医疗大数据的分析和挖掘发展现状如何？未来会有什么样的应用前景？

我们做过很多医疗行业的大数据分析解决方案，算是利益相关吧

医疗大数据其实已经提出很多年了，很多传统的医疗健康产业也正在向智慧型一体化医疗健康方向转型，比如利用大户数分析实现疾病诊疗领域智能化的判断、筛查、应用，但其实这几年发展的还是很慢，跟其他行业相比是很滞后的，因为问题很多，比如：

• 医疗行业的数据量很大，每年新增的数据呈指数形式增长，普通的大数据处理非常慢，决策者查看繁琐，影响决策时机，准确性成为应用瓶颈
• 医疗行业内部与外部的数据结合度不够，串联性不强，零散存放，数据不成体系，各种分析无法交叉验证
• 原有数据模式传递效能非常低，易造成重复劳动，费时费力
• 数据复杂，医疗行业的数据系统非常复杂混乱，数据的口径自然也是五花八门，很难做到数据整合
• 等等等......

一般来说现在的医疗行业更倾向于使用BI系统来完善这种问题，比如我们提出的数据流处理架构

以及业务解决方案架构：

搭建好架构后，就要进行数据分析模型的建立：

1.医药产品分析

以过去的分析方式，对于医药产品的销售达成率，增长率，历史对比分析等，均需要精力业务上报-录入系统-手工汇总-形成分析这一流程，业务报告延期严重，月初的数据等到形成分析，往往需要半个月甚至一个月的时间，滞后的数据往往丧失了决策的价值。而一些个性化的统计需求，比如非协议商业务，需要的时间更长。

为此，FineBI的多源数据整合功能，将财务数据、业务数据等多个内、外部数据源数据抽取到BI系统中进行加工后展示出来，并且可以使用前端的简单拖拽快速制作图表完成定制化分析，从产品贡献率、销售达成率、增长率等等多个指标，时间、空间等维度进行医药产品分析。

具体的分析思路如下：

2.生产质量分析

对于药品生产环节，往往需要关注以下问题：

• 生产的产品，是否按照计划正常生产？每天产品的产能走势是怎样的？有没有优化空间？
• 良品率又如何？不同批次、不同车间生产的产品，检验合格率差异在哪里？

针对此类生产过程中的问题，解决思路如下：

1.将FineBI连接到工厂的生产系统中，利用多源数据连接、直连等功能，将多个生产系统的数据整合。

2.从时间、车间、批次等多个维度建立生产目标达成率、产品检验合格率看板，并设置异常值预警，当生产出现问题及时发现并排查。

3.客户分析

对于市场、销售等业务人员来说，往往需要对自己负责的区域有一个整体的认知：

• 客户的地理分布是怎样的？接下来一段时间的工作重点应该集中在哪个区域？
• 客户少的地区，有着怎样的特征？各个机构的客户分布是怎样的？
• 和去年，上个月的数据相比，客户数是增加了还是减少了？整体趋势又是怎样的？

针对以上问题，可以采取如下的解决思路：

1.通过结合订单业务系统、crm等系统的数据，利用FineBI进行整合，处理。

2.依据客户数建立填充地图，通过点击地图下钻，联动，分析客户少的地区的客户特征，并制定针对性的营销策略。

4.品规分析

传统的医药企业中，往往会有数十个经营单位，药品也区分为不同的品规。品规与经营单位之间的差异是精细化运营的必要分析：

• 最赚钱的是哪些品规，销量最高的又是哪些品规，这些排名是一直不变的吗？哪些品规的利润发生明显变化，如何深入探究变化的原因？
• 每个单位对同一品规的销售情况在销售额、毛利率、毛利额上各有什么差异？

针对以上问题，可以采取如下的解决思路：

1.整合相关产品/销售业务系统的数据，将不同系统、不同数据库中数据整合。

2.构建产品品规与经营单位分析仪表板，以多种图表进行对比分析，探求差异背后的原因。

5.门店分析

作为销售门店的管理者，需要时刻保持对以下指标的关注：

• 门店销售的产品，销售额、毛利率分别是多少？每种产品的占比又是多少？在产品销售过程中，需要重点关注的大宗交易、退货情况又是怎样的？
• 门店员工的工作情况，每个员工的销售业绩是多少？同比、环比又是多少？每个员工的主力销售商品一样吗？
• 门店的客流量随时间呈怎样的变化？是否应该在客流量小的时间减小人员，以减小人力成本？

针对以上问题，可以采取如下的解决思路：

1.整合相关产品/销售/ERP业务系统的数据，将不同系统、不同数据库中数据整合。

2.通过简单的拖拽构建门店业绩情况分析驾驶舱，以多种图表结合，进行指标的监控

6.医疗机构耗材分析

各个医疗机构想要实现盈利，一方面是通过营销手段提高销售，另一方面则是降本。时刻掌握各个科室对医疗耗材的消耗量，以及医疗耗材的成本则是重中之重：

• 哪些科室的耗材消耗量最大？消耗量大的耗材，能否通过技术手段降低消耗量从而减少成本？
• 耗材的售价以及成本走势如何？成本高售价低的耗材，是不是应该考虑调高售价，保证利润？

针对以上问题，可以采取如下的解决思路：

1.整合相关产品/销售/ERP业务系统的数据，将不同系统、不同数据库中数据整合。

2.针对消耗量特大(10万)以上的耗材，建立特大消耗量耗材监控板，进行重点监控。

3.通过多维度，占比、对比等多角度的分析，探索耗材消耗背后更深层次的原因。

以上的演示结果大家可以点击链接在线查看：医疗行业大数据分析demo，账号和密码都是demo_hea，看完大家不要忘了点个赞

最后分享一些相关资料：