京公网安备 11010802034615号
经营许可证编号:京B2-20210330
医疗大数据新政或带动行业扩张
6月24日,国务院办公厅正式印发了《关于促进和规范健康医疗大数据应用发展的指导意见》(以下简称《意见》),规范和推动政府健康医疗信息系统和公众健康医疗数据互联融合开放共享。从《意见》来看,医疗大数据的应用市场或迎来一定的发展机会。从市场需求来看,医疗大数据资源未来的机会可能包括B端和C端两个方面。
B端数据机会或从区域突破
首先是区域医疗体建立所促进的数据整合和应用机会。从《意见》来看,国家的重大任务包括“推动健康医疗大数据资源共享开放。鼓励各类医疗卫生机构推进健康医疗大数据采集、存储,加强应用支撑和运维技术保障,打通数据资源共享通”。从商业化操作角度来看,这一目标最有可能在现有区域医疗体内实现。事实上已经有一些城市或城市片区进行了上下级医疗联合体的尝试,比如绍兴的区域心电体系,上海嘉定的区域影像医疗体系等。在这些片区医疗中,从某一类别的医疗服务进行突破,整合病人病历、检查资料,在上下级医疗机构之间互认互通,将有助于建立完整的某一类别的区域医疗档案,这样产生的数据才有可能是连续完整的并有可能作为后续应用的基础。
在这一类片区数据和医疗服务的建立中,对于硬件公司、软件公司来说,有机会将业务从产品销售拓展到数据库的建立以及分析中,但难点也同样在此,对于大部分产品为导向的公司来说,医疗服务的特性是每个B端机构都有较高的个性化需求,这也加大了数据的割裂和融合难度。因此,当产品衍生到数据服务,这些公司需要把战略重心转移到产品背后所能够促进的兼容和数据整合上,包括来自多平台数据的整合以及多种类数据的整合,这会是软件和硬件公司未来切入数据的竞争点。
因此,这类数据融合的政策虽然为现有厂商提供了转型的市场机会,但也对其自身的发展提出了较高的要求。软硬件公司都需要加大其服务提供能力,而不仅是基于技术的延伸。从国外市场的演进来看,这类数据服务的整合一开始可能还是从厂商和第三方服务商发合作开始,发展到市场初步成熟阶段可能会加大市场整合,行业并购机会将会产生。
C端机会在于整合 或淘汰小供应商
同时,在C端的应用上,《意见》还指出,”鼓励社会力量参与,整合线上线下资源,规范医疗物联网和健康医疗应用程序(APP)管理,大力推进互联网健康咨询、网上预约分诊、移动支付和检查检验结果查询、随访跟踪等应用”。目前有非常多的针对C端的工具,但背后收集到的数据有非常大的问题,主要体现在不连贯、真实性有问题、分类不明确难以进行数据应用这三点上。而且各类机构有非常不同的线上线下数据应用平台,服务也很不一样,这给收集并应用C端数据带来很大困难。
未来更有可能出现的是从区域医疗出发,能够进行上下整合和打通的数据应用工具,采购的主体也有可能从分散的机构上升到区域医疗的管理者。这样在整个区域之内,才有可能打通预约、支付、检查查询互认、随访跟踪等环节,避免数据应用多重性导致的数据混乱和不连贯。但这种区域医疗体系对工具的性能、整合能力的要求都会比较高,如果未来从数据融合的角度看,小型、不具备完整工具提供功能和数据分析能力的公司可能会被市场淘汰,而崛起的将会是能够提供整套健康服务工具解决方案并支持数据整合的供应商。
因此,目前医疗信息服务领域的碎片化状态或将获得很大改观。不过,医疗大数据的获取和整合并不容易,因为中国医疗体系的信息孤岛是行业痼疾,要在短期内有很大改观是非常困难的。在分级诊疗的推动下,区域内的上下层级互动或是一个突破口,但这一方向的前提是基层的入口效应需要非常明确,强基层能否落到实处才是关键。
总体来看,《意见》确实能带来一定的市场机会,不过具体的机会点需要参考各地的细化政策和仔细研判各个细分市场的需求。短期来看,医疗大数据领域目前仍高度受政策影响,行业大扩张仍需时日。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26