一种医疗器械数据可视化分析系统及方法

技术领域

本发明涉及医疗器械数据分析技术领域，具体提供一种医疗器械数据可视化分析系统及方法。

背景技术

随着社会的不断进步，社会经济飞速发展，同时也带动各项科学技术的不断进步。计算机具有存储信息量大，使用者获取信息方便快捷等优点，受到广泛的应用。特别是近年来，随着社会及经济的进一步发展，计算机的应用领域逐步扩展，计算机在各个领域都得到广泛的应用。其中，计算机在医疗器械中的应用也越来越广泛，计算机的出现为医疗器械数据分析带来了很多的便捷。

但是随着金税三期工程的推广和医疗器械大数据平台的建立，统一了全国征管数据标准和口径，实现了全国征管数据大集中，金税三期工程采用“应用省级集中，生产数据省局落地，然后集中到总局”的模式，并建立了第三方信息共享机制，因此能够实时、完整、准确的掌握使用者医疗器械信息。

在当前运行的使用者数据分析系统中，往往是简单的对使用者数据进行集中展现，展现方式大部分为表格和图表，这种方式造成了分析场景僵化、分析工作量大、展现方式不直观、展现内容无关联等诸多缺陷。

怎么充分利用这些来自各个业务系统的数据，如何更加精确地了解使用者医疗器械信息、更加精准地为使用者服务、更加精细地对使用者进行管理，充分发挥数据优势，来反映使用者的经营情况、诚信记录、医疗器械风险、使用习惯等信息，为医疗器械部门开展差别化使用服务、精细化税源管理和针对性风险管控，成为了亟待解决的问题。

发明内容

本发明的技术任务是针对上述存在的问题，提供一种能快速构建医疗器械行业标签体系，为使用者提供差异化的服务，使医疗器械部门的风险管控更具针对性的数据可视化分析系统。

本发明进一步的技术任务是提供一种医疗器械数据可视化分析方法。

为实现上述目的，本发明提供了如下技术方案：

一种医疗器械数据可视化分析系统，该系统基于标签化技术，包括医疗器械大数据平台、标签管理平台和上层应用层，医疗器械大数据平台与标签管理平台相连接，医疗器械大数据平台完成医疗器械数据的采集、清洗、转换、匹配和汇总归集，将医疗器械数据传送给标签管理平台，标签管理平台对医疗器械数据打标签，将集中起来的医疗器械数据进行标签化处理，形成标签库，并完成对标签的管理；上层应用层通过标签调用接口与标签管理平台相连接，结合标签管理平台处理的标签，采用可视化画像展现使用者的医疗器械数据。

所述医疗器械数据可视化分析系统底层依赖医疗器械大数据平台，医疗器械大数据平台根据医疗器械数据采集的质量、数量和具体需求，完成医疗器械数据的采集、清洗、转换、匹配和汇总归集，经过处理的医疗器械数据能够更加方便的进行标签化处理。在医疗器械大数据平台的基础上，搭建标签管理平台，标签管理平台主要实现标签的管理，通过标签管理平台可以把集中起来的医疗器械数据进行标签化处理，结合业务需要定期扫描相关医疗器械数据，根据标签定义对医疗器械数据进行标签化处理，最终形成标签库，标签库不仅存放标签的定义，还存放标签的扫描结果数据。上层应用层通过标签管理平台对外开放的标签调用接口调用标签数据，并通过可视化的方式进行展现。

作为优选，所述对标签的管理包括标签的创建、修改、审核、发布、评估和下线。

作为优选，所述标签的创建提供业务人员自行创建标签的入口；标签的修改为按照实际业务需求对标签规则进行修改调整；标签的审核提供标签审批功能，对审核通过的标签进行发布使用；标签的评估即对标签的使用频率和效率进行评估；标签的下线即对不常用标签、过时的标签执行下线操作。

作为优选，标签的创建方式包括自动标签、手工标签和组合标签。

作为优选，所述标签规则即标签的计算口径，包括数据项、计算公式。

标签规则即标签的计算口径，包括但不限于数据项、计算公式。

作为优选，所述上层应用层基于标签库，建立使用者分类分级管理体系，通过查询使用者医疗器械数据对应的标签，直观呈现征管和风险状态，以画像形式直观展示使用者的医疗器械数据。

标签处理好后，即为标签应用阶段，基于标签库，建立使用者分类分级管理体系，通过查询使用者医疗器械数据对应的标签，直观呈现征管和风险状态，使用者的医疗器械数据以更加合理的方式进行组织，以更加直观的方式展现，能够实现有针对性的开展分类管理和差异化服务。

一种数据可视化分析方法，所述方法具体包括以下步骤：

S1：医疗器械数据集成：通过医疗器械大数据平台完成医疗器械数据的采集、清洗、转换、匹配和汇总归集；

S2：行为建模：标签管理平台对收集到的医疗器械数据进行行为建模，抽象出标签，并对使用者标签进行分类，把抽象出来的标签贴在相应的实体上；

S3：构建体系：采用数据可视化技术，以文字和图表展示相结合，通过组合标签展示使用者信息。

作为优选，步骤S1中，医疗器械数据集成分为医疗器械内部数据、医疗器械外部数据、互联网数据和日常情报数据。

作为优选，步骤S2中，使用者标签包括事实标签、统计标签和预测标签。

事实标签即描述使用者基本特征，直接从税收系统、外部数据、互联网数据采集中提取的能直接显示使用者社会属性、经营习惯和使用行为的标签。

统计标签在事实标签的基础上，通过简单的计算，将使用者分为若干类别，满足使用者分类管理的需要。分类后，需要保证群体内和群体外的数量具有区分度。

预测标签是在事实标签和统计标签的基础上，搭建应用场景，引入决策树、回归算法、聚类算法分析等建模分析，使用内部数据、外部数据、互联网数据和日常情报数据反复测算，再将数据规律进行业务转换和提炼，最终形成预测标签。

作为优选，步骤S2中，提取使用者的行为特征，通过迭代、聚类算法反复测试，结合使用者的行为数据，抽象出标签。

行为建模阶段注重的影视大概率事件，通过数学算法尽可能的排除用户的偶然行为。标签的确定过程是提取使用者的行为特征，通过迭代、聚类算法反复测试，结合使用者的行为数据，经过合理的取舍，保留既有区分度，又能发硬每个“小群体”特征的使用者属性，即抽象出标签。该过程需要标签提炼者对使用者角色有伸入的理解，需要项目建设方和承担方共同完成。

与现有技术相比，本发明的数据可视化分析方法具有以下突出的有益效果：

(一)所述数据可视化分析方法一方面能够方便业务人员理解数据，另一方面方便计算机处理数据，实现对使用者的分类管理；

(二)利用标签化技术，数据分析和使用人员面对的不再是枯燥、繁琐的文字和数字，而是直观的画像，表现形式更鲜活，内容更具针对性；

(三)利用标签化技术，能够鉴别使用者的个性化需求，为使用者提供差异化服务，使医疗器械部门的风险管控更具有针对性，提供精准服务；

(四)通过标签组合，开展群体共性特征的可视化展示，进行共性提取，能够使医疗器械人员有效地搜寻、了解目标企业，对税收风险的监控更加准确，具有良好的推广应用价值。

具体实施方式

下面将结合实施例，对本发明的数据可视化分析系统及方法作进一步详细说明。

实施例

本发明的数据可视化分析系统，该系统基于标签化技术，包括医疗器械大数据平台、标签管理平台和上层应用层。

该数据可视化分析系统底层依赖医疗器械大数据平台，医疗器械大数据平台根据设施数据采集的质量、数量和具体需求，完成医疗器械数据的采集、清洗、转换、匹配和汇总归集，经过处理的医疗器械数据能够更加方便的进行标签化处理。

在医疗器械大数据平台的基础上搭建标签管理平台，标签管理平台与医疗器械大数据平台相连接，标签管理平台主要实现标签的管理，通过标签管理平台可以把集中起来的医疗器械数据进行标签化处理，结合业务需要定期扫描相关医疗器械数据，根据标签定义对医疗器械数据进行标签化处理，最终形成标签库，标签库不仅存放标签的定义，还存放标签的扫描结果数据。

标签的管理包括标签的创建、修改、审核、发布、评估和下线。标签的创建提供业务人员自行创建标签的入口，标签的创建方式包括自动标签、手工标签和组合标签。标签的修改为按照实际业务需求对标签规则进行修改调整，标签规则即标签的计算口径，包但不限于括数据项、计算公式。标签的审核提供标签审批功能，对审核通过的标签进行发布使用；标签的评估即对标签的使用频率和效率进行评估；标签的下线即对不常用标签、过时的标签执行下线操作。

上层应用层通过标签管理平台对外开放的标签调用接口调用标签数据，结合标签管理平台处理的标签，采用可视化画像展现使用者的医疗器械数据。可视化画像可以包括使用者画像、医疗器械人员画像及医疗器械机关画像等。标签处理好后，即为标签应用阶段，基于标签库，建立使用者分类分级管理体系，通过查询使用者医疗器械数据对应的标签，直观呈现征管和风险状态，使用者的医疗器械数据以更加合理的方式进行组织，以更加直观的方式展现，能够实现有针对性的开展分类管理和差异化服务。

本发明的医疗器械数据可视化分析方法，具体包括以下步骤：

S1：医疗器械数据集成：通过医疗器械大数据平台完成医疗器械数据的采集、清洗、转换、匹配和汇总归集。

医疗器械数据集成分为医疗器械内部数据、医疗器械外部数据、互联网数据和日常情报数据。

S2：行为建模：标签管理平台对收集到的医疗器械数据进行行为建模，抽象出标签，并对使用者标签进行分类，把抽象出来的标签贴在相应的实体上。

使用者标签包括事实标签、统计标签和预测标签。

事实标签即描述使用者基本特征，直接从税收系统、外部数据、互联网数据采集中提取的能直接显示使用者社会属性、经营习惯和使用行为的标签。

统计标签在事实标签的基础上，通过简单的计算，将使用者分为若干类别，满足使用者分类管理的需要。分类后，需要保证群体内和群体外的数量具有区分度。

预测标签是在事实标签和统计标签的基础上，搭建应用场景，引入决策树、回归算法、聚类算法分析等建模分析，使用内部数据、外部数据、互联网数据和日常情报数据反复测算，再将数据规律进行业务转换和提炼，最终形成预测标签。

行为建模阶段注重的影视大概率事件，通过数学算法尽可能的排除用户的偶然行为。标签的确定过程是提取使用者的行为特征，通过迭代、聚类算法反复测试，结合使用者的行为数据，经过合理的取舍，保留既有区分度，又能发硬每个“小群体”特征的使用者属性，即抽象出标签。该过程需要标签提炼者对使用者角色有深入的理解，需要项目建设方和承担方共同完成。

S3：构建体系：采用数据可视化技术，以文字和图表展示相结合，通过组合标签展示使用者信息。建构体系依据画像、预测、服务及风险性来完成。

以上所述的实施例，只是本发明较优选的具体实施方式，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。