随着医疗相关数据的不断积累，大数据技术的应用帮助医院后勤部门更好地理解和利用各种数据资源，做出更明智的决策，将为医院后勤管理带来革命性变化。通过传感器、医疗设备和信息系统等手段收集各种与后勤管理相关的数据，将数据存储在大数据平台或云服务器中，利用数据清洗、整合和标准化等技术，确保数据的准确性和一致性后，从大数据中提取有价值的信息和模式，从而支持后勤管理的决策和优化。大数据技术的应用极大改善了传统手工处理和经验判断导致的效率低下、容易出错的状况，保障了设备管理、库存控制、供应链管理、资源调配等后勤管理环节的高效运转。
一、大数据技术概况
大数据，指无法在可承受的时间内用软硬件进行捕捉、管理和处理的数据集合，需要新处理模式才能使数据集合成为具有更强的决策力、洞察力和流程优化等能力的海量、多样化的信息资产。 大数据技术具有以下特点： （1）规模性（Volume）。大数据需要采集、处理、传输的数据量大，处理 PB 级的数据是比较常态的情况。企业内部的经营交易信息，网络世界中的商品、物流信息，人与人的交互信息，位置信息等都是大数据的主要来源。 （2）多样性（Variety）。大数据的种类多，复杂性高，大数据有不同格式，有结构化的关系型数据，有半结构化的网页数据，还有非结构化的视频音频数据。而且非结构化数据广泛存在于社交网络、物联网、电子商务之中，其增长速度比结构化数据快数十倍。 （3）高速性（Velocity）。大数据需要频繁的采集、处理并输出，因为数据会存在时效性，需要快速处理并得到结果，如一些电商数据，如果当天的信息不处理，就将会影响到很多需要立即做出的商业决策，要达到立竿见影而非事后见效，实现实时获取需要的信息，一秒是临界点，即对于很多实时大数据应用而言，数据必须要在一秒钟内进行处理，否则处理结果就是过时和无效的。 （4）价值密度低（Value）。大数据不经过相应的处理则价值较低，挖掘大数据的价值类似于沙里淘金，以视频为例，一个 1 小时的监控视频数据，可能有用的数据只有一两秒，如何通过强大的算法更迅速地完成数据的价值“提纯”，是目前大数据技术研究的重要课题。 二、大数据技术实践探索
相较于智慧医院建设中的智慧医疗、智慧服务等内容，后勤智慧管理水平还存在较大的差距。医院后勤工作是医院日常工作的重要组成部分，是医院服务质量和经济社会效益水平提升的重要保障。随着大数据时代的到来，如何通过医院后勤智能管理平台收集大数据，利用大数据分析提升后勤管理质量，用数据说话，用数据管理，通过大数据技术全面提高医院后勤保障服务水平，降低医院运营成本，提升人员工作效能，实现后勤规范科学、优质低耗、高效管理的高质量发展，是医院后勤管理者正在探索的重要课题。 （一）基于大数据的设备安全智能管理 医院的设备种类繁多，后勤建设过程中应用了大量的系统，各设备系统或医疗设备都是独立存在的，而且分散在各个区域，即便建成有监控系统也只是采用本地监控的方式，无法在出现故障或隐患的第一时间发现问题，及时处置。利用大数据技术对采集的数据从监测、报警、到视频实时分析，并且可对业务场景中的巡检、维修进行操作和处理。从相对独立的信息孤岛转向信息系统全面整合，实现闭环控制，安全管控。当设备出现异常时，利用设备运行的历史数据库，通过对大数据的计算和分析，可更迅速地发现设备在运行中的异常变化，相比传统经验式管理方式能更早地发现运行中存在的问题，实现早期预警设备故障的目的。 （二）基于大数据的综合服务智能管理 通过将各科室业务相互打通，把所有临床科室报修、设备告警工单集成到一站式调度中心，统一登录，统一调度，统一监管，打破系统之间的信息孤岛，重塑业务流程。将设备档案信息、维护保养信息、故障预警告警记录进行数据整合，利用大数据分析优化后勤班组的人力资源配置，为后勤管理效率做加法，管理难度做减法。为临床工作做减法，为临床服务做加法。结合管理人员手机的应用，实现移动化办公及实时跟单处理，满足工作需要，实现无纸化管理，达到提高后勤整体工作效率，提升后勤服务水平的目标。 （三）基于大数据的医院能源分析管控 通过对医院设备设施的动静态监测，及时对能耗异常进行大数据分析，发现用能规律和特点，快速定位用能负荷高峰，发现用能设备存在的安全隐患，科学管理降低能耗使用成本。实现能源消耗可视化、提示、预警和故障监测，对高耗能设备实时能效进行监控诊断出现异常及时告警，以此实现能耗的科学安全管理。利用大数据分析、核心节能控制等技术与智能规划、自动化监测、智慧节能等多种手段，全方位对院区进行能源进行管控，让管理者实时掌控医院的能源成本比重、耗能趋势，利于提高医院的能源利用效率并降低日常管理中的能耗成本。从能效提升、品质保障两方面着手，提升系统性能，实现医院能源节约。 （四）基于大数据的医院后勤科学运维 基于大数据分析可对实时采集的设备运行数据与历史数据库进行综合分析，对设备使用状况进行比对分析、预测设备和零部件的可使用寿命。精准锁定偏离正常值的设备和零部件，实时分析故障原因，方便工作人员快速定位故障部位及时维修保养，缩短设备故障的维修时间，避免因故障带来的人身及财产安全。提高维修所需的前置期，与以往的维保方式相比时间急剧缩短；同时，可以在接近使用寿命极限时更换零部件，避免过度保养带来的资源浪费。根据设备数据库对人员工作合理安排，编制整体维修、维护任务进度的安排计划，提高后勤人员工作效率，实现医院后勤科学决策运维管理。 三、大数据技术应用分析 大数据技术的应用，使医院后勤的传统管理模式发生了深度变革。通过智能终端采集了海量数据，运用大数据分析，对采集的各项数据进行快速存储、汇总、分析、判断，对设备出现的运行异常、故障及时做出预警，对用能设备运行进行优化控制，以数据驱动服务流程优化，提升医院后勤的质量和效率，降低运营成本。然而，在大数据应用方面也还面临最多问题和挑战，需要不断探索并陆续解决。具体表现在以下方面。 （1）后勤系统繁杂，始终缺乏科学、有效、统一的指标体系，存在部分评价指标缺乏客观性、定义不明确、灵敏度不高，部分指标数据真实性不可靠、来源不准确等问题。而指标的全面性和准确性，对后勤管理质量提升有着至关重要的作用。 （2）目前大数据分析能够预测设备设施安全隐患，但主动解决措施还显不足，依然靠传统人工方式去处置解决，这种“发现问题，整改问题”的方法存在滞后性。 （3）目前后勤决策管理方法因其历史原因，存在着不系统、不规范的地方，以及从业人员专业知识架构不完整，管理经验不足等问题，导致后勤管理在大数据等新型技术方面决策的主观性，使得这些决策问题存在着一定的风险。 （4）近年来，我国医疗机构尤其是三级医疗机构信息化建设水平已有显著提高，后勤信息化建设保障体系日趋完善。然而，很多医院后勤系统数据仍处于孤岛状态，无法实现数据交互，无法实现对数据信息的合理利用。如何有效运用数据发挥应有的价值，是急需解决的难题。 文章来源：《医院后勤管理品质提升》图书（主编：谭西平 独晓 谢磊 梁海斌）
