大數據醫療面臨人才問題

A. 學大數據未來是否好找工作

大家可能還沒有注意到這個專業，它的未來前景現在還沒有被大家所認識到，但是過兩年之後肯定是最火爆的專業。
當然除此之外，軟體工程、網路專業熱度也還是持續的，從2015年開始，基本上所有高校都申報了數學科學與大數據技術本科專業，其發展勢頭非常迅猛。

目前大數據技術已經在很多的金融機構，銀行，保險，證券機構。甚至醫療衛生領域以及國防。航天領域也都有廣泛的應用。
而且也有統計表明：未來幾年的大數據人才缺口等多達150 萬。很多大公司也非常青睞學習大數據專業的畢業生。
目前大數據領域有三個主要的技術方向。我們的大數據專業的畢業生只要精通了一個確實未來的就業發展前景都是非常可期的。

B. 大數據專業將來就是編程、敲代碼嗎前景怎麼樣

學大數據很不錯，就業前景廣闊！

但是有關大數據的崗位，通常都是有學歷要求的，一般是大專/本科起步。

大數據作為一項前沿互聯網技術，目前被各互聯網大廠的項目部門大量需求，如視頻推薦等。隨著鴻蒙系統的發布，物聯網時代將會催生更多大數據崗位。大數據技術在現在，以及可預見的將來，都是比較吃香的。

我國大數據發展整體上仍處於起步階段，雖然快速發展的格局基本形成，但是在數據開放共享、以大數據驅動發展等方面都需要大量的大數據專業人才。大數據是一門交叉學科，很多大學沒有為大數據單獨設置專業，主要有自學和報班學習兩種途徑。

大數據專業全稱數據科學與大數據技術，是2016年我國高校設置的本科專業。有32所高校成為第二批成功申請「數據科學與大數據技術」本科新專業的高校。加上第一批成功申請該專業的北京大學、對外經濟貿易大學及中南大學，目前共有35所大學獲批開設大數據專業。

大數據（Bigdata）專業的學生不僅具備計算機編程、統計和數據挖掘等專業技能，還能夠將這些技能應用到自己所選領域中解決問題，比如應用到社會科學、自然科學和工程學領域。所以對於這項偏技術類的專業，你學大數據是一個很好的選擇。

大數據工程師待遇30~50萬之間。

你可以看到，在市場需求和人才供應的不均衡下，大數據人才問題日漸嚴峻。

人才緊缺帶來的最直觀的現象就是薪酬的提升。

目前，一個大數據工程師的月薪輕松過萬，一個有幾年工作經驗的數據分析師的薪酬在30萬~50萬元之間，而更頂尖的大數據技術人才則是年薪輕松超百萬，成為各大互聯網和IT公司爭奪的對象。

因而甚至有觀點認為，大數據專業正在成為求職者進入大公司的捷徑。

綜上所述，大專學大數據是不錯的選擇，如果提升一下學歷和實力，今後的就業會很容易。所以，不要因為學校是大專院校就放棄學習，你只有在大學期間更努力，積累深厚的專業功底，才能在這個越來越卷的職場脫穎而出。

對於想進大廠的應屆畢業生，建議考一個阿里雲大數據ACP證書，市面上大數據相關的認證證書並不多，有含金量、能被市場認可的更少了，而阿里雲大數據ACP認證算是其中一個。它不僅能讓你的理論知識聯系實際應用，更能對你的求職起到助推作用，是你找工作的一個加分項。

想了解的同學可以關注我，免費領取大數據課件。

C. 65萬個崗位、270萬份簡歷，丁香人才用四招為醫療機構「搶人」

人才在醫療服務中發揮著極為重要的作用。近年來，隨著醫療行業發展， 社會 資本的進入，醫療人才流動活躍，醫療機構開出優厚條件「搶人」的現象屢見不鮮。

怎樣更好地吸引和留住人才？這是許多醫療機構面臨的難題。10月20日，由黑龍江省 健康 產業協會、丁香人才主辦的黑龍江大 健康 人才發展論壇上，多位醫院管理者、醫療人力資源管理者對此進行了探討。

作為丁香園旗下專業的醫療人力資源服務平台，丁香人才已經伴隨行業變遷走過了12年，為醫療人才和醫療機構最大限度的匹配提供了專業工具與渠道。論壇舉辦期間，動脈網（微信號：vcbeat）獨家專訪了丁香園創始人、董事長李天天，解讀丁香人才如何幫助醫療機構解決難題，在人才爭奪戰中占據優勢。

12年前，丁香人才網上線。它的誕生似乎有些偶然——創始團隊無意間在後台發現，用戶搜索頻率最高的關鍵詞竟然是「招聘」。當年，「大數據」的概念還沒火，但既然有搜索，就一定有需求，團隊因此決定開發人才招聘的產品和業務。

12年來，丁香人才及時洞察行業變化，不斷隨之調整和完善產品線，服務隨著行業變化而變。李天天介紹，這主要體現在三個方面：

一是需求主體的變化。以往有人才招聘或品牌宣傳需求的，主要是私立醫療機構。最近幾年，公立醫療機構對優秀人才有越來越多的招聘需求。目前，丁香人才服務的醫療機構中，公立和私立各佔一半。

二是需求地域的變化。二線城市以及經濟發達的三線城市，對人才需求的力度越來越大，也希望要博士，要學科帶頭人，或者有這樣潛力的人才去加強學科建設。這些城市對優秀人才的投入和支持熱情相當高。這反映了醫改推進，醫療資源逐漸下沉，從大城市向二三線城市、從大三甲醫院向二級醫院逐漸滲透的趨勢。

「醫療機構對人才的渴望，已經不再是大城市大醫院的專利。」李天天表示。

三是在行業需求發生變化的同時，很多醫療機構在招聘過程中專業能力並不夠。一些人的意識還停留在這樣的階段：體制內招醫生，招聘信息一掛，就會有醫生來投簡歷。

但實際操作中可能會遇到兩個極端的問題：比如，特別好的醫療機構會有大批的簡歷砸過來，本來招十個崗位，結果砸過來2000份簡歷，醫療機構就沒有專業能力去處理；再比如，有的醫療機構崗位掛了三個月都招不到人，他們也不知道該怎麼辦。面對這些情況，專業的招聘機構其實有很多技術和運營手段來解決。

丁香人才正是針對行業變化中的這些痛點進行產品設計，目前主要產品包括：

主流人才招聘是最基礎的招聘服務，年度會員服務、圖文廣告為招聘單位提供更多的功能許可權、更大的曝光量。今年，團隊開始發力面向大 健康 企業的人才服務，新客戶1年時間內免費使用，幫助大 健康 領域的企業解決招聘用人問題。

一站式招聘外包RPO服務可為招聘單位篩選簡歷、人才推薦、要約到面，主要針對那些簡歷量太大、無法及時處理的醫療機構。

智慧校招則利用丁香園160萬學生用戶的優勢，最大限度滿足生物、醫葯企業對醫葯院校生源的各類要求。

培訓服務「E學院」則主要針對醫療人力資源管理者，請來國內外優秀人力資源管理專家，進行線上線下授課，提升醫療人力資源管理者的專業度，使其能設計科學的招聘和人事制度吸引和留住人才。

中國醫療人力資源管理者研討會、中國醫院發展大會兩大重要會議已舉辦多年，是為醫療人力資源管理者、醫院管理者就人才和品牌建設進行交流的平台。

同時，丁香人才還輸出了數據調研矩陣，例如中國醫療機構最佳僱主評選、醫療行業人才求職調研、醫療行業招聘發展調研、醫療機構薪酬調研等，為醫療機構的人才決策提供參考。

從上述發展歷程和現階段產品構成可看出，丁香人才已經實現了對醫學生、醫護人員、醫療人力資源管理者、醫療機構和企業管理者等多個群體的連接，形成一個多點的網狀體系，這個體系中，每個點的需求都不一樣。如何在他們的需求之間找到最佳匹配點？解決這個問題，是提升產品專業度的重要途徑。

「丁香園匯聚了大量專業醫學人才，全中國約有70%的醫生是丁香園的用戶，我們覆蓋了足夠多的供給端。」李天天介紹，在此基礎上，丁香人才又積累了十年的數據，這種大數據是極其寶貴和有價值的。

兩年前，丁香人才開始利用積累多年的數據，針對人才需求端和供給端打造相應的決策工具。比如，幫助需求端利用工具吸引人才、與人才互動、讓醫院的品牌得到彰顯；為供給端分析簡歷，找到簡歷中的短板，根據簡歷的期望薪酬和崗位的能力要求匹配度打分，幫助供給端找到自己合適的定位。

目前，丁香人才大數據維度包括：薪酬中位數地圖，有各地醫生歷年的薪酬變化；各醫療機構科室招聘情況，可以看哪些專科招聘人數多；還有跨省份的簡歷流向，例如，丁香人才的大數據顯示，2018年醫療人才流出最多的省份是湖南，流入最多的省份是廣東。

「丁香人才的戰略是『讓TA們更專業』，TA們就是指需求端和供給端的各方參與者。」李天天這樣解釋。

醫療人才流動日趨活躍，良好的流動狀態應該建立在總數可觀的基礎上。不過，目前醫療人才整體處於短缺狀態，其中全科、兒科、產科、精神科、病理、護理、助產、康復、心理 健康 等人才急需、緊缺。以全科醫生為例，按照《「 健康 中國2030」規劃綱要》的規劃，2030年我國每萬人將有5名全科醫生。然而，據最新的衛生 健康 事業發展統計公報顯示，2018年中國每萬人口全科醫生僅為2.22人。

改變這一現狀，必然需要國家政策不斷優化人才制度，需要醫學院校不斷完善培養體系，需要用人單位不斷改進職業激勵。丁香人才、丁香園都不屬於前三者，但李天天仍然希望為醫療人才的增長做一些事。

「『 健康 更多，生活更好』，這是丁香園的新願景。」李天天表示，這個願景既是針對C端用戶的，也是針對醫生的，丁香園不只是在人才的最後一關有所行動，還要將這個願景目標前移。

李天天希望丁香園能提供這樣的場景：醫生在丁香園旗下相應的平台學習，持續提升專業素養；專業能力提升後，又可以在相應平台輸出知識，獲得更多陽光的收入，還有更好的就業選擇，職業生涯和個人生活都可以變得更好。

「在許多優秀的醫療機構、醫學院校和專家支持下，我們每年都輸出了大量的醫學課程，打造基於互聯網的繼續教育。」李天天介紹，具體到產品上，主要有丁香公開課、丁香播咖、丁香園「時間系列」等，都成為了醫生成長道路上的重要夥伴。

醫生有更好的職業通道和個人生活，才會有更多人願意進入這個群體。

如果說丁香人才的誕生是一種偶然，那麼從其發展路徑來看，成長和壯大則是順應了行業趨勢的一種必然。

在黑龍江大 健康 人才發展論壇上，丁香人才公布了一組數據：幫助8000多家行業機構完成了超過65萬個崗位的發布，平台上擁有270餘萬份專業人才簡歷，碩博佔比25%，為醫療大 健康 企事業單位持續輸送專業人才。這是一份不錯的成績。

如今，丁香人才的合作客戶以醫療機構為主，既有中南大學湘雅醫院、深圳市人民醫院這樣的公立三甲醫院，也有東莞東華醫院這樣的民營三甲醫院。非醫療機構客戶中，有上海遠東宏信醫療投資集團這樣的上市公司，也有通用電氣這樣的跨國企業。

行業的變化永遠不會停止。

李天天認為，現階段的主要任務是把醫生和醫院服務好。在未來，大 健康 領域內諸如葯品、器械、護理、康復養老、營養等細分領域，丁香人才會逐一去滲透。「我們預判，隨著2030 健康 中國行動的推進，會興起一股大 健康 領域的創業熱潮，各類細分的專業人才需求量也會增加。」

今年8月，丁香園全面升級公司願景、使命、價值觀，李天天在公司內部信中稱：「有和沒有我們，世界完全不同。」丁香人才或許也能再次帶來「不同」。

D. 應對大數據人才短缺的四種方式

應對大數據人才短缺的四種方式_數據分析師考試

在一份關於大數據增長趨勢的調研報告中，IDC表示，較之其他的商業智能(BI)工具，可視化數據發現工具在市場上的增長要比前者快2.5倍;而基於雲的大數據和分析(BDA)解決方案的開銷增速將是其他類型的企業內部部署解決方案的三倍。

然而，在未來幾年大數據領域仍將繼續面臨人才的嚴重缺乏尷尬境地。IDC預測，到2018年，僅在美國就有181000個深度數據分析師的角色 空缺，而這一空缺將是與數據管理相關或解釋需要相關技能職位空缺的五倍。然而，市場缺沒有足夠多合格的申請者來填補這些職位空缺。

Gartner表示，今年，大數據的需求將在全球范圍內創造440萬個就業機會，但卻只有三分之一的崗位能夠招到合適的人才。

這是因為大數據分析所需要的技能不僅僅是使用儀錶板監控數據流。該領域的人才需要在數據科學方面具備高水平的技能來設置相應的搜索和參數，以設 計濾波演算法(filtering algorithms)。這類人才需要碩士學位甚至博士學位，沒有相關的技能，無法獲得相應的行業資質認證。

根據Burtch在2013年的調查發現，近九成的大數據專業人員具有諸如統計學，應用數學，運籌學或經濟學等相關學科碩士以上學歷。

而根據來自麥肯錫全球研究所的另一項調查顯示，預計到2018年，美國將面臨大約150萬大數據專家的短缺。

那麼，如果你企業無法招聘到具備相關高學歷背景的大數據專家的話，您企業要如何應對呢?本文接下來的部分，我將為您介紹四種可供選擇的方法，以幫助您企業發現、發展和留住相關的大數據人才。

1、從真正熟悉您企業業務的人開始著手

「我非常認可大數據技能非常緊缺這一評估，」Gartner信息管理研究室主任Nick Heudecker表示。「許多企業客戶甚至不知道他們需要從什麼技能開始著手，更不用說如何才能這些技術。他們對於自己企業將面臨怎樣的問題，以及亟待 解決的分析技能是無意識的。」

企業往往認為他們需要一個具有先進的數據科學或數學博士學位的專業人士，但Heudecker表示，一個替代的方法是找一個真正熟悉您企業的業務的人員，並教給這些人員相關的分析能力。

從理解您企業的業務開始要比從對於機器學習的理解開始來得更為重要。企業可以教給員工進行數據處理和統計，或找到具備編程背景學位的人。企業可以通過對這些人實施更多培訓，並讓這些人員加入到您企業的大數據和先進的分析團隊，他說。

2、培養您企業自己的超級巨星

領先的大數據軟體提供商Tamr公司的現場工程技術負責人Min Xiao說，在過去的五年裡，他已經面試過大約500人，並實際招募了約40至50人，他同意找到合適的大數據分析人才是很難的，但他也有自己尋找人才的方法。

「我的訣竅是找到那些當前還不是超級巨星，但要具備潛在的成長為超級巨星潛力的人才。我嘗試聘請過很多從未從事過數據科學家相關工作的年輕人， 但我可以看到他們有這方面的潛力;或是那些目前尚只有中級或中高級水平的潛力，目前也沒有做過數據科學相關工作，但具備成長成為該領域實力巨匠潛力的人 才。」他說。

他所看重的潛力主要是教育，包括學歷和學校。他所考察的人才主要來自統計學，計算機科學等相關專業，有時包括物理專業。當然物理專業的人才可能不會是數據分析工作崗位的首選學位，但Xiao說他跟那些人合作得都很好。

「首先，如果他們有物理學位，說明他們很聰明。他們接受過數學課程的訓練，而現代物理課程還需要他們做大量的編程。所以他們即使可能沒有接受過正式的計算機科學的訓練，但卻已經具備了數據科學家角色所需的計算機技能，他們中的許多人甚至在這方面很擅長。」他說。

他著重考察的另一方面是應聘人才的畢業院校是否強調數學和科學，諸如像麻省理工學院，卡耐基梅隆大學，斯坦福大學，布朗和約翰·霍普金斯大學。」一些院校的畢業門檻非常高，所以從這些院校畢業的人工作努力程度很高，工作的態度很好。」Xiao說。責任編輯：qxcpw24895.com

3、尋找Excel專家

The Hershey Company人才分析部門經理Jason Chavarry在另一個不尋常的領域找到了大數據人才：微軟Excel用戶。

「Excel可以說是一份沃土，很多人從中獲得有大數據的能力，他們往往被人們請教，以幫助其他的工作，」他說。

他補充說，Excel是一個入門級的管道里的人學習，是在大數據的分析，發現其基本的功能。」每個人都是用大量的基本功能。你如何制定出一個報 告或電子表格，你創造什麼樣的規則。Excel穿過所有的人。你可以使用它的基礎水平的統計，基本的數據分析和可視化，」他補充道。

他補充說，Excel是學習大數據分析基本功能的一款入門級的學習管道。「我們每個人一般都只是大量了其一些基本功能。例如製做出一份報告或電子表格。但其實我們可以通過其創造一些相應的規則。通過利用其基礎的統計功能，實現一些基本的數據分析和可視化。」他補充道。

但Chavarry指出，針對不同規模的項目也需要不同的工具。對於有5000行數據的分析項目，採用諸如SAS或R這樣的工具無疑將是矯枉過 正，但若採用Excel的將是非常完美的。而若是有20萬行的數據，Excel的功能就明顯不夠強大了。這時，你就需要大數據軟體和編程知識，但並不拘泥 於一種特定語言。

「你真的不需要特定拘泥於關心採用哪種語言。如果有員工能夠用一種語言來實現，那麼其必然有能力以別的語言來實現。因此，你企業尋找的是具備學習能力的人才。」 Chavarry說。

4、自行培養人才

鑒於大數據人才的稀缺，大多數企業的解決方案將是採用自行培養人才的方式。據大數據軟體集成公司Talend的CMO Ashley Stirrup稱，該公司通過建立一個導師計劃，讓有經驗的專家來培訓年輕人才，取得了良好的結果。

「有一類人能夠作為嫁接其業務部門和新興技術之間的橋梁。」Stirrup說。「通常，企業業務部門的人員還沒有意識到的新技術對於業務進展的潛力，而對於一些高科技，他們也不知道如何使用。」

不幸的是，留住人才是相當困難的。Talend公司的客戶說，他們培訓了一些人，讓他們接受新技術，然後這個人很可能會被其他公司以50%或更高的漲薪誘惑挖走，所以他們很難找到合適的人才，也更難找針對這些人才實施培訓之後，將它們留住。

那麼，企業應該如何留住這些人才呢，簽訂短期性約束力的合同協議可能有損與員工的關系? 「關鍵在於想讓這些經過專業培訓的人才展示出他們能夠在您的企業充分使用並展示他們的技能，而且，他們留在您的公司會更具有價值潛力。此外，企業需要設置 一定的期望，而不要看合同，」 Stirrup說。

Xiao也正遭遇同樣的人才爭奪的問題。他說，他所在的Tamr公司試圖激發所雇傭人才的團隊意識，並激勵他們尋找在該公司的價值。「當他們找 到與自己有『共同語言』的同事，員工通常會認可這便是自己在未來幾年將要心甘情願合作的團隊。鑒於市場競爭是如此激烈，我們真誠的希望員工能夠在外面公司 獲得成功，否則我們將無法吸引到更好的人才。」他說。

Heudecker也認為公司應該鼓勵人才，而不是束縛人才。「您企業可能並不需要一個博士團隊。也許只需要一個擁有統計學、計算機科學和工商 管理碩士學位的人。考察一下那些可能只有本科學歷的員工，看看他們是否對於數據分析方面感興趣。公司應該提供激勵性的基礎訓練和方法來確保將員工留在企 業，因為這些技能在現如今的需求都是如此迫切。」他說。

Heudecker說，最終，大數據將成為新的常態，而人才儲備也將擴大。 「如果我們看一下大數據的基礎架構，它非常類似於80年代的RDBMS市場。彼時，其還沒有被廣泛應用，但人們已經在部署建造它們。而同樣的事情將在大數據領域發生。」

以上是小編為大家分享的關於應對大數據人才短缺的四種方式的相關內容，更多信息可以關注環球青藤分享更多干貨

E. 大數據醫療行業的現狀是什麼

大數據醫療行業的現狀如何?除了互聯網公司是大數據的早期採用者之外，醫療保健行業也是最早推動大數據分析的傳統行業之一。醫療行業有大量的病例、病理報告、治療計劃、葯物報告等。如果這些大數據能夠被整理和應用，將會對醫生和病人有很大的幫助。我們所面臨的細菌、病毒和腫瘤細胞的數量和類型都在進化。在疾病的發現和診斷中，疾病的診斷和治療是最困難的。

未來，藉助大數據平台，我們可以收集不同的病例和治療方案，以及患者的基本特徵，建立基於疾病特徵的資料庫。如果未來的基因技術成熟，可以根據患者的基因序列特徵進行分類，建立醫療行業的患者分類資料庫。在對患者進行診斷時，醫生可以查閱患者的疾病特徵、實驗室報告和檢測報告，查閱疾病資料庫，幫助患者進行快速診斷，明確疾病定位。

大數據在醫療行業的應用一直在進行，但大數據尚未開放。這是孤立的數據，沒有辦法放大。未來，這些大數據應該統一收集，整合成統一的大數據平台，造福人類健康。政府和衛生保健是這一趨勢的重要推動因素。

關於大數據醫療行業的現狀是什麼，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

F. AI賦能醫療的背後，臨床大數據該如何「跑起來」

19世紀，英國流行病學家、麻醉學家約翰·斯諾運用近代早期的數據科學，記錄每天的死亡人數和傷患 人數，並將死亡者的地址標注在地圖上，繪制了倫敦霍亂爆發的「群聚」地圖，霍亂在過去被普遍認為是由有害空氣導致，斯諾通過調查數據的匯總，確定了霍亂的元兇是被污 染的公共水井，並同時奠定了疾病細菌理論的基礎，這算是大數據運用的早期雛形之一。

斯諾大概不會想到，在近兩百年後，大數據的應用早已不再是偶然，隨著醫療衛生信息化的迅速發展，其通過與AI的結合在生物醫葯研發、疾病管理、公共衛生和 健康 管理等方面的滲透已逐漸常態化，但問題也相應地隨之凸顯。

信息孤島仍存

近兩年，關於醫療大 健康 數據的政策頻出，從頂層設計、具體規劃指導、數 據隱私和安全、數據管理等多個方面提出了相關的指導意見。

2016年6月，國務院辦公廳下發《關於促進和規范 健康 醫療大數據應用發展的指導意見》指出，鼓勵各類醫療衛生機構推進 健康 醫療大數據採集、存儲，加強應用支撐和運維技術保障，打通數據資源共享通道，加快建設和完善以居民電子 健康 檔案、電子病歷、電子處方等為核心的基礎資料庫。

2018年9月， 國家衛生 健康 委印發《國家 健康 醫療大數據標准、安全和服務管理辦法（試行）》，對醫療 健康 大數據行業從規范管理和開發利用的角度出發進行規范。《辦法》從醫療大數據標准、醫 療大數據安全、醫療大數據服務、醫療大數據監督四個方面提出指導意見，直擊目前醫療大數 據領域的痛點，未來對數據的統籌標准管理、落實安全責任、規范數據服務和管理具有重要意義。

然而，即使有專項政策的支持，但都限於宏觀層面，相較於其他成熟領域而言， 健康 醫療大數據領域的法律法規依然存在明顯的滯後性，缺乏比較全面、細致、明確的指引和規則，使其的發展受到嚴重製約。雖然現階段，已有很多企業在醫療大數據領域進行深耕布局，但受制於市場准入和產業政策的不確定性，目前尚在摸著石頭過河，市場熱情和活力並未得到充分、有效地釋放。

復旦大學上海醫學院生物醫學研究院教授劉雷認為，正是醫療大數據政策的不明朗，標準的不統一，也直接導致了各個系統之間難以進行數據交換和信息共享，產生了大量的「信息孤島」。舉個簡單的例子，患者在A醫院拍的片子到了B醫院卻不認，B醫院的醫生想要了解患者的信息則需要從零開始，患者曾在A醫院做的檢查需要在B醫院重新再來一輪，「想要打通醫療機構間臨床大數據資源的共享通道，至少在現階段是一件挺困難的事情。」劉雷表示。

相似的困擾也發生在相距超過一萬公里之外的美國，華盛頓大學醫學院信息研究所所長Philip Paynes在接受醫谷采訪時表示：臨床大數據間的彼此「孤立」給國家醫保機構、患者和醫院都帶來了負擔，實現大數據間的互通互用，是全世界范圍內都在著力解決的問題。

作為兩所頂尖大學的知名研究學者，劉雷和Paynes想在臨床大數據領域做一些努力和嘗試。

兩人共有的想法迅速得到了學校層面的大力支持，2019年7月26-29日，由復旦大學醫學院和聖路易斯華盛頓大學醫學院聯合授課的「應用臨床信息學和數據分析研修班」進行了第一次開班。

復旦大學生物醫學研究院教授、復旦大學大數據研究院醫學信息與醫學影像智能診斷研究所所長劉雷授課

據劉雷介紹，此次研修班得到了業界人士的積極響應，在第一屆學員中，來自醫院、醫療企業、高校各佔了三分之一，「就是純粹地想把對臨床大數據分析和感興趣的業界人士聚集在一起，通過共有的努力，能把臨床大數據的有效運用更推進一步。」

聖路易斯華盛頓大學醫學院信息學研究所主任Philip Paynes授課

「希望通過這種國際化的合作，能讓臨床大數據在醫療機構間甚至跨國間真正地』跑』起來多一種可能性。」 Paynes說道。

各自所做的 探索

而在這種可能性之前，劉雷和Paynes各自所在的研究機構均已做了大量的工作。

據悉，劉雷所在的復旦大學上海醫學院生物醫學研究作為一家致力於創建「中國第一、世界一流的生物醫學交叉學術研究機構」，已經在生物醫學交叉學科領域形成「代謝與腫瘤的分子細胞生物學」、「醫學表觀遺傳學」、「系統生物醫學」三個優勢方向，並正在努力拓展轉化醫學研究和精準醫學研究，包括老年醫學、腫瘤和心血管疾病、出生缺陷、靶點結構與活性小分子、組學和大數據、生物治療與干預，形成新的交叉學科生長點和下游技術。

另悉，目前，復旦大學上海醫學院生物醫學研究還在申請一個超算中心的建設項目，以該項目來支撐生物學大數據的研究，「復旦大學有包括中山醫院、華山醫院、仁濟醫院等17所附屬教學醫院，這其中有一些醫院也在做自身的臨床大數據中心，從研究所層面，希望能夠給他們提供一些人才培養和技術研究的有力支持。」劉雷表示。

Paynes所在的華盛頓大學醫學院信息研究所則是華盛頓大學所有大數據計劃的中心， 「我們擁有世界上最好的基因組研究所和最具生產力和影響力的基礎科學研究企業」，在醫學信息技術方面的能力非常強，但在大數據的整合方面還有待加強。」而這也成了Paynes擔任華盛頓大學醫學院信息研究所第一屆所長之後重點開展的工作。

自Paynes上任後，首先將研究所與旗下15所附屬教學醫院進行了打通聯動，從臨床大數據的收集到整合再到挖掘，最後到應用，鋪設了一條全鏈式的臨床大數據之路。

在Paynes看來：研究所下屬的15所教學醫院簡直就是大數據來源的寶藏，這15家在全美醫療機構中排名比較靠前的醫院每天產生大量的臨床數據，依託這些已有的臨床數據的回顧性研究，是分析研究疾病最基本、最重要的研究方法之一，通過將這些海量的臨床數據進行統計分析，分析的結果又將反過來為醫生臨床診療全過程提供疾病共享的發病及治療總體情況信息，幫助醫生科學決策，實現精準醫療。

「我們的夢想是不僅僅是利用臨床大數據幫助患者，而是希望這些臨床大數能滲透到他們的生活和工作，甚至休閑 娛樂 ，通過大數據的分析能夠把他們患病的概率降到最低，讓人們能一直保持 健康 的狀態。」 Paynes對醫谷展望道。

未來發展構想

在劉雷、Paynes和其團隊所做的大量臨床數據整合的工作中，由於各自旗下擁有多所強大的教學醫院，數據的來源已不是問題，然而，擺在他們面前更為現實的問題有兩個，一是要解決多模態臨床大數據的選擇問題。臨床大數據來源多樣，是一種多模態數據，其包括有結構化很好的數據，比如化驗單、處方；還有一些半結構化的數據，比如住院小結、出院小結；還有完全無結構化的數據，比如醫療影像；還有像基因測序這樣的組學數據；以及時間序列數據，比如ICU里會看到患者插著各種各樣的儀器測量血壓心率脈搏等各種流數據。

怎樣從這些不同模態的數據裡面選出需要的數據，劉雷表示他們，他們需要的更多的是結構化很好的臨床數據，為了得到這部分數據，會通過一定的技術平台會對數據進行一定的清洗，從中選取高質量的有效數據。

這個問題解決後，還有一個臨床大數據一直以來繞不開的一個爭議--安全和隱私問題。

對此，劉雷表示，依託現有的技術，目前收集的臨床大數據基本都能做到「不出院」，這在一定程度程度上很好地保證了數據的安全性。Paynes也指出，美國對於醫療大數據有很嚴密的保護法規，患者的關鍵隱私數據，如姓名、住址、電話、身份證號等進入數據管理的時候必須要打馬賽克，同時對數據進行強加密，數據即使被泄露也是不可解密的，對所有的數據訪問（誰什麼時間能訪問什麼）都要有一套嚴格的訪問控制，通過這樣的方式來保證數據安全性。

當技術的問題已不再是問題， 這意味著臨床大數據和AI的結合會變得更為完美，因此，劉雷和Paynes更多希望監管層能在未來對基於大數據訓練的AI能進行更多關於有效性和安全性方面的評估，也就是審批准入要做到嚴，同時，還要加強公眾對醫療AI的認知，不管AI發展到多麼先進的程度，總歸存在一定的局限性，它永遠不可能替代醫生，只能是醫生的一種輔助診斷工具。

盡管還有一段路要走，但對於臨床大數據和AI的搭配，劉雷和Paynes都充滿信心，至少在他們現有開展工作的規劃里，「應用臨床信息學和數據分析研修班」能最終逐步發展為一個碩士人才培養項目，為臨床大數據和人工智慧培養更多專業人才。同時，基於兩個研究機構現階段開展的工作，有天能實現跨國界的匯聚統一，可以把所有的臨床大數據統一在同一個模型上，建立一個類似於聯盟數據一樣的聯合體，這對於數據的整合和應用就會變得游刃有餘。

【凡本網註明來源非大 健康 Pai的作品，均轉載自其它媒體，目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責。】

G. 互聯網醫療發展所遇到8大問題

如今互聯網遍布我們生活中的各個角落，互聯網逐漸成為患者獲取醫療信息、進行並且溝通的重要載體，同時也改變了傳統的就醫模式，逐步形成了網路醫療模式。2018年國家衛生 健康 委員會、國家中醫葯管理局制定出台了《互聯網診療管理辦法（試行）》《互聯網醫院管理辦法（試行）》《遠程醫療服務管理規范（試行）》等制度，大力推廣和持續優化網路醫療模式，解決我國醫療資源不平衡問題。

2019年底新冠肺炎爆發並迅速蔓延，黨中央、國務院和地方政府高度重視疫情防控工作，衛生行業沖上了抗擊疫情的最前沿，為了防止病情傳播，各級政府、疾病預防控制機構聯合多部門加大對民眾自我防範的宣傳力度，各省均啟動了公共衛生事件一級響應，要求民眾戴口罩、勤洗手、保持社交距離、盡量減少出行、不聚會、不聚餐、不到人群密集處，但時值冬季，除了新冠肺炎外，還有許多慢性病、常見病、季節性多發病等，這部分患者的醫療需求可能因為患者害怕去醫院交叉感染以及出行限制等因素得不到及時滿足，或者無法獲取維持性葯物。同時受疫情影響為了避免發生醫院感染，醫院部分科室停診。此外隨著疫情蔓延，各地的醫療機構發熱門診、隔離病房超負荷運營。在這樣的背景下互聯網醫療再次得到重視。

目前我國互聯網醫療面臨的問題：

1、由於資金短缺、人才匱乏、國家規劃不完善等阻力，互聯網醫療在農村地區的影響力較小，城鄉二元化阻礙了互聯網醫療的整體發展進程，基層醫療機構對互聯網醫療的參與度不高，由於上下級醫療資源銜接不力，互聯網與分級診療融合效果欠佳。

2、互聯網醫療需國家多部門密切合作，但個職能部門分工交叉或斷層，積極性和動力不一，難以形成合力。

3、醫療 健康 大數據平台信息共享和挖掘未有效推進，互聯網醫療發展的條件之一是醫療 健康 大數據的快速流動、匯聚、共享和挖掘，而目前大數據平台與醫療信息系統未充分結合，難以實現對醫療服務全過程進行實時管理。

4、行業人才資源匱乏且缺乏正向激勵，醫師多點執業尚未完全突破人事管理制度的約束，且同時兼具專業醫療技術和信息技術人才十分稀缺，醫療人才福利待遇較差，醫務人員參與互聯網醫療積極性不高。

5、居民對互聯網醫療的知曉率及服務利用率不高。

6、法律監管制度尚不完善。

7、各地醫保尚未完全開通互聯網醫療網上報銷渠道，醫院、醫葯、醫保之間存在信息壁壘。

8、互聯網醫療可能成為某些醫院、企業和個人傳播不當醫療信息的媒介，由於信息不匹配和甄別信息真假的能力有限，患者可能因錯誤信息對醫生的正當診療行為存疑，目前屏幕對屏幕的交流無法完全替代面對面溝通，互聯網醫生不能完成最基本的體格檢查（視觸叩聽），同樣的疾病不同患者有不同的表現，醫生難以制定精準化的治療方案，醫療風險會顯著增加，影響醫療質量。

參考文獻：互聯網醫療政策的執行問題和對策——基於史密斯模型的分析華北理工大學管理學院鴿棚楠趙雨韓彩欣。

H. 為什麼說大數據人才緊缺

因為大數據也就是這兩年才興起的，所以精通大數據的人不是很多，這樣就造成了需求跟實際人才供應數量不對等的，所以就緊缺了。

I. 大數據行業現在還缺人嗎，就業前景怎麼樣

目前，大數據分析職位缺口主要集中在三大巨頭行業：移動互聯網、計算機軟體以及金融，總佔比64%，同時非典型數據產業，潛移默化、迅速崛起。可以看出，大數據分析在各行業算是通吃的技能 ，基本不用擔心就業問題。

2013-2017年排名前五職位增長率

圖片來源：領英中國2019年《新興職業報告》

在互聯網、金融、咨詢、電信、零售、醫療、旅遊等行業，迫切需要專門從事數據採集、清洗、處理、分析並能製作業務報告、提供決策的新型數據分析人才。

類似CFA、PMP、ACCA快速崛起並成為行業內普遍認可的證書一樣，數據分析行業的蓬勃發展亦催生出CDA數據分析師認證，並被政府、企業和從業者所認可，逐漸成為長期、穩定的行業人才標准。

培養DT時代前沿技術人才的國際化職業教育品牌CDA，一直專注於數據分析（Certified Data Analyst），2020年CDA認證考試已全新升級，逐漸成大數據和人工智慧時代全社會普遍認可的數據分析專業人才標准。

J. 談談我國大數據發展面臨著哪些制約因素

1.很少有優質可用的數據
這幾年數據交易機構如雨後春筍，「數據變現」成為很多擁有數據積累的傳統企業的新的生財法。目前，我國大數據需求端以互聯網企業為主，覆蓋面不廣，在O2O趨勢下，大型互聯網廠商嘗試引入外部數據支撐金融、生活、語音、旅遊、健康和教育等多種服務。
然而在具體的領域或行業內，我國普遍未形成成型的數據採集、加工、分析和應用鏈條，大量數據源未被激活，大多數數據擁有者沒有數據價值外化的路徑。比如，各醫療健康類應用收集了大量的數據，但沒有像那樣面向醫葯公司售賣數據。與國外相比我國的政府、公共服務、農業應用基本缺位，電信和銀行業更缺少與外部數據的碰撞。
另外，其實數據交易這件事本身就是一個悖論。數據作為一種商品有一定的特殊性，我用了別人也可以用，沒有任何消耗，可以在市場賣很多遍。這就產生一個問題，你這個數據到市場賣，根據經濟學觀點它的價值是零，你賣給我我可以用更低的價格賣給別人，所以數據交易理論上來說也是不可行的。
大數據概念火了以後，很多機構覺得數據存起來就是寶，於是積攢了大量零碎數據放在那裡，到底能發揮什麼作用也未可知。而在和許多真正想用數據做些事情的機構的合作中我們發現，即便是政府機構這樣的權威數據持有方，也存在很多數據缺失、數據錯誤、噪音多各方面的問題。
我們常常在講大數據就用大數據方法，小數據就用小數據方法，完美的數據是永遠等不來的。但這樣會導致什麼問題呢?在實際項目實施過程中，我們的數據科學家們不得不花費大量時間在數據清洗上，這其實是對本來就緊缺的數據人員的一種浪費。
理論上我們中國有很多數據，但不同部門數據存在在不同的地方，格式也不一樣。政府內部本身整合各部門的數據就已經是一件很頭大的事情，更不要提大規模的數據開放。同時數據開放面臨一個嚴重問題就是隱私問題，脫敏遠遠不夠，隱私問題是一個無底洞。比如我們把一個人的支付寶3個月數據拿過來，就可以很輕易的知道這個人今天在門口便利店買了一瓶水，昨天在淘寶買了沙發，每隔三個月會有一筆萬元的支出。那我們就可以很容易推斷這個人剛換了一個租房子的地方，就能了解他的消費習慣。這個數據其實完全是脫敏的，沒有名字、沒有號碼，但絲毫不妨礙我們通過演算法完全的勾勒出這個人的畫像。
2.實際技術與業務之間還有很大距離
大數據行業發展至今，技術與業務之間依然存在巨大著鴻溝。首先，就是數據分析技術本身。數據源企業為實現數據價值變現，嘗試多種方法，甚至自己組建數據分析團隊，可是數據分析是個技術活，1%的誤差都會極大地影響市場份額，術業有專攻，數據變現還是需要專業的數據分析人才來實現。
大數據概念的火熱，做大數據的公司越來越多，產品做得五花八門，數據建模看似誰都可以涉足，但現在數據分析的技術，方法，模型，演算法都有了非常大的改進，跟過去六七十年代完全不一樣，不是說做幾個SAAS軟體或者RAAS軟體就是大數據了，雖然短期看市場火熱，但長遠來說這條路是走不通的，大數據行業發展，技術才是真正的發力點，提高行業准入門檻尤為重要。
其次中國的數據有它的特色，例如在金融行業，目前大部分銀行採用的是風險評分卡，運用專家經驗定義風險變數，基於定性認識進行評分，通過事後風險回檢優化評分卡，風險預警功能較差。雖然央行徵信中心與國內少數技術領先銀行使用的是風險評分模型，但模型方法相對陳舊，如央行所用FICO評分模型為上世紀80年代基於邏輯回歸演算法構建的評分體系，邏輯回歸演算法適合處理線性數據，但實際問題往往是非線性的，特別是信用風險評估場景下。此外，FICO模型沒有針對我國具體業務進行場景細分，建模邏輯並不完全符合我國實際情況，因此導致准確率不足，風險預警能力差。基於此，中國人民銀行徵信中心首次與國內大數據公司合作，這次合作中普林科技應用國際領先的大數據建模分析技術運用決策樹隨機森林,AdaBOOST,GBDT,SVM等演算法，通過對信用報告的數字化解讀與深入洞察，准確預測了違約風險，對貸款審批、貸中管理形成指導，新模型對好壞賬戶的區分度遠高於行業平均水平。此次合作表明我國的大數據難題更需要適應國情的解決方案與本土的技術人才，這對我們的市場提出了一個新問題。
3.人才稀缺
我們國家大數據發展最大的優勢就是市場大，最大的劣勢恰巧就是缺乏相應人才，人才缺乏的程度非常嚴重。首先在國際市場方面，我們要跟國外公司爭人才，然而國外大數據行業同樣十分火熱。而不論在國內還是國外，跟企業競爭人才都是一項艱巨的事業，比如在世界上最好的大學之一的美國普林斯頓大學，想找數學家也是非常困難，人才很容易被大公司挖走，每年都有非常好的數據分析人才被企業挖走。所以人才難覓不只是口頭說說，更是一個亟待解決的問題 大數據是一個交叉學科，涉及統計學，管理編程等多學科，知識點復雜，缺乏系統的學習教程。