吕宗学教授:Tableau唤醒医疗行业大数据

  目前在医疗行业，由于大多数医疗工作者没有时间也缺乏技能来查看和理解数据。他们依赖电子表格作为其主要的自助分析工具，而电子表格可能慢速、低效、易出错，而且无法和扩展。

  在过去，医疗机构人员通过静态报表访问数据。这些报表来自于企业应用程序和商业智能工具。而IT部门是所有这些应用程序和工具的唯一管理者和使用者。这种旧方式主要是在上世纪九十年代设计并形成的，而且其通常复杂、死板、费时且代价高昂。

  面对不断增加的数据量、离散的数据源和匮乏的资源，人们认为从住院楼报告可付诸行动的见解绝非易事。数据的数量和多样性使得一站式数据仓库的概念变得陈腐过时，而此时，很多医院仍在苦苦构建他们的第一个数据仓库。这些状况看似充满威胁，甚至失去控制。但其实未必需要如此。

  现在医疗服务提供商正在力求扭转这一现状，他们希望将分析数据的能力赋予整个机构中的个人，让他们能够探索数据来解答自己的问题。很多诊所和医院已经建立了自助模型。按照这种模型，IT和商业智能团队正在摆脱对请求不经大脑的死板反应，而是转向培训个人和科室自问自答问题。医院或诊所的知识工作者可以作出更加依赖于数据的决策。

 国立台湾大学卫生政策与管理研究所博士、教授兼所长吕宗学

  在这一过程中，Tableau正在发挥越来越重要的作用。国立台湾大学卫生政策与管理研究所博士、教授兼所长吕宗学对此深有体会，而在近日举行的Tableau可视化分析峰会北京站活动上，笔者有幸采访到了吕宗学，就可视化分析在医疗行业的应用进行了讨论。

  医疗行业可视化数据分析的困境

  吕宗学教授说，我有二十五年的数据处理与分析经验，本身也有十多年临床医疗经验。此前一直使用传统分析软件SPSS，后来经过介绍才开始使用Tableau。在不到半年的时间里，我们已经制作了五六十个可视化作品放在网站上，这足以看出Tableau在易用性方面的优势，通过鼠标，一个拖放功能就可以实现。医生要考虑的是他们需要向数据提出什么样的问题，而不是如何使用软件。可视化释放了原始数据的价值，将其转变为有远见的见解和实时行动。

  另外，吕宗学教授在网站上放置了许多教学影片，希望更多医疗与公共卫生专业人员能善用Tableau在自己日常业务的简报与决策分析参考。对于医疗服务提供商来说，今天的分析和见解可能改变明天的临床结果。

  过去Tableau的范例大多是商业管理，较少有医疗与公共卫生相关的范例。对于其中的原因，吕宗学表示，因为医疗与公共卫生相关领域的数据不够开放，所以数据分析并没有大规模开展。另外，许多医疗与公共卫生相关领域的数据分析需要相当的流行病学与统计学专业知识，所以推广上相对较慢。虽然目前Tableau非常易用，不过对于不熟悉数据处理的医护专业人士，还是需要一些入门教育训练。

  对于使用Tableau的感受，吕宗学教授说，通过使用Tableau，我们可以实现原本要找的数据很快找到。另外发现原本没有发现的数据和问题。其实很多宝贵信息是藏在医疗与公共卫生的数据中，如果不通过数据可视化进行呈现，即使是具有丰富专业知识的医疗专业人士也很难由数据引发重要想法。

  而且医疗界的一个特殊是医师与研究者自己建立资料库，所以他们并不会把数据对外开放让别人帮助进行分析。因为他们自己知道资料的意义和重要性，所以只能由当事人自己分析。而Tableau的最大特色就是自助式数据分析，Tableau可以让专业人士对资料进行分析，进而产生数据价值。

  另外对于日常简报，借助云端优势，Tableau可以让医护专业人士更轻松进行数据分享。在Tableau帮助医疗行业更好地实现数据呈现的同时，吕宗学也对于Tableau表达了诸多期待。

  吕宗学教授说，Tableau在云端简报上面应该更多改进，从而突破Excel和Power Point的限制;针对卫生教育信息，提供更多可筛选的选项，呈现性别、年龄相关的风险信息和保健治疗建议;目前临床届出现了医师与病患家属共同决定治疗建议的趋势，希望Tableau可以透过数据可视化产生不同情景的不同结果，方便医患双方决策。

  医疗行业的大数据与小决策

  其实，大数据在医疗行业的表现是与其他行业不同的。吕宗学教授说，对于医疗行业来说，数据往往很大，但是决策却很小。因为这个决策仅仅是要不要进行下一步检查？要不要动手术？要不要拿药？等。而可视化在大数据信息与小行动决策之间扮演了关键的沟通角色。

  目前医疗行业推动大数据分析的最大障碍是不同医疗单位和个人数据的各自为政，无法实现数据的共享。旧的商业智能模型速度缓慢且需要大量资源，而正确的数据软件可以提高行动速度。

  结语

  医疗行业数据有着与其他不同行业截然不同的特征，这种特征也决定了通用商业分析软件在处理相关数据的局限性。而Tableau倡导的自助式可视化分析将数据的处理权交给了处理者，而对于医疗行业来说，他们对自己的数据最为熟悉，所以这直接驱动了这种数据处理后的效果。

  虽然医疗数据很大，但是正如吕宗学教授所言，其往往决定了一个小行为，而这个小行为却给病患带来的是大结果。Tableau要做的是让这种决策更加准确，同时通过可视化分析的数据分享，整个医疗行业的大数据正在被“唤醒”。