“老医保卡”将停用，快来换新卡！

3月20日起，各县（市）“老医保卡”置换社会保障卡开始数据采集

7月1日8时起，统一停用各县（市）“老医保卡”，启用社会保障卡

网络图片

各县（市）持有“老医保卡”，但尚未进行“二代社会保障卡”数据采集与申领的人员，从3月20日起，将开始按照现场数据集中采集时间安排，到就近现场采集地点采集照片信息、核对个人基础信息。昨日，记者从市人力资源和社会保障局获悉，按照全省统一安排，我市将于2017年7月1日8时起，升级更新全省社会保障卡管理系统。届时，将统一停用各县（市）“老医保卡”，启用社会保障卡。

“各县（市）‘老医保卡’为逻辑加密卡，目前，仅用于医疗保险就医、购药，不具备金融支付功能，无法按照国家、省社保卡应用规范，实现人社领域各项应用功能。”市人力资源和社会保障局工作人员介绍。我市早在2014年年初就启动制发全省统一社会保障卡工作。全省统一社会保障卡为“二代社会保障卡”，是具有金融支付功能的新型社会保障卡。具有电子凭证、信息记录、自助查询、就医结算、缴费和待遇领取、金融支付等六项基本功能，将实现人社领域各项应用功能。

“按照国家人社部、河南省人社厅将于2017年年底实现跨省异地就医即时结算工作要求，社会保障卡是唯一身份凭证。按照全省统一安排，我市将于2017年7月1日8时起，升级更新全省社会保障卡管理系统。届时，将统一停用各县（市）‘老医保卡’，启用社会保障卡。”该工作人员表示。在数据采集现场，工作人员将核对申领人身份证信息，现场拍照，录入申领人个人基本信息，打印信息采集表，最后由申领人核对信息并签字确认。

“数据采集时，申领人要携带本人身份证原件，并提供本人联系方式、通讯地址等详细信息。因为特殊情况，需要代理人代办采集的，代办人应提供被采集人联系方式、户口所在街道社区等详细信息并提供被采集人近六个月内拍摄的符合身份证照片要求的电子照片。”工作人员说。

申领人员可到就近现场采集地点采集照片信息、核对个人基础信息。

林州市未进行数据采集的人员可于3月20日至4月14日（周一至周五）到林州市太行路与桃源大道交叉口向西30米路北中国银行林州支行进行数据采集。

安阳县未进行数据采集的人员可于3月20日至3月31日（周一至周五）到安阳县社会医疗保险中心进行数据采集。

汤阴县未进行数据采集的人员可于3月20日至3月31日（周一至周五）到汤阴县社会保障服务中心进行数据采集。

内黄县未进行数据采集的人员可于3月20日至4月7日（周一至周五）到内黄县社会医疗保险中心进行数据采集。

医保领域领先的新媒体平台

投稿邮箱：tougao@zgylbx

文章转载：010-84222990

关注

┃来源：中国医疗保险 杨艳

随着国家医疗保障局的正式挂牌成立，中国的医保改革翻开了新时代的新篇章。如何构建适应新医保管理格局的医疗保障体系是当前国家医保局重点考虑的问题，而建立覆盖全国、更加完善的医保信息系统又是新时代医疗保障体系建设、政策实施的基础条件和技术保障，也是国家医保局各项重要工作中的重中之重。

为深入探讨医保信息化工作的总体思路，研究覆盖全国医保信息系统的逻辑、架构、功能及实施路径，为建设国家医保信息系统提供支持和参考，《中国医疗保险》杂志社于2018年8月12日在北京举办医改北京论坛（第十二期），围绕“新时期医保信息系统建设”主题进行专题研讨。

一

我国医保信息系统建设的历史沿革和现状

我国医疗保险信息系统的建设伴随着基本医疗保险制度改革而兴起。信息化建设在部分地方开始兴起，并逐步扩大到全国各地。当时由于各方面条件限制，各省市医疗保险政策及落实情况参差不齐，医疗保险信息系统建设缺乏统筹规划，中央层面又无标准化支持，我国医保信息系统建设一直比较零散，基本上都是各地自行开发和运行。随着金保工程的逐步实施，人社部建立了社保信息系统核心平台，先后发布了《社会保险药品分类与代码行业标准》和《社会保险医疗服务项目分类与代码行业标准》，但各自为政的医保信息系统建设格局已然形成。从目前看，城镇职工和居民医保信息系统建设相对较为成熟，新农合系统建设尚有不足。城乡居民医保整合后，信息系统的整合也面临较大的困难。新时代医保信息系统建设面临的问题随着新时代医疗保险管理格局的形成，国家将要建立和管理格局相匹配的医疗保险信息系统，以覆盖全国的基本医疗保险业务。然而，新时代医保信息系统建设将面临一系列问题，诸如：是独立建设还是基于金保工程建设信息系统？是国家统一规划建设系统还是地方在大框架下有自主决策权？中央与地方数据交互到何种程度？是否需要与金保工程建立基础信息以及参保人信息对接和共享平台？以及医保信息系统和医院His系统、定点药店信息系统如何无缝对接？医保对医疗服务行为和药品销售的监管该到什么程度等？以上这些都是下一步在建设医保信息系统时需要研究和讨论的问题。此外，对于大数据、云计算、人工智能等新技术，是否要应用在信息的系统中来，应用到何种程度？也是下一步要着重考虑的问题。

二

各行各业信息化管理对医保信息化建设之借鉴和思考

1

顶层路径设计的5大要素

对于各个行业的信息化系统建设来讲，顶层路径设计是信息化建设的第一步，也是最核心的内容。回到医保信息化系统的建设，顶层路径设计应包括五个关键要素。第一，规划统一的医保信息系统，必须要规范业务流程。具体标准不同地方可有不同，但主要业务流程必须要确定并统一，且在相当长的一段时期内，业务流程只宜优化，不宜大改。因此当务之急必须要统一、规范业务流程，特别是各地城乡居民基本医疗保险政策和经办管理要尽快理顺。第二，对医保信息应有清晰的认知。不同于其他信息，医保信息具有三个主要特点。首先，医保信息是核心的民生信息，会涉及参保人的基本信息、医疗机构、药店等医疗服务数据。其次，医保信息是重要的大数据资源。当前我国医保基本实现全民覆盖，已然成为世界最大的医保网。最后，我国医保信息涉及全社会的信息流动。医疗和医保信息流动是动态的过程，政府、卫生机构、企业、个人等多角色都会参与其中。因此，这些信息资源哪些可以共享，哪些可以有条件查询，哪些需要严格保密，都需要做出明确的安排。

第三，在顶层路径设计中，应加强信息共享和业务协同，主要包括三个重点方向。

一是纵向业务协同，应实现基本医保、医疗机构和商业保险的业务协同。目前基本医保、医疗机构和商业保险的系统都相对独立，没有实现“一站式”的互通。未来是否能实现各个系统无缝的衔接，关键得看整个医保信息系统如何设计。

二是地域信息共享，应实现跨层级、跨区域的信息共享模式。当前中国的医保群体和医疗资源分配非常复杂，全国流动人口多，而且主要的医疗资源又集中在大城市，因此如何实现跨层级、跨区域的信息互通是医保信息系统整体设计中应考虑的问题之一。最后是个体信息联通，应实现医保信息和自然人信息的共享,包括死亡人口数据库和医保信息的联动，个人体检信息和医保信息的联动等。以中国人民银行信息化建设为例，其典型案例是国库信息处理系统。中国人民银行在国库与“金财工程”、“金税工程”、“金关工程”及商业银行核心业务系统之间建立一个联网平台，实现政府预算收支业务信息化处理，最终达到业务操作无纸化、监控管理实时化、对外服务人性化，并为制定国家宏观经济政策提供有力依据。国库信息处理系统的业务功能涉及税收及非税收入、支出、退付、更正、对账、信息核对、交易监控等。三是，应加强信息系统的标准化。首先是跨部门信息交换接口标准化，指对各种接口方式制定规范和标准，以保障各部门间可以顺利进行信息交换与共享。其次是共享信息的标准化，指对交换共享的内容制定规范和标准，以保障交换共享内容的有效性和可识别性。比如对于医保结算，国内疾病的分类应有统一的标准，这不仅会涉及跨部门的信息联通，还会涉及到保险条款的设定等。最后是与国家、部门及行业标准的衔接。信息系统建设需要衔接相关国家、部门、行业标准，以保障信息系统的标准化。第四，应加强信息安全保障。信息系统运行安全分为三个层面，首先，从国家层面，需要考虑信息全部集中后或在区域集中后如何安全地运行。其次，从企业层面，需要考虑信息化和自动化干预程度越来越高的情况下，企业的信息系统如何安全地运行。最后，从个人层面，如何加强个人隐私保护，确保人身安全也是非常关键的问题。只有把国家层面、企业层面和个人层面的工作和意识都加强之后，信息系统安全才能有更好的保障。第五，科学设计顶层路径。首先是蓝图设计，信息系统体系应自上而下，覆盖所有单位，提出相应规范，制定建设指南。其次是在试点地区推出最佳实践，即选取条件成熟的地区进行试点工作，直接参考有价值的案例，并不断总结国内各地的差异。最后，从技术角度来讲，应建立与医保信息系统相关的标准规范，促进标准应用。

2

新技术的应用

以海关信息化建设为例，1978年随着第一台国产计算机在罗湖口岸正式地投入和使用，揭开了海关信息化的序幕。经过近４0年的发展，中国海关信息化建设取得了丰硕的成果。

1988年我国顺利开发并应用了海关报关自动化系统，简称“H833工程”。海关信息化由单项应用迈向系统化应用，奠定了海关信息化发展的基础，也实现了在海关关区范围内报关手续全过程的自动化处理，大大促进通关效率和业务规范化水平的提高。

2003年，海关总署以“海关金关工程”名义向国家申请专项资金支持海关信息化建设。2006年，国家发改委正式批复“海关金关工程”一期立项。2012年，工程顺利通过国家发改委组织的竣工验收。“H2000系统”是“海关金关工程一期”核心内容，该系统采用了当时世界先进的三层技术体系架构和开放式技术，完成了对“H833系统”的升级换代，并实现了“开着汽车换轮子”新老系统的平稳过渡。之后，海关对“H2000系统”继续升级，内部代号是“H2010工程”。“H2010工程”首次采用顶层设计理念，总体设计了新一代海关信息系统的总体架构。

系统的建设有效推动了大监管体系、内控机制、关警融合、分类通关、综合治税、信息海关等建设，发挥出了海关执法和管理的整体效能。其中，信息海关为国家宏观经济调控决策提供快速、准确的信息服务，得到时任总理温家宝同志的充分肯定。海关信息化迈向总体设计、优化整合、规范有序的发展时代。2013年，国务院常务会议批准“金关工程二期”的建设和实施。“

金关工程二期”是“十二五”期间国家电子政务的重大信息化工程，投资规模达34个亿，建设内容覆盖海关工作的各主要方面，是海关信息化建设的历史性机遇，也是推动新技术落地的重大机遇。在此建设过程中，海关信息化建设实现了三个转变，一是建设目标向有效解决社会问题转变，二是建设方式向跨部门、跨区域的协同互动和资源共享转变，三是建设模式向集约化、整体化的可持续、发展模式转变。从海关信息化建设的发展历程，可以获得三点重要的启示：

一是应树立新思维，强化新技术的应用意识。新思维孕育了新的技术，应用新技术必须以新的思维做指导。信息化建设重点应树立三种思维，包括顶层设计思维、互联网思维和大数据思维。

二是新技术的应用需和业务发展紧密结合。海关在创新业务管理模式的同时，也全面敞开新技术的应用大门。新技术应用有助于促进业务管理模式的提升，没有业务管理模式的创新，新技术应用将没有用武之地。因此新技术应用要与管理模式紧密结合，交叉推动，相互促进。

三是应构建现代治理体系，保障新技术应用可持续发展。现代治理体系包括强化业务科技一体化顶层推进机制、健全专业中心运行机制、完善数据管理机制、加大服务外包力度、构建科技创新生态环境、完善安全管理机制和继续加大信息化投入力度。

3

以大数据为核心的医保信息化建设、

共享和应用

大数据是大规模数据的采集、存储、分析的一种数据处理能力。首先，与所有行业大数据相同的是，医保大数据的建设也应以业务驱动，并创新引领，突破核心技术。以腾讯支持广东开发的“数字医疗”为例（如下图），大数据中心是整个“数字医疗”的核心驱动，可支撑各项数据模块的应用，包括“便民服务”、“医疗办公”、“医保监管”和“决策分析”。

结合我国工商银行信息化建设的经验和实践，医保信息系统应以医保基础信息平台、医保业务经办为核心，构建分层次的医保应用架构。以工商银行信息化系统的应用架构为例，工商银行通过结合在应用架构的分层思想，实现城市内的智能化方案。通过一个渠道接入层、交互控制层、业务处理层、决策支持与管理层和集成/技术支撑层，来实现业务之间的边界划分，同时实现业务之间的管理。医保信息系统主要实现对全国医疗领域相关人员信息的全方位的集中，然后开展多场景业务的实现，并提升平台的核心竞争力。以下为医保应用架构分层建议：其次，医保大数据建设应优化基础设施，管运分离，实现共建共享。同时，医保大数据建设应全行业融合，将跨行业、跨界的相关内容都融合进来。医保信息化平台建设完成之后，未来建议考虑与外部系统对接，如银行系统、第三方信贷系统、互联网平台、商业保险平台和其他第三方平台等。通过信息交互实现全行业的信息输出和数据衔接，扩大医疗保险信息化服务平台，医保可向参保人提供多渠道、可定制的场景化服务。

一是与银行系统的对接，可促成电子医保卡领域的金融实现。

二是与互联网平台的对接，实现“互联网+医保”的应用。以阿里巴巴在“互联网+医保”的探索和实践为例，其涉及五项业务，包括医保支付、医保线上便民服务、医保和商保的联动理赔、医保金融保理服务和风险控制。近年来，腾讯推出的“智慧医疗”也是信息化建设全行业融合的典范，“智慧医疗”可提供一系列智能服务，包括智能诊疗、智慧医院患者服务、智能支付、智能处方流转和医疗协同平台建设等。

三是与商业保险平台的对接。以人保财险推出的社保业务体系为例，其社保业务处理平台已形成医院、医保、商保三方之间的系统交互，实现在患者在医院端的“一站式”办理。参保人在出院结算时，医院计算医保结算数据后，将直接推送到基本医保系统，基本医保系统会根据当地报销政策计算赔付金额。基本医保赔付之后，平台会即刻计算大病保险赔付金额。接下来，如果参保人为贫困患者，平台会计算医疗救助金额。如果参保人购买了商业保险，平台还会继续计算和处理商业保险的赔付。最后，平台会将参保患者的自付部分的费用实时反馈给医院。最后，医保大数据的充分应用可大幅提高医保部门的管理效率。一是对医保大数据的分析为医保部门调整政策提供数据支撑。以大数据为核心，在融合政府与社会数据的基础上，提供相关数据应用服务（人员画像分析、服务偏好分析、健康预测、风险评估等），进而形成大数据积累，为医保部门调控政策实施情况，提供数据支撑。二是利用医保大数据的分析可以加强医保业务风险监控。医保可利用核心业务数据集中的有利条件，通过大数据分析，加强医保�...

关于在北京、西安、兰州、郑州进行西藏自治区第一批次社会保障卡数据采集的公告

为保证我区参保人员能够全面享受相关参保权益，根据《中华人民共和国社会保障卡管理办法》的相关规定，为减轻群众负担，降低社会成本，自治区人力资源和社会保障厅决定，从4月9日起分别在北京、西安、兰州、郑州等西藏参保人员集中居住地进行西藏籍和在藏参保人员的社会保障卡和全民参保登记数据采集工作。

一、采集时间

2018年4月9日正式开始北京、西安、郑州、兰州数据采集工作，截止时间视情况待定。其他地区采集点及开始时间另行通知。

二、采集对象

在北京、西安、郑州、兰州周边居住的西藏自治区人民政府驻区外办事机构（含办事处、干休所）工作人员、在区外居住的我区跨省安置退休人员、西藏驻区外企事业单位工作人员、其他西藏籍人员和在藏参保人员。（其中自助择业军转人员已进行了采集，不在此次采集范围内）。

距上述地区较远、交通不便的人员采集方式另行通知。

三、采集地点

西安：西安市碑林区友谊东路288号长城大厦3楼2号会议室（西藏大厦对面）。

联系电话：029－87897182

乘车路线：地铁站南稍门（往友谊东路走1.5km左右）；乘坐21路、23路、208路、609路公交李家村站下车后往西20米；乘坐21路、23路、208路、410路、609路、700路、709路、教育专线瓦窑小区站下车后往东走30米。

北京：北京市朝阳区西坝河西里11号楼平房（西藏自治区人民政府驻北京办事处离退休人员服务处）。

联系电话：010－84290366

乘车路线：地铁13号线光熙门站下车步行1.2公里；乘坐130路、300路、302路、379路、419路、596路、641路、671路、847路、916路快、942路快、980路快、特8路、运通104路公交车至西坝河站下车。

兰州：兰州市七里河区西津东路西藏驻兰州干休所（西湖公园公交车站对面）院内。

联系方式：0931－2610238

乘车路线：乘坐1路、137路、56路、127路、136路公交车至西湖公园站下车。

郑州：郑州市金水区农业路61号院（西藏驻郑州干休所活动室一楼）。

联系方式：0371－63831828

乘车路线：地铁2号线至关虎屯站下车，换乘B1、B11快速公交至东三街站下车向南步行100米路东；乘坐28路、6路公交车至文化路丰产路下车，步行至东三街站下车向南步行100米路东。

四、采集方式和内容

（一）现场采集。本次数据采集将社保卡和全民参保登记两项工作整合进行，被采集人需本人持身份证、最好携带户口薄前往采集点。采集数据项：姓名、性别、民族、证件类型、证件号码、证件有效期、户口地址、实际居住地、手机号码、固定电话、采集地编码、采集日期、学历、婚姻状况、个人身份、政治面貌、户口性质、户籍类型、户口薄编号等。

（二）为考虑各位被采集人的人身安全，建议分批分次前往采集点，以免造成拥堵。

五、其他事项

（一）数据采集完成后，我们将加快组织发卡工作，一般为45日左右。

（二）后续我们还将在上海、重庆、成都、格尔木安排第二批次的全民参保登记和社会保障卡数据采集，具体时间安排另行通知。其他漏采人员下一步我们将及时公布解决方案。

（三）社保卡的医保结算功能，具体应用时间视医疗保险系统和异地就医系统部署和政策业务调整工作进展确定。持卡人未取得社会保障卡前，自治区内可以使用原来的医保卡就医，区外就医仍按原有渠道办理。取得社会保障卡后，可在医疗保险经办机构备案后，进行跨省异地就医住院费用直接结算。

自治区人力资源和社会保障厅

2018年4月8日

原文：5 Examples of Big Data in

Healthcare

作者： Carol McDonald

译者：roy

译者注：医保行业可以通过大数据和高级分析来获得巨大收益。请看下面医保行业里的五个大数据产品案例。以下为译文：

医保的成本推动了对大数据驱动的医保应用系统的需求。医保行业中的技术决策者不会忽略大数据带来的效率提升，经济吸引力和快速的创新步伐，这些都可以用在医保行业中并使行业受益。许多人发现，对医保数据进行数字化和共享的新标准和激励措施–以及商用硬件产品在存储和并行处理方面的改进和价格的下降–正在导致医保行业的的大数据革命，其以更低的成本提供更好的服务为目标。

医保行业可以通过大数据和高级分析来获得巨大收益。本文将介绍在医保行业里的五个大数据产品案例。

1. Valence Health: 提升医保结果和财务状况

Valence Health 使用MapR公司的数据融合平台(Converged Data Platform）来建立一个数据湖并作为公司主要的数据仓库。 Valence每天从3000个数据输入源接收45种不同类型的数据。这些关键数据包括实验室测试结果、患者健康记录、处方、疫苗记录、药店优惠、账单和付款, 以及医生和医院的账单, 这些都用来提升决策来改善医保结果和财务状况。该公司快速增长的客户和日益增加的相关数据量正在压垮现有的技术基础设施。

在采用MapR的解决方案之前，如果收到一个数据源发来的2千万个实验室测试结果，他们需要22个小时来处理这些数据。MapR把这个处理时间从22小时降到20分钟，并且使用更少的硬件。Valence Health现在也可以处理之前很难满足的客户要求。例如，一个客户可能打电话来说”三个月前我发给你们了一个错误的文件，我希望把那个文件拿掉。”他们传统的数据库解决方案可能要3到4周的时间才能找到那个数据并删除。MapR的快照功能提供了定点恢复，这使得Valence可以分分钟回滚到那个时间点并删除那个文件。

2.UnitedHealthcare: 欺诈，浪费和滥用

UnitedHealthcare 为近5千1百万用户提供健康保险和服务。和该公司合作的有超过85万医师和护理人员，全国范围内大约有6100所医院。他们的账目完整(Payment Integrity)小组的艰巨任务是确保所有账单都按时正确付款。面对每天超过1百万个的账单(10TB的数据)，他们之前的处理方式是特制的，严重依赖于规则，并受制于数据孤岛和碎片化的数据环境。UnitedHealthcare 采用了一个独特的双模型策略，既集中关注业务收益，同时也追求利用最新的技术来不断创新。

他们是这么做的：针对业务收益，该集团建立了一个预测分析’工厂’用来系统地可重复地识别不准确的账单。Hadoop用做现在一个单一平台的数据框架，该平台上建有多种工具来分析各种信息，包括账单，处方，医保参与人，合作医护人员，以及账单审查结果。

他们集中了业务里所有数据孤岛的数据，包含36处数据资产。他们手边现在有多个预测模型(PCR,确定欺诈True Fraud，Ayasdi 等)，这些模型提供了一个潜在的欺诈排序列表，使得他们可以有针对性地和系统化地处理欺诈。

3.Liaison 科技：医保行业数据记录的流处理

Liaison 科技提供了一个云端解决方案来帮助企业来集成，管理和安全保障其数据。它的一个垂直解决方案是针对医保行业和生命科学行业，这两个行业有2个挑战–满足HIPAA合规要求和数据格式及其展现形式的多样性。利用MapR 流，合规挑战中的数据可回溯要求迎刃而解，因为流处理将系统数据记录变成了一个无限的，不可更改的数据转换日志。多样性的挑战在于，一个患者记录可以有多种使用方式-可以是一个文档，可以是一幅图，或者是查询结果 -这取决于不同的用户，可能是制药公司，医院，诊所或医生。利用流处理实时地将数据变化输出到 MapR-DB,HBase,MapR-DB JSON文档，图和搜索数据库，用户可以得到最新的和最适合的数据。另外，通过在 MapR 融合数据平台上开发这一服务，Liaison 可以保障所有数据模块的安全，避免了其他方案的数据和安全孤岛的问题。

4. Novartis Genomics

下一代基因测序（NGS）是一个经典的大数据应用，它面临双重的挑战，即巨量原始异构的数据，以及NGS最佳实践的快速变化。另外，许多前沿研究需要与外部组织的不同数据进行大量的交互。这需要强大的工作流程工具来处理大量的原始NGS数据，而且足够灵活以跟上快速变化的研究技术。它还需要一个方法来将这些大量外部组织的数据有意义地整合到Novartis的数据, 如1000 Geomes, NIH 的 GTEx (Genotype-Tissue Expression,基因型组织表达)和 TCGA (The Cancer Genome Atlas,癌症基因组图谱)-特别是临床数据, 表型性数据, 实验数据和其他相关数据。

Novartis 团队选择了 Hadoop 和 Apache Spark 来构建工作流程系统，使其能够集成，处理和分析各种数据来为下一代基因测序（NGS）研究服务并紧跟科研脚步。

5. 医保 IoT 创业企业：更快的检测心脏状况

目前的心律分析过程较慢而且是手动分类的。医务人员首先将各类设备上采集的数据批量上传到分析软件，然后医疗分析师查看并分类数据并向医生和医院提交报告，最后由他们对患者作出医疗决定。该过程耗时24小时以上 - 这使得医生访问患者数据长时间滞后，增加了紧急情况下的医疗风险。

利用MapR-FS，Telemed能够通过NFS将各种医疗设备的数据直接采集到其数据集群并实时产生患者洞察报告。该解决方案需要具备高可用性并提供多用户访问(来自 HIPAA 的要求)，因为他们存储了各种医院患者的数据和医疗设备公司的数据。能够按客户分治数据是非常重要的。

在MapR专业服务的帮助下，他们能够在HIPAA审查期限7月18日前搭建好解决方案。该方案架构满足了高可用HA，多用户和实时洞察报告的要求。该公司首席执行官履行了投资者给他的要求和时限，他们将在第3或第4季度开始发售其SaaS解决方案。

结论

以同样或更低的成本提升患者的治疗结果对于任何医保提供者来说都是非常大的生意, 在美国, 医保的总体花费在以15% 的速度高速增长。全面的数字化转型是实现这一目标的关键, 数字化、增强的通信和大数据分析是支持转型的重要工具。大数据分析的许多新兴案例都和基于Hadoop的解决方案的能力紧密相关, 它们可以从任意数据源获取并存储巨量异构的数据，不管是结构化的或是非结构化的, 并将其用于深度分析中。

选择大数据平台时, 特别是 Hadoop 的发布商, 要确保该平台非常擅长融合处理医保行业里各类数据，通常它们都在存储在各种数据孤岛上，比如，医院的临床数据在一个孤岛上，药品供应商的数据在另一个孤岛，医院用品的后勤数据在另外一个。这个平台应该足够灵活, 使医护人员可以使用各类复杂的数据, 如医生的笔记和影像文件进行真正的病理分析, 而不仅仅是存档。

稿源：极客头条

当前，随着由国家卫计委牵头的大数据建设的快速推进，我国医疗大数据的运用，已由星星之火，渐成燎原之势。

与此同时，一些问题也逐渐显现出来：大量数据壁垒导致数据无法互联互通、大数据停滞在一些浅层应用难以向更深更广处推进、处理海量数据存在人才缺口…… 就上述医疗大数据应用中的问题，看看医疗领域的全国人大代表、政协委员有哪些疑问。

一问：如何打通数据壁垒实现互联互通？

业界普遍认为，由于信息系统技术规范、基础信息数据标准的不统一和缺失，我国的医疗数据普遍不能互通互认，这直接导致各医疗机构大量有价值的数据，变成了“数据孤岛”。

全国政协委员、中国医学科学院肿瘤医院内镜科主任王贵齐表示，目前我国的很多“医疗大数据”其实达不到大数据的标准。医院记录或产生的大数据存在的一个问题是“大而多”，这些数据不可追溯、不可互联，这样的数据不是优良、可评价的大数据。

如何打通数据壁垒，联通数据孤岛，实现互联互通，是迫在眉睫的大问题。

2016 年，国务院发布《关于促进和规范健康医疗大数据应用发展的指导意见》，要求加快建设统一权威、互联互通的人口健康信息平台，推动健康医疗大数据资源共享开放；同年，《“健康中国2030”规划纲要》提出，消除数据壁垒，建立和完善全国健康医疗数据资源目录体系。

全国人大代表、上海交通大学医学院附属第九人民医院（以下简称“上海第九人民医院”）副院长刘艳介绍说，为实现上海市级医院间临床信息共享，上海申康医院发展中心率先在国内建立了“医联工程”信息平台项目，共享数据的同时，又实现了政府对医院实时数据的监测分析。此外，上海市卫生计生委信息中心集成上海各级公立医院数据，建立了以费用控制为目标的大数据DRGs 集成分析平台，并对三级综合医院住院指数费用单价偏离度进行重点监测。通过对其服务效率、工作负荷、技术水平、费用控制等进行评价，并逐步与政府投入、医保支付、床位规模、绩效工资总量等挂钩。总体来看，政府部门牵头，对实现医疗大数据的互联互通具有强有力的推动作用。

利用博为101异构数据采集引擎，替代协调软件厂商进行数据接口对接，使用数据采集机器人精准、实时地把医院各信息系统中（（HIS、EMR、LIS、RIS、PACS等））的约定的实时或历史数据采集出来，并存储在指定数据库中，然后从数据库获取所需数据，从而达到与原厂商开发数据接口一样的效果。具有不挑软件厂商和医院、无需厂家配合、不影响原有信息系统、接入时间短等优势。

同时，该技术无需开放源数据库，保障数据安全同时保证了数据采集的持续性；而数据结构化输出，可以直接用于未来的医疗大数据分析。

目前，此技术已成功在宜章、宁乡、益阳等湖南各地州市，以及北京、安徽、广西、贵州、陕西、广东等地成功应用。除了医疗领域，博为101异构数据采集技术还可广泛适用于存在数据孤岛的各行业领域，如政府电子政务、企业信息化管理、物流信息平台、智慧城市、农业、电子商务、金融、信贷、电力等。

二问：如何推动医疗行业的大数据应用向更深更广处发展？

有业内人士指出，目前我们收集、运用医疗大数据的渠道和方式较为单一，甚至略显贫乏，诸如挂号、电子病历病例共享等应用，只是医疗大数据应用价值的冰山一角。

当下，如何推动医疗行业的大数据应用向更深更广处发展，既是医护界的“痛点”，也是IT创业圈眼红的“热点”。

2017 年，国务院发布《“十三五”深化医药卫生体制改革规划》，提出健全基于互联网、大数据技术的分级诊疗信息系统；应用药品流通大数据，拓展增值服务深度和广度。这意味着，医疗大数据的应用不仅限于医院诊疗过程中，而应该贯穿到整个人类健康中，包括药物研发, 临床诊断与治疗， 保险支付和商业保险设计，以及健康管理和公共卫生服务等环节。

刘艳介绍，上海第九人民医院在2013 年与微软中国合作建立了基于临床数据仓库（CDR）大数据集成平台，对所有的业务数据库的表单进行系统整合与深度挖掘，实现了对医院的内部运营管理、医疗质量控制、医院感染管理、绩效考核与分配等实时数据分析管理，实现了整合单病种临床数据库与样本库、基因库关联的临床科研信息系统在临床研究方面应用，以医疗大数据的开发与应用，助力现代医院制度管理。

全国人大代表、中国工程院院士、生物芯片北京国家工程研究中心主任、博奥生物集团有限公司总裁程京告诉记者，近年来，他们搭建了标准化、平台化、可视化的生命健康大数据管理和分析系统。其中在挖掘健康医疗大数据方面亦有所突破。目前，该系统面向国内数家知名三甲医院采集了超过30 万人的体检和临床数据，以及近5 万人的社区健康筛查数据，构建了基于大规模并行计算的健康医疗大数据管理系统，并生成了多种疾病的辅助诊断和预测模型。

其中，运营比较成熟的是“健康魔镜”，这个系统通过自主研发的多种生命信息的传感检测，采集个人多个维度的健康数据，再经过人工智能分析，形成“预测- 预警- 诊断- 干预”的个人健康闭环管理，希望这项应用能为重大慢病的“早筛查、早预防”做出贡献。

版权声明：本文部分来自网络，如有侵权，请联系删除！

应用背景：

随着《关于加快推进人口健康信息化建设的指导意见》的发布，我国人口健康信息化建设取得了一定成效，但是距离“互联共享、业务协同”的目标仍然相去甚远，主要难点在于——各医院医疗信息系统（HIS、LIS、PACS、EMR等）数据无法完整、全面的接入到人口健康信息平台。

以西北地区互联网医疗之都和某直辖市的人口健康信息平台建设为例，虽然已经和相关平台商达成合作，并经过前期的不断沟通协调，平台与区域内部分医疗机构的临床数据已经通过接口方式实现互联互通。但因为区域内医院众多，所用的软件系统厂商不尽相同，存在不少厂商不配合进行接口对接或者联系不到相关人员的情况，致使人口健康信息平台建设陷入僵局。

解决方案：

如何避免人口健康信息平台出现烂尾？对此，博为软件以数据采集技术实现数据集成，因为无需厂商配合、无需原软件接口对接，为平台与医疗机构的数据连通提供了一种新的、更加便捷的方式。

博为101异构数据采集技术通过获取软件系统的底层数据交换和网络流量包，进行包流量分析和使用仿真技术采集到应用数据，并且输出结构化数据存储到指定数据库。这项技术目前已经在医联体、远程医疗等医疗领域广泛应用。

平台效益：建立人口健康信息平台，不仅是国策，更是互联网发展的必然。以该平台的健康大数据为基础，远程医疗、家庭医生、分级诊疗、医疗行为监管等各项服务才能得以开展。

对于广大百姓而言，所有诊疗信息像社保数据一样实现在线实时查询指日可待；而在A医院的临床信息，B医院通过患者身份信息匹配将能一键查询，从而避免重复检查；对于欠发达地区的百姓来说，可以通过平台进行在线咨询、在线预约专家等新型就诊模式……从多层面解决“看病难、看病贵”、医疗资源分布不均的问题。

对于医疗卫生管理部门而言，依托健康信息平台承载的全面居民健康信息、诊疗信息、医疗费用信息以及医药信息等数据，是实现医保控费、疾病预防等工作科学规划、精准管理的前提。

项目背景

平安健康（保险股份有限公司）是中国平安集团旗下的专业健康保险公司。目前，平安健康推行“随身病历”、直快赔，以及为医保提供FWA（医审）等特色服务/产品，由于医院对医疗数据独占性，造成医疗服务信息不对称，平安健康无法准确、全面地获取用户医疗数据，面临医疗数据的获取难题。

◎“随身病历”需整合用户的各项电子病历档案，打破时空限制，为客户随时随地获得个性化精准医疗提供信息基础；

◎简化客户理赔流程，享受便捷即时“快赔、直赔”，必须实现医院系统与保险核心系统直连，让客户就诊信息及理赔材料可直接同步至理赔系统；

◎FWA系统（医疗保险智能审核系统）对医疗数据融合提出需求，促进实现由事后审核向事前、事中审核延伸，强化风险控制，提高审核效率，确保医保管理更加科学合理。

技术亮点

不改变原系统代码，无需原厂商配合，直接实现各医疗数据的采集融合。

博为软件根据平安健康所需数据需求，利用博为独有101异构数据采集技术，将医院软件系统（LIS、HIS、PACS、EMR等）中的数据实时采集展示，融入现有信息系统，无滞后无延迟，为平安业务的开展提供医疗数据支持。目前，此技术已经实现和成熟应用到近100家各级别公立/私立医院的软件系统，成功为湖南地区平安健康提供医疗数据输出服务。

方案优势

以往，只能采用数据接口方式解决医疗数据融合互通，工作难度大、资金成本高。而采用101异构数据采集技术直接跳过与原厂商对接环节，解决协调难度大、开发时间长、投入资金高等问题，为平安健康“随身病历”、直快赔、FWA（医审）系统等提供了医疗数据采集的技术保障。

无障碍——无需原厂商支持，医疗数据采集融合环节简便畅通；

低成本——将人员协调成本、开发成本降到最低，有效减少项目交付时间；

零风险——非侵入式采集，无需开放原数据库，保证原系统安全；

高效率——与系统架构、代码无关，无需研发数据接口，直接采集。

应用效果

1. 将平安健康客户的医院临床数据直接采集融合，为保险理赔与医保监控提供数据支持；2. 医疗数据无延迟采集，改善了传统理赔周期长现状，客户可享受“直赔、快赔”，改善了客户理赔体验；3. 实现同一客户不同医院医疗数据融合，帮助平安健康落实推进客户“随时病历”，弥补“互联网+时代新型医疗体系”服务模式的欠缺；4. 完善FWA系统，有效解决审核人员数量不足、专业能力不足和监管能力薄弱及审核标准不一的现状，强化风险控制。

医保基金紧张倒逼医保控费体系建立

近年来，随着我国人口老龄化的加剧，导致医保收入增长速度赶不上医保支出增长速度，医保基金紧张的消息频频传出。如何使医保统筹基金平稳运行，是关系到国计民生的重大事业。对此，国务院公布的《“十三五”深化医药卫生体制改革规划》中明确提出: 坚持精算平衡，完善筹资机制，以医保支付方式改革为抓手推动全民基本医保制度提质增效。建立起较为完善的基本医保、大病保险、医疗救助、疾病应急救助、商业健康保险和慈善救助衔接互动、相互联通机制。

医保是“三医”中最先实现信息化的体系，具备施行精确、科学管理应有的数据基础；而医保基金是“三医”中唯一可以真实量化的项目，医保基金一旦难以维持收支平衡，也将倒逼政府建立医保支付控费体系，进而带动整个医疗体系进行改革。如何利用大数据进行医保控费，是商业保险机构和医保部门都亟需解决的问题。

大数据成为医保控费的“利器”

目前，保险公司和医保部门在发展医疗保险的过程中，如何更好地与医疗服务方（医院、医疗机构）合作，获得更多的医疗信息和临床数据，建立科学合理的医保支付评审机制，并控制自身的成本，成为摆在医疗保险相关部门与机构的一道难题。

博为软件研发的101异构数据采集技术，不需要接口对接，通过获取软件系统的底层数据交换与网络流量包，可以直接采集到应用数据，输出结构化数据，并将数据存储到指定服务器数据库，是建立实时、准确、完整的医疗大数据平台的“利器”。在医保控费方面，博为101异构数据采集技术有以下应用场景：

1、通过数据连通，实现医嘱处方审核智能报警功能。利用博为软件的技术，将医院HIS系统的医嘱处方数据与保险公司/部门的医嘱处方审核系统或知识库智能审核控费系统连通；医生开具的医嘱处方能与保险控费系统进行实时联动，经过智能分析，对医生的用药、处方进行辅助指导以及智能提醒。既能迫使医生的医疗行为更为合理，也能有效达成控费目的。

2、建立医保报销临床全数据审查体系，防止骗保行为发生。现在的医保主要通过审查医生处方和缴费数据进行报销，一些不法分子通过处方、费用单据造假进行骗保，造假难度和成本都很低廉；医保局和保险公司对此却不能做到火眼金睛，造成医保基金损失。通过博为的异构数据采集技术，将医疗机构的所有临床数据，如患者的CT、B超、X光、验血、检验等数据全部纳入报销审查范畴，导入到医保审查系统，这样大大增加了骗保的难度与成本，从而降低甚至杜绝骗保行为发生。

3、第三方机构大数据弥补医保费用审计漏洞，让造假行为无处遁形。例如，审计署通过采集工商数据进行医保审核过程中发现，某医院登记只有50个床位，却有90个病人同时住院，进而核实查出造假问题，这就是一个基于大数据进行打假的典型案例。在医保费用审计方面，可以纳入更多存在造假可能的第三方机构数据进行审查，挖掘违规交易，再处罚医疗机构和参保人。虽然是事后控费，但是通过惩处手段与征信体系建立，能避免造假行为愈演愈烈，促使医疗服务机构和参保人规范自己的行为。

除了以上3种控费模式之外，政府还提出了PBM、DRG等控费模式，它们也都是建立在医疗服务机构、保险机构、第三方监督机构和医保购买方信息的互联共享的基础之上的。只有插上大数据的“翅膀”，医疗保障体制才能用精准的数据不断完善，最终实现良性运转，为居民健康管理服务。

根据昆明市医保局《关于印发昆明市医疗保险业务推广使用生物特征实名认证系统实施方案的通知》（昆医保通﹝2018﹞36号）相关文件要求，安宁从八月初开始数据采集工作。

最近有传言称“请各参保人员前往安宁市医保中心采集指纹，逾期未采的医保卡将不能正常使用。”还有部分老人误以为生物特征采集需要做空腹抽血。不实传言引发群众扎堆安宁市医保中心采集指纹，时值人社业务高峰期，前往社保、医保、就业各窗口办事群众较为集中，因业务窗口承载能力有限，且正常业务办理与数据采集同步进行，从而导致群众排队等候时间较长、数据采集较慢的情况出现。本刊温馨提示，解答市民疑惑，请各位参保人不信谣、不传谣，就近、分批次、错峰进行数据采集。

1.什么是医疗保险生物特征识别信息采集工作？

医疗保险生物特征识别信息采集工作是指对医疗保险参保人员的指纹和指静脉人体生物特征，进行采集录入并归集到数据库统一管理的工作。

2.信息采集有什么用，为什么要录指纹？

昆明市将逐步把生物特征识别信息作为社会保障卡身份认证的补充手段，最终实现“无卡就医”，“无卡购药”，将极大方便参保人。

3.所有人都需要采集信息吗？

信息采集针对参加昆明市基本医疗保险（含城镇职工医保、城乡居民医保）且年满14周岁以上的参保人。因14周岁以下的少年儿童处于生长发育期，暂不采集生物特征识别信息。

4.信息采集时限是多久？

此项工作涉及全市20多万参保人员。采集信息工作量大、采集设备和人力有限，参保人员可在两年内完成信息录入即可。

5.信息采集需要做什么准备？需空腹抽血吗？

只须携带本人身份证，在现场将本人手指放在生物特征信息采集仪上采集数据即可。不需抽血。

6.不录入指纹信息进行医保卡审核和换卡，医保卡就不能使用了，医保卡的钱就不在了？

采集生物特征识别信息不是医保卡年审和换卡，没有录入信息医疗保险待遇不受影响，医保卡上的钱可以正常使用。

7.信息采集仅限安宁市医保中心吗？

安宁各街道社保所、云南昆钢医院、安宁市人民医院、安宁市中医医院、安宁市医疗保险管理局都设置固定采集点。根据需要也可增设临时采集点。9月底前金方街道下辖社区配置移动采集设备，接受市民就近录入信息。

8.年纪大了腿脚不灵便，可以让子女代办吗？久病在家不方便出远门要怎么办？

须录入本人的指纹信息，所以不能让子女代办。参保人行动不便或有特殊情况者无需到采集点采集，可联系工作人员后期上门提供采集服务。（潘明丽/文图）

┃来源：中国医疗保险 廖化

每个人对大数据的理解并不太一样，有说是一个数据集合，有说是一种思维，还有说是一种技术。2015年，国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），给了官方的定义：大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。

《纲要》发布以后，国内大数据价值显现，进入到快速发展阶段。但共享和安全是并行的，由于国内健康大数据主要集中在公立医院和医保的信息系统，属于公有机构数据，有许多安全和使用限制，还存在比较大的政策和数据采集端的障碍。虽然互联网和数据挖掘等新技术的发展为大数据提供了技术基础，但我国现有健康大数据的发展更多停留在理论模型和实验研究的阶段，真正能够应用的少之又少。

日前，在《中国医疗保险》杂志社举办的“互联网+医疗保障”论坛上，杂志社社长郝春彭以“互联网+医保大数据的应用”为题，系统介绍了我国医保大数据的发展情况，有成绩更有不足，阐述了医保大数据应用的价值和意义，并提出了殷切的建议。

一．基本医保数据以及它的应用现状

1

信息化建设

金保工程是国务院主导的十二个金字头重大工程之一。金保工程一期主要搭建了社会保险的核心平台，覆盖了全国各个统筹地区，建立了相应的网络架构。二期进行了升级优化，实现了逻辑集中和全国数据的交换共享。目前，全国统一标准的社保卡已发放11.2亿张，覆盖了超过全国70%多的人口，同时第一张电子社保卡也已签发，社保服务能力大大提升。

国家异地就医结算系统已对接所有省级平台和统筹地区，将9000多家定点医疗机构纳入结算平台，实现了医保经办业务的部、省、市三级系统的数据实时传送和上下联动。

截止到2017年4月底，超过320个统筹地区开展了医疗服务智能监控工作，占全国地市级统筹地区的84%。逐步促进基础信息的标准化和数据交换的实时性，扩充数据的内容和形式，为医保智能监控提供技术支持。

2

数据资源

医保数据内容方面，主要包括参保数据、支付数据、管理数据等。参保数据主要是参保人个人基本信息，比如年龄、就业信息、收入信息、家庭信息。支付数据包括参保患者享受医疗服务的各种信息，能够比较完整地记录他的就医行为，是医保信息系统里比较重要也比较独特的数据环节。管理数据主要是基于现有参保数据和支付数据提炼出来的能够支持医疗保险决策和管理的一些数据，包括各个层级的基金收支、费用、病种各方面的信息等。还有一些其他数据，比如社会上的共享数据和提供科研支持的一些内容。

数据积累方面，首先，分散在各地信息系统中积累的历年参保及支付数据已是海量。其次，在国家层面主要是社保中心信息中心对基金运行情况进行数据收集以及联网指标的数据上报。同时，中国医疗保险研究会经国家统计局批准，每年会从全国各统筹地区中抽取50万人次的住院数据和600万人次的门诊数据，来对医疗保险的支付行为、消费行为进行详细的数据分析。根据对这些数据的分析，每年会出相应的药品、医疗服务和高值耗材的使用分析报告，同时为医疗保险药品目录评审和药品谈判提供一些数据和技术上的支撑。

数据质量方面，并没有在国家层面有一个统一的医疗信息系统，而是各地自行组织开发，包括各个医院之间的信息系统也是各个医院组织开发，所以，我国医保在整体数据提升和标准化、统一化方面进展得比较缓慢。

3

数据应用

在部一级，主要用来了解全国总体情况，把握形势发展，制定宏观政策以及为部分专项工作提供数据支撑，比如医保支付方式改革、药品谈判等等，并没有形成应用规模以及固定的体系，更谈不上大数据应用。

在地方实践方面，主要的应用体现在审核结算管理和支付方式改革上。部分地区建立了相关的知识库以及机器自我学习，去推进医保的智能审核。同时，在制定支付方式方面很多地方迈出了自己的第一步。

其他应用，比如配合公安部门进行人口普查、人口登记，以及相关社会保障、医疗卫生领域学术研究等。

4

数据管理

主要是对数据安全方面进行监管，而在数据应用方面缺少指导。对社保大数据的应用，要受到《社会保险法》、《社会保险个人权益记录管理办法》和《人力资源和社会保障数据中心数据库安全管理规范（试行）》等几个规定安全方面的约束。所以，限于体制方面的原因，公有机构的数据分析能力跟市场上的数据分析能力还有很大差距，像阿里巴巴、腾讯、百度等等，在大数据方面已经有非常好的基础和水平。但受数据安全和各个方面的约束，我们却没有办法把这些数据请市场上的机构进行应用拓展，这在很大程度上限制了我国医保大数据的应用发展。

我国医保部门具备大数据应用的优势和基础，特别是下沉在各个地方医疗保险信息系统中的参保患者个人信息和他的支付数据，应该说具备非常大的社会应用前景和商业价值。但传统的信息化和数据体系建设在大数据时代需要进一步完善，原有的数据体系和信息化架构不一定适应新形势的发展，需要做相应的改进，特别是在大数据时代的思维方式、工作逻辑可能都要相应地改变。我们的医保大数据应用还没有形成体系，更多是安全上的安排，缺乏应用方面的指导，这也是我们国家在政策层面需要努力解决和突破的方向。

二．基本医保大数据应用价值

应用价值主要包括业务应用、社会应用以及战略应用。

在业务应用方面，最首要的是为政策制定和完善提供数据支持。传统完善政策的方法，需要政策研究、地方试点、建立模型等，花费很长时间和代价才能设计一个政策出来。但在大数据应用以后，它的逻辑会发生很大变化，特别是在数据挖掘和机器学习方面的应用，很多东西通过大数据计算可以直接得出相应的结果。比如医疗技术研发领域，很多东西是算出来的并不是想出来的。

提升管理水平，我们可以应用大数据高维聚类分布式算法，制定出更加精准的政策，比如医保支付标准。

优化服务体系，可以通过大数据优化整个服务流程，给患者提供一些更加精准的医疗服务建议，对整个医疗服务体系进行优化。

在社会应用方面，更多强调的是数据规范之后能够提升包括医疗保险在内整个社会治理的水平，通过数据分析，形成对整个社会现状的判断，对未来发展的预测以及社会治理方面的改进。

在战略应用方面，大数据在提升医疗保险制度的地位，提升参保人对医保制度的用户黏性，提升医疗保险的公平性、可及性，实现医疗保险对医疗资源配置的引领作用和社会治理等方面，都有非常大的战略意义。

三．基本医保大数据应用的关键问题

1.准确认识和定位。任何一项技术都有其发展周期，必须认识到技术周期对我们整个医保事业的影响，特别是短期、长期影响的战略评估，一定要在更高的站位对我们的数据进行评估，对未来作出更好的战略规划。

2.转换传统思维方式。数据就是价值，特别是社保数据，其实也是国家的一项战略资源。我们应该给予足够的重视，把它的价值发挥好。如果仅仅出于安全的考虑就封禁起来，就得不偿失了，也不是我们建立大数据体系的初衷。

此外，为了让社会各界能够更方便的获取我们的数据，需要打破现有机构对机构的数据获取方式（医保机构和医疗机构之间的数据交换），尝试通过多渠道获取和提供数据，让数据渠道更加多元化。

我们的管理型思维要向服务型思维转变，因为我们是为了提升我们的社会服务水平，而不是为了管着什么。

3.选择适宜发展模式。数据的归集并不是简单的数据集中，应更好地利用现有的云技术，利用网络整合现有资源，让数据上下联动起来，让地方享受到大数据带来的红利。

4.注重基础标准建设。最重要的是基础标准的建设和加强，没有统一的基础标准，数据的采集、分析和应用也就无从谈起。

5.处理好安全与应用关系。安全当然很重要，但它是一个管理问题，不能因噎废食忽略它的数据价值。

四．基本医保大数据应用政策建议

1.制定行业大数据发展规划，特别是社保数据作为一项数据的战略资源，一定要站在更高的位置上提出自己的大数据发展规划。

2.建立全国统一的社会保险云平台，通过云技术把现有的数据尽可能地归集汇总，做好采集分析，让它发挥更大的效应。

3.扩展数据统一的信息标准，多渠道获取现有数据，而不是依赖原有的机构对机构的数据传输方式。

4.建立大数据应用和管理体系，允许社会力量积极参与，发挥大数据应用价值，避免大数据尘封在公有机构数据库里而得不到应用。最重要的是我们要对应用管理方面作出相应的政策指导，充分发挥社会的活力。

医保大数据是个“大金矿”，拥有无穷的价值，如何开发是摆在我们面前的重要课题。