随着院门诊规模的不断扩大，门诊就诊人次不断攀升，医院的数据量增长迅猛，产生的数据规模越来越大。如何系统、及时、准确、全面、智能的为医院管理者提供数据服务，分析病人的就医瓶颈，缩短患者无效等待时间，合理分配门诊诊疗资源，提高医疗质量，使得门诊管理更加精细化、智能化成为当今的工作目标。随着信息化技术的发展， 商业智能(BI)开始被引入到医院管理中，并且成为信息化应用的新热点，对提升医院的医疗质量，提高医院科学管理水平，具有重要意义。

1 商业智能BI

1.1 BI 概述

商业智能BI是运用数据仓库技术、在线分析和数据挖掘等技术来处理和分析数据，它允许用户查询和分析数据库或数据仓库，进而得出影响医疗活动的关键因素，最终帮助用户做出更好、更合理的决策。目的是为决策者提供决策支持将数据变为知识。

1.2 医院BI 必要性

随着医院信息化的快速发展，积累了海量的管理与医疗数据, 但在信息资源的开发应用方面，普遍存在以下问题：原始信息多、加工整理少；孤立分散多、联合共享少；为宏观服务多、为微观服务少；静态信息多、动态信息少。如何整合医院中的各类信息资源，进行有效的开发利用，构建一个以患者为核心，覆盖广泛的应用领域，面向不同信息使用者的数据分析平台就显得尤为迫切与重要。为此，把商业智能技术引入医院信息统计领域，建立注重整合业务数据和辅助决策分析的BI系统。

2 医院BI系统设计

2.1 BI系统架构

我院BI决策支持平台的框架是结合中间件技术的多层构架，由数据汇总层、模型架构层、服务应用层、数据交换层组成，并根据权限管理、信息安全策略以及数据交换协议等控制整个数据流的规范化处理（见图1）。

2.2 数据仓库的建立

我院BI平台的构建基于独立的数据仓库，数据经过抽取、转换、装载，合并到一个企业级的数据仓库里，完成对HIS历史积累数据及医院外部相关数据的汇总，大大提高了运算的效率，减轻了HIS系统在网络运行、数据库计算上的负担。

数据仓库物理模型设计主要从数据存储、访问性能等方面进校考虑。同时应注意以下几方面：数据对象命名需满足一致性原则。如：表名和字段名符合一个标准；对于低粒度的数据适当建立聚集表以提高查询效率；由于仓库数据量通常很大，可以考虑分区。如病人就诊记录事实表按就诊年份为划分原则，在物理上分别存储在不同的区域（磁盘），提高I/O效率和达到并行访问的效果；适当选择索引策略。

2.3不同数据源数据的获取与整合

在数据仓库模型建立之后，从图1的架构可看出，需要从医院的HIS、PACS、LIS等系统进行数据的抽取，根据业务主题将不同的数据源的数据整合到统一的数据仓库。整个数据抽取和整合的过程就是所谓的ETL过程。

通过ETL过程，对数据进行了进一步的整理处理，解决了以下几个问题：对空值NuLL的清理：如在转换过程中将某字段存在的空值替换成某一数据，保证数据的有用性和可读性；对日期、字符串等数据格式的规范化；在门诊业务数据的抽取过程中，对数据源的各个字段的数据类型、缺失的数据进行了统一和替换；根据维度表的数据的唯一性转换，实现了数据库内部数据的一致性。

2.4 建立门诊数据模型

在设计BI系统时，建立了多种主题域，其中门诊方面的主题域有：病人就诊情况、医疗费用、药品监控、人力资源等。以病人就诊情况主题为例，模型构建以病人为中心，分为时间、地区、职业、性别、年龄、疾病几个维度，这样可以辅助决策者了解某时间段某类疾病的发病人群，并对高发疾病进行预警，便于及时安排门诊出诊科室、医生，灵活调整医生出诊时间，缓解门诊就诊扎堆拥堵现象。

2.5 分析维度设计

BI系统采用维度建模技术，以HIS中现有表为基础，结合医院门诊各项管理指标，确定数据模型的各个分析维度。一般以时间、科室、医生、病人归属地、病人属性（姓名、性别、年龄、民族）、病人费别、诊疗类别为分析维度。

此外，在时间维度上建立从阶段→年度→半年度→季度→月→日的分析路径；在科室维度上建立从全院→一级科室→二级科室→医生的分析路径，实现自顶而下的挖掘分析。同时，根据院实际需求提供任意维度组合的统计分析，并提供方便、可视化的操作工具。

2.6 数据统计的多维分析与展示

BI中的多维分析引擎（OLAP）是用来对数据仓库的数据进行多维度分析的关键，以Web形式将常用的维度指标定义抽象到报表层、定制参数，便于用户对各个维度进行任意排列组合进行数据统计分析。如通过日期、费别、地区、医保类别等各种维度的组合查询，来查看不同科室门诊几年来的排队情况，和门诊工作量变化趋势。通过这些变化趋势，可以动态分析病人从挂号到取药的时间数列，及时掌握影响病人诊疗效率的因素；辅助医院管理人员在管理上作出适当的调整，提高医疗服务质量和病人满意度。

同时，BI平台支持多极权限控制（整体控制分为三级：院级领导、科室主任、医护人员及其他业务人员），针对不同的权限用户，对各种BI统计分析报表进行了层次划分（如图2）。这样不仅满足医院各级、各类人员的业务需求，而且保证医院信息管理的安全。

3 应用效果

如何有效减少门诊患者无效等待、提高患者满意度一直是管理者所关注的问题。一方面系统可动态分析病人从挂号到取药的时间数列，使管理者及时掌握影响病人诊疗效率的因素，有助于管理者进行门诊业务流程的改造和更新，合理分配患者，使就诊有序，以提高医院的经营效率。另一方面，通过对门诊处方分析，以发现哪几种药在同一处方中出现的概率大，这样可把相关药品摆放在相邻的位置方便取药，从而提高人员的工作效率。

此外，患者常常因费用问题与医院产生不必要的医疗纠纷，医院仍处在被动的处理上，缺少行之有效地预警机制实现防危机于未然，减少纠纷发生的能力。BI系统平台通过门诊收入、门诊患者人均医疗费用、门诊患者人均药品费用、药占比等指标及其同比、环比分析，并结合医院实际医疗指标的指标库，对费用进行监控预警，使得管理者及时发现异常，并对其进行深入挖掘，有利于决策者的辅助决策，减少医疗纠纷。

4 小结

商业智能（BI）系统平台，采用数据仓库等先进技术，建立数据中心和多维分析模型，通过门诊收入、门诊量、门诊处方等指标分析，对医院门诊业务数据进行深入分析和深层次挖掘，有助于管理者改善门诊“看病难、看病贵”的现象，而且通过对敏感指标进行监控预警，做到事前预防，避免可能出现的医疗纠纷。与此同时，在进行数据建模时，出现了不合理、不规范数据，给数据的加工处理带来了一定的困难，因此做好数字化智能管理，还需进一步完善底层数据质量，优化数据模型。