一、 課程背景
“大數據”不是“數據分析”的另一種說法!大數據具有規模性、高速性、多樣性、而且無處不在等全新特點,具體地說,是指需要通過快速獲取、處理、分析和提取有價值的、海量、多樣化的交易數據、交互數據為基礎,針對醫療行業的運作模式提出有針對性的數據支持的方案。
大數據徹底改變醫療行業內部運作模式,以往的是“領導或者醫生怎么說?”現在變成“大數據的分析結果”,這是對傳統醫療的挑戰,也推動新醫療及管理的重新定義。如今熟練掌握大數據應用及分析工具,善于運用大數據分析結果,結合醫療行業的運營管理實踐是醫生及醫療行業管理者的新的能力和要求。
本課程結合大數據的基本概念,醫療行業應用,建立醫療行業的大數據可能應用模式及管理者和醫生的大數據思維和管理治療模式的改善。
二、 課程對象
醫療行業的醫生及中高層管理人員。
三、 主要內容
1. 大數據的概念由來組成和技術框架
2. 醫療行業的特稱系統模塊和大數據
3. 醫療大數據的相關技術特稱概念和挑戰
4. 以醫院實際案例為例來分析大數據系統應用
5. 大數據在其他行業的應用分析及工具
6. 大數據的風險和關聯應用分析及完成作業
四、 課程形式
1天(6小時) 分組互動案例模擬討論
五、 具體大綱
第一講:大數據的概念由來組成和技術框架
1. 大數據的定義由來和原因(海量快速分析)
2. 由結構數據、數據倉庫到大數據(非結構化)
3. 大數據的6V特稱及分析
4. 結構化數據,數據倉庫,數據分析,大數據(非結構化)
5. 大數據相關技術和處理(采集,存儲,分析挖掘,展示)
6. NOSQL和大數據的實時流處理及云存儲
7. 大數據系統工具(Hadoop/HBase,MapReduce/Hive)
8. 大數據生態的軟硬件架構和可擴展性
9. 大數據模型建立和分析的方法論
10. 大數據信息系統的設計建立和應用
第二講:醫療行業的特稱系統模塊和大數據
1. 醫療的核心服務和數據之間的關系
2. 醫療信息系統的建設和模塊組成
3. 醫療數據的采集收集和管理
4. 電子病歷系統應用及組成模塊
5. 醫療信息化的發展過程
6. 醫療行業為什么具備大數據的要素
7. 醫療大數據牽涉的不同人員、部門及技術
8. 醫療大數據牽涉到的學科和知識
9. 醫療行業的數據內容及組成
10. 大數據是醫療行業的趨勢和轉折點
11. 醫療大數據需要具備的理念和思維變革
第三講:醫療大數據的相關技術特稱概念和挑戰
1. 隨機樣本,全體數據的改變和變遷
2. 醫療大數據需要的技術支持
3. 醫療數據的分類(診療研發患者支付醫保)
4. 醫療大數據和商業BI
5. 醫療大數據相關的解決方案和包含內容
6. 區域醫療及基層醫療大數據解決方案
7. 醫療數據的應用場景(臨床決策支持健康慢病管理醫療支付醫藥研發醫療管理)
8. 醫療知識庫和臨床決策支持
9. 大數據和個性化醫療
10. 大數據和智能化醫療
11. 大數據和中西醫的發展促進
12. 大數據對相關醫療領域的促進
13. 應用大數據系統的挑戰和系統變革
第四講:以醫院實際案例為例來分析大數據系統應用
(一) 某醫院的臨床決策支持系統
1. 系統建設的醫療質量管理要求
2. 系統建設的醫療安全關注點
3. 臨床決策支持系統(CDSS)簡介
4. 臨床支持系統的五大要素
5. 支持系統的功能表
6. 支持系統的發展現狀
7. CDSS建設步驟和過程
8. CDSS包含的功能模塊詳解
(二) 某醫院的運營決策支持系統及數據分析
1. 運營決策支持系統的內容
2. 運營決策支持系統的架構
3. 運營決策支持系統模塊的組成詳解
4. 運營決策系統的數據分析和績效考核
5. 中醫核心處方挖掘(化驗指標推導中草藥)
6. 醫療中結合地理衛生信息的數據分析
7. 醫療中預約等待相關指標分析和改進
(三) 某醫院的非結構化大數據在臨床決策里面的應用
1. 大數據在臨床決策應用的方向研究
2. 某醫院的大數據系統結構圖
3. 如何做到對非結構化信息的語義檢索
4. 非結構化數據的文本分析技術和應用
5. 構建和文本分析對應的知識圖譜數據庫
6. 成果展示:病案分析視圖及疾病關聯性視圖及決策參考
7. 非結構化數據在實際工作里面的應用難點分析
第五講:大數據在其他行業的應用分析及工具
1. 建模及數據形成:當當網及某平臺的數據超市及大數據資產運營管理平臺
2. 數據輔助監控:高校數據監控和分析報警及世界500強如何監控代理商淘寶價格
3. 數據決策:零售賣場未卜先知懷孕案例過程分析及洛杉磯警局如何用大數據預測并阻止犯罪
4. 數據技術應用:百度LBS用戶遷移大數據應用及中國某排名前十城市的城市交通大數據系統
5. 數據數字營銷:大悅城大數據的精準營銷策劃執行及中國電信大數據多渠道精準廣告投放
6. 數據工具:各大公司的數據工具及數據分析公司的行業報告
第六講:大數據的風險和關聯應用分析及完成作業
1. 大數據存在的困難和風險
2. 斯諾登的棱鏡門事件及風險
3. 大數據和物聯網、云計算
4. 大數據和人工智能BI(技術數據情景驅動)
5. 完成大作業:大數據在企業轉型創新中的應用