如何终结三甲医院「数据夜班」？这个方法可解决两大「顽疾」！

而在另一些场景，医保结算结果与院内测算不一致，导致人力反复核对，电子病历评审数据达标率波动影响评级，不同科室「平均住院日」数值矛盾让决策者无所适从——这些「数据方言战」同样困扰着医院管理者。

这两类问题看似孤立，实则同源：缺乏系统化治理框架。笔者通过「价值链—范围」双维度矩阵，在某三甲医院同步实施批处理优化与数据标准化，实现双重突破：  

批处理侧：任务准时完成率从68%提升至99%。
标准化侧：医保结算差异率下降70%。

矩阵方法论

双维度透视医院数据治理本质   

表1 价值链-范围矩阵   

这一矩阵由两个正交维度构成：

（一）价值链视角维度

描述数据从技术构建到业务赋能的递进过程，聚焦数据生命周期中价值如何逐步深化和实现的五个关键阶段：  

研发 (Build)：聚焦技术实现，如设计数据存储架构、开发ETL流程；

运行 (Operate)：确保系统稳定执行，如监控作业状态、验证结果准确性；

资源 (Resource)：理解数据本身，如定义数据含义、梳理血缘关系；

资产 (Asset)：量化经济价值，如计算数据成本效益、分配资源优先级；

业务 (Business)：驱动业务提升，如验证数据是否真实反映业务、支撑决策优化。

五个阶段形成闭环：业务需求驱动研发，运行保障资源可用性，资源沉淀为资产，资产最终反哺业务。

（二）范围视角维度 

界定数据管理的观察粒度，分为三级：

原子 (Atomic)：最细粒度，如一个字段的定义，「入院时间」指挂号时间还是入病房时间？  

局部 (Local)：模块级视角，如一个ETL流程或科室级数据应用；

全局 (Global)：系统全景，如全院数据平台或跨部门业务流程。

范围层级可嵌套：信息科的「全局」可能是医院集团的「局部」，这要求管理者动态切换视角。

两个维度的正交性意味着：价值链的每个阶段，都需在原子、局部、全局层面同步考量。例如定义数据标准（资源阶段），需在原子级明确字段含义，在局部级设计科室协作流程，在全局级符合国家行业规范。   

分享线索、探讨合作、加入社群

批处理优化实战

终结「数据夜班」

（一）问题本质：数据流转的协同失控

医院批处理任务延迟的根源在于三层割裂：

1. 血缘关系不透明  

（1）任务依赖关系未可视化（如A任务等待B表完成）；

（2）关键表被多任务竞争时缺乏优先级控制。

2. 瓶颈定位无依据  

（1）任务执行过程缺乏分段耗时记录；

（2）集群节点负载不均衡未被识别。

3. 优化动作碎片化

调度、架构、资源优化措施未系统联动。   

通过「价值链—范围」矩阵分析，定位关键问题，系统性解决医院数据批处理的超时难题。   

表2 价值链-范围矩阵分析表   

（二）解决办法：实施全流程解析

1. 构建任务血缘图，目标是让所有依赖关系可见可管：

（1）确立单表单任务原则

每个数据表仅由一个任务处理，一个任务仅处理一个数据表。

（2）绘制任务血缘图

完成任务血缘图的绘制，这是一个DAG图（有向无环图）。

由于任务与数据表一一对应，所以任务的依赖关系与数据表的依赖关系是一致的。这样就自然准确的完成了数据血缘与任务血缘的一致性保障。

这一步骤的关键点是发现堵点表，堵点表就是被太多的任务访问依赖，形成瓶颈的数据表。

2. 部署全链路监控，目标是精准定位耗时瓶颈：

（1）日志记录

基础日志记录：每个任务必记录开始时间（精确到秒）、结束时间（精确到秒）、执行节点标识；

任务日志记录：每个任务必记录开始（精确到秒）、结束时间（精确到秒）。

（2）分段耗时分析

结合任务血缘图与日志记录，绘制全局完整的任务运行甘特图。这一步骤的关键是识别关键路径，进一步发现阻塞点，阻塞点就是长时间等待和运行的任务。

（3）集群负荷分析  

统计分析日志，汇总每个时段执行节点的负荷程度。这一步骤的关键是识别高负荷时段节点。

3. 实施三维优化

（1）堵点表拆分，架构解耦

通过拆分堵点表，消除资源竞争。通过堵点表每个字段的使用频率，分为高频字段和低频字段，结合不同业务使用对字段分组，把堵点表拆分成多个表。这样就解决了多个任务对堵点表的访问和等待，把耦合在一起的业务剥离开，各行其路。

（2）智能调度，关键路径保障

当检测到上游表完成，立即触发下游任务，消除阻塞点的等待。针对运行时间超长的任务，查看每个步骤的运行时间，找出关键步骤，专项优化，缩短运行时长。

（3）资源平衡，优化负载策略

分析高负荷是时段节点，调度高负载节点自动分流任务至空闲节点。同时，针对重点保障业务，固定分配至专属资源池，确保成功。

通过以上步骤便完成了一次完整的全流程解析优化。

（三）建立机制：持之以恒

数据管理是个持续的过程，随着医院业务的运营和发展，需要持续适时展开全流程解析的优化管理活动，巩固数据管理成果。

通过任务血缘、全链路监控精确定位问题，通过调度策略、架构解耦、资源调配消除运行瓶颈，通过资源策略随业务需求动态调整，三管齐下，数据批处理岂能不丝滑？

当医院能系统回答三个关键问题，批处理任务才能真正从「救火对象」转型为「效能引擎」：  

（1）依赖关系，哪些任务会相互阻塞？  

（2）瓶颈定位，耗时究竟卡在哪个环节？  

（3）影响范围，优化是否带来新风险？   

医院数据标准化

矩阵如何落地？

（一）定位痛点根源，锁定核心字段

通过业务访谈发现，医保结算矛盾、评审指标波动等问题（业务价值链）源于基础数据定义不清（资源价值链），且影响涉及全院系统（全局范围）。因此优先梳理诊断编码、手术编码、费用项目等原子级字段，确保其定义符合国家医保平台要求（全局校准）。

（二）跨部门协同制定标准

1. 资源价值链主导：

信息科牵头，联合医务处、病案室等业务部门，在原子级确定字段唯一名称与规则（如「患者唯一标识=患者主索引编码」）。   

2. 全局范围同步：

对照国家标准（如电子病历数据元规范）校准院内标准，并建立变更流程和责任矩阵。

（三）低风险技术实现路径

为避免直接改造HIS/EMR系统的风险，采用数据库视图方案：  

研发价值链：工程师创建映射视图，将HIS中的「PatientNo」映射为标准字段「患者唯一标识」。  

局部范围实施：外部系统（如医保接口）通过视图获取标准数据流，核心业务系统不受影响。  

运行价值链保障：设置数据映射异常监控，确保视图持续可用。

（四）闭环验证业务价值

统一数据标准后，成效直接体现在业务价值链：  

医保结算差异率下降70%（因源头数据一致）；  

电子病历评级数据准备时间缩短50%（指标自动提取）；  

院长驾驶舱决策响应速度提升40%（跨科室口径统一）。

同时，信息科从「数据消防员」转型为数据服务者，推动临床科研数据建模等高价值工作。

「价值链-范围」视角矩阵的精髓在于动态切换视角的能力：  

纵向上，它揭示数据如何从技术载体（研发）转化为业务引擎（业务）；  

横向上，它要求管理者在微观（原子）、中观（局部）、宏观（全局）层面灵活操作。

对医院而言，这套框架不仅解决了数据标准问题，更重塑了协作逻辑：医务部门理解数据定义需参与资源阶段，信息科设计技术方案需前置评估业务价值，而管理者则通过全局视角平衡资源投入与战略目标。

当数据管理者能娴熟地在矩阵的15个「格子」（5阶段×3层级）间游走时，数据便不再是负担，而是驱动医疗质量提升、运营效率优化和患者体验升级的核心资产。

系统性治理的可持续价值

通过「价值链-范围」双维度矩阵的实施，医院在数据治理领域取得实质性突破：

（一）批处理效能提升
任务血缘图与全链路监控实现依赖关系透明化，结合堵点表拆分与智能调度，任务准时完成率从68%提升至99%；

（二）数据标准统一  

原子级字段定义与视图映射技术，使医保结算差异率下降70%，电子病历数据准备效率提升50%；

（三）持续优化机制  

建立任务血缘图动态维护、字段标准版本控制、跨部门协同例会三项长效机制，确保治理成果随业务发展持续演进。

该实践验证了双维度矩阵在医疗数据治理中的普适性——通过同步解决动态任务流与静态数据定义问题，为医院建设提供可靠数据基础。   

扫码加入「以健康为中心」医院发展与能力建设专区

【系列直播，抢先观看】

【标杆探访，抢先报名】

【社群交流，持续学习】

【解决方案，提升效率】

作者简介：张谦，高级工程师，研究方向为数据治理、数据资产、大数据、人工智能。现就职于浪潮智慧医疗，任研发经理，以「数据让百姓更健康，数据让生活更美好」为座右铭

打赏