Your browser does not support video tags.   一、选手简介 1、选手介绍 团队名称：奈斯小队 队长介绍：张荣锦，目前就读于安徽财贸职业学院，经济贸易学院，20级商务数据分析与应用，帆软认证BI工程师，1+x数据分析师。本人学习专业以及研究方向为数据挖掘，数据分析等。 成员一：代冉冉，目前就读于安徽财贸职业学院，经济贸易学院，20级商务数据分析与应用，帆软认证BI工程师，1+x数据分析师。 成员二：梅龙涛，目前就读于安徽财贸职业学院，经济贸易学院，20级商务数据分析与应用，帆软认证BI工程师，1+x数据分析师 成员三：汪凤玲，目前就读于安徽财贸职业学院，经济贸易学院，20级商务数据分析与应用，帆软认证BI工程师，1+x数据分析师。 成员四：韩晓梅，高级工程师，CISP注册信息安全专员，博士在读，安徽财贸职业学院优秀教师，合肥市技术能手、金牌职工，安徽省教学成果奖二等奖主持人，国家级职业教育教师教学创新团队成员。 团队组成：奈斯小队是商务数据分析专业的王牌队伍，人称天团。曾获得第五届“长风杯”全国大学生数据分析与挖掘竞赛华东赛区一等奖和全国二等奖，第九届“博导前程杯”电子商务数据分析安徽省特等奖和全国三等奖。由老师宣传得知比赛，四人志同道合，本着互相学习，督促进步组成了奈斯小队。 团队照片：获奖了再发（手动狗头）   2、参赛初衷 团队成员都是同学，课堂上一起学习与攻克数据分析与应用的难题，对杂乱无章的数据中加以清洗处理，从而挖掘出有价值的信息为决策提供信息支撑。随着我们对数据分析行业的不断了解与深入，我们愈发从finebi可视化工具中感受到数据分析行业的重要性与魅力。在这学期的课堂上，我们第一次使用了FineBi，我们感觉它是一个“老少”皆宜的可视化工具，因为它无论从上手难度，还是从可视化图表的丰富程度来说，对数据分析初学者或者是职业数据分析师都很适用。因此我们认为对FineBi的学习不能只局限在课堂上，更应该用比赛实践来提升BI工具的使用方法和技巧。   二、作品介绍 1、业务背景 据悉，中国当前医疗卫生约占GDP5%，相比较于美国的17%，我国医疗消费水平尚处于初级阶段。随着经济的不断发展，我国的人均可支配收入及健康观念将不断提升，医疗卫生消费将迎来长期稳步发展阶段。而老龄化加剧、全民健康意识的加强、医疗技术的更新发展、以及医疗卫生体制的深化改革，医院医疗事业迎来了一个快速发展的良机。 但是，目前我国公共医疗管理系统的不完善，医疗成本高、渠道少、覆盖面低等问题困扰着大众民生。尤其以“效率较低的医疗体系、医疗资源两极化、大医院人满为患，社区医院无人问津”为代表的医疗问题为社会关注的主要焦点。这些问题已经成为影响社会和谐发展的重要因素。 平均住院日（average length of stay, ALOS）是一个评价医院医疗质量和技术水平、医疗效率和效益的综合指标，也是三级综合医院评审要求必须重点改善的核心指标。   2、数据来源 自选数据：数据来自FineBi数据准备中的医疗机构数据.   3、分析思路 为了解决医疗体系效率低下，医疗资源两极化的问题，我们从医疗机构的门诊和住院两个大的方面入手，着重分析了门诊预约，科室预约，平均住院时长以及床位周转使用率。 数据可视化分析 （1）可视化分析 <1>门诊预约类型分析 图1 门诊预约类型 预约是就医的第一步。对门诊预约类型进行分析，我们得出现场预约的人数最多，占整体的51.98%，且值得注意的是，非预约的人数占比14.80%，超过了网络预约的人数。医疗机构应做出相应措施减少现场预约以及非预约的人数，从而达到提高预约效率的目的。 <2>各科室预约分析 图2 各科室预约情况 由各科室预约情况可以看出，中医科、传染科、脾胃病科预约人数较多，其他科室预约人数较少。医疗机构应该给热门科室增加人手，提高诊断效率，减少病人等待的时间。 <3>各住院科室收入 图3 各科室收入 各住院科室中脾胃疾病费用相对较高，针对当代常发的脾胃疾病症状来看，例如反复上腹部不适，精神紧张、烦躁、情绪低落,这些现象反过来又加重肠胃病的症状,形成恶性循环,使病情复杂,不易治愈。心情对于疾病来说占据较大方面，而人们的喜怒哀乐却又是先天而来，脾胃的医疗措施的防治以及医疗科技的提升不仅考虑病痛的去除，更要照顾病人的身心健康。因此针对难以完全医治的疾病就需要医院加强观察与提高整体医疗方案。 <4>医生出诊次数 图4 医生出诊次数 由医生出诊次数图中可以看出，普通医生出诊次数最多，特需专家出诊次数最少。为了达到提高医疗效率和提高医疗服务的目的，应该相对提高专家和知名专家的出诊次数。 <5>各年龄段预约科室情况 图5 各年龄段预约科室情况 通过各年龄段挂科情况，我们可以看出： 婴幼儿以及青年挂中医科比例较大，就中医药来说，常见儿科以及青年人病症，对于免疫系统预防以及器官保护中医施治。以及脾胃病高发于中年人群，相对应中年人挂取脾胃病号更多，而老年人抵抗力相对下降，对于传染病沾染比例更高。 <6>各地区住院人数 图6 各地区住院人数 当代医疗设置资源不均衡，上海北京等大城市医疗资源相对完善，因此一些疑难杂症大家都愿意去大城市去治疗，比如原发性高血压，冠脉搭桥，住院时间相对较长，消费较高，但是医疗设施的完备性影响，大城市聚集大病情况仍旧存在，地区分布的不均使得地区医疗需要区域侧重调节。 <7>各地区就医消耗时长与消费 图7 各地区就医消耗时长与消费 平均住院日（average length of stay, ALOS）是一个评价医院医疗质量和技术水平、医疗效率和效益的综合指标，也是三级综合医院评审要求必须重点改善的核心指标。 大城市医疗资源相对完善，治疗成功率也相对较高，但由于医疗资源的匮乏，也就使得医疗资源不均衡的弊端暴露。从平均住院时长来看，南京的平均住院时长最短，医疗效率最高，平均住院时长大于十二天的城市，尤其是武汉需要重点改善，北京上海作为医疗水平最高的城市，其就诊人口基数较大，导致平均住院时长较长。 从消耗费用来看，北京上海南京等大城市就医消耗日费用3000元左右，针对一般家庭，得了疑难杂症是去大城市解决问题，还是在小城市将就医治。因此针对区域医疗服务以及设施不均衡的情况，以及普通家庭得病救治问题还需要一套更完善的帮扶策略。 <8>区域住院费用 图8 区域住院费用 由区域住院费用图我们可以看出，医疗水平最高的北京和上海的医疗机构住院费用较高，其次是省会城市医疗机构。 <9>各病种平均住院时长与费用 图9 各病种平均住院时长与费用 图中折线代表住院时长，柱形代表费用。通过该可视化图我们可以看出，就平均住院时长来说，最长的为先天心脏病、冠脉搭桥和尿路结石。就住院花费来看，花费最多的是原发性高血压。 <10>床位使用周转率 图10 床位使用周转率 床位周转次数传染科最多，在床位使用率分布中儿科使用率最多，其中一月份呼吸科床位使用率最低。医疗机构在不同时期要对床位分配做出相应改变。 <11>仪表盘 图11 仪表盘 （2）数据分析结论 当前，我国正在深入实施健康中国战略，随着工业化、城镇化、人口老龄化进程加快，我国居民生产生活方式和疾病谱不断发生变化，社会迫切需要更加高效、精准的医疗健康服务。 我国的医疗支出和医疗机构虽然数量规模较大，但是由于我国人口众多的原因，我国人均拥有的医疗资源数量相比发达国家又有很大的差距。未来我国的医疗资源仍然会保持扩充趋势，对于医疗人才的需求仍然保持上涨，对于医疗设施短缺板情况仍然存在。 对医疗机构相关数据的分析我们给出如下建议： 1.现场预约的人数最多，医院现场秩序的维护以及医疗措施的保障需要完善。通过人工主动引导、开设预约服务专窗、预约取号优先等方式，对预约后到场办事的应予以优先办理。 2.中医科、传染科、脾胃病科预约人数较多，各预约窗口设施建设与预留空间可以参考可视化数据进行空间化设置。 3.中医科婴幼儿以及青年挂中医科比例较大，因此针对高发性疾病与人群要安排好针对性会诊，尤其婴幼儿年龄段较小，更要注意医疗服务的安全与救治的完备性。 4.床位周转次数传染科最多且儿科使用率 最多，这就更要着重儿童传染，做好隔离与消毒，预防二次感染，努力保护儿童这类易感染人群。 5.上海北京等大城市医疗资源相对完善，但住院费用相对较高，专家出诊也集中在大城市，针对医疗服务费用，为保障人民健康与践行医者仁心，可酌情处理疑难杂症费用与下倾医疗服务。 6.针对一些居民常见问题，可组织医疗团队对常见疾病进行社区宣传，组织专家义诊，工作队和社区联合开展的医疗服务进社区活动帮居民解决难题。 7.提高管理体制，制定一套科学合理、适合医生的管理体制;做好医院的宣传，宣传医院特色，宣传医疗设备和技术水平。和企业一样，企业有企业文化，医院也应该有自己的医院文化。不断提升医院的医疗服务。面对激烈的竞争，要不断提高自身的竞争力，把医院的生存空间不断扩大。 我们也希望所做的一切能为医疗机构出一份力，为决策者提供优化思路和数据分析的样本，使医疗机构的效率和资源分配不断优化，从而更好的服务人民。   三、参赛总结 1.对FineBi工具的感受 (1)省时 省时是因为FineBI可以整合多个独立信息系统的数据，将数据转化成信息，方便业务人员即时分析，不用再受写代码或者反复合并数据的困扰。 (2)省力 省力是因为FineBI设计的出发点就是为了让业务人员能够轻松进行分析，所以操作界面简单易用，即使不看文档也会制作表样，入门简单。 (3)省钱 省钱是从各个企业发展的大角度来说，一次的安装部署，统一标准，可以在为企业省去不必要的重复评估、购买、布局、实施和维护多个商业智能系统所造成的成本浪费的同时辅助企业预测分析，智能决策，带来更高的回报收益。   2.参赛心得 通过这次比赛对FineBI的学习与使用，最大的收获是数据分析思维的训练，数据可视化故事的讲述原则以及数据可视化大屏布局和配色原则。这是之前课堂学习FineBI的时候所缺乏的技能，在比赛中都得到了补全。目前自己可以搭建起来炫酷的数据可视化大屏/驾驶舱，可以独立讲述数据背后的数据故事。同时，利用FineBI已经开始着手分析其他的数据，向同学介绍更深刻的数据结论，以及FineBI的优势。 通过这次比赛，我们也希望所做的一切能为医疗机构出一份力，为决策者提供优化思路和数据分析的样本，为帆软在教育教学的应用以及社会实践落地，贡献其中一份子力量。最后再次感谢队员们的辛苦付出，用老师鼓励的话来说：“莫问前程，勇往直前！”