一种基于大数据的医院后勤运维分析系统的研究

［摘 要］随着信息技术的飞速发展，大数据已经成为各行业不可或缺的重要资源。在医疗领域，大数据的应用不仅改变了传统的医疗服务模式，也为医院后勤运维管理带来了前所未有的机遇与挑战。为了更好地满足现代医院对后勤运维的精准化、智能化需求，提出了一种基于大数据的医院后勤运维分析系统。该系统以大数据技术为核心，通过对医院后勤运维过程中的各类数据进行收集、整理、分析和挖掘，实现了对医院后勤运维的全方位监控和管理，并且能够实时收集医疗设备运行状态、能源消耗情况、物资库存量等关键数据，通过智能算法对这些数据进行深度分析，为医院管理层提供决策支持。

［关键词］大数据；医疗机构；运维管理；数据治理

［中图分类号］TP315 ［文献标志码］A ［文章编号］2095–6487（2024）05–0112–03

1 系统架构设计

基于大数据的医院后勤运维分析系统采用灵活的分层设计模式进行设计，该系统在现有医疗系统的背景下，兼容满足系统间的运行实际需求，而且还具备一定的扩展性。系统总体架构如图1 所示。系统主要分为数据应用层、数据服务层、数据仓库层、实时数据处理和数据源层。数据应用层主要是提供移动端、PC 端、Web 端和可视化大屏等用户接入应用。数据服务层通过统一数据资产管理、元数据服务中心、数据标签、数据分发统一接口和数据检索等服务能力，主要负责整合底层数据服务能力并向上提供数据应用能力。数据仓库层主要处理系统中的相关数据，且是面向应用按需建模处理，面向业务指标和主题模型，数据抽取的同时执行数据压缩工作，压缩工作不会阻碍抽数的动作，独立的压缩线程在抽取的同时进行工作，并行处理减少数据抽取时间，结合数据存储的优化，使得海量数据导入避免了OOM。实时数据处理和数据源层主要负责将相关运维数据通过数据库后进行数据流抽取和处理，提供准确的数据源给上层业务进行使用。

2 系统关键技术

2.1 系统数据逻辑架构

基于大数据的医院后勤运维分析系统主要目的是为了支撑医疗中心平稳运行和对系统中后勤运维的各类数据进行统计分析，同时还会深入挖掘形成相关科学的、量化的后勤运行评价指数，同时利用不同医院的数据形成一套完善的数据指标监测系统，并利用这个平台的数据分析结论形成定期的医院后勤运行数据白皮书。系统数据总体逻辑架构如图2 所示。

基于大数据的医院后勤运维分析系统汇总各个医院数据需要覆盖区域中的所有院区，其中在安防数据集成部分，基于现有医院的监控视频体系，在下属的所有院区布署“后勤数据智能采集平台”，覆盖1984路视频线路，同时布署构建后勤全景数据精细化运营平台，与医院HIS 系统、本地监控系统和本院医管联合平台完成对接，实现视觉数据的本地采集、边缘计算、云端分析、全景展示和管理的建设内容。针对数据支撑平台中的数据进行智能分析后，通过可视化和多渠道的接入服务给用户提供相关风险预警、决策管理和业务分析能力。

2.2 Spider数据引擎

Spider 数据引擎是一个集实时数据对接与抽取数据功能于一体的统一引擎。其赋予用户根据数据量、实时性需求及使用频率，自由切换实时或抽取数据模式的能力。这一无缝切换机制，为前端的高性能分析提供了更为灵活与高效的支撑。Spider 数据引擎在处理不同量级的数据分析时展现出了卓越的灵活性。当数据量激增时，其可以通过横向扩展机器节点，利用专为海量大数据分析设计的分布式方案，轻松应对。系统采用先进的列式存储技术，显著降低了磁盘负担，同时强大的数据压缩功能，大幅减少了数据占用的存储空间，从而节省了宝贵的磁盘资源。结合内存计算与ETL 逻辑，Spider 数据引擎既满足了数据的快速计算需求，又能高效处理大数据量。其不仅能够灵活支撑轻量实时数据的分析，还能应对大数据量历史数据的分析挑战。

此外，Spider 数据引擎的单表高性能增量更新功能，适用于多种数据更新场景，有效缩短了数据更新时间，并减轻了数据库服务器的压力。对于用户历史数据量庞大的情况，通过单表增量更新的方式，可以分批次将历史数据更新到后勤分析平台中。后勤分析平台还提供了灵活的更新机制，支持全局、业务包及单表的定时或手动更新。对于需要频繁更新且更新时间相对固定的企业数据，可以通过设置定时更新来实现自动化数据更新。在小数据量场景下，数据以二进制文件形式存储在本地磁盘，实现随存随用，并行计算，轻量且易用。

2.3 数据处理流程

系统数据分析主要包括数据采集、数据清洗、数据建模和数据计算等关键步骤。数据分析处理流程如图3所示。数据采集主要是对院区中的相关后勤运维数据进行采集，主要有实时采集和批量采集两种形式。数据清洗主要是为了消除数据中的噪声和纠正数据中的错误、缺失或异常值，提高数据的质量。同时对数据进行标准化和归一化处理，以便后续的数据分析和建模。在数据建模时，充分考虑数据的属性、结构、关系及业务逻辑等因素，选择合适的模型类型和参数设置，实现对数据的有效组织和存储，为后续的数据分析和挖掘提供便利。最后利用数据分析工具和算法对数据进行深入的分析和挖掘，对数据进行统计、分类、聚类、预测等操作，为业务决策和优化提供有力支持。

2.4 自定义数据交互

系统模块采用了jquery 框架，以简化HTML 文档处理、事件处理、动画效果的实现及AJAX 交互，同时支持多种浏览器版本，尤其推荐使用谷歌浏览器。通过这一框架，用户能够方便地操作报表，并利用模块内置的js 方法进行处理。此外，模块还提供了内置的JS 编辑器，支持JavaScript 脚本的引用和编辑，并具备自动补全功能及案例参考，以避免代码输入错误。尽管模块已提供大量自带函数，但为了满足特殊领域的报表制作需求，其还支持自定义函数机制，用户可以根据业务需要定义函数，但这些函数必须遵循模块的函数定义规则。在模块中，每个函数都被定义为一个类，实现了特定的接口，通过函数名反射取得类并调用其运行方法。这一设计旨在提供更灵活、友好的报表制作体验。

3 结束语

文章设计了一种基于大数据的医院后勤运维分析系统，该系统通过大数据技术构建数据处理架构，同时利用实时数据引擎与抽取数据引擎整合统一为Spider 数据引擎。用户可以根据数据量、实时性要求、使用频次等，自由选择实时或抽取的方式。实时数据与抽取数据方式的无缝切换，可更加灵活高效支撑前端的高性能分析。此外，该系统还具有强大的预测和预警功能。通过对历史数据的分析，系统能够预测未来一段时间内医院后勤运维的需求和趋势，让医院提前做好准备。同时，系统还能够实时监测异常情况，一旦发现潜在风险或问题，立即发出预警，确保医院后勤运维的安全稳定。基于大数据的医院后勤运维分析系统的研究不仅具有重要的实际使用价值，更有着广阔的应用前景。

参考文献

[1] 徐天宁. 基于大数据分析的医院检验设备运维检修系统设计[J]. 自动化技术与应用，2023，42（7）：133-135.

[2] 翟运开，路薇，崔芳芳，等. 基于ITIL 的精准医疗大数据分析平台运维模式构建[J]. 中国卫生事业管理，2020，37（7）：487-488，536.

[3] 孙泉辉，金绍君，程嵩，等. 基于大数据聚类分析的电网信息化运维系统设计[J]. 电子设计工程，2020，28（14）：77-80.

[4] 李晓飞. 大数据分析下用电信息采集运维优化仿真[J]. 计算机仿真，2018，35（7）：438-421ca60e01147774889a811c78724799b42.

[5] 尹成波，孙守强，衣淑丽. 基于大数据分析的用电信息采集运维优化仿真[J]. 计算机仿真，2018，35（11）：436-439.

[6] 杨恒，田坤，常亮，等. 基于大数据分析的可视化预测性运维系统实现[J]. 冶金自动化，2020，44（1）：44-47，73.

[7] 李颖杰，郑筠，杨光. 大数据平台配电网智能化运维管控平台的设计和应用分析[J]. 微型电脑应用，2020，36（6）：141-143.

[8] 池葆春. 大数据分析下的智慧交通自动化运维系统设计[J]. 自动化与仪器仪表，2022（3）：68-72.

[9] 李军，王涛. 基于大数据分析技术的网络运维平台应用与开发[J]. 电脑编程技巧与维护，2021（7）：112-114.

[10] 王元峰，王宏远，杨金铎. 基于大数据分析的配网主动式运维研究[J]. 自动化与仪器仪表，2019（4）：216-219.

[11] 宋孙释然. 基于大数据的城市轨道交通运维信息化技术应用分析[J]. 中国战略新兴产业，2023（26）：75-77.