系统平台建设

各家机构的POS收费标准不同，2016年9月6日费率改革之后，一般大POS都是刷信.用/卡扣收0.60%手续费，上不封顶；刷储蓄卡扣收0.50%手续费，20元封顶。因为现在是支付公司自主定价，所以仅供参考。具体可以咨询建行客服 95533

　　二维码注册认证官网：www.idcode.org.cn　　贯彻务院《关于推进物联网序健康发展指导意见》精神及落实工业信息化部《关于委托展二维码应用现状及标准规范体系建设研究任务》工作工业信息化部指导由电商质量认证联合主办、关村工信二维码技术研究院实施建设我二维码注册解析公共服务平台并立二维码注册认证面向社展统二维码注册解析服务　　二维码注册解析平台主要三核职能：身份标识、互联互通、安全管控：　　1、身份标识：每象（/事/物）配二维码全球唯身份标识象二维码身份证　　2、互联互通：制定同码制、编码体系、应用系统间映射互联机制实现跨平台、跨系统、跨码制、跨编码体系间互联互通　　3、安全管控：相关部门提供行业监管手段依据企业提供公信力信息化安全应用工具消费者提供安全移互联网交易交互环境　　二维码注册认证主要五面展工作：　　1、建设注册解析平台提供公共服务　　完善行业顶层设计建立二维码统标识体系（IDcode）建设二维码注册解析公共服务平台编码体系、标准码制、注册管理、解析服务、数据验证等面规范二维码应用　　2、设立区域服务建立应用推广体系　　全范围内建设服务体系各设立区域性注册服务各行业设立行业性注册服务展试点示范等工作各、各行业信息化建设提供力支撑　　3、研发统编解码SDK研究行业管理体系　　组织技术力量研发统编解码SDK发统解析接口研究二维码行业规范管理产业发展问题做量试点示范工作　　4、展SP认证产品征集完善态系统　　面向社引入服务提供商（SP）涵盖终端设备、技术研发、服务运营、营销推广、安全防护等层面支撑各服务展工作；二组织展二维码技术产品征集工作形批二维码综合集应用典型解决案并组织各SP与各、各行业用户供需接协助SP拓市场　　5、建立二维码安全规范应用评价认证体系提升行业规范化水平　　与质量认证等认证机构联合制定我二维码评价认证体系展二维码标识认证、体系认证等认证服务提升行业规范化水平社诚信体系建设能力　　二维码注册认证基础体系支撑、标准码制建设、技术服务、数据验证等面规范二维码应用社提供共性、标准、安全二维码应用服务形统编码体系、统解析体系、统行业规范、统应用标准体系二维码产业链提供跨行业、跨平台、跨管理机构标识注册管理服务

　　二维码注册认证官网：www.idcode.org.cn　　贯彻务院《关于推进物联网序健康发展指导意见》精神及落实工业信息化部《关于委托展二维码应用现状及标准规范体系建设研究任务》工作工业信息化部指导由电商质量认证联合主办、关村工信二维码技术研究院实施建设我二维码注册解析公共服务平台并立二维码注册认证面向社展统二维码注册解析服务　　二维码注册解析平台主要三核职能：身份标识、互联互通、安全管控：　　1、身份标识：每象（/事/物）配二维码全球唯身份标识象二维码身份证　　2、互联互通：制定同码制、编码体系、应用系统间映射互联机制实现跨平台、跨系统、跨码制、跨编码体系间互联互通　　3、安全管控：相关部门提供行业监管手段依据企业提供公信力信息化安全应用工具消费者提供安全移互联网交易交互环境　　二维码注册认证主要五面展工作：　　1、建设注册解析平台提供公共服务　　完善行业顶层设计建立二维码统标识体系（IDcode）建设二维码注册解析公共服务平台编码体系、标准码制、注册管理、解析服务、数据验证等面规范二维码应用　　2、设立区域服务建立应用推广体系　　全范围内建设服务体系各设立区域性注册服务各行业设立行业性注册服务展试点示范等工作各、各行业信息化建设提供力支撑　　3、研发统编解码SDK研究行业管理体系　　组织技术力量研发统编解码SDK发统解析接口研究二维码行业规范管理产业发展问题做量试点示范工作　　4、展SP认证产品征集完善态系统　　面向社引入服务提供商（SP）涵盖终端设备、技术研发、服务运营、营销推广、安全防护等层面支撑各服务展工作；二组织展二维码技术产品征集工作形批二维码综合集应用典型解决案并组织各SP与各、各行业用户供需接协助SP拓市场　　5、建立二维码安全规范应用评价认证体系提升行业规范化水平　　与质量认证等认证机构联合制定我二维码评价认证体系展二维码标识认证、体系认证等认证服务提升行业规范化水平社诚信体系建设能力　　二维码注册认证基础体系支撑、标准码制建设、技术服务、数据验证等面规范二维码应用社提供共性、标准、安全二维码应用服务形统编码体系、统解析体系、统行业规范、统应用标准体系二维码产业链提供跨行业、跨平台、跨管理机构标识注册管理服务

“十三五”规划提出，充分运用现代信息技术和大数据，建设一批新型示范性智慧城市。日前，国家发改委表示，“十三五”期间，将有针对性地组织100个城市大力推进新型智慧城市建设。新型智慧城市建设已成为城市可持续发展的必由之路。新型智慧城市是一个复杂的巨系统，涉及方方面面的多个环节。为推动新型智慧城市的顺利建设，需在顶层设计中构建优秀的总体架构。那么如何构建新型智慧城市的总体架构?华为企业BG全球智慧城市解决方案部总经理郑志彬博士、深圳市智慧城市研究会会长李林教授就此发表了各自的见解。华为郑志彬博士：近日，在华为举办的“新ICT，让城市更智慧——华为智慧城市生态圈行动计划发布会”上，其发布了华为智慧城市解决方案的整体架构，即“一云二网三平台”。1、“一云”：城市云数据中心基于开放架构，为城市建设融合、开放、安全的云数据中心，整合、共享和利用各类城市信息资源，提升政府服务与决策效率和合理性。2、“二网”：城市通信网和城市物联网为智慧城市建设提供有线+无线宽带网络，为城市构建无处不在的宽带，让城市公共服务触手可及;在物联网领域，提供轻量级物联网通信操作系统，多种类型的接入网关。并提供物联网平台，为城市各行业应用提供物联网数据服务。3、“三平台”：ICT能力开放平台、大数据服务支撑平台、业务应用使能平台通过ICT能力开放平台，将ICT能力进行封装、打包提供给业务应用开发者，使其更便利地调用ICT接口，共同为客户提供智慧城市整体解决方案。与合作伙伴联合提供大数据服务支撑平台、业务应用使能平台，为城市智慧应用提供资源获取自动化、软件开发自动化、运维管理自动化的服务。智慧城市研究会会长李林教授：面对新型智慧城市如何建设，李林教授提出了“三中心一平台”的总体架构。其认为，“三中心一平台”遵循新型智慧城市建设六大核心要素。通过天地一张栅格网构成一个“虚拟化的复杂巨系统”，实现网络资源、计算资源、存储资源、数据资源、信息资源、平台资源、软件资源、知识资源、专家资源等的全面共享。1、“三中心”(1)网络融合与安全中心新型智慧城市“网络融合与安全中心”以构建新型智慧城市天地一张栅格网为核心要素。实现电子政务外网、公共互联网(包括电信、移动、联通等运营商网络)、智慧城市无线网、智慧城市物联网(包括公安视频专网)之间的网络互联和传输信息及数据的互通，以及网络与信息的安全保障。(2)大数据资源中心“大数据资源中心”建设以形成新型智慧城市大数据的“总和”为核心要素。将分散的、重复的、难于访问的操作数据转换成集中统一的、有价值的知识数据。“大数据中心”为不同来源的数据提供了一致的数据视图，将不同介质、不同组织方式的数据集成转换成为一个一致的分析型数据环境。(3)管理、指挥与运行中心新型智慧城市以建立一个高效的管理、指挥和运行中心为核心要素。更好对城市的市政设施、公共安全、生态环境、宏观经济、民生民意等状况有效掌握和管理，构建新型智慧城市统一的管理、指挥和运行中心，实现城市资源的汇聚共享和跨部门的协调联动，为城市高效精准管理和安全可靠运行提供支撑。通过可视化技术实现对智慧城市网络、数据、信息的集成与应用的展现、监控、管理、运营、服务的功能。2、“一平台”“一平台”即“公共信息一级平台”。“公共信息一级平台”以新型智慧城市各类信息资源的调度管理和服务化封装，支撑智慧城市管理与公共服务的智慧化功能为核心要素。应用“智慧城市信息栅格技术”，构建新型智慧城市一体化信息服务平台。实现智慧城市涉及政府政务信息、城市管理信息、社会民生信息、企业经济信息各行业级二级平台、业务级三级平台和应用系统之间建立信息互联互通、数据共享交换、业务功能协同。新型智慧城市是以人民为中心的城市发展价值观的具体体现，是新技术和城市治理理念的深度融合，体现了“以技术为引领”到“以理念为引领”，“以管理为核心”到“以服务为核心”和“以业务为驱动”到“以数据为驱动”的转变。金鹏信息智慧政务解决方案

如图，登陆不需要用户名和密码

　　随着医药卫生体制改革进一步深化、云计算、大数据、物联网、无线通讯、网络技术的应用推广，区域卫生信息平台建设已经从单纯的完成软硬件配置、建立信息中心、实现互联互通、就诊记录和健康档案共享等信息工程向云端高度集成、大数据应用、与医疗卫生管理实践日益紧密结合的方向发展。这些发展趋势既是对区域卫生信息化建设的挑战，又为其向更高层次的发展提供了难得的机遇。对区域卫生信息化建设的主要挑战和机遇简要归纳如下：　　近年来，云计算、大数据等信息技术的迅猛发展和广泛应用对区域卫生信息平台建设提出了愈来愈高的要求，以至于在建的区域卫生信息平台如果没有引入上述技术就已经显得落伍，更不用说其真正的实用价值。然而，新信息技术的应用绝对不是简单的技术层面问题，而是涉及管理理念、组织结构、业务流程、价值观念等诸多方面，必须认真应对。 　　应用需求迫切 　　这虽然不属于技术进步范畴，但却是推动区域卫生信息化的根本动力。区域平台建设必须紧扣为医疗卫生改革和提高服务质量提供信息服务的主题，在平台搭建之初就要通盘考虑信息的应用问题。 　　1.新技术带来新挑战 　　公有云与私有云矛盾凸显。在区域健康医疗云中，医院始终占有重要位置。医院私有云建设实质上与区域卫生云平台的公有云存在包括财政物资及信息多种资源竞争。伴随区域卫生公有云平台的诞生，医院私有云的规模或必要性愈来愈受到质疑。这一对矛盾能否处理妥当，直接影响到区域卫生云平台的发展。 　　远程医疗监测及可穿戴设备。这些技术的采用同面临数据采集与处理过程中，个体与群体、短期与长远的矛盾。物联网技术在医疗活动和健康维护实践中的应用主要体现在远程医疗监测及可穿戴健康维护设备方面。目前主要体现在对个体的某个时段或时点的测量分析，缺乏全面、连续、长期的统计分析，更少见对群体数据的宏观分析处理。 　　数据采集、存储与挖掘利用的矛盾。在有关区域卫生信息平台建设与发展的论文或介绍中，区域卫生信息中心每天采集多少万（百万、千万、亿…条）、已经存储多少TB、PB甚至EB的文章司空见惯。但这些信息如何被利用，产生了什么效果和成果则很少见著报道。而大数据在卫生领域的应用局限于Google流感预测等甚为“高端”（高高悬于云端）的少数案例。造成这种局面的原因很多，如知者甚少（信息专业人员采集和管理数据但不知其临床科研价值及处理方法，而临床科研人员鲜知区域卫生信息平台数据的存在、内涵及应用价值）、数据处理的高额成本、数据采集的质量标准不统一等。而后者则是影响数据充分利用的主要障碍之一。 　　2.标准化问题 　　实际上，涉及区域卫生信息平台的标准体系很多，主要有信息工程、通讯工程、建设标准、数据交换标准、存储标准、医疗卫生业务与管理标准编码及术语等。绝大多数区域卫生信息平台建设基本遵循了信息工程、通讯工程建设的各项标准，因而很多互联互通、遍布城乡的区域卫生信息基础网络设施相继诞生。数据交换与存储标准的执行情况同样基本令人满意，因为绝大部分区域卫生信息平台也构建了集中与分布式相结合的存储模式、实现了信息在区域内共享的基本要求。 　　然而，由于信息工程与医疗卫生业务管理的脱节，忽略了医疗业务与管理工作编码及术语的应用。建设区域卫生信息平台的目的是应用，而不是为了完成政绩工程。信息工程建设实质上是对业务流程、管理理念与实践的一场革命。造成这种脱节实质上反映了目前医疗卫生行业对信息时代的来临并未完全做好思想上的准备。而在医院行业则更为突出。其结果，是在坚持采用各种标准建设的区域卫生信息平台仍然面临所采集到的数据信息标准不一，难以进行有效的数据挖掘利用。 　　3.医院融入区域卫生信息网络 　　医院是整个卫生行业的巨无霸，占卫生行业人员、资产的70%以上，同时也是产生医疗卫生大数据的最主要来源，其数据质量直接影响到数据的可用性。医院的主要精力集中在救死扶伤、缓解病痛方面。为之服务的支持系统，诸如信息系统的建设、编码、术语的采用也大多围绕这一目标展开。这是天经地义、无可厚非的，而且在单个医院之内也是最为经济有效的。然而以医院自我为中心的运作方式与区域卫生信息平台建设有着潜在的矛盾冲突： 　　私有云与公有云。前文中已经有讨论，需要再次说明的是，因为区域卫生信息化建设在云时代应该提高规划层次和技术应用水平，使云技术真正且尽快发挥作用。否则，无数的资源就在我们的讨论中消耗，的信息烟囱也同时产生。 　　编码术语的采用。如果是单个医院信息系统系统，编码术语的采用不是一个问题，最多是一个稍加协调即可解决的问题。然而，对于区域卫生信息平台建设，这是一个非常棘手的问题。编码术语不同，使来自不同医疗机构间的信息无法进行统计、分析处理，即使是简单的统计都很容易产生错误结果。对于容纳国家、省、市、区及军队等各级各类医疗机构的大型城市来说，协调难度可想而知。 　　编码术语的维护。即使在编码术语的采用上达成一致，对编码术语的维护同样存在问题，尤其是区域内整体的维护工作归谁管辖至今还没有明确答案。但此问题不解决，信息沟通与共享、统计与分析、大数据的挖掘利用就难以实现。目前，对区域平台的软硬件维护均已纳入预算管理，唯独对业务管理编码术语维护无人问津。 　　谁是信息的主人？从法理上来说，个人健康信息属个人所有，产生它的医疗机构只是依法代为保管。现实情况是，大部分医疗机构认为自己是这些信息的主人，对它的使用及安全负全责。因而，不愿“交出”或与外界分享自己所掌控的信息，从而严重影响区域卫生信息平台信息采集与共享。 　　重要机遇 　　以上挑战的提出并不意味着区域卫生信息化建设陷于停滞或步入困境。相反，挑战的存在说明各方面对区域卫生信息平台建设的要求更高、希望更大。挑战与机遇并存，困境与希望同在。要使区域卫生信息化建设走出困境，还要在挑战中寻找答案。 　　1.试金石 　　满足需求是衡量平台建设成效的试金石。对区域卫生信息平台大数据的应用，是医药卫生体制改革的要求，提高医疗卫生服务水平的要求，提高医疗卫生管理水平的要求，更是人民群众寻医问药、进行自我保健的要求。应用程度如何，是检验区域卫生信息化建设成效的试金石。如果区域平台建成多年，但仍无法提供区域内居民主要健康和疾病诊疗数据并进行相关统计分析，其作用及存在价值会引发诸多疑问。 　　2.新技术带来新机遇 　　云计算为提高效率、减少重复投入带来新希望。云计算迫使我们重新审视区域卫生信息平台规划建设技术方案，并确保其必须建立在更高的技术层面上。今天，如果看到区域平台中基层医疗机构仍然单独建立信息中心，一定会感到系统设计有改进空间。云计算技术的正确应用，在一定程度上为区域卫生信息平台建设减少重复投入、实现高度集成提供了可信的理论和技术支撑。在一定程度上可以说，云计算的运用程度体现了区域卫生平台建设的规划水准、集成水平及系统效率。 　　数据挖掘利用对区域平台建设与医疗卫生业务管理的无缝对接提出明确要求。以往的平台建设关注信息工程和通讯网络技术的实现，而忽视医疗卫生业务管理的配套改进。区域卫生信息平台的数据挖掘利用在一片欢呼声中艰难起步，反过来要求卫生管理部门在建立区域信息平台的同时，提升标准化、规范化管理水平，并主动与信息技术应用进行对接。总而言之，大数据的可挖掘、可利用才是衡量平台建设成效的试金石。厦门市民健康信息系统在此方面已经做了一些尝试，产生了应用成果，将在下节中简单介绍。 　　3.标准应用从信息工程扩展到医疗卫生业务和管理领域 　　由于数据分析、利用的需求及实践日益增加，对医疗卫生业务及管理标准重要性的认识也愈加清晰。随着对区域卫生信息平台应用期望的提升，随着应用的广泛深入，将标准从单纯的信息工程领域扩展到医疗卫生业务与管理领域已经成为共识。 　　4.越来越多的院长倡议医院信息系统主动融入区域卫生信息网络 　　近年来，许多颇有远见的著名院长在不同场合主动倡导把医院信息化建设主动融入区域卫生信息网络，以实现真正意义的大数据和信息共享。这种远见卓识实际上是通过多年的实践经验和痛苦摸索精炼产生的，是在深厚医疗管理和信息化建设积淀上的升华，预示着医院主动深层次融入区域卫生信息网络逐渐成为共识。医院管理者有了这样深刻的认识，使我们看到了区域卫生信息平台的数据来源和质量提升的新希望。 　　厦门实践经验启示 　　作为我国最早建成的涵盖整个辖区的区域卫生信息平台，厦门市民健康信息系统近年来进行了区域卫生信息数据挖掘分析利用的实践。在此基础上，《2013厦门健康报告》首次全面采用了区域卫生信息平台――厦门市民健康信息系统――的数据。 　　厦门区域卫生信息平台数据由占辖区90%以上资源的医疗卫生机构提供。与传统的卫生统计口径比较，2012年，纳入体系的工作量统计占全市总量的95%以上。因此，基本上是厦门市居民就诊情况的全样本数据。以此作出的统计分析基本可以全面反映厦门市居民的健康水平、主要健康问题、就诊原因、就诊频率、就诊费用等。 　　厦门市建设区域卫生信息平台同样也是从顶层设计、分步实施到全区域覆盖、逐步走向云端。而从搭建区域卫生信息网络平台到卫生大数据的应用经历了一个摸索渐进的标准化过程，其最重要的部分不仅是信息工程标准应用，而且包括医疗卫生业务与管理编码及术语的“三统一”，即：版本统一、标准统一、维护统一。而要做到这三个统一，没有卫生行政主管部门的前瞻性规划和强力推进是不能完成的。

　　随着医药卫生体制改革进一步深化、云计算、大数据、物联网、无线通讯、网络技术的应用推广，区域卫生信息平台建设已经从单纯的完成软硬件配置、建立信息中心、实现互联互通、就诊记录和健康档案共享等信息工程向云端高度集成、大数据应用、与医疗卫生管理实践日益紧密结合的方向发展。这些发展趋势既是对区域卫生信息化建设的挑战，又为其向更高层次的发展提供了难得的机遇。对区域卫生信息化建设的主要挑战和机遇简要归纳如下：　　近年来，云计算、大数据等信息技术的迅猛发展和广泛应用对区域卫生信息平台建设提出了愈来愈高的要求，以至于在建的区域卫生信息平台如果没有引入上述技术就已经显得落伍，更不用说其真正的实用价值。然而，新信息技术的应用绝对不是简单的技术层面问题，而是涉及管理理念、组织结构、业务流程、价值观念等诸多方面，必须认真应对。 　　应用需求迫切 　　这虽然不属于技术进步范畴，但却是推动区域卫生信息化的根本动力。区域平台建设必须紧扣为医疗卫生改革和提高服务质量提供信息服务的主题，在平台搭建之初就要通盘考虑信息的应用问题。 　　1.新技术带来新挑战 　　公有云与私有云矛盾凸显。在区域健康医疗云中，医院始终占有重要位置。医院私有云建设实质上与区域卫生云平台的公有云存在包括财政物资及信息多种资源竞争。伴随区域卫生公有云平台的诞生，医院私有云的规模或必要性愈来愈受到质疑。这一对矛盾能否处理妥当，直接影响到区域卫生云平台的发展。 　　远程医疗监测及可穿戴设备。这些技术的采用同面临数据采集与处理过程中，个体与群体、短期与长远的矛盾。物联网技术在医疗活动和健康维护实践中的应用主要体现在远程医疗监测及可穿戴健康维护设备方面。目前主要体现在对个体的某个时段或时点的测量分析，缺乏全面、连续、长期的统计分析，更少见对群体数据的宏观分析处理。 　　数据采集、存储与挖掘利用的矛盾。在有关区域卫生信息平台建设与发展的论文或介绍中，区域卫生信息中心每天采集多少万（百万、千万、亿…条）、已经存储多少TB、PB甚至EB的文章司空见惯。但这些信息如何被利用，产生了什么效果和成果则很少见著报道。而大数据在卫生领域的应用局限于Google流感预测等甚为“高端”（高高悬于云端）的少数案例。造成这种局面的原因很多，如知者甚少（信息专业人员采集和管理数据但不知其临床科研价值及处理方法，而临床科研人员鲜知区域卫生信息平台数据的存在、内涵及应用价值）、数据处理的高额成本、数据采集的质量标准不统一等。而后者则是影响数据充分利用的主要障碍之一。 　　2.标准化问题 　　实际上，涉及区域卫生信息平台的标准体系很多，主要有信息工程、通讯工程、建设标准、数据交换标准、存储标准、医疗卫生业务与管理标准编码及术语等。绝大多数区域卫生信息平台建设基本遵循了信息工程、通讯工程建设的各项标准，因而很多互联互通、遍布城乡的区域卫生信息基础网络设施相继诞生。数据交换与存储标准的执行情况同样基本令人满意，因为绝大部分区域卫生信息平台也构建了集中与分布式相结合的存储模式、实现了信息在区域内共享的基本要求。 　　然而，由于信息工程与医疗卫生业务管理的脱节，忽略了医疗业务与管理工作编码及术语的应用。建设区域卫生信息平台的目的是应用，而不是为了完成政绩工程。信息工程建设实质上是对业务流程、管理理念与实践的一场革命。造成这种脱节实质上反映了目前医疗卫生行业对信息时代的来临并未完全做好思想上的准备。而在医院行业则更为突出。其结果，是在坚持采用各种标准建设的区域卫生信息平台仍然面临所采集到的数据信息标准不一，难以进行有效的数据挖掘利用。 　　3.医院融入区域卫生信息网络 　　医院是整个卫生行业的巨无霸，占卫生行业人员、资产的70%以上，同时也是产生医疗卫生大数据的最主要来源，其数据质量直接影响到数据的可用性。医院的主要精力集中在救死扶伤、缓解病痛方面。为之服务的支持系统，诸如信息系统的建设、编码、术语的采用也大多围绕这一目标展开。这是天经地义、无可厚非的，而且在单个医院之内也是最为经济有效的。然而以医院自我为中心的运作方式与区域卫生信息平台建设有着潜在的矛盾冲突： 　　私有云与公有云。前文中已经有讨论，需要再次说明的是，因为区域卫生信息化建设在云时代应该提高规划层次和技术应用水平，使云技术真正且尽快发挥作用。否则，无数的资源就在我们的讨论中消耗，的信息烟囱也同时产生。 　　编码术语的采用。如果是单个医院信息系统系统，编码术语的采用不是一个问题，最多是一个稍加协调即可解决的问题。然而，对于区域卫生信息平台建设，这是一个非常棘手的问题。编码术语不同，使来自不同医疗机构间的信息无法进行统计、分析处理，即使是简单的统计都很容易产生错误结果。对于容纳国家、省、市、区及军队等各级各类医疗机构的大型城市来说，协调难度可想而知。 　　编码术语的维护。即使在编码术语的采用上达成一致，对编码术语的维护同样存在问题，尤其是区域内整体的维护工作归谁管辖至今还没有明确答案。但此问题不解决，信息沟通与共享、统计与分析、大数据的挖掘利用就难以实现。目前，对区域平台的软硬件维护均已纳入预算管理，唯独对业务管理编码术语维护无人问津。 　　谁是信息的主人？从法理上来说，个人健康信息属个人所有，产生它的医疗机构只是依法代为保管。现实情况是，大部分医疗机构认为自己是这些信息的主人，对它的使用及安全负全责。因而，不愿“交出”或与外界分享自己所掌控的信息，从而严重影响区域卫生信息平台信息采集与共享。 　　重要机遇 　　以上挑战的提出并不意味着区域卫生信息化建设陷于停滞或步入困境。相反，挑战的存在说明各方面对区域卫生信息平台建设的要求更高、希望更大。挑战与机遇并存，困境与希望同在。要使区域卫生信息化建设走出困境，还要在挑战中寻找答案。 　　1.试金石 　　满足需求是衡量平台建设成效的试金石。对区域卫生信息平台大数据的应用，是医药卫生体制改革的要求，提高医疗卫生服务水平的要求，提高医疗卫生管理水平的要求，更是人民群众寻医问药、进行自我保健的要求。应用程度如何，是检验区域卫生信息化建设成效的试金石。如果区域平台建成多年，但仍无法提供区域内居民主要健康和疾病诊疗数据并进行相关统计分析，其作用及存在价值会引发诸多疑问。 　　2.新技术带来新机遇 　　云计算为提高效率、减少重复投入带来新希望。云计算迫使我们重新审视区域卫生信息平台规划建设技术方案，并确保其必须建立在更高的技术层面上。今天，如果看到区域平台中基层医疗机构仍然单独建立信息中心，一定会感到系统设计有改进空间。云计算技术的正确应用，在一定程度上为区域卫生信息平台建设减少重复投入、实现高度集成提供了可信的理论和技术支撑。在一定程度上可以说，云计算的运用程度体现了区域卫生平台建设的规划水准、集成水平及系统效率。 　　数据挖掘利用对区域平台建设与医疗卫生业务管理的无缝对接提出明确要求。以往的平台建设关注信息工程和通讯网络技术的实现，而忽视医疗卫生业务管理的配套改进。区域卫生信息平台的数据挖掘利用在一片欢呼声中艰难起步，反过来要求卫生管理部门在建立区域信息平台的同时，提升标准化、规范化管理水平，并主动与信息技术应用进行对接。总而言之，大数据的可挖掘、可利用才是衡量平台建设成效的试金石。厦门市民健康信息系统在此方面已经做了一些尝试，产生了应用成果，将在下节中简单介绍。 　　3.标准应用从信息工程扩展到医疗卫生业务和管理领域 　　由于数据分析、利用的需求及实践日益增加，对医疗卫生业务及管理标准重要性的认识也愈加清晰。随着对区域卫生信息平台应用期望的提升，随着应用的广泛深入，将标准从单纯的信息工程领域扩展到医疗卫生业务与管理领域已经成为共识。 　　4.越来越多的院长倡议医院信息系统主动融入区域卫生信息网络 　　近年来，许多颇有远见的著名院长在不同场合主动倡导把医院信息化建设主动融入区域卫生信息网络，以实现真正意义的大数据和信息共享。这种远见卓识实际上是通过多年的实践经验和痛苦摸索精炼产生的，是在深厚医疗管理和信息化建设积淀上的升华，预示着医院主动深层次融入区域卫生信息网络逐渐成为共识。医院管理者有了这样深刻的认识，使我们看到了区域卫生信息平台的数据来源和质量提升的新希望。 　　厦门实践经验启示 　　作为我国最早建成的涵盖整个辖区的区域卫生信息平台，厦门市民健康信息系统近年来进行了区域卫生信息数据挖掘分析利用的实践。在此基础上，《2013厦门健康报告》首次全面采用了区域卫生信息平台――厦门市民健康信息系统――的数据。 　　厦门区域卫生信息平台数据由占辖区90%以上资源的医疗卫生机构提供。与传统的卫生统计口径比较，2012年，纳入体系的工作量统计占全市总量的95%以上。因此，基本上是厦门市居民就诊情况的全样本数据。以此作出的统计分析基本可以全面反映厦门市居民的健康水平、主要健康问题、就诊原因、就诊频率、就诊费用等。 　　厦门市建设区域卫生信息平台同样也是从顶层设计、分步实施到全区域覆盖、逐步走向云端。而从搭建区域卫生信息网络平台到卫生大数据的应用经历了一个摸索渐进的标准化过程，其最重要的部分不仅是信息工程标准应用，而且包括医疗卫生业务与管理编码及术语的“三统一”，即：版本统一、标准统一、维护统一。而要做到这三个统一，没有卫生行政主管部门的前瞻性规划和强力推进是不能完成的。

一、为何而搭建数据平台业务跑的好好的，各系统稳定运行，为何还要搭建企业的数据平台?这样的问题，心里想想就可以了，不要大声问出来。我来直接回答一下，公司一般在什么情况下需要搭建数据平台，对各种数据进行重新架构。从业务上的视角来看：1、业务系统过多，彼此的数据没有打通。这种情况下，涉及到数据分析就麻烦了，可能需要分析人员从多个系统中提取数据，再进行数据整合，之后才能分析。一次两次可以忍，天天干这个能忍吗?人为整合出错率高怎么控制?分析不及时效率低要不要处理?从系统的视角来看：2、业务系统压力大，而不巧，数据分析又是一项比较费资源的任务。那么自然会想到的，通过将数据抽取出来，独立服务器来处理数据查询、分析任务，来释放业务系统的压力。3、性能问题，公司可以越做越大，同样的数据也会越来越大。可能是历史数据的积累，也可能是新数据内容的加入，当原始数据平台不能承受更大数据量的处理时，或者是效率已经十分低下时，重新构建一个大数据处理平台就是必须的了。上面我列出了三种情况，但他们并非独立的，往往是其中两种甚至三种情况同时出现。一个数据平台的出现，不仅可以承担数据分析的压力，同样可以对业务数据进行整合，也会不同程度的提高数据处理的性能，基于数据平台实现更丰富的功能需求。二、数据平台的建设有哪些方案可以选择下文中的优缺点仅从企业选型的角度，并非方案本身的技术角度。如果一句话回答的话，那就是：太多了(这是一句废话，我承认)，但确实有非常多的方案可供选择，我懂的少，肯定是无法一一介绍，所以就分成了下面几类，相信也一定程度上覆盖了大部分企业的需求了。1、 常规数据仓库：概念不说了，既然是做数据这一行的，相信你比我还要清楚，不清楚的可以百度。它的重点在于数据整合，同时也是对业务逻辑的一个梳理。虽然它也可以打 包成ssas那种cube一类的东西来提升数据的读取性能，但是数据仓库的作用，的是为了解决公司的业务问题，而不仅仅是性能问题。这一点后面会详细 介绍。关于这一方案的优缺点，直接说重点:优点：方案成熟，关于数据仓库的架构，不管是Inmon架构还是Kimball架构，都有着非常广泛的应用，而且相信能将这两种架构落地的人也不少。实施简单，涉及的技术层面主要是仓库的建模以及etl的处理，很多软件公司具备数据仓库的实施能力，实施难度的大小的取决于业务逻辑的复杂程度，而并非技术上的实现。灵活性强，说这句话要有对应场景的，数据仓库的建设是透明的，如果需要，可以对仓库的模型、etl逻辑进行修改，来满足变更的需求(当然，最好设计之初考虑的周全一点)。同时对于上层的分析而言，通过sql或者mdx对仓库数据的分析处理具备极强的灵活性。缺点： “实施周期长”，注意，我加了引号，对应下面的敏捷型数据集市，而且这点是相对的，实施周期的长与短要取决于业务逻辑的复杂性，时间是花在了业务逻辑的梳理，并非技术上的瓶颈。关于这点，后面会详细介绍。数据的处理能力有限，这个有限，也是相对的，海量数据的处理它肯定不行，非关系型数据的处理它也不行，但是TB以下级别的数据，还是搞得定的(也取决于所采用的数据库系统)，这个量级的数据，而相当一部分企业的数据，还是很难超过这个级别的。2、 商业敏捷型数据集市：底层的数据产品与分析层绑定，使得应用层可以直接对底层数据产品中的数据进行拖拽式分析。这一类产品的出现，其初衷是为了对业务数据进行简单的、快速的整合，实现敏捷建模，并且大幅提升数据的处理速度。目前来看，这些产品都达到了以上的目的。但它的优缺点也比较明显。优点： 部署简单，敏捷开发，这也是这类产品最大的优点，和数据仓库相比，实施周期要短的多。实际上它也没什么严格的实施的概念，因为这类产品只是针对需要分析的数据，进行局部的关联，只考虑眼前要解决的问题就够了，迭代的能力更强些。与上层的分析工具结合较好，上层的分析工具接入这类数据产品后，可直接实现数据的图形化展示和olap分析。对数据处理性能的提高，这类产品都对 数据的分析性能做了处理，虽然方式不尽相同，有内存映射文件存储的，也有分布式架构、列数据存储的。但无疑都一定程度上提高了数据的处理性能。缺点： 首先，它是要收费的。无法处理复杂的业务逻辑，这只是一个工具，它无法解决业务问题。这类工具中自带简单的etl功能，实现简单的数据处理和整合，而如果考虑到历史数 据，考虑到整体的数据之间的逻辑和关系，它一定是解决不了的。一个简单的例子，当某个表中，有两个字段，一个要保留历史数据，一个要更新历史数据，要怎样 实现自动处理。有一个观念是需要清楚的，不能指望一款工具来解决业务问题。这种数据产品仅仅是对当前的业务数据进行简单的整合，第一，数据是局部的，第 二，时间是当前的(其涵带的增量更新或者全量更新，是无法应对复杂的逻辑的，相信熟悉etl的人都知道这个过程有多复杂)。当然，对于一些公司来说，可能 需求只是对当前业务数据进行整合分析，那么这类产品就够了。(说实话，很多公司真的是懒得更长远的考虑，有一天没一天的，谁说的准呢)l 灵活性低，这个也是没法避免的，越是操作简单的工具，他的灵活性肯定受限，因为封装住了，产品是不透明的，常规的需求用起来非常方便，但是遇到复杂的，发现对他内部不了解，你也没法修改，只有蛋疼的份。从我的角度看，它是很难成为公司的数据中心的。3、 MPP(大规模并行处理)架构的数据产品，以最近开源的greenplum为例传 统的主机计算模式在海量数据面前，显得弱鸡。造价非常昂贵，同时技术上也无法满足高性能的计算，smp架构难于扩展，在独立主机的cpu计算和io吞吐 上，都没办法满足海量数据计算的需求。分布式存储和分布式计算正是解决这一问题的关键，不管是后面的MapReduce计算框架还是MPP计算框架，都是 在这一背景下产生的。greenplum的数据库引擎是基于postgresql的，并且通过Interconnnect神器实现了对同一个集群中多个Postgresql实例的高效协同和并行计算。同时，基于greenplum的数据平台建设，可以实现两个层面的处理，显而易见的一个是对数据处理性能的处理，greenplum的百科中宣称支 持50PB级海量数据的处理，考虑它有吹牛的成分，对目前greenplum实际应用情况的了解，100tb级左右的数据，是非常轻松的。另一个是数据仓 库可以搭建在greenplum中，这一层面上也是对业务逻辑的梳理，对公司业务数据的整合。优点： 海量数据的支持，大量成熟的应用案例，所以我想这一点是不用怀疑的。扩展性，据说可线性扩展到10000个节点，并且每增加一个节点，查询、加载性能都成线性增长。 易用性，不需要复杂的调优需求，并行处理由系统自动完成。依然是sql作为交语言，简单、灵活、强大。高级功能，greenplum还研发了很多高级数据分析管理功能，例如人气很高的外部表，还有Primary/Mirror镜像保护机制，行/列混合存储等。稳定性，greenplum原本作为一个纯商业数据产品，具有很长的历史，其稳定性相比于其他产品以及敏捷性数据集市是更加有保障的。 greenplum有非常多的应用案例，纳斯达克、纽约证券交易所、平安银行、建设银行、华为等都建立了基于greenplum的数据分析平台。其稳定性 是可以从侧面验证的，在15年9月份开源后，各大互联网公司也是一片欢腾，现在也接触了几家在使用greenplum的客户，对其评价都很高。缺点： 本身来说，它的定位在olap领域，不擅长oltp交易系统。当然我们搭建公司的数据中心也不会是用来做交易系统的。 成本，两个方面的考虑，一是硬件成本，greenplum有其推荐的硬件规格，对内存、网卡都有要求。当然，在硬件选型上，需要达到一个平衡， 要在性能、容量、成本等多方面考虑，毕竟不能一味的追求性能，把采购部门吓到吧。另一个是实施成本，这里主要是人了，基本的是greenplum的安装配 置，再到greenplum中数据仓库的构建，都需要人和时间。(但是必须要说的是，人家软件都开源了，也省下了一笔钱啊)技术门槛，这里是相对于上一个敏捷型数据集市的，greenplum的门槛肯定是要高一点了。4、 hadoop分布式系统架构关于hadoop，已经火的要爆炸了，greenplum的开源跟它也是脱不了关系的。有着高可靠性、高扩展性、高效性、高容错性的口碑。在互联网 领域有非常广泛的运用，雅虎、facebook、百度、淘宝等等等等。hadoop生态体系非常庞大，各公司基于hadoop所实现的也不仅限于数据分 析，也包括机器学习、数据挖掘、实时系统等。当企业数据规模达到一定的量级，我想hadoop是各大企业的首选方案，到达这样一个层次的时候，我想企业所要解决的也不仅是性能问题，还会包括时效问题、更复杂的分析挖掘功能的实现等。非常典型的实时计算体系也与hadoop这一生态体系有着紧密的联系。近些年来hadoop的易用性也有了很大的提升，sql-on-hadoop技术大量涌现，包括hive、impala、spark-sql等。尽 管其处理方式不同，但普遍相比于原始基于文件的Mapreduce，不管是性能还是易用性，都是有所提高的。也因此对mpp产品的市场产生了压力。对于企业构建数据平台来说，hadoop的优势与劣势非常明显：它的大数据的处理能力、高可靠性、高容错性、开源性以及低成本(为什么说低成本，要 处理同样规模的数据，换一个其他方案试试呢)。缺点也就是他的体系的复杂，技术门槛较高(能搞定hadoop的公司规模一般都不小了)。关于hadoop的优缺点对于公司的数据平台选型来说，影响已经不大了。需要上hadoop的时候，也没什么其它的方案好选择(要么太贵，要么不行)，没到达这个数据量的时候，也没人愿意碰这东西。总之，不要为了大数据而大数据。三、方案很多，企业要怎样选择呢?环境太复杂，但是我想至少要从下面这几个方面去考虑吧。1、 目的：什么样的目的?就是文中开始部分的三种情况呀(不好意思，自大了，肯定有其它情况，欢迎向“jiago王”补充)，或者是其中几个的组合。做事方法都一样，哪怕是中午出去吃饭，也是要在心里有个目的，这顿饭是为了吃饱，还是吃爽，或者为了拍别人的马屁，然后才好选择去吃什么。当然，要明确数据平台的建设目的，哪里是那么容易的，初衷与讨论后确认的目标或许是不一致的。公司要搭建一个数据平台的初衷可能很简单，只是为了减轻业务系统的压力，将数据拉出来后再分析，如果目的真的就这么单纯，还真的没有必要大动干戈 了。如果是独立系统的话，直接将业务系统的数据库复制出来一份就好了;如果是多系统，选类似finecube那种型敏捷型的商业数据产品也够了，快速建 模，直接用finebi或者finereport接入进去就能实现数据的可视化与olap分析。但是，既然已经决定要将数据平台独立出来了，就不再多考虑一点吗?多个系统的数据，不趁机梳理整合一下?当前只有分析业务数据的需求，以后会不会考虑到历史数据呢?这种敏捷的方案能够支撑明年、后年的需求吗?任何公司要搭建数据平台，都不是一件小事，多花一两个月实施你可能觉得累，多花一周两周的时间，认真的思考一下总可以的吧。雷军不是说过这样一句话：不能以战术上的勤奋，掩盖战略上的懒惰。2、 数据量：根据公司的数据规模选择合适的方案，这里说多了都是废话。3、 成本：包括时间成本和金钱，不必多说。但是这里有一个问题想提一下，发现很多公司，要么不上数据平台，一旦有了这样的计划，就恨不得马上把平台搭出来用起来，时间成本不肯花，这样的情况很容易考虑欠缺，也容易被数据实施方忽悠。关于方案选择的建议，举以下3 1个场景场景a：要实现对业务数据的快速提取和分析，多个业务系统，没有达到海量数据，不考虑历史数据，不需要依照业务逻辑对数据进行系统的梳理，这种情况下，可以考虑敏捷型的bi工具自带的数据底层。简单来讲，这种场景仅仅是在技术层面上，完成对数据的整合与提速，并没有从业务层面上对数据进行建模。他可以满足一定的分析需求，但是不能成为公司的数据中心。场景b：要搭建公司级的数据中心，打通各系统之间的数据。非常明显的，需要搭建一个数据仓库。这时就需要进一步考虑公司数据的量级了，如果是小数据量，TB 级以下，那么在传统数据库中建这样一个数据仓库就可以了，如果数据量达到几十上百TB，或者可见的在未来几年内数据会达到这样一个规模，可以将仓库搭在 greenplum中。这种场景应该是适用于大部分公司，对于大部分企业来说，数据量都不会PB级别，的是在TB级以下。场景c：公司数据爆发式增长，原有的数据平台无法承担海量数据的处理，那么就建议考虑hadoop这种大数据平台了。它一定是公司的数据中心，这样一个角 色，仓库是少不了的，可以将原来的仓库直接搬到hive中去。这种数据量比较大的情况要怎样呈现，因为hive的性能较差，它的即席查询可以接 impala，也可以接greenplum，因为impala的并发量不是那么高，而greenplum正好有它的外部表(也就是greenplum创建 一张表，表的特性叫做外部表，读取的内容是hadoop的hive里的)，正好和hadoop完美的融合(当然也可以不用外部表)。场景d：这个是后面补充的，当公司原本有一个数据仓库，但历史数据了堆积过多，分析性能下降，要怎么办?两个方案可以考虑，比较长远的，可以将仓库以及数据 迁移到greenplum中，形成一个新的数据平台，一个独立的数据平台，可以产生的可能性;比较快速的，是可以将类似finecube那种敏捷型数 据产品接入原来的仓库，这样来提升数据的处理性能，满足分析的要求。四、关于方案选型时可能会出现的误区(忽略业务的复杂性，要用工具来解决或者是绕开业务的逻辑。)这个是我最近遇到过的，客户要做报表平台，有三个业务系统的数据需要整合。但是急于变现，不想搭建传统的数据仓库，所以从敏捷型的bi工具中选型。 工具厂商对自己数据产品的描述，一般着重于他的快速实施、性能的优化、以及自带的基本etl功能。这样容易给客户造成误区，就是通过这一产品可快速搭建出 一个公司级别的数据中心，满足于顶层对数据的需求。然而在后期突然意识到，工具所解决的，仅仅是在技术层面上简化了工具的使用的复杂性，把etl和数据集市封装在一起，并且提高了数据的性能，但是并没有从业务层面上实现数据的建模，很多细节问题无法处理。虽然敏捷开发非常诱人，如果业务系统简单，或者只需要分析当前状态的业务数据，不需要公司级的数据中心，那么确实是一个非常好的方案。然而这些问题还没有考虑清楚，对敏捷产品有了过高的期望，后面是会遇到些麻烦的。除此之外，可能还会有为了大数据而大数据的，但是这些我在实际的工作中还没有遇到。最后总结一下，企业选择数据平台的方案，有着不同的原因，要合理的选型，既要充分的考虑搭建数据平台的目的，也要对各种方案有着充分的认识。仅从个人的角度，对于数据层面来说，还是倾向于一些灵活性很强的方案的，因为数据中心对于公司来说太重要了，我更希望它是透明的，是可以被自己完全掌控的，这样才有能力实现对数据中心更加充分的利用。因为，我不知道未来需要它去承担一个什么样的角色。希望可以帮助你，望采纳

山东省交通厅网站 “在线办事”栏 “工程建设管理”http://123.232.111.215:10081/home.ejf?cmd=login&sys=1