理，包含学校结构化数据、半结构化数据和非结构化数据，保证数据的完整性和全面性，实现数据融合。根据分析的目标和需要解决的问题结合全面的数据，才能完成全面的数据挖掘与分析，从而实现数据多维度、有深度的应用，让数据不仅仅是作为结果输出，而是形成业务流程闭环，全方位应用于学生培养和学校日常工作，为学校建设提供重要的依据。将学校各应用系统的数据进行采集和整合，打破数据孤岛，实现数据的共享和应用，为大数据分析打好基础。 1.1数据采集与治理系统建设 提供可视化界面进行数据源接入的配置操作；采集方式不影响数据源所属服务器/设备/数据库/Web服务的正常运行。支持不同网络之间的数据同步功能；支持不同类型数据源之间的数据同步功能；提供可视化的数据集成功能，实现自动化的任务调度，并智能化监控数据集成的过程。 在满足数据库的数据采集同时，学校老师也可自行导入数据。本数据采集工具优于一般数据仓库或非大数据厂家的采集方式，可以让学校各系统在正常运行的情况下，进行无感知全量或增量采集。 一般当前数据包含结构化数据、半结构化数据和非结构数据，且学校数据在使用不同的系统时，数据多存储在不同的数据库，无法将数据进行集合处理为学校管理做出数据支撑，也无法有效追溯数据问题。教育大数据平台的数据采集功
医疗健康大数据分析应用云平台 解 决 方 案
目录 1. 背景介绍 (1) 2. 产品愿景 (6) 3. 产品定位 (7) 3.1 解决的问题 (7) 3.2 达到的效果 (8) 4. 产品理念 (9) 5. 总体思路 (10) 5.1 对接数据源，获取医疗卫生大数据 (10) 5.2 对获取的医疗卫生大数据预处理机制 (11) 5.3 建立医疗卫生大数据的存储机制 (12) 5.4 医疗卫生大数据的处理和分析算法分类和形成 (13) 5.5 开发专题大数据分析，形成专题大数据应用 (15) 5.6 开发机构大数据分析，建立机构大数据应用 (16) 5.7 建立平台应用实施推广组织机制 (16) 5.8 建立平台产品优化升级服务组织机制 (16) 6. 医疗健康大数据分析应用云平台建模描述和分析 (16) 6.1 我们给出的相关数据模型 (17) 6.2 卫计委给出的相关数据模型 (18) 6.3 相关数据特征对比分析 (22) 7. 大数据分析应用平台支持的业务主题场景 (23) 7.1 医疗卫生服务机构应用 (26)
7.1.1 各级医院自身应用 (26) 7.1.2 基层医疗机构自身应用 (30) 7.1.3 区域卫生医疗联合体应用 (30) 7.1.4 医疗卫生机构的合规应用 (35) 7.2 患者医疗治疗应用 (38) 7.2.1 患者就医过程提示服务 (38) 7.2.2 患者服药提示服务 (38) 7.2.3 患者饮食、运动、习惯注意事项服务 (39) 7.2.4 患者体征和治疗效果服务 (39) 7.2.5 患者交流交往服务 (39) 7.3 个性化医疗服务应用 (39) 7.3.1 基因测序分析应用 (40) 7.3.2 个性化药物应用 (40) 7.3.3 个人健康管理应用 (41) 7.4 慢性病预防治疗应用（疾控中心） (42) 7.4.1 慢性病检测、发现、预警服务 (42) 7.4.2 慢性病诊断服务 (44) 7.4.3 慢性病防控治疗服务 (44) 7.5 居民健康保健应用（疾控中心） (45) 7.5.1 居民自我健康保健应用 (45) 7.5.2 政府卫生管理部门进行居民健康管理应用 (46) 7.5.3 政府医疗规划结构进行居民健康保健决策应用 (46)
教学科研大数据平台 解决方案
目录 1.概述 (3) 1.1.背景 (3) 1.2.建设目标 (3) 1.3.建设的步骤和方法 (3) 2.教学科研大数据平台概要 (4) 2.1.架构设计 (4) 2.2.教学科研大数据平台优势 (6) 2.2.1.应用优势 (6) 2.2.2.未来发展优势 (8) 3.教学科研大数据平台设计 (8) 3.1.大数据资源池 (9) 3.1.1.cProc云计算 (9) 3.1.1.1.cProc云计算概述 (9) 3.1.1.2.数据立方 (10) 3.1.1.3.混合存储策略 (15) 3.1.1.4.云计算核心技术 (15) 3.1.1.4.1.数据处理集群的可靠性与负载均衡技术 (15) 3.1.1.4.2.计算与存储集群的可靠性与负载均衡 (19) 3.1.1.4.3.计算与存储集群的负载均衡处理 (21) 3.1.1.4.4.分布式文件系统的可靠性设计 (23) 3.1.1.4.5.分布式数据立方可靠性设计 (23) 3.1.1.4.6.分布式并行计算可靠性设计 (25) 3.1.1.4.7.查询统计计算可靠性鱼负载均衡设计 (25) 3.1.1.4.8.数据分析与数据挖掘 (27) 3.1.1.4.9.cProc云计算优势 (35) 3.1.2.cStor云存储 (36) 3.1.2.1.cStor云存储介绍 (36) 3.1.2.2.cStor云存储架构 (38) 3.1.2.3.Stor云存储关键技术 (43) 3.1.2.4.数据安全诊断技术 (44) 3.1.2.5.cStor云存储优势 (45) 3.2.大数据教学基础平台 (46) 3.2.1.Hadoop架构 (46) 3.2.2.Hadoop关键技术 (47) 3.2.3.Hadoop优势 (51) 3.2.4.Hadoop教学 (51)
大数据在医疗行业的应用 医疗行业很早就遇到了海量数据和非结构化数据的挑战。在互联网大框架的结构下，大圣众包威客平台为你解读，作为一个行业的流行语，互联网+医疗的个性化服务，能给医疗保健工作者和消费者带来哪些真正的福利呢？ 据相关专项研究指出，如果能排除体制障碍，大数据分析可以帮助美国医疗服务业一年创造3000亿美元的附加价值，重点集中于医疗服务业4大领域：临床业务、付款定价、研发、新商业模式、公众健康，涵盖了十多项应用场景。 领域一：临床操作 1.比较效果研究：大数据分析获取最佳性价比治疗方案
通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在很大差异。医疗护理系统实现CER，将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式)，以及治疗不足。 2.临床决策支持系统：提高准确性，减少医疗事故率 临床决策支持系统可提高工作效率和诊疗质量。临床决策支持系统分析医生输入条目，比较其与医学指引不同地方，提醒医生防止潜在的错误，如药物不良反应。医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。大数据分析技术将使临床决策支持系统更智能，如可以使用图像分析和识别技术，识别医疗影像(X光、CT、MRI)数据，或者挖掘医疗文献数据建立医疗专家数据库，从而给医生提出诊疗建议。 3.医疗数据透明度：实现高效管理，降低成本
提高医疗过程数据的透明度，可以使医疗从业者、医疗机构绩效更透明，间接促进医疗服务质量提高。数据分析可以带来业务流程的精简，通过精益生产降低成本，找到符合需求的工作更高效的员工，从而提高护理质量并给病人带来更好的体验，也给医疗服务机构带来额外的业绩增长潜力。公开发布医疗质量和绩效数据还可以帮助病人做出更明智的健康护理决定，这也将帮助医疗服务提供方提高总体绩效，从而更具竞争力。 4.远程病人监控：慢性病患者高效照护 根据统计，中国各类慢性病患者超过3亿人，尤其是我国进入老龄化时代以后，将存在非常大的照护缺口，远程病人监护系统对治疗慢性病患者非常有用。远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。更多的好处是，通过对远
第７期 ２４ ２０１４年４月１０日 计算机教育 ＣｏｍｐｕｔｅｒＥｄｕｃａｔｉｏｎ ◆新视点 文章编号：１６７２．５９１３（２０１４）０７—００２４－０６ 中图分类号：Ｇ６４２ 大数据分析及其在医疗领域中的应用 邹北骥 （中南大学信息科学与工程学院，湖南长沙４１００８３） 摘要：互联网和物联网技术的快速发展给数据的上传与下载带来了前所未有的便利，使得互联网上 的数据量急剧增长，由此产生了针对大数据的存储、计算、分析、处理等新问题，尤其是对大数据的挖掘。文章分析当前大数据产生的背景，阐述大数据的基本特征及其应用，结合医疗领域，论述医疗 大数据分析的目的、意义和主要方法。 关键词：大数据；物联网；医疗；大数据挖掘 １ 大数据早已存在，为何现在称之为大
数据时代 计算与数据是一对孪生姐妹，计算需要数据，数据通过计算产生新的价值。数据是客观事 物的定量表达，来自于客观世界并早已存在。例 如，半个世纪前，全球的人口数量就有数十亿，与之相关的数据就是大数据；但是在那个时代，由于技术的局限性，大数据的采集、存储和处理 还难以实现。 互联网时代之前，采集世界各地的数据并让它们快速地进入计算系统几乎是一件不可想象的 事情。２０世纪８０年代兴起的互联网技术在近３０ 年里发生了翻天覆地的变化，彻底地改变了人们的工作和生活方式【ｌ】。通过互联网人们不仅可以下载到新闻、小说、论文等各类文字数据，而且可以轻而易举地下载到音乐、图像和视频等多媒体数据，这使得互联网上的数据流量急剧增长。据统计，现在互联网上每分钟流人流出的数 据量达到１ ０００ ＰＢ，即１０亿 ＧＢｔ２１。 推动大数据产生的另一个重要因素是物联网技术。近几年发展起来的物联网技 术通过给每个物品贴上标签 并应用ＲＦＩＤ等技术实现了
高校大数据平台解决方案、高校智慧校园解决方案
1.项目概况 近年来，随着信息技术产业的蓬勃发展，高校的信息化建设工作也受到了广泛关注。推进高校信息化建设，打造数字化校园已成为各高等院校的普遍共识。由于信息化建设初期缺乏统一规划，数据标准各异，业务系统各自为政，导致数据非集成化并形成了许多的信息孤岛，这使得大量数据无法共享和利用，获得更大价值。 数据共享交换平台是整个数字化校园建设的重要组成部分，利用平台对校园内散乱分布的数据进行集成化整合，同时将原来分散、利用率低下的信息资源进行数据挖掘，对于学校的发展战略和决策支持具有重要意义。 另外，数据共享交换平台的建设是高校信息化建设下一阶段——智慧校园建设的工作基础。完成对学校内大数据有机的整合和继承管理，掌握学校各项活动中发生的庞大、海量数据，并利用大数据处理技术对这些信息资源进行挖掘、整理、分析，为学校的发展提供决策支持，是大数据时代下支撑学校改革、发展的重要手段。 2.智慧校园建设方案！高校统一数据中心解决方案平台设计目标及思路 大数据时代的教育带有“大教育”的特性，具有全员（从全日制学生到全民，面向所有人）、全程（从学前教育到终身教育，服务各个教育阶段）、全方位（家庭、学校、社会三位一体教育，无所不在的教育，虚实结合的教育）等特点。随着在线平台的推广和普及，越来越多的老师将自己的授课视频放上网。互联网上的眼睛将使所有错误无所遁形，在无数人的编辑之下，知识传播的形式将不断优化、效率会不断提高。在数据的不断累积当中，视频将会沉淀下来，成为经典的学习材料。 目前，建设以全局数据为基础的数据共享交换平台已成为各高校信息化建设的核心内容。通过其建设可以有效消除信息孤岛，节约人力、物力、财力成本，提高工作效率。各职能部处可以通过该平台获取其他业务部门的数据信息，通过对数据的交换、共享、分析、挖掘，为广大师生提供更加完善的服务，为高校建设以及科学管理提供重要的依据。
高校大数据专业教学科研平台建设方案 一、项目建设的意义及目的 芝诺数据自主研发的高校大数据教学科研平台以校企联合培养模式为手段，通过校企合作联合培养机制，让企业、行业深度参与人才培养过程，逐步实现校企共同制定培养目标、共同建设课程体系和教学内容、共同实施培养过程、共同把控培养质量，全面提升学生的应用实践能力。该平台以应用型人才培养为目标定位，在以解决现实问题为目的的前提下，使培养的学生有更宽广和跨学科的知识视野，注重知识的实用性，有创新精神和综合运用知识的能力。注重培养学生具有在创新中应用、在应用中创新的能力，让学生真正学会大数据行业各个岗位真正的职业技能。 二、功能模块和建设思路 芝诺大数据教学科研平台构建总体分为三大部分，一是平台硬件，二是教学与实验支撑系统（包括：芝诺数据综合分析ZDM平台、芝诺数据教学实训平台），三是产品服务体系。 具体如下：
教学与实验支撑系统由芝诺数据综合分析ZDM平台和芝诺数据教学实训平台构成，教学与实验支撑系统部署在大数据教学科研一体机中。 二、项目建设的目标及内容 1、项目建设目标 1）平台的建设能让高校大数据专业与实际应用相结合，提高学生的学习、实践和创新创业能力，能够培养实用性人才所需的专业能力，提升教学效果与就业率，为“大数据时代”的创新人才培养做出贡献。
2）平台的建设将支撑大数据去冗降噪、大数据融合、大数据可视化等关键技术研究，能够服务于学校的教学和科研，有助于大数据方向发展和自主创新，有利于创新团队培育和高水平研究成果积累，有利于提升教师的教学和科研水平，推动教学和科研团队建设。 3）平台的建设搭建可以发挥学校的行业优势，体现学校办学特色，推进与国内外高校、科研机构和企业间的产学研合作，开展项目合作研究和人才培养，促进科研成果转化，促进产学研协同创新。 4）平台的建设有利于促进学科交叉与融合。 2、项目建设内容 1）模块一：平台相关硬件建设 本模块主要包含：大数据教学科研一体机 技术参数：
医疗行业大数据方案
目录 1.医疗行业大数据发展背景 (3) 2.医疗行业数据分析 (3) 3.医疗大数据方案设计 (4) 4.方案收益 (7)
1.医疗行业大数据发展背景 在过去的30年间，我国的医疗行业经历了医改、新医改，医疗信息化也经历了从数字化、四梁八柱、35212等不同的发展阶段，信息技术的发展使数字化医疗日趋成熟。云计算、大数 据等新兴技术的推动又给医疗信息化及新医改带来了新的契机，本文将从大数据的角度进行分 析，探讨医疗信息化的发展方向。 如何把医疗大数据转换为经济价值，“关键是怎么能够提取出与诊疗有关的数据。”医疗 行业的大数据集量大且繁杂，其中蕴含的信息价值也多样且丰富，如果能够对其进行有效的存 储、处理、查询和分析，那么就可对于小到辅助某个临床医生做出更为科学和准确的诊断和用 药决策，或帮助某个医院根据患者潜在需求开发全新个性化服务及自动服务，大到帮助相关研 究机构突破医疗方法和药物革新，或支持地区甚至全国医疗行业主管部门优化医疗资源及服务 配置，提供前所未有的强力支持。 然而，如何将海量、复杂的数据的存储、处理和保护成本降至最低，同时还能对此进行实 时或准实时的处理、查询需求响应以及智能、深入的分析，推出针对医疗行业大数据设计和优 化的智能管理、分析、查询及存储平台，来替代传统关系型数据库平台，顺利帮助用户跨迈大 数据应用这道门槛。 2.医疗行业数据分析 根据医疗数据的所属部门，通常将其分为医疗管理机构及医疗服务机构，不同机构的应用系统各不相同，其数据类型及数据量也大相径庭。分析如下： 数据来源：数据通常来源于诸如公共卫生系统（妇幼、防疫、血站等）、院内系统、及对 两种系统融合的区域卫生平台。 数据规模：由于公卫系统相对独立，其数据量相对较小，通常情况下，单一公卫系统中一 年的数据规模约为10T；院内系统的应用类型繁多，诸如CISC、PACS等均会产生大量的数据，普通三甲医院的数据规模约为几十T；区域平台是基于EMR（个人健康档案）及EHR（个人电子病历）建立的，其数据量比上述两种系统的总和还要庞大，通常的市级区域卫生平台的一年 的数据规模约为上百T。
医疗大数据分析应用平台产品解决方案 （初稿） 本应用平台产品的总体方案思路是：基于目前医疗服务机构及相关机构已有的HLI、NHLI、HIS等有关系统形成并积累的医药医疗大数据和信息，采用最新的大数据技术、云计算技术、BI和数据挖掘技术，形成对医疗行业具有新视角、全方位、智能性、预测性、可视性的深层次展示分析效果（Insight），揭示医疗行业整体规律和内在发展趋势，揭示患者个体的独有特质并形成个性医疗，将医疗行业的宏观大势与每个患者的微观个体定性定量描述有机结合，达到支撑和形成医疗行业新应用场景和新服务模式。“医药医疗大数据”是具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，但需要新计算处理模式。 1.背景介绍 根据国际著名分析机构Gartner给出的定义：大数据就是那些具有规模大、速度快、种类多三大特征的数据资产。大数据分析从海量数据中筛选出有用的信息，然后通过各种手段将信息转化为洞察力，从而做出正确决策，并最终推动业务发展。通过一系列分析处理，大数据可以帮助企业制定明智且切实可行的战略，获取前所未有的客户洞察，支持客户购买行为，并构建新的业务模式，进而赢得竞争优势。 随着人们的生活水平不断提高，健康也越来越受到家庭的关注。2009 年2 月27 日，我国卫生部公布的第四次国家卫生服务调查结果显示，截止至2008 年，我国居民脑血栓，糖尿病，高血压等慢性病病例数达到2.6亿，占全国总人
数的20%，其中高血压病人对自身疾病的知晓率只有30%，同时这些病人中的治疗率只有25%，控制率仅为6%，糖尿病病人中，能坚持做到规范治疗的也只有33%。由此我们可以看出，建立科学、规范、高质量的慢性病管理策略，实现对人体慢性病的监护具有重大的意义。通过慢性病的早期诊断和监护，不仅能提前预防和控制各种疾病，还能帮助他们合理用药，减少医药开支。另一方面，我国公共医疗卫生资源紧缺，城乡医疗卫生资源的差距比较大，城市人口平均拥有的医疗卫生资源是农村人口的2.5倍以上，比如，占全国总人口近70%的农村拥有全国医疗卫生资源的30%，而占全国总人口30%的城市却占有全国医疗卫生资源的70%，优质的医疗卫生资源集中分布在城市，尤其是大城市。因此，实现城乡之间的医疗卫生资源共享成为丞待解决的重要问题。 同时，随着国家积极倡导“3521”医疗系统建设，我国医疗领域信息化程度得到了很大的提高，预计在全国会出现上百个医疗数据中心，每个数据中心都将承载近1000 万人口的医疗数据，数量多、更新快且类型繁杂，使医院数据库的信息容量不断膨胀，这就产生了医疗大数据。医疗大数据通常具有以下特征: (1) 数据巨量化: 区域医疗数据通常是来自于拥有上百万人口和上百家医疗机构的区域，并且数据呈持续增长的趋势。依照医疗行业的相关规定，患者的数据通常至少需要保留50 年。 (2) 服务实时性: 医疗信息服务中会存在大量在线或实时数据分析处理的需求。例如: 临床中的诊断和用药建议、健康指标预警等。 (3) 存储形式多样化: 医疗数据的存储形式多种多样，例如各种结构化数据表、非( 半) 结构化文本文档、医疗影像等。 (4) 高价值性: 医疗数据对国家乃至全球的疾病防控、新药研发和顽疾攻克
区域教育大数据统计与分析系统的构建研究 【论文编号】1671-7384（2018）010-025-08 问题的提出 1.区域教育大数据统计分析现状 对于区域来讲，如果使用的教育大数据统计软件是单机版本，没有建设自身的教育大数据采集网络，那样会造成数据无法共建共享，形成数据孤岛，也会造成数据无法在线实时收集，不能有效办公。区域教育相关的数据都有一定的规模，但数据处于异构且分散在不同部门不同系统中，没有形成区域的教育大数据，对于教育大数据的分析挖掘与可视化展示方面的应用也无法开展。 2.区域教育大数据统计与分析系统构建需求 区教委层面：系统能够提高区级教育管理单位的统计管理水平，增强科学决策能力。 随着教育事业的发展，区级教育管理单位对教育统计的管理日益精细化，需应用现代化的信息技术手段完成现有工作，并建立全区的教育大数据为教育教学以及教育管理提供决策支持服务。 如根据工作需要，快速的发布统计报表采集任务，在整个统计填报周期可全程监控统计数据填报的进度与质量，达到实时评价、实时指导、实时核查的目的从而进一步保障数据的质量；再
如通过大数据分析，区级教育管理单位可以及时了解区域在教育综合改革中相关决策实施的效果，全面掌握全区智慧教育建设的进度和水平，准确把握各级学校在教学活动中的相关情况等。 基层学校层面：区域教育大数据统计与分析系统能够为基层学校统计工作减负，提高教育服务能力。在教育事业统计方面，单机版教育大数据统计系统需要在每个学校独立安装，由于统计人员变动大、信息化水平不高、系统安装步骤繁琐、没有固定用于统计用的电脑等因素导致的学校每年在系统安装上的工作难度较大。 在大数据分析方面，学校需要通过对教师、学生在教学活动中各方面数据的收集、分析，挖掘出有利于提高学校管理效率、提升教学质量、辅助学生健康成长等多方面的决策服务数据，真正意义上实现智慧教育下教育质量的跃升。 系统构建原则 实用性原则。首先应该保证在系统生命周期内系统的实用性，选用成熟的技术，确保满足实际业务需求。 先进性原则。在技术选择上，应充分考虑技术先进性和成熟性之间的平衡，一方面保证整体信息体系的先进性，同时有效避免尖端技术给信息系统带来的不确定性和潜在风险。 业务性原则。紧密围绕区域教育大数据统计业务，系统应能适应目标的多重性，环境的多变性，方法的多样性。 可靠性原则从系统结构、技术措施、系统管理等方面着手，
大数据与健康医疗 1.德国于2011年提出（）新理念，旨在整合、联网一个地区的医疗资源，可善医疗服务。（5.0分） A.“科学时 代” B.“模式转 变” C.“联网健 康” D.“健康监 测” 我的答案：C答对 2.2016年10月份，“健康中国（）规划”得以发布，在这个规划里面也把医疗健康大数据应用创新与发展列入了国家一项重要任务。（5.0分） A. 2023 B. 2030 C. 2020 D. 2010 我的答案：B答对 3.我国各地市区域医疗信息化平台招投标正在快速展开，预计未来几年公共卫生信息化将保持在（）的高速增长。（5.0分） A.20% -30% B.20% -35% C.20% -40% D.30% -50% 我的答案：A答对 4.下列选项不属于健康医疗大数据应用发展中的要点的是（）。（ 5.0分） A.互联 互通
B.标准 规范 C.政策 支撑 D.应用 创新 我的答案：D答对 1.1970年哈佛大学在关于资源三角形的论述中指出( )是推动社会发展的三种基本资源。（10.0分）） A. 材料 B. 能源 C. 信息 D. 数据 我的答案：ABC答对 2.下列选项属于健康大数据的背景是（）（10.0分）） A.行业复杂，极难标准化 B.医院资源有限，利用有 限 C.个人信息缺乏，信息不 对称 D.真正的健康医疗大数据 我的答案：ABCD答对 3.下列选项属于健康医疗大数据特征的包括（）。（10.0分）） A.数据规模 大 B.数据结构 多样 C.数据增长 快 D.数据价值 高 我的答案：ABCD答对 4.下列选项属于健康医疗大数据来源的是（）。（10.0分）） A.医疗领域内数据
智慧高校大数据平台 建 设 方 案 I
目录 第1章前言 (8) 1.1、大数据发展分析 (9) 1.1.1、大数据定义 (9) 1.1.2、大数据5v特征及其应用 (10) 1.2、高校大数据建设背景 (11) 1.2.1、战略机遇 (11) 1.2.2、大数据产业政策支持 (12) 1.3、高校大数据建设面临问题 (13) 1.3.1、高校大数据应用分析 (13) 1.3.1.1、数据规模日益庞大 (13) 1.3.1.2、缺乏稳定高效的大数据环境 (14) 1.3.1.3、数据利用不充分 (14) 1.3.1.4、数据驱动带来的科研新挑战 (14) 1.3.2、高校大数据数据源分析 (14) 1.3.2.1、数据涉及面窄 (14) 1.3.2.2、有效数据量少 (15) 1.3.2.3、数据接口不完善 (15) 1.3.3、高校大数据服务用户分析 (15) 1.3.4、高校大数据建设责任制问题 (16) 1.3.4.1、校领导 (16) I
1.3.4.2、教师 (17) 1.3.4.3、学生 (17) 1.3.4.4、家长 (17) 1.3.4.5、校园环境 (17) 1.3.4.6、教学管理与服务 (17) 1.3.4.7、社会 (17) 1.4、建设原则 (18) 1.4.1、安全性 (18) 1.4.2、可扩展性 (18) 1.4.3、灵活性 (18) 1.5、建设目标 (18) 1.5.1、实现数据的共享和交换 (18) 1.5.2、大数据的采集和存储 (19) 1.5.3、大数据分析与决策 (19) 1.6、高校大数据平台建设意义 (19) 1.6.1、实现个性化学习 (19) 1.6.2、实现教育评价体系重构 (20) 1.6.3、实现科学研究范式转型 (20) 1.6.4、开启“大数据创客”新模式 (20) 1.6.5、实现教学模式改革 (20) 1.6.6、实现科学化教育管理 (20) II
大数据分析在智慧教育中的应用研究 摘要：传统面向高校智慧教育的数据分析平台难以从海量智慧资源中准确分析学生学习行为，导致在面向试题的难度预测中，存在准确率低的问题。针对上述问题，开展面向高校智慧教育的大数据分析研究工作，给出智慧教育体系架构的构成以及数据分析平台，利用 Hadoop 技术对智慧教育资源进行分析与处理，采用数据挖掘算法并结合云计算技术深入分析和解释学生学习行为数据的采集、汇聚，获取学生学习行为的隐性和显性行为，评估教育质量，预测学生日后学习表现，建立学生认知模型与可视化图表，把得到的数据智能融入智慧教育体系架构。将该体系架构应用于在线教育系统提供的答题数据，预测英语阅读试题难度。测试结果表明，试题难度评估预测性能较好。 关键词：大数据分析；高校智慧教育；数据挖掘算法；Hadoop 技术；云计算；学生认知模型
目录 1、引言 (3) 2、高校智慧教育大数据分析 (4) 2.1、高校智慧教育体系架构 (4) 2.2、面向学生学习行为的大数据分析技术 (5) 3、实验结果与分析 (8) 4、结论 (9)
1、引言 大数据、人工智能技术的发展和广泛应用，使得“互联网?教育”成为高等院校教育改革与发展的重要研究方向[1]。“智慧教育”的提出更是将高校教育信息化提升到前所未有的新高度[2]。面向高校智慧教育的大数据分析逐渐成为研究广泛关注的重要研究方向之一[3]。目前，相关学者已研究 出多项针对智能辅助系统的数据分析平台。例如：李爽等人通过学生学习行为投入测量指标构建数 据分析平台[4]。这些测量指标更有利于分析和测量教学智能辅助系统的学习行为。周效章以云计算、大数据分析技术为依托，按照“线上?线下?线上”为教育实施路径，构建了“在线教育平台+学习中心”融合教学模式的数据分析平台[5]。上述数据分析平台缺乏对学生学习行为数据合理的整合管理 模式，易造成信息孤岛，无法准确分析学生学习行为数据，导致在面向试题时的难度预测精度较低。在分析国内智能辅助系统的数据分析平台现存问题的基础上，构建“面向高校智慧教育的大数据分 析平台”，以推动我国高校智慧教育发展。
健康医疗大数据研 究 分 析 报 告
目录 第一章大数据背景与动态 (3) 1.1 大数据的宏观价值与背景 (3) 1.1.1国家——保障数据安全，促进数据开放 (3) 1.1.2政府——转变理念，集成信息，抓住机遇 (5) 1.1.3学术——科学的研究数据，用数据来研究科学 (6) 1.1.4产业——产业需要变革，行业需要互融互通 (7) 1.1.5公司——平台化竞争，特色应用化生存 (8) 1.1.6投资——大数据将提供价值分析新视角 (9) 1.2 国内外大数据发展动态 (10) 1.2.1国外大数据发展动态 (10) 1.2.2我国大数据发展动态 (15) 1.2.3大数据相关社区 (18) 1.2.4我国大数据行业协会 (22) 第二章健康医疗大数据分析 (24) 2.1 健康医疗大数据应用现状 (24) 2.2 国外健康医疗大数据分析的应用 (26) 2.3 大数据技术提升传统医疗信息系统效率 (27) 2.4 大数据在区域化医疗卫生管理分析应用 (29) 2.5 基于互联网大数据的疾病指数预测应用 (32) 2.6 健康医疗大数据发展趋势 (35)
第一章大数据背景与动态 1.1 大数据的宏观价值与背景 从大历史观来看，“大数据”的内涵远远超越物联网、云计算等信息技术的 概念，它的意义可以比肩“活字印刷术”的发明，大范围的消除信息不对称的现象，释放巨大的生产力，深刻改变社会的面貌，提升国家治理，革新科学研究的 思想，促进产业间的跨界、融合和颠覆，并将极大的促进文明的传播、凝聚、和 升华。 数据自古存在。乌龟壳、树皮、绸缎都曾经是记录数据的媒介，现在都已经 退出了舞台；留声机、磁带机也曾经风靡一时，也已难觅踪影；现在当红的信息 技术，像个人电脑、智能手机、IPad 在不远的将来也将被陈列在博物馆。唯有 数据，虽然不断的变换表现形态，将一直伴随人类走向未来。 物联网本质上是器物层面的技术，从大数据的视角而言，是采集数据的终端。云计算本质上是IT 服务交付手段的变革，并由此引发一系列技术基础架构的更新。物联网和云计算都是信息技术发展的一定阶段的自然延伸，依然属于信息技术范畴。而大数据可以看成是数据积累到一定规模后，引发的质变。大数据超越信息技术，使人们重新界定国家竞争的主战场，重新审视政府治理水平，重新认识科学研究的新范式，重新审视产业变迁的驱动因素，重新理解投资的决策依据，重新思考公司的战略和组织。 综上所述，大数据将是保障国家安全、社会治理和推动经济发展的恒久主题！ 1.1.1 国家——保障数据安全，促进数据开放 2012 年3 月份，奥巴马发布了美国版的《大数据发展计划》，通过这个计划，可以看出：国家层面大数据技术领域的竞争事关一国的安全和未来。国家数字主权体现为对数据的占有和控制。数字主权将是继边防、海防、空防之后，另一个 大国博弈的空间。大数据必须上升为国家意志，落实为国家战略。欧盟、日本、 新加坡等国家已经开始纷纷行动。
智慧高校大数据分析平台 解决方案
目录 第1章建设思路和建设目标 (15) 1.1、总体建设内容概述 (15) 1.2、总体建设理念 (16) 1.2.1、搭平台 (16) 1.2.2、定标准 (16) 1.2.3、上应用 (18) 1.2.4、成体系 (18) 1.2.5、集中管 (21) 1.2.6、特色建 (21) 1.3、总体目标 (22) 1.3.1、培养人才目标 (22) 1.3.2、推动教育治理体系和治理能力现代化目标 (22) 1.3.3、平台建设目标 (23) 1.3.3.1、高校平台建设标准化 (23) 1.3.3.2、平台云化 (23) 1.3.3.3、业务能力云化 (24) 1.3.3.4、服务集中化 (24) 1.3.3.5、应用移动化 (24) 1.3.3.6、应用扩展化 (24) 1.3.3.7、资源可持续化 (24) 1.3.3.8、管理可视化 (25) 1.4、总体架构设计 (25) 1.4.1、总体架构 (25) 1.4.2、云平台整体架构 (27) 1.4.3、系统技术路线设计 (27) 第2章高校大数据总体规划 (29)
2.1、高校大数据建设背景 (29) 2.1.1、战略机遇 (29) 2.1.2、大数据产业政策支持 (31) 2.2、高校大数据的来源 (32) 2.2.1、个体高校大数据 (33) 2.2.2、课程高校大数据 (33) 2.2.3、班级高校大数据 (33) 2.2.4、学校高校大数据 (34) 2.2.5、区域高校大数据 (34) 2.2.6、国家高校大数据 (34) 2.3、高校大数据采集技术图谱 (35) 2.4、高校大数据建设面临问题 (35) 2.4.1、产品同质化严重 (36) 2.4.2、分析端是整体短板 (36) 2.4.3、缺乏统一的行业标准 (36) 2.4.4、大数据价值尚未体现 (36) 2.4.5、数据模型的科学性不足 (37) 2.4.6、数据的权利制度未明确 (37) 2.4.7、数据规模日益庞大 (37) 2.4.8、缺乏稳定高效的大数据环境 (37) 2.4.9、数据利用不充分 (38) 2.4.10、数据驱动带来的科研新挑战 (38) 2.5、高校大数据云平台建设原则 (38) 2.5.1、要提前规划设计 (39) 2.5.2、要有清晰的边界 (40) 2.5.3、要保持连续性和规范性 (40) 2.5.4、采集粒度要尽可能小 (41) 2.5.5、高校大数据数据源分析 (42) 2.5.5.1、数据涉及面窄 (42)
龙源期刊网 https://www.doczj.com/doc/4315202010.html, 高校大数据平台建设研究 作者：李金旭吕书林 来源：《电脑知识与技术》2017年第16期 摘要：大数据已经成为提升社会、提升高校的创新力和生产力，已经成为高校信息化建设过程中必须要面对的问题。文章讨论了高校大数据平添建设的三大用途，给出了从构建基础硬件层，到利用云计算、大数据的数据集成、数据安全、服务器集群、数据计算与挖掘分析等技术的Hadoop生态体系大数据平台的技术架构。 关键词：高校；大数据；数据集成；挖掘分析 中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2017）16-0013-02 1概述 近年来，移动互联网、云计算、大数据、物联网等信息技术取得了突飞猛进的发展，已经在深刻地改变着人类社会的方方面面。“互联网+”、大数据已经上升到了国家战略层面，成为提升社会的创新力、生产力，促进经济发展新形态的基础设施和现实工具。高校作为人才培养、技术创新的前沿阵地，需要充分感知最新技术发展方向，掌握和创新最前沿科学技术，培养时代迫切需求的创新型人才。 2高校大数据平台的用途 2.1培养大数据人才的平台 根据国内外高校开展大数据课程建设经验以及现有大数据技术就业市场需求而构建的大数据人才培养平台，以大数据为方向，引进国内外先进大数据技术、成熟解决方案以及管理与教学内容，搭建云计算、大数据管理技术、大数据应用软件开发等技术平台，培养学生研究大数据科学与工程领域问题、解决大数据实际应用问题的能力，系统掌握大数据主流的存储、管理、分析处理技术，以及大数据平台架构和建设，实现科研、教学与社会服务的顺畅衔接，逐步打造以培养大数据人才为核心的科研、教学基地。 创新意识、创新精神、创新思维、创造力或创新人格等春心素质的培养需要一个长期的过程、创新教育与科教教育相结合，纳人人才培养体系，利用大数据、“互联网+”、云平台的优势，构建大数据人才平台、打造创新教育人才培养模式、创新教育教学组织新形式，使学生掌握企业运作的过滤与本质，增加师生良性互动，真正培养出社会、企业所需要的创新型人才，如图1所示。
在未来学家的眼里，大数据正是“第三次浪潮的华彩乐章”，如今大数据确实已经开始发挥作用。美国这一一贯走在世界前列的国家于2012年3月22日就宣布投资2亿美元拉动大数据相关产业发展，并将“大数据战略”上升至国家战略。奥巴马政府将大数据定义为“未来的新石油”。众所周知，石油这一重要能源在一个国家的诸多行业均发挥着重要作用，奥巴马如此定义可见其对大数据的重视程度，因此美国公布医疗健康大数据、让其发挥作用也就不足为奇。 大数据处理在医疗行业的应用包含诸多方向，如临床操作的比较效果研究、临床决策支持系统、医疗数据透明度、远程病人监控、对病人档案的先进分析;定价环节的自动化系统、基于卫生经济学和疗效研究;研发阶段的预测建模、提高临床试验设计、临床实验数据分析、个性化治疗、疾病模式的分析;新商业模式的汇总患者临床记录和医疗保险数据集、网络平台和社区。 例如，有大数据参与的比较效果研究可以提高医务人员的效率、降低病人的看病成本和身体损害。这主要是在全面分析病人特征数据和疗效数据基础上，对比多种干预措施的有效性，找到针对特定病人的最佳治疗途径。目前英国NICE(国家卫生与临床技术优化研究所)、德国IQWIG(质量和效率医疗保健研究所)、加拿大普通药品检查机构等都开始了此项项目并且取得了初步成功。
有大数据参与的远程病人监控可以减少病人住院时间，实现医疗资源的最优化配置。数据表明，美国上亿人次的糖尿病等慢性病患者医疗费用占据整个医疗卫生系统医疗成本的80%。若使用远程病人监护系统实现预防，不仅可以降低病人出现意外的风险，同时也节约医疗资源，同时创造了社会和经济价值。 而大数据参与的预测建模对于企业研发新品而言作用更为明显，主要表现在节省研发成本和获取经济效益两个方面。一方面，医药公司在新药物研发阶段，可以通过数据建模和分析，确定最优效率的投入产出比，从而配备最佳资源组合，无疑可以节省研发开支;另一方面，一般新药从研发到上市时间一般为13年，预测模型可以帮助企业缩减3~5年，对于企业抢占市场先机非常重要。 综上来看，大数据的利用可以帮助医疗行业提高生产力、改进护理水平、增强竞争力、加快增长和创新。若大数据能被充分利用，临床操作阶段美国医疗健康开支一年就将减少165亿美元;付款阶段美国将有潜力创造每年500亿美元的价值;研发阶段美国每年将会创造1000亿美元的价值。如此来看，巨大的经济效益是美国公开大数据信息的重要考虑。 因为只有公开数据，企业才能获得数据，也才能有后续的加工和整合。政府在获得大数据方面具有优势，因此也就成为公布大数据的主体。