亟待开发的金矿——医院的大数据分析
医疗行业盛产大数据，据统计调查，一个新生儿在出生的第一天产生的数据就相当于美国国会图书馆所有数据的70倍。由此可见，医疗行业的数据是典型的大数据，具有几大特征：数据规模化、数据动态化、数据多样化、价值巨大化。所以，医疗行业极有可能是让大数据应用分析最先发扬光大的传统行业之一。
事实上，医疗行业早就遇到了海量数据和非结构化数据的挑战，由于这些数据快速增长且具有复杂的结构，所以管理难度和成本很大，利用率低。但是近年来医疗信息化技术发展迅速，世界上很多国家包括我国都在积极推进医疗信息化应用，这使得医院数据的收集整理以及分析应用都变得相对容易了很多，很多医院有能力来做大数据分析。基于大数据的分析和应用对提高医疗效率和医疗效果具有巨大价值，大数据分析在医院的运用正变得越来越现实。那么，这些医院大数据的收集整理以及分析应用有着怎样的意义呢？
首先，众所周知，中国医院面临的最直接、最现实的社会问题是“看病难、看病贵”，而导致这种情况的主要原因在于医疗资源的相对匮乏和地区发展的不平衡。如果未来能够建立大数据存储仓库，医院通过云计算服务进入到全国的医疗物联网以后，各地医院的医疗资源就能够进行统一协调，充分发挥各自的优势和特长，以此有效弥补医疗资源数量及能力上的不足，很多疑难病症也将迎刃而解。
其次，大数据应用带给医院的最大变化将是医疗的标准化。在不久的将来，医疗研究人员将可以从各地医疗大数据仓库中收集海量临床数据，将其进行归类，从而很方便地用于对每一病种的研究，最终建立起针对该疾病的标准化医疗程序。这同时会带来另外一个结果，即最终医院可以让机器（系统）部分替代医生向患者提供诊疗服务，同样可以使医疗资源不足的现状得以改变，这与医院现在已经普遍使用的各类自助信息服务系统是相似的。
再次，大数据的应用会帮助我们更便捷地建立起社会的保健咨询服务系统。有医院海量数据做支撑，保健专家就可以对各种人群的身体状况、各种疾病进行科学研究，从中总结出更加准确的保健知识，普通老百姓就能够方便快捷地享受到正确的保健咨询服务，从而让医院的服务模式得到根本改变。
最后，有了大数据的支撑，药品和医疗器械的研发人员也将得到很大帮助，通过对大量医疗数据的抓取和分析，完全可以加快新产品开发，甚至会产生意想不到的结果。
以上是大数据分析对于医院产生的巨大作用，基于此，医院的管理也将随着大数据分析而发生改变。大数据的战略意义不在于掌握庞大的数据信息，而在于对这些具有意义的数据进行专业化处理。如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“分析能力”，通过“分析”实现数据的“增值”。可以说，数据分析是决策过程中的决定性因素，也是大数据时代发挥数据价值的最关键环节。因此，我们看到的现实事件是目前我国越来越多的医院对数据分析需求的大幅上升，使医院需要借助数据分析专业服务机构的服务和引进专业的数据分析师，快速挖掘数据背后的潜在价值，为其经营管理决策提供科学和理性的依据。
面临大数据时代的来临，智慧转型是医院提出的发展方向，随着医疗和健康数据的急剧扩容和几何级的增长，充分利用包括财务数据、影像数据、病历数据、检验检查结果、诊疗费用等在内的各种数据，搭建合理先进的数据集成服务平台，为广大患者、医务人员、科研人员及政府决策者提供服务和协助，必将成为未来信息化工作的重要方向。
因此，智慧医疗转型需要让中国数字化医院的信息化建设实现一体化、智能化的管理，这将极大推动大数据仓库的建立。而大数据的建立和应用反过来又将助推中国医院实现智慧转型，使医疗服务水平和效率实现质的飞跃。
案例 X医院是我国一家老牌三甲综合医院，每日的门诊挂号人数超过万人，很多知名专家可谓“一号难求”。为了解决广大患者挂号难的问题，在优质医疗资源短期内仍供不应求的情况下，医院在对门诊挂号流量统计分析后发现，患者就诊的时间规律为从周一到周末，看病人数依次递减，同时上午比下午多。
以该医院一周的门诊为例。周一到周五，挂号人数分别为：15600人、14400人、13500人、12800人、11600人。周五比周一的就诊人数少4000人，同比少25.6%。此外，下午的挂号人数也比上午少很多。以周一为例，上午的挂号人数占全天的65%以上。
因此，X医院向患者建议，非重症、急症患者，如糖尿病、高血压、类风湿关节炎等慢性病患者可以选择避开挂号高峰，尤其是周一的早高峰，在工作日下午或者周四、周五挂号，这样不仅能减少排队就诊时间，在检查、检验方面也可以减少等待时间。果然，患者挂号难的问题得到了很大缓解。
从以上这些例子也可以看到，医院管理的大数据分析在应用时需要注意以下几个方面：
1.对于医院管理来讲，数据可视化是大数据分析最基本的要求。数字是最有说服力的东西，可视化可以直观地展示数据。例如，中国医院的管理者大多是业务专家出身，这样的好处是他们对于医院的流程和工作相对熟悉，便于管理。但是医院的科室正朝着越来越精细的方向发展，一位骨科出身的院长对于内科的工作流程和内容就未必非常了解，导致无法评估该科室的实际工作状况。而通过大数据分析，比较同级别医院相同科室之间的医疗数据（如单位时间诊疗人数、人均日接待病人数等），他就可以清楚地了解该科室的工作流程和实际状况。又比如，工作量量化是医院管理工作很重要的内容，但是即使同一个科室，如普通外科，大到肝移植、胰十二指肠联合切除，小到阑尾切除和胆囊切除，它们所代表的工作量也是很难被量化的，这时候就需要用数字来说话，让人们对工作量量化有一个直观的判断标准。
2.数据是对现在实际情况的报告，还不属于增值的范畴，没有发挥大数据分析的作用。数据分析利用集群、分割、孤立点分析以及其他的算法深入数据内部进行挖掘、产生价值，这才是真正让这些数据发挥作用并增值的过程。所以，必须对大数据进行挖掘和分析，大数据才具有实际意义。
案例 M医院的妇产科是医院的优势重点学科，很多准妈妈都慕名前来，在M医院建立档案进行产前检查，每天人满为患。有很多孕妇一大早就赶到医院，结果需要等待好几个小时才能轮到自己，对孕妇和孩子的影响都不好。医院为此对产科检查流程做了大数据分析，发现有几项检查是产检过程中的必检项目，为此，医院进行了流程优化，在分诊和检查环节之间加入了一个医生作为节点。这位医生的工作是优先给孕妇开具如B超、血液检查等必检项目的化验单，同时购置了自动血压计等设备，方便患者进行自助式检查。这样，在孕妇等待的过程中就可以先行进行相应检查，把原来的两次医生问诊的过程缩减到了一次，大大地提高了效率，得到了患者和家属的好评。
3.大数据分析是一个不断循环的自我学习过程，数据量越大，分析的结果也就越趋于准确；而分析的结果越准确，预测的准确率就越高；预测的准确率越高，反过来在新一轮的数据采集中对数据的筛选就越有目标性。这是一个自我学习和提升的过程。最终效果就是，根据数据分析结果做出的预测性判断越来越准确。
案例 Y医院遇到了一个问题，患者过多导致医院的手术室不能满足手术需要，患者入院后不能立即手术，引起了医院从门诊到病房全部工作的延误。但马上再建新的手术室也不现实。医院对手术流程进行了分析，发现现在手术前的准备也放在手术室里进行，这样就占用了手术室的使用时间，延长了手术过程。为此，医院做出了决定，不仅没有增加手术室，反而在原有15个手术室的基础上又减少了2个，减下来的这两个手术室专门用于手术前准备。方案一出，很多外科医师都表示怀疑，但是经过3个月的实践，证明医院的月平均手术量确实上升了21%，大数据分析又发挥了它的作用。
4.大数据分析也是一个分析工具和方法不断完善的过程，我们知道非结构化数据的多样性带来了数据分析的新挑战，我们需要一系列的工具去解析、提取、分析数据。但是每个医院的情况不同，对数据收集整理的方法和水平也不尽相同，所以，只能在数据分析过程中通过实践形成一定的工具和方法，并不断完善，最终形成适合自身的分析工具和方法。
案例 T医院是一家较小的二级医院，为了提高运营水平，医院专门开展了信息化建设，以同市的人民医院（三级）为标杆进行流程优化。结果发现，由于能力上的欠缺和规模资金的不足，很多数据分析结果有明显的偏差，不够准确。最终，医院不得不重起炉灶，从自身出发，对大数据分析的工具和方法一边学习一边探索，最终针对医院发展制定了自己的大数据分析工具和方法。
5.进行大数据的分析，对于数据质量的要求是比较高的，通过标准化的流程和工具对数据进行处理，可以保证一个预先定义好的高质量的分析结果。
案例 C医院把大数据分析利用在医院的绩效考核中，起始医院设计了大量的表格，整个考核需要参考非常多的数据，最后工作做了很多，效果却很不理想。经过调研，72%的医院员工对于考核结果不认同。后来，医院专门邀请颇具盛名的S医院总会计师来帮助本院设计实施绩效考核方案，该专家针对C医院的特点，制定了一整套绩效考核实施方案。该方案的实施对数据提出了筛选原则和方法，这样一来，在接下来的工作中，对于选择什么样的数据负责人员就有了标准。事实证明，这个新的方案效果非常好。
大数据分析对于医院管理是重要的技术革新，我们把精力集中在大数据能给医院带来的作用上，努力做好大数据分析工作，就必定可以提高医院的精细化管理水平，最终达到医院提升管理能力的目的。