基于医院财务管理的综合智慧对账平台建设探讨

陈家驹，刘谦，羊海锋，康亚西

海南省人民医院/海南医学院附属海南医院 信息管理处，海南 海口 570311

引言

随着“互联网+医疗”技术快速发展，越来越多的医院积极开展以微信、支付宝为主的网络移动支付平台，特别是三甲大型医院，应用效果显著。目前我院支持包括微信公众号、支付宝服务窗在内的十种服务渠道，患者通过任意的支付渠道，高效、快捷结算医疗费用，有效地缓解了人工窗口的压力[1]，多种支付渠道的对账也给医院的财务管理带来了巨大的风险和挑战[2]。2018年10月国家卫生健康委印发《关于公立医院开展网络支付业务的指导意见》明确规定，公立医院实施网络支付中要规范对账和结算制度，医院每日应当对网络支付业务的业务进行核对。如有差异，要及时查明原因，及时处理，确保医院信息系统、支付机构网络支付平台、关联的银行结算账户账款保持一致。目前医院财务对账存在的问题，主要包括以下几个方面：① 人工对账误差风险大，准确率低，效率低，处理周期长；② 支付方式种类多，尚未整合各平台数据，对账困难；③ 服务渠道繁多，对应设置了不同的商户号，各第三方系统对账标准不统一；④ 校验有问题的订单，退费无法一键或者自动退费，因此建设高效、数据安全的统一对账平台显得更加紧迫且必要[3]。本文探讨建设对账平台为医院的各种支付方式提供一体化的服务接口，解决各个对账平台带来的接口众多、数据标准不统一以及由此带来的财务对账难题[4]。有效减轻财务对账的工作量，提高工作效率，提升医院财务精细化管理水平，改善现有就诊环境，给患者提供更便捷的就医体验，提升患者对诊疗的满意度[5]。

1 平台设计及实现功能

1.1 平台逻辑架构

综合智慧对平台的总体架构设计分为3层：功能层、技术层和支撑层。平台逻辑架构图如图1所示。

图1 平台逻辑架构图

1.1.1 功能层

功能层是具体功能的展现及用户的操作界面，包括自动对账服务、综合接口服务、综合管理平台。自动对账服务是对账平台的核心服务[6]，根据结算周期，定期通过Socket/FTP/POST等方式，获取各类支付方式（微信、支付宝、银行卡）的支付账单数据，与HIS业务订单数据进行自动化对账，更新订单状态，将对账结果存入数据库；综合接口服务是平台的接口枢纽，主要是提供标准化的RestFul接口服务，通过OAuth 2.0的方式进行安全认证，采用标准Json报文格式，接口种类包括业务接口、支付接口和应用及平台运行所需的其他接口；综合管理平台是平台的可视化操作台，主要的功能细分为交易管理、查询分析、支付管理、账务明细、对账日历及错账处理等，通过BootStrap 3.0及领域层设计实现。

1.1.2 技术层

技术层是对功能层的具体技术实现，包括通信协议、接口格式及平台的技术选择。

1.1.3 支撑层

支撑层是支撑实现上层目标功能，包括数据支撑、系统支撑、环境支撑及部署环境。

1.2 智慧对账规则

智慧对账规则是指利用智能规则引擎将平台交易数据、第三方支付数据与HIS交易数据两两自动比对、判断，交易失败自动原路退款的过程[7]。按照业务需求自动输出对账日志、错账处理、异常提醒、账务明细、分项查询、统计分析。

支持ftp、sftp、post、https等多种协议方式与各签约银行、支付宝、微信等支付方式建立连接，自动获取银行日对账文件、支付宝网关日对账文件、微信网关日对账文件、其他网关日对账文件后，将各种类型数据按标准统一解析、处理，并同步到数据库[8]。基于平台交易记录、HIS账单、第三方支付平台账单等三方数据，将三方数据通过智能规则引擎自动进行两两对账，即平台交易记录分别和HIS账单及第三方支付平台账单对账，数据核对完全匹配后，才能确认账单交易是成功的[9]。且对金额、状态、交易单号、日期匹配的记录更新对账状态为“平账”，以绿色为标识，否则就输出对账差错表、单边账表、异常账单等多种对账结果，状态对应为“单边支付”以红色为标识，“异常账”以橙色为标识。平台逻辑结构图如图2所示。

图2 平台逻辑结构图

1.3 智慧预警

智慧预警是基于智能对账的规则，自动审核次日中午12:00后输出前一交易日的对账结果，系统对每日自动对账的结果设计消息提醒。同时，以服务渠道分类，将各渠道异常账单与正常情况对比，进行服务渠道异常预测[10]，并将分析结果通过短信、系统消息方式通知财务管理人员，建议财务管理员检查异常账单的服务渠道是否正常，有助于高效精准定位交易失败问题[11]，同时提醒财务管理人员及时处理异常账单。

1.4 平台功能

综合智慧对账平台主要由系统管理、渠道管理、支付管理、退费管理、账务管理、交易管理、统计分析7个功能模块构成，来实现医院财务对账管理，具体如图3所示。

图3 平台的功能架构

1.4.1 系统管理

系统管理包括对平台用户信息及角色配置等基础字典表进行维护、增加、修改、删除等操作。

1.4.2 渠道管理

渠道管理是指对渠道的信息维护、渠道的增删改及配置渠道支付方式的过程，包含渠道服务管理和渠道支付配置。

1.4.3 支付管理

支付管理是指提高提供统一封装的标准化接口，方便不同应用服务商灵活接入的过程，包含支付方式配置、商户管理。

1.4.4 退费管理

退费管理是指对HIS单边账、支付单边账以及异常账处理的过程，包含自助退费、退费记录等操作信息的查询。

1.4.5 账务管理

对账管理是指对多支付渠道日结账单和HIS账单的综合对账，并输出对账结果的过程，包括HIS账务查询、综合对账单、对账日历、银行对账、微信对账、支付宝对账、单边账处理记录及异常提醒。

1.4.6 交易管理

交易管理是指对患者支付订单过程记录及业务交易情况进行记录的过程。

1.4.7 统计分析

统计分析是指根据用户的需求设置报表并进行分组管理，按需查询导出报表，包括统计银行卡交易数据、支付宝交易数据、微信交易数据及HIS数据的过程。

2 综合对账平台在医院的应用效果

2.1 提高财务对账效率、减轻财务工作量。

建设平台应用后，财务账务管理员无须登录各个对账平台查看对账情况，方便操作，提升了对账的效率[12]。通过分析对比实施平台前后的对账方式、等待账单时长、输出对账方式，效果明显（表1）。即多个对账平台转换成对账渠道集成平台，大幅缩短对账查账时间[13]，人工输出对账账单转换成系统自动输出账单，明显减少人工干预对账的工作量。

表1 平台实施前后对比分析表

平台目前和HIS系统做无缝对接，接入了微信、支付宝、银行支付等第三方金融支付平台，集成对账平台，实现了线上线下预约挂号、门诊预交、门诊缴费、住院预交金等应用场景第三方支付账单统一对账，财务管理员可以通过选择时间、服务渠道、支付方式、支付渠道，系统将自动输出支付单边账、HIS 单边账、平账、异常账及汇总情况。同时也输出患者支付账单明细，也支持个性化设置条件，迅速输出所需要对账结果和处理结果，见图4。

图4 建设效果图

选取上线前2018年12月至2019年11月干预笔数及未干预笔数为参照组（简称 A），取干预笔数为44420笔，未干预笔数为4155743，干预率为1.06%。同一时间段，上线后2019年12月至2020年11月干预笔数及未干预笔数为观察组（简称B），取干预笔数为14258笔，未干预笔数为4078238笔，干预率为0.35%。比较两组人工干预笔数，采用χ2检验进行统计分析，差异有统计学意义（P＜0.001），说明实施平台后的人工干预率低于实施前，干预率明显下降，人工干预对账的工作量显著减少，见表2。

表2 两组人工干预笔数比较情况（笔）

2.2 提升医院财务人力资源效率

选取上线前2018年12月至2019年11月每人每天完成的中位对账笔数作为参照组（简称A），A组中位数为5980笔；选取上线后2019年12月至2020年11月每人每天完成的中位对账笔数作为观察组（简称B），B组中位数为4350笔（中位数 ：每人每天完成对账笔数的平均值）。采用Mann-Whitney U检验法对两组独立数据进行非参数检验，结果：Z=-2.788，差异有统计学意义（P=0.004），检验结果说明平台实施后的人力资源效率高于实施前。

3 讨论

基于医院财务管理的综合对账平台已初步应用，整合多种支付方式和服务渠道，实现医院信息系统和第三方支付平台的互通互联，形成了“互联网+医疗”的智慧型财务对账管理平台[19]，一方面减轻了财务人员对账的难度，同时提升了人力资源效率；另一方面提高了对账的效率和管理工作水平，提升了患者的就医满意度。但是随着平台的充分应用，对账数据量不断增加，在使用过程中，系统的性能明显下降，现金对账尚未纳入对账平台，尚未支持线上处理异常单据业务。未来将优化平台对账功能及性能，提高自动对账的比例，减少人工对账的比例，规范和细化支付渠道接入统一接口，使得支付渠道接入更加智能，满足医院个性化开发需求、最终实现医院全场景、全渠道支付数据对账，利用互联网技术实现移动终端处理单边支付账单等异常账单。随着移动支付的多样化深入发展，医院建设安全的、稳定的、便捷的、可扩展的智慧对账平台是主流方向[20]。

通过智慧对账平台优化医院财务对账流程，实现对渠道交易、对账过程和对账结果的有效闭环管理[20]，有效防范财务管理风险，促进我院财务对账由传统的、分散的、效率低下的对账模式向智慧的、高效的、便捷的对账模式转变[21]。

4 结论

建设综合智慧对账平台能有效解决对账管理和退款管理的核心问题，提高人力资源对账的效率，同时降低了对账的工作量，提高医院财务人员的满意度。缩短患者退款到账的时间间隔，有助于提升患者就医体验感，为建设智慧财务积累经验，对提升医院财务的精细化管理质量及丰富建设智慧医院的内涵具有重要的意义[22]。由于系统上线才1年，因此选取样本时间有限，未能进行远期效果应用观察，对本研究结论可信度可能造成存在一些误差，有待多类别、大样本数据证实此结论。