京公网安备 11010802034615号
经营许可证编号:京B2-20210330
文思海辉:大数据助力企业畅游移动医疗蓝海
刚刚过去的2014年可谓移动医疗信息化元年,越来越多的企业投身到移动医疗领域,阿里投资中信21CN、腾讯投资丁香园、“好大夫在线”及“春雨掌上医生”被更多用户所接受……政策的利好、资本的增加、巨头的强势介入及百姓的实际需求,使得移动医疗成为医疗产业的下一片蓝海。
众所周知,移动医疗产业的发展离不开大数据的支持。IDC《2015医疗IT十大预测》中指出,2016年前,15%的医院将创建综合性的患者档案,并尝试为患者制定个人化的治疗计划; 2018年,65%的消费者与医疗健康机构的交易将实现移动化;到2020年,随着供应商寻求利用云技术及相关基础设施来进行数据收集、集料、分析和决策,80%的医疗数据将在存储过程中的某个节点进入云端储。资深的医疗行业兼大数据解决方案服务专家Pactara(以下简称:文思海辉)认为,广泛利用以大数据为代表的信息技术,医疗行业客户可以获得更多进步,如提高医疗服务质量,防止医疗事故发生,提高护理服务效率,降低不必要的医疗成本,同时加强管理效率,减少文书工作,使更多人可以负担得起医疗费用,从而把握移动医疗市场先机。
文思海辉提供的企业级SmartData(大数据)专业服务及解决方案,致力于挖掘以数据为驱动引擎的潜在价值并提供可视化的分析决策支持,是可提供定制化设计服务、能帮助医疗行业客户深入洞察业务需求的最具商业赋能潜力的大数据解决方案。同时,文思海辉卓越的业务方法论与核心技术竞争力能帮助客户打通以数据应用为价值链条的商业路径,快速将技术实施转化为企业捕捉市场机遇,提升利润增长的驱动力。
文思海辉曾为中国最大的合资制药企业之一提供大数据专业服务及解决方案,该公司成立于1985年,总部位于美国,在财富500强榜单上排名前50,在华员工超过3000人,在全国34个城市设有办事处。
文思海辉解决方案为客户提供的解决方案使用了DB2作为企业数据仓库,以Hadoop(CDH4)作为企业的大数据平台。项目实施初期,文思海辉对客户进行了大量的访谈调研,根据客户现有的IT系统和资源情况做了全面细致的测试,为客户定制最优的移动商业智能解决方案,在项目实施过程中,以SQL Server报告服务作为Roambi的商业智能门户,充分利用客户现有的IT资源和系统,节省了IT投入并极大的缩短了项目周期。基于SQL Server数据库为客户移动应用搭建了专门的数据仓库和ETL平台,为以后的应用扩展打好了基础。
该制药企业在文思海辉的协助下,短时间内完成了40余数据集市、800余ETL(提取、转换、加载)表和500多份报告,推出100多种新特性及企业级数据仓库,并企业级数据仓库报告服务等级协议使时间比之前减少了两个小时,且加载的数据量是前期的两倍的效果。除此之外,还实现了移动/加载6PB数据到Hadoop,通过全新的Hadoop,每年为EDW省下至少300万美元成本。项目交付完成后,客户高层和庞大的销售团队实现了充分利用现有数据及技术为内部管理及外部运营服务的预期目标,并很好地实现了办公的移动化,可随时、随地查询公司报告、数据,进行决策分析,提升了整体效应。
自2006年以来,文思海辉就致力为医疗行业提供端到端的全价值链服务,其医疗行业解决方案涵盖了医疗行业的方方面面,包括设备和服务、制药、生物技术和生命科学保健行业领域,覆盖了药品研发与生产商、医院、诊所、医疗设备与仪器供应商、实验室以及医疗健康计划供应商。
近日,国务院发展研究中心国际技术经济研究所所长陈宝国发言指出:“未来健康数据将会和技术系统相衔接,个人健康数据将逐渐被重视。”可以预见的是,随着移动医疗的进一步深化,数据系统的建设将更为复杂、数据的挖掘及合理化运用的难度亦进一步提升,文思海辉将会扩大大数据与医疗行业优势化结合的业内优势,助力更多客户畅游在移动医疗蓝海之中。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24