基于数据中心的数据治理平台建设

基于数据中心的数据治理平台建设

陆倩 赵巍 瞿怀荣 刘燃峰 通讯作者 : 李中鹏

江苏省连云港市第一人民医院 江苏连云港 22100

摘要：目的：利用数据中心建设，对医院信息架构进行了深度优化，从而保障核心数据的质量及标准。方法：采用B/S架构建设数据治理平台，系统内置电子病历评审知识库及数据治理规则，可有效分析医疗大数据存在的问题。结果：通过对数据资产的管理，数据标准的管理，数据质量的管理对医院信息架构进行深度优化，为信息化建设打下基础。

关键词：大数据、数据中心、数据质量

1、引言

现阶段，医院已进入以患者主索引为中心的“大数据时代”，海量的医疗数据怎样才能实现高效的利用。基于数据中心的数据治理平台建设成为各医院信息化建设的重要组成部分^[1]。

2、数据治理平台架构设计

1. 系统采用B/S架构，客户端零安装，方便系统维护。

2. 系统内置国家、行业、院内标准术语，并可实现院内主数据的统一管理，包括但不限于人员、科室、检查检验项目、药品、耗材、诊断ICD、手术ICD等。

3. 数据标准的同步及分发，支持多种接口方式，如Web Service、Restful API、 存储过程等方式，Web Service内容支持Xml 和Json格式。

4. 系统支持下载数据标准对接的接口代码示例，便于各业务系统对接。

5. 系统支持主流数据库系统SQL Server、Oracle、MySQL、Sybase等关系型数据库。

3. 数据治理平台功能分析

3.1数据资产管理

数据资产管理系统的核心在于有效解决对数据资产进行管理的实践性问题，既帮助医院合理评估、规范和治理医院信息资产，又可以挖掘和发挥数据资产价值并促进持续增值，并符合智慧医院大数据应用的发展趋势。

数据资产管理的数据分析包含：血统分析、影响分析、表重要程度分析、表无关程度分析等等。通过上述分析，让用户对整个数据仓库总体上有清晰的认识和理解，解决数据孤岛的问题。

数据资产管理系统是对医院的数据进行资产化管理，把数据的登记，变更，使用，作废进行全生命周期管理。帮助医院评估、规范和管理医院的数据资产，挖掘和发挥数据资产价值并促进其持续增值。通过对数据、应用、系统的综合管理，构建标准化、流程化、自动化、一体化的数据治理体系。

3.1.1数据资产变更管理

数据资产的变更管理，主要是从制度规范及变更流程进行管理，以保障变更的准确性，一致性，可追溯。数据资产包括元数据、数据模型、标准数据、主数据等^[2]，这些数据一旦发生变更，会牵扯到很多相关消费系统，因此在数据资产的变更管理是非常重要的。数据资产变更管理可以按照资产类型的分类，进行不同的变更管理。

3.1.1.1元数据/数据模型变更管理

元数据变更与数据模型的变更，可能都会对其他应用系统有一定影响，甚至可能影响其他系统的正常运行，因此元数据与数据模型变更一定要进行安全上的管控，以下为参考变更流程：

图：元数据变更流程

3.1.1.2主数据/标准数据变更流程

对主数据及标准数据的变更进行管理，是为了保证主数据及标准数据的标准，权威性，如果不对相关变更进行管控，通过数据治理得到的结果将会很快回到之前的混乱状态。 主数据、标准数据的变更进行管理，能给医院带来的好处：

1. 1. 1. 1. 1. 1. 1. 数据变更的规范化，制度化管理，使得相关数据不能被轻易的变更。

                  2. 主数据，标准数据的权威性能得到保障。

                  3. 通过变更管理，形成相关的版本控制，实现数据的可追溯性。

主数据、标准数据的变更流程可采用如下：

图：主数据、标准数据的变更流程

3.2数据标准管理

数据标准管理是指一组约束和方法用来保证医院内主题域和系统内相关数据和跨主题域和系统的相关数据的实时性、含义和质量。数据标准管理系统保证系统协调和重用通用、正确的业务数据(主数据)。数据标准管理作为应用流程的补充，能够通过从各个操作/事务型应用以及分析型应用中分离出主要的信息，使其成为一个集中的、独立于医院中各种其他应用核心资源，从而使得医院的核心信息得以重用并确保各个操作/事务型应用以及分析型应用间的核心数据的一致性^[3]。通过主数据管理，改变医院数据利用的现状，从而更好地为医院信息集成做好铺垫。

3.2.1系统架构

图：数据标准系统架构

数据标准管理包括数据模型管理、数据管理、数据应用和数据服务等功能。

数据标准模型管理主要对数据标准系统中存入的标准字典和业务系统字典的表结构进行管理；数据管理针对标准值域值进行管理，包括数据的增、删、改、导入，数据映射等功能模块；数据应用为使用MDM中数据的消费系统提供管理，包括数据导出、订阅管理、数据审核发布等功能；数据标准管理同时对外提供数据注册、数据查询等各类服务，为外部系统调阅使用，从而实现医疗机构分散在各业务系统的基础数据的统一的、标准的管理。

3.3数据质量管理

数据质量是保证数据应用的基础。衡量数据质量的指标体系有很多，几个典型的指标有：完整性（数据是否缺失）、规范性（数据是否按照要求的规则存储）、一致性（数据的值是否存在信息含义上的冲突）、准确性（数据是否错误）、唯一性（数据是否是重复的）、时效性（数据是否按照时间的正常业务时间出来）。数据质量是描述数据价值含量的指标。完善的数据质量管理是保障各项数据治理工作能够得到有效落实，达到数据准确、完整的目标，并能够提供有效的增值服务的重要基础。

数据治理核心部分是如何保障数据的质量及标准，在数据治理过程中需要根据数据治理的内容，建立相应的流程，且遵循数据治理的规章制度，实际操作中可结合所使用的数据治理工具，与数据治理厂商项目组协商，建立符合医院的数据资产生命周期数据质量及标准的管理。

1、做好事前预防。保障医院的数据治理政策、规章制度的贯彻落实，就是最好的事前预防措施，在系统建设过程中，将相关的制度规范和职责要求在系统中进行控制和约束，并在流转的各个环节由相应的组织和角色负责，实施认责机制。

2、加强事中监测。应组织分析各领域的数据质量问题，监测报告各系统的数据结构变化情况，数据分布情况，数据对业务服务的满足情况、在线数据增长情况、数据空缺和质量恶化情况等。这些事中监测过程除了需要规章制度的保障之外，还需要有可靠的工具或平台来进行分析，避免凭空管理。

3、进行事后评估和整改。定期对系统开展全面的数据治理状况评估，从问题率、解决率、解决时效等方面建立评价指标，通过系统记录并跟踪需要整改的数据问题，要求按期整改优化，必要时进行一定的考核。一般时候评估与整改可以安排在项目投产一周后，并按年进行回顾。

3. 总结

通过基于大数据服务平台建设，对医院信息架构进行了深度优化，为后续建设智慧医院、互联网医院等提供了信息架构的支持，为医院后续信息化建设打下坚实的基础。

参考文献

[1]温煜,唐丹,徐双平,宋薇.基于大数据架构的医院数据中心管理[J].中国数字医学,2018,13(12):15-16+5.

[2]柳亦博.人工智能阴影下:政府大数据治理中的伦理困境[J].行政论坛,2018,25(03):97-103.

[3]刘彬芳,魏玮,安小米.大数据时代政府数据治理的政策分析[J].情报杂志,2019,38(01):142-147+141.