一个医保基金风险防控数据仓库的设计和实现

《一个医保基金风险防控数据仓库的设计和实现》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、一个医保基金风险防控数据仓库的设计和实现摘　要上海医保系统基础建设实施已基本完成，全面覆盖业务领域，积累了丰富的历史数据。但由于数据规划不足，导致数据资源利用率不高，难以有效提供决策支持。数据仓库是提供决策支持的核心。因此，结合元数据管理和ETL技术，构建了一个医保基金风险防控数据仓库，实现了医保异构数据源的有效整合，为医保基金风险管理提供了良好的数据基础。系统通过在上海医保基金风险管理中的实际应用，取得了良好效果。关键词数据仓库;医保基金;风险防控;元数据;ETLTheDesignandImplementationofaMedical

2、-Insurance-FundRisk-PreventionDataWarehouseAbstractInShanghai,constructionofmedicalinsurancesysteminfrastructurehasbeenbasicallycompleted.Agreatdealofdatahasbeengenerated;however,dataresourcehasnotbeenutilizedefficiently.Itisdifficulttoprovideeffectivedecisionsupport.Dat

3、awarehouseisakeytechniquetoprovidedecisionsupport.Therefore,weestablishaMedical-Insurance-FundRisk-PreventionDataWarehousetoimplementintegrationofheterogeneousdatasourcesapplyingmeta-datamanagementandETLtechnology.Oursystemachievesgoodeffectsonthepracticalapplicationofme

4、dicalinsurancefundriskprevention.KeywordsDataWarehouse;Medical-Insurance-Fund;Risk-Prevention;Metadata;ETL计算机应用与软件31引　言社会医疗保险制度作为一项关系国计民生的重要政策，已得到了社会的高度重视。上海医疗保险信息管理系统于2001年投入运行，已成为国内外连接数量最大、覆盖人群最多、以7×24小时实时结算方式运作的医保费用结算系统。系统以处理日常事务为目的，数据的价值体现在保证完成每个业务，但同时也积累了大量历史数据。然而，医

5、保基金管理是一项复杂的工程，面向单纯业务自动化的信息系统难以满足需求，随着医疗改革的深入，近年来管理机构希望能够更好地汇总、分析多年来积累的巨量业务数据，并从中挖掘规律，提供决策支持及防控基金风险。目前这方面的研究缺乏系统性，要对医保基金进行有效的风险管理，使其正常地运作，为社会创造福利效应，重中之重的问题是要对影响医保基金的风险进行全面的分析，才能针对不同的风险因素有效地采取风险控制手段，对医保基金进行行之有效的风险管理。数据仓库技术为我们提供了有效的技术和方法，通过对数据不同的组织方式为决策的制定过程提供了良好的分析环境。构建数据仓

6、库是一项复杂的系统工程。目前市场上已有的数据仓库产品，数据抽取、转换与加载等数据仓库工具不能完全适应应用需求，难以很好地满足具体需求[1]。因此，必须根据企业实际和行业特点，提出数据仓库的解决方案。美国马萨诸塞州政府采取数据仓库管理信息，使政府的工作得以高效、及时、完整的完成；美国NiagaraMohawk能源公司创建数据仓库，准确计算供应与成本、提高管理和效率水平，使投资效益率大大提高：国内主要以银行、保险、证券业、税务等方面的应用居多，其中中国银行广东分行承担和开发了“中国银行省、市两级金融管理信息系统示范系统”，在国内率先引进了数

7、据仓库技术[2]；上海强生公司利用IBM公司的可视化数据仓库解决方案和面向对象的关系数据库，成功建立了数据仓库[3]。本文围绕医保费用结算系统中数据资源利用问题，研究医保基金风险各种因素，针对医保基金风险防控需求，运用数据仓库技术，构建了一个面向医保基金风险防控的数据仓库。2医保基金风险防控数据仓库的设计2.1总体结构Inmon将数据仓库定义为一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程[4]。数据仓库层作为整个数据存储的核心，是建立数据仓库和商业智能的基础框架，也是建立一个灵活、强有力的数据仓库系统的第一步

8、，是提供有价值数据分析的重要基础。医保基金风险防控数据仓库独立于医保业务数据库系统，但又同业务数据库系统息息相关，分为动态数据区、明细数据区、汇总数据区三层逻辑结构（如图1所示）。通过ETL（Extract