CN112990767A - 垂直消费医疗类SaaS生产数据计算方法、***、终端及介质 - Google Patents
垂直消费医疗类SaaS生产数据计算方法、***、终端及介质 Download PDFInfo
- Publication number
- CN112990767A CN112990767A CN202110421503.6A CN202110421503A CN112990767A CN 112990767 A CN112990767 A CN 112990767A CN 202110421503 A CN202110421503 A CN 202110421503A CN 112990767 A CN112990767 A CN 112990767A
- Authority
- CN
- China
- Prior art keywords
- saas
- production
- data
- classification
- platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 342
- 238000004364 calculation method Methods 0.000 title claims abstract description 26
- 238000012795 verification Methods 0.000 claims abstract description 75
- 238000013139 quantization Methods 0.000 claims abstract description 37
- 230000012010 growth Effects 0.000 claims description 24
- 239000002131 composite material Substances 0.000 claims description 23
- 238000011002 quantification Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013524 data verification Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 description 15
- 230000018109 developmental process Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003698 anagen phase Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明的垂直消费医疗类SaaS生产数据计算方法、***、终端及介质,本发明基于线性时间线确定生产数据的数据种类,分别将生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得对应各生产分类项的标准化量化结果;对标准化量化结果的质量元素进行验证;若验证成功,获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合,最后计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数,本发明不仅生产了传统软件无法生产的新型社交化和移动化数据,还统一了医疗数据标准,不仅能实时汇总相关数据进行自身企业运营,还可以对生产数据的计算对行业调研评估及政策研究。
Description
技术领域
本发明涉及垂直消费医疗类SaaS服务领域,特别是涉及一种垂直消费医疗类SaaS生产数据计算方法、***、终端及介质。
背景技术
现如今,消费医疗行业迎来了快速发展期,面对持续变化的环境,消费升级、资本关注、互联网浪潮更是将其推至前所未有的高度。消费医疗类软件应运而生,软件为服务类产品,软件本体生产量化标准为数据生产量与数据质量。
传统消费医疗类软件在数据生产上存在以下问题:1业务逻辑与数据架构根据不同客户而发生变化,无法做到业务和数据架构标准化,数据质量参差不齐;2、数据无法实时汇总或投入高成本实现;3、医疗数据无法有效监管保护,无法用于行业评估;4、缺乏社交化和移动化数据。5、无法用于行业评估及政策研究。
由此可知,数据标准化无法通过传统软件完成,也无法通过传统医疗软件数据分析模式进行普遍量化计算。传统软件生产的问题,同样导致相关机构及行业/领域专业机构获取的信息不准确、不对称、不及时,统计口径不一致,导致根据数据计算无法准确的评估行业及个体企业发展情况。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种垂直消费医疗类SaaS生产数据计算方法、***、终端及介质,用于解决现有技术中的传统软件无法实现医疗数据标准化以及实时汇总或投入高成本,并且缺乏社交化和移动化数据的参考,以及获取的信息不准确、不对称、不及时,统计口径不一致,根据数据计算无法准确的评估行业及个体企业发展情况等问题。
为实现上述目的及其他相关目的,本发明提供一种垂直消费医疗类SaaS生产数据计算方法,所述方法包括:基于线性时间线,分别确定SaaS生产数据以及自给平台生产数据的数据种类;基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;若验证成功,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
于本发明的一实施例中,所述SaaS生产数据的数据种类包括:SaaS类功能接口调用数据、SaaS***日志数据、SaaS业务数据以及SaaS流量数据中的一种或多种;和/或,所述自给平台生产数据的数据种类包括:自给平台功能接口调用数据、自给平台日志数据、自给平台业务数据以及自给平台流量数据中的一种或多种。
于本发明的一实施例中,所述基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果包括:基于所述SaaS生产数据以及自给平台生产数据的数据种类,分别根据SaaS生产数据以及自给平台数据的的分类项标签将所述SaaS生产数据以及自给平台数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项;根据所述SaaS生产分类项以及各自给平台生产分类项,分别获得对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果。
于本发明的一实施例中,所述分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证包括:基于CAP定理,分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果。其中,所述对应各SaaS生产分类项的标准化结果的质量元素包括:一致性、准确性、时间线性完整度以及属性正确性元素一种或多种;和/或,所述对应各自给平台生产分类项的标准化量化结果的质量元素包括:逻辑一致性、拓扑一致性、关联一致性、属性正确性、时间线性完整度元素中的一种或多种。
于本发明的一实施例中,所述SaaS业务闭环所需分类项包括: 基础业务闭环所需分类项以及扩展业务闭环所需分类项;其中,各基础业务闭环所需分类项形成基础业务组合以及各扩展业务闭环所需分类项形成扩展业务组合。
于本发明的一实施例中,所述业务指数包括:生产力指数、复合增长率以及生产力权值中的一种或多种;其中,所述生产力指数、复合增长率以及生产力权值与所述线性时间线相关。
于本发明的一实施例中,所述方法还包括:若验证失败,基于线性时间线,分别重新确定SaaS生产数据以及由自给平台生产数据的数据种类;基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;若验证成功,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
为实现上述目的及其他相关目的,本发明提供一种垂直消费医疗类SaaS生产数据计算***,所述***包括:种类确定模块,用于基于线性时间线,分别确定SaaS生产数据以及自给平台生产数据的数据种类;数据标准化模块,连接所述种类确定模块,用于基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;数据验证模块,连接所述数据标准化模块,用于分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;业务配置模块,连接所述数据验证模块,用于在验证成功的情况下,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;计算模块,连接所述业务配置模块,用于分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
为实现上述目的及其他相关目的,本申请提供一种垂直消费医疗类SaaS生产数据计算终端,包括:一或多个存储器,用于存储计算机程序;一或多个处理器,用于执行所述的垂直消费医疗类SaaS生产数据计算方法。
为实现上述目的及其他相关目的,本申请提供一种计算机存储介质,存储有计算机程序,所述计算机程序运行时实现所述的垂直消费医疗类SaaS生产数据计算方法。
如上所述,本发明是一种垂直消费医疗类SaaS生产数据计算方法、***、终端及介质,具有以下有益效果:
1、使行业标准定义趋同,数据架构与数据质量标准化;
2、企业客户能实时汇总相关数据进行自身企业运营;
3、使医疗数据模型统一,得到更好的监管保护;
4、融入社交化和移动化平台,医患在线联动,生产社交化和移动化数据;
5、可以用于行业调研评估及政策研究。
附图说明
图1显示为本发明一实施例中的垂直消费医疗类SaaS生产数据计算方法的流程示意图。
图2显示为本发明一实施例中的垂直消费医疗类SaaS生产数据计算方法的流程示意图。
图3显示为本发明一实施例中的垂直消费医疗类SaaS生产数据计算***的结构示意图。
图4显示为本发明一实施例中的垂直消费医疗类SaaS生产数据计算终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
在通篇说明书中,当说某部分与另一部分“连接”时,这不仅包括“直接连接” 的情形,也包括在其中间把其它元件置于其间而“间接连接”的情形。另外,当说某种部分“包括”某种构成要素时,只要没有特别相反的记载,则并非将其它构成要素,排除在外,而是意味着可以还包括其它构成要素。
其中提到的第一、第二及第三等术语是为了说明多样的部分、成分、区域、层及/或段而使 用的,但并非限定于此。这些术语只用于把某部分、成分、区域、层或段区别于其它部分、成分、区域、层或段。因此,以下叙述的第一部分、成分、区域、层或段在不 超出本发明范围的范围内,可以言及到第二部分、成分、区域、层或段。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
本发明实施例中提供一种垂直消费医疗类SaaS生产数据计算方法,解决了现有技术中的传统软件无法实现医疗数据标准化以及实时汇总或投入高成本,并且缺乏社交化和移动化数据的参考,以及获取的信息不准确、不对称、不及时,统计口径不一致,根据数据计算无法准确的评估行业及个体企业发展情况等问题。本发明的垂直消费医疗类SaaS生产了传统软件无法生产的新型社交化和移动化数据,并统一了医疗数据标准;企业客户不仅能实时汇总相关数据进行自身企业运营,还可以对生产数据的计算对行业调研评估及政策研究。
SaaS是一种软件布局模型,其应用专为网络交付而设计,便于用户通过互联网托管、部署及接入。SaaS提供商为企业搭建信息化所需要的所有网络基础设施及软件、硬件运作平台,并负责所有前期的实施、后期的维护等一系列服务,无需购买软硬件、建设机房、招聘IT人员,即可通过互联网使用信息***。
下面以附图为参考,针对本发明的实施例进行详细说明,以便本发明所述技术领域的技术人员能够容易地实施。本发明可以以多种不同形态体现,并不限于此处说明的实施例。
如图1所示,展示本发明实施例中的垂直消费医疗类SaaS生产数据计算方法的流程示意图。
所述方法包括:
步骤S11:基于线性时间线,分别确定SaaS生产数据以及由自给平台生产数据的数据种类。
可选的,基于线性时间线,分别确定由SaaS生产过程中产生的SaaS生产数据以及由自给平台数据生产过程中产生的自给平台生产数据的数据种类。
其中,所述SaaS生产过程为垂直消费医疗类SaaS数据生产过程,所述平台数据生产过程为与垂直消费医疗类SaaS对接的社交化和移动化平台生产过程。
需要注意的是,所述SaaS生产过程的生产量化标准基于线性时间线的数据量而定;所述自给平台数据生产过程的生产量化标准基于线性时间线的数据量而定。
可选的,所述SaaS生产数据的数据种类包括:SaaS类功能接口调用数据、SaaS***日志数据、SaaS业务数据以及SaaS流量数据中的一种或多种;和/或,所述自给平台生产数据的数据种类包括:自给平台功能接口调用数据、自给平台日志数据、自给平台业务数据以及自给平台流量数据中的一种或多种;
可选的,每种SaaS生产数据包括:数量信息、属性信息、地理信息、数据有效性信息、格式信息以及生产时间信息一种或多种。
可选的,每种自给平台生产数据包括:自给平台来源信息、数量信息、属性信息、地理信息、数据有效性信息、格式信息以及生产时间信息中的一种或多种。
可选的,分别确定SaaS生产数据以及由自给平台生产数据的数据种类采用stream流式方式并发执行,提高搜集分类效率。
步骤S12:基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果。
可选的,所述基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果包括:基于所述SaaS生产数据以及自给平台生产数据的数据种类,分别根据SaaS生产数据以及自给平台数据的的分类项标签将所述SaaS生产数据以及自给平台数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项;根据所述SaaS生产分类项以及各自给平台生产分类项,分别获得对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果。
具体的,基于所述SaaS生产数据的数据种类,并根据SaaS生产数据的分类项标签将所述SaaS生产数据在所述数据种类中获得对应分类项标签的一或多个SaaS生产分类项;基于自给平台生产数据的数据种类,并根据自给平台数据的的分类项标签将所述自给平台数据在所述数据种类中获得对应分类项标签的一或多个自给平台生产分类项;根据所述SaaS生产分类项分别获得预先分别与各SaaS生产分类项相对应的标准化量化结果;根据所述自给平台生产分类项分别获得预先分别与各自给平台生产分类项相对应的标准化量化结果。其中,每种类别对应一种分类项。
举例来说,将SaaS类功能接口调用数据种类ETL标准化后生产功能接口调用分类项,记为n类,所述n类分类项对应的线性时间线的数量,记为Qn。需要注意的是,日志分类项,业务分类项,流量分类项等都按上述方式记类与线性时间线计数。
或者,将自给平台功能接口调用数据种类ETL标准化后生产功能接口调用分类项,记为n类,所述n类的各个分类项对应的线性时间线的数量,记为Qn。日志分类项,业务分类项,流量分类项等都按上述方式记类与线性时间线计数。
可选的,根据SaaS***使用的底层数据库管理***,对所述SaaS生产数据以及由自给平台生产数据基于线性时间的按批次分类量化;
以MySQL数据库管理***为例,通过实时在线日志同步解析工具实时的抽取MySQLbinlog操作日志,并根据具体的行业标准和数据表通过flink/spark生成的具有行业标准业务逻辑的计算机程序执行基于线性时间的按批次分类量化。由于此时MySQL中binlog_format 参数必须设置为row模式,且binlog_row_image参数必须设置为full模式,否则在分类项量化结果不准确。
可选的,将标准化量化结果通过stream方式写入,并对历史结果集,采取缓慢变化维的方式记录。
步骤S13:分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果。
可选的,所述分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证包括:基于CAP定理,分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果。其中,所述对应各SaaS生产分类项的标准化结果的质量元素包括:一致性、准确性、时间线性完整度以及属性正确性元素一种或多种;和/或,所述对应各自给平台生产分类项的标准化量化结果的质量元素包括:逻辑一致性、拓扑一致性、关联一致性、属性正确性、时间线性完整度元素中的一种或多种。
具体的,根据CAP(Consistency,Availability,Partition tolerance)定理,采用数据最终一致性方法分别验证SaaS生产数据分类量化结果的质量元素、平台数据分类项量化结果。对于各SaaS生产分类项的质量元素,如一致性、准确性、时间线性完整度、属性正确性等方面对于各自给平台生产分类项的质量元素,如逻辑一致性、拓扑一致性、关联一致性、属性正确性、时间线性完整度等方面。
可选的,基于验证标准,分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,当符合验证标准时则获得对应验证成功的验证结果;否则,获得对应验证失败的验证结果。
优选的,所述验证标准可以为对各质量元素设置不同评分权重,根据对各元素最低评分标准或各质量元素评分加权评分来判断是否验证成功。
步骤S14:若验证成功,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合。
可选的,若验证成功,基于垂直消费医疗行业标准,将一或多个SaaS生产分类项配置为基础业务闭环所需分类项,形成基础业务组合;基于垂直消费医疗行业标准,将一或多个SaaS生产分类项配置为扩展业务闭环所需分类项,形成扩展业务组合;基于自给平台生产数据利用,将各自给平台生产分类项配置为平台业务闭环所需分类项,形成平台业务组合。
步骤S15:分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
可选的,所述业务指数包括:生产力指数、复合增长率以及生产力权值中的一种或多种;其中,所述生产力指数、复合增长率以及生产力权值与所述线性时间线相关。企业客户能通过不同分类项组合计算出的生产力指数、复合增长率以及生产力权值,结合先进的数学模型等方式提供数据决策能力,再结合实际业务情况,做出适时的决策,进行更加安全、准确、科学的企业发展。当垂直消费医疗类SaaS在市场上覆盖率高,已经能代表该消费医疗行业,成为行业头部服务商,则生产力指数以及复合增长率能大概率反映出该行业的综合发展情况和发展速度。同样,在相同统计周期情况下,可以将不同企业客户通过基础业务组合生产力指数、复合增长率以及生产力权值值进行量化对比。对不同企业客户、不同地区该行业发展情况进行量化评估。对于社会,能更加准确的了解该行业的发展,标准化后的数据模型统一,得到更好的监管保护,行业调研评估及政策研究的精准度更高,该行业能获得更多政策支持、资本关注。
可选的,对于生产力指数计算,根据各分类组合中对应分类项的线性时间线区间,明确线性时间线区间中的基期(作为对比基础的时期)以及报告期(说明其变化状况的时期);
确定需要反映的业务分类项组合在基期对应分类项数量之和,记为基期;各分类项在组合中在基期对应的权重;以及确定需要反映的业务分类项组合在报告期对应分类项数量之和,记为,各分类项在组合中在基期对应的权重,对上述业务组合数据的生产力指数K计算:
根据以上公式,可以获得对应基础业务组合的基础业务组合生产力指数K1、对应扩展业务组合的扩展业务组合生产力指数K2以及对应平台业务组合的平台业务组合生产力指数K3。
举例来说,明确以2017年07月作为基期,口腔基础业务闭环包括:患者分类项量化结果量Q0pn,权重为W0pn,预约分类项量化量结果Q0an,权重为W0an,收费量化结果量Q0cn,权重为W0cn。明确以2017年8月作为报告期,口腔基础业务闭环包括:患者分类项量化结果量Q1pn,权重为W1pn,预约分类项量化量结果Q1an,,权重为W1pn收费量化结果量Q1cn,权重为W1pn。利用公式(1)计算可以获得到2017年8月报告期的K值。
可选的,对于复合增长率,根据连续线性时间线变化或不同步长值时间变化区间,可获取各业组合务指数在不同时间节点t的报告期结果K (t),并对K (t)进行复合增长率GR计算:
根据以上公式,可以获得对应基础业务组合的基础业务组合复合增长率GR1、对应扩展业务组合的扩展业务组合复合增长率GR2以及对应平台业务组合的平台业务组合复合增长率GR3,可以根据复合增长率判断企业客户发展情况。,对企业客户不同时期的发展进行量化评估。
举例来说,以2017年7月为基期,以2017年8月为报告期,8月的增长率可以由公式(2)获得。
可选的,对于生产力权值,由于数据来源于垂直消费医疗类SaaS的数据生产,其基础业务、扩展业务、平台业务分类项数据元素包含租户的属性,可单独将特定租户、不同地理属性进行各业务组合生产力权值aix计算:
根据以上公式,可以获得对应基础业务组合的基础业务组合生产力权值aix1、对应扩展业务组合的扩展业务组合生产力权值aix2以及对应平台业务组合的平台业务组合生产力权值aix3。
举例来说,以2017年7月为基期,以2017年8月为报告期的权值计算,8月的生产力评分:
其中,明确以2017年07月作为基期,口腔基础业务闭环包括:患者分类项量化结果量Q0pn,权重为W0pn,预约分类项量化量结果Q0an,权重为W0an,收费量化结果量Q0cn,权重为W0cn。明确以2017年8月作为报告期,口腔基础业务闭环包括:患者分类项量化结果量Q1pn,权重为W1pn,预约分类项量化量结果Q1an,,权重为W1pn收费量化结果量Q1cn,权重为W1pn。8月的生产里评分由各企业客户评分构成,可具体根据SaaS中租户唯一属性进行评分分解至各个企业客户。
可选的,根据加权平均计算出的分类项量化结果的分类指数K获得总指数SUM(K),其中,SUM(K)就是整体依赖该SaaS的所有企业客户综合发展情况。
可选的,如图2所示,所述方法包括:若验证失败,基于线性时间线,分别重新确定SaaS生产数据以及由自给平台生产数据的数据种类;基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;
分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;若验证成功,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
可选的,若验证失败,即量化来源有问题导致结果集不准时,自行重新从出错时间点开始重新标准化该批次的量化来源数据。
可选的,所述方法还包括:对binlog日志有限时间内保存,以应对发生错误时,能快速恢复到错时间点之前进行重新的操作。
与上述实施例原理相似的是,本发明提供一种垂直消费医疗类SaaS生产数据计算***。
以下结合附图提供具体实施例:
如图3展示本发明实施例中的一种垂直消费医疗类SaaS生产数据计算***的结构示意图。
所述***包括:
种类确定模块31,用于基于线性时间线,分别确定SaaS生产数据以及自给平台生产数据的数据种类;
数据标准化模块32,连接所述种类确定模块31,用于基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;
数据验证模块33,连接所述数据标准化模块32,用于分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;
业务配置模块34,连接所述数据验证模块33,用于在验证成功的情况下,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;
计算模块35,连接所述业务配置模块34,用于分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
可选的,所述种类确定模块31,用于基于线性时间线,分别确定由SaaS生产过程中产生的SaaS生产数据以及由自给平台数据生产过程中产生的自给平台生产数据的数据种类。其中,所述SaaS生产过程为垂直消费医疗类SaaS数据生产过程,所述平台数据生产过程为与垂直消费医疗类SaaS对接的社交化和移动化平台生产过程。
需要注意的是,所述SaaS生产过程的生产量化标准基于线性时间线的数据量而定;所述自给平台数据生产过程的生产量化标准基于线性时间线的数据量而定。
可选的,所述SaaS生产数据的数据种类包括:SaaS类功能接口调用数据、SaaS***日志数据、SaaS业务数据以及SaaS流量数据中的一种或多种;和/或,所述自给平台生产数据的数据种类包括:自给平台功能接口调用数据、自给平台日志数据、自给平台业务数据以及自给平台流量数据中的一种或多种;
可选的,所述种类确定模块31分别确定SaaS生产数据以及由自给平台生产数据的数据种类采用stream流式方式并发执行,提高搜集分类效率。
可选的,所述数据标准化模块32,用于基于所述SaaS生产数据以及自给平台生产数据的数据种类,分别根据SaaS生产数据以及自给平台数据的的分类项标签将所述SaaS生产数据以及自给平台数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项;根据所述SaaS生产分类项以及各自给平台生产分类项,分别获得对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果。
可选的,所述数据标准化模块32根据SaaS***使用的底层数据库管理***,对所述SaaS生产数据以及由自给平台生产数据基于线性时间的按批次分类量化。
可选的,所述数据标准化模块32将标准化量化结果通过stream方式写入,并对历史结果集,采取缓慢变化维的方式记录。
可选的,所述数据验证模块33用于基于CAP定理,分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果。其中,所述对应各SaaS生产分类项的标准化结果的质量元素包括:一致性、准确性、时间线性完整度以及属性正确性元素一种或多种;和/或,所述对应各自给平台生产分类项的标准化量化结果的质量元素包括:逻辑一致性、拓扑一致性、关联一致性、属性正确性、时间线性完整度元素中的一种或多种。
可选的,所述数据验证模块33用于基于验证标准,分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,当符合验证标准时则获得对应验证成功的验证结果;否则,获得对应验证失败的验证结果。
优选的,所述验证标准可以为对各质量元素设置不同评分权重,根据对各元素最低评分标准或各质量元素评分加权评分来判断是否验证成功。
可选的,所述业务配置模块34用于在验证成功的情况下,基于垂直消费医疗行业标准,将一或多个SaaS生产分类项配置为基础业务闭环所需分类项,形成基础业务组合;基于垂直消费医疗行业标准,将一或多个SaaS生产分类项配置为扩展业务闭环所需分类项,形成扩展业务组合;基于自给平台生产数据利用,将各自给平台生产分类项配置为平台业务闭环所需分类项,形成平台业务组合。
可选的,所述业务指数包括:生产力指数、复合增长率以及生产力权值中的一种或多种;其中,所述生产力指数、复合增长率以及生产力权值与所述线性时间线相关。
可选的,所述计算模块35用于计算生产力指数,根据各分类组合中对应分类项的线性时间线区间,明确线性时间线区间中的基期(作为对比基础的时期)以及报告期(说明其变化状况的时期);确定需要反映的业务分类项组合在基期对应分类项数量之和,记为基期;各分类项在组合中在基期对应的权重;以及确定需要反映的业务分类项组合在报告期对应分类项数量之和,记为,各分类项在组合中在基期对应的权重,对上述业务组合数据的生产力指数K计算:
根据以上公式,可以获得对应基础业务组合的基础业务组合生产力指数K1、对应扩展业务组合的扩展业务组合生产力指数K2以及对应平台业务组合的平台业务组合生产力指数K3。
可选的,所述计算模块35用于计算复合增长率,根据连续线性时间线变化或不同步长值时间变化区间,可获取各业组合务指数在不同时间节点t的报告期结果K (t),并对K(t)进行复合增长率GR计算:
根据以上公式,可以获得对应基础业务组合的基础业务组合复合增长率GR1、对应扩展业务组合的扩展业务组合复合增长率GR2以及对应平台业务组合的平台业务组合复合增长率GR3,可以根据复合增长率判断企业客户发展情况。,对企业客户不同时期的发展进行量化评估。
可选的,所述计算模块35用于计算生产力权值,由于数据来源于垂直消费医疗类SaaS的数据生产,其基础业务、扩展业务、平台业务分类项数据元素包含租户的属性,可单独将特定租户、不同地理属性进行各业务组合生产力权值aix计算:
根据以上公式,可以获得对应基础业务组合的基础业务组合生产力权值aix1、对应扩展业务组合的扩展业务组合生产力权值aix2以及对应平台业务组合的平台业务组合生产力权值aix3。
可选的,所述计算模块35还用于计算总指数,根据加权平均计算出的分类项量化结果的分类指数K获得总指数SUM(K),其中,SUM(K)就是整体依赖该SaaS的所有企业客户综合发展情况。
可选的,所述***还包括:重新标准化模块,连接所述数据验证模块33,用于在验证失败的情况下,基于线性时间线,分别重新确定SaaS生产数据以及由自给平台生产数据的数据种类;基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;若验证成功,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
如图4所示,展示本申请实施例中的垂直消费医疗类SaaS生产数据计算终端40的结构示意图。
所述垂直消费医疗类SaaS生产数据计算终端40包括:存储器41及处理器42所述存储器41用于存储计算机程序;所述处理器42运行计算机程序实现如图1所述的垂直消费医疗类SaaS生产数据计算方法。
可选的,所述存储器41的数量均可以是一或多个,所述处理器42的数量均可以是一或多个,而图4中均以一个为例。
可选的,所述垂直消费医疗类SaaS生产数据计算终端40中的处理器42会按照如图1所述的步骤,将一个或多个以应用程序的进程对应的指令加载到存储器41中,并由处理器42来运行存储在第一存储器41中的应用程序,从而实现如图1所述垂直消费医疗类SaaS生产数据计算方法中的各种功能。
可选的,所述存储器41,可能包括但不限于高速随机存取存储器、非易失性存储器。例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备;所述处理器42,可能包括但不限于中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选的,所述处理器42可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明还提供计算机可读存储介质,存储有计算机程序,所述计算机程序运行时实现如图1所示的垂直消费医疗类SaaS生产数据计算方法。所述计算机可读存储介质可包括,但不限于,软盘、光盘、CD-ROM(只读光盘存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行 指令的其他类型的介质/机器可读介质。所述计算机可读存储介质可以是未接入计算机设备的产品,也可以是已接入计算机设备使用的部件。
综上所述,本发明垂直消费医疗类SaaS生产数据计算方法、***、终端及介质,用于解决现有技术中的传统软件无法实现医疗数据标准化以及实时汇总或投入高成本,并且缺乏社交化和移动化数据的参考,以及获取的信息不准确、不对称、不及时,统计口径不一致,根据数据计算无法准确的评估行业及个体企业发展情况等问题。本发明的垂直消费医疗类SaaS生产了传统软件无法生产的新型社交化和移动化数据,并统一了医疗数据标准;企业客户不仅能实时汇总相关数据进行自身企业运营,还可以对生产数据的计算对行业调研评估及政策研究。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种垂直消费医疗类SaaS生产数据计算方法,其特征在于,所述方法包括:
基于线性时间线,分别确定SaaS生产数据以及自给平台生产数据的数据种类;
基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;
分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;
若验证成功,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;
分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
2.根据权利要求1中所述的垂直消费医疗类SaaS生产数据计算方法,其特征在于,所述SaaS生产数据的数据种类包括:SaaS类功能接口调用数据、SaaS***日志数据、SaaS业务数据以及SaaS流量数据中的一种或多种;和/或,所述自给平台生产数据的数据种类包括:自给平台功能接口调用数据、自给平台日志数据、自给平台业务数据以及自给平台流量数据中的一种或多种。
3.根据权利要求1中所述的垂直消费医疗类SaaS生产数据计算方法,其特征在于,所述基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果包括:
基于所述SaaS生产数据以及自给平台生产数据的数据种类,分别根据SaaS生产数据以及自给平台数据的的分类项标签将所述SaaS生产数据以及自给平台数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项;
根据所述SaaS生产分类项以及各自给平台生产分类项,分别获得对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果。
4.根据权利要求1中所述的垂直消费医疗类SaaS生产数据计算方法,其特征在于,所述分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证包括:
基于CAP定理,分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;
其中,所述对应各SaaS生产分类项的标准化结果的质量元素包括:一致性、准确性、时间线性完整度以及属性正确性元素一种或多种;和/或,所述对应各自给平台生产分类项的标准化量化结果的质量元素包括:逻辑一致性、拓扑一致性、关联一致性、属性正确性、时间线性完整度元素中的一种或多种。
5.根据权利要求1中所述的垂直消费医疗类SaaS生产数据计算方法,其特征在于,所述SaaS业务闭环所需分类项包括: 基础业务闭环所需分类项以及扩展业务闭环所需分类项;其中,各基础业务闭环所需分类项形成基础业务组合以及各扩展业务闭环所需分类项形成扩展业务组合。
6.根据权利要求1中所述的垂直消费医疗类SaaS生产数据计算方法,其特征在于,所述业务指数包括:生产力指数、复合增长率以及生产力权值中的一种或多种;其中,所述生产力指数、复合增长率以及生产力权值与所述线性时间线相关。
7.根据权利要求1中所述的垂直消费医疗类SaaS生产数据计算方法,其特征在于,所述方法还包括:
若验证失败,基于线性时间线,分别重新确定SaaS生产数据以及由自给平台生产数据的数据种类;
基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;
分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;
若验证成功,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;
分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
8.一种垂直消费医疗类SaaS生产数据计算***,其特征在于,所述***包括:
种类确定模块,用于基于线性时间线,分别确定SaaS生产数据以及自给平台生产数据的数据种类;
数据标准化模块,连接所述种类确定模块,用于基于确定的数据种类,分别将所述SaaS生产数据以及由自给平台生产数据标准化成一或多个SaaS生产分类项以及一或多个自给平台生产分类项,并获得分别对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果;
数据验证模块,连接所述数据标准化模块,用于分别对对应各SaaS生产分类项以及各自给平台生产分类项的标准化量化结果的质量元素进行验证,以获得对应验证成功或验证失败的验证结果;
业务配置模块,连接所述数据验证模块,用于在验证成功的情况下,基于垂直消费医疗标准,将各SaaS生产分类项以及各自给平台生产分类项分别配置为SaaS业务闭环所需分类项以及平台业务闭环所需分类项,并获得分别由各SaaS业务闭环所需分类项以及各平台业务闭环所需分类项形成的SaaS生产业务分类组合以及平台业务分类组合;
计算模块,连接所述业务配置模块,用于分别计算配置后的SaaS生产业务分类组合以及平台业务分类组合的业务指数。
9.一种垂直消费医疗类SaaS生产数据计算终端,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行如权利要求1至7中任一项所述的垂直消费医疗类SaaS生产数据计算方法。
10.一种计算机存储介质,其特征在于,存储有计算机程序,所述计算机程序运行时实现如权利要求1至7中任一项所述的垂直消费医疗类SaaS生产数据计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110421503.6A CN112990767B (zh) | 2021-04-20 | 2021-04-20 | 垂直消费医疗类SaaS生产数据计算方法、***、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110421503.6A CN112990767B (zh) | 2021-04-20 | 2021-04-20 | 垂直消费医疗类SaaS生产数据计算方法、***、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990767A true CN112990767A (zh) | 2021-06-18 |
CN112990767B CN112990767B (zh) | 2021-08-20 |
Family
ID=76341219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110421503.6A Active CN112990767B (zh) | 2021-04-20 | 2021-04-20 | 垂直消费医疗类SaaS生产数据计算方法、***、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990767B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278623A1 (en) * | 2008-06-19 | 2014-09-18 | Frank Martinez | System and method for a cloud computing abstraction with self-service portal |
CN105335814A (zh) * | 2015-09-25 | 2016-02-17 | 湖南中德安普大数据网络科技有限公司 | 在线大数据智能云审计方法及*** |
CN105389619A (zh) * | 2014-08-31 | 2016-03-09 | 通用电气公司 | 用于改进健康护理生态***内的连接的方法和*** |
CN105976109A (zh) * | 2016-05-05 | 2016-09-28 | 云神科技投资股份有限公司 | 一种基于大数据智能审计的方法及*** |
CN106293872A (zh) * | 2016-07-27 | 2017-01-04 | 云南电网有限责任公司信息中心 | 一种基于资源池化的sla资源均衡管控方法 |
CN106503257A (zh) * | 2016-11-15 | 2017-03-15 | 北京京东金融科技控股有限公司 | 基于binlog补偿机制的分布式事务服务方法及*** |
CN107430613A (zh) * | 2015-03-23 | 2017-12-01 | 甲骨文国际公司 | 知识密集型数据处理*** |
CN109036539A (zh) * | 2018-08-22 | 2018-12-18 | 广东省中医院(广州中医药大学第二附属医院 广州中医药大学第二临床医学院 广东省中医药科学院) | 一种肠易激综合征临床数据平台设计方法 |
CN109409908A (zh) * | 2018-10-10 | 2019-03-01 | 北京长城华冠汽车技术开发有限公司 | 客户价值分类方法及装置、计算机可读介质 |
CN110147931A (zh) * | 2019-04-16 | 2019-08-20 | 国家电网有限公司 | 智能全景***及智能全景电网 |
US20190304582A1 (en) * | 2018-04-03 | 2019-10-03 | Patient Oncology Portal, Inc. | Methods and System for Real Time, Cognitive Integration with Clinical Decision Support Systems featuring Interoperable Data Exchange on Cloud-Based and Blockchain Networks |
CN110415831A (zh) * | 2019-07-18 | 2019-11-05 | 天宜(天津)信息科技有限公司 | 一种医疗大数据云服务分析平台 |
CN110766332A (zh) * | 2019-10-29 | 2020-02-07 | 重庆亚德科技股份有限公司 | 一种区域卫生全面质量指标监测*** |
CN111105860A (zh) * | 2019-12-18 | 2020-05-05 | 青岛科技大学 | 面向慢性病康复的精准运动大数据智能预测、分析及优化*** |
CN111125061A (zh) * | 2019-12-18 | 2020-05-08 | 甘肃省卫生健康统计信息中心(西北人口信息中心) | 一种规范和促进健康医疗大数据的方法 |
CN111507395A (zh) * | 2020-04-15 | 2020-08-07 | 赛诺数据科技(南京)有限公司 | 一种营销大数据建模方法及平台 |
CN111951935A (zh) * | 2019-05-16 | 2020-11-17 | 上海宽带技术及应用工程研究中心 | 面向医疗大数据处理的医疗云***、方法、***和介质 |
CN112133445A (zh) * | 2020-10-21 | 2020-12-25 | 万达信息股份有限公司 | 一种心血管疾病管理服务方法和*** |
CN112349404A (zh) * | 2020-11-03 | 2021-02-09 | 中国人民解放军总医院 | 基于云-边-端架构的多中心医疗设备大数据云平台 |
CN112559491A (zh) * | 2020-12-17 | 2021-03-26 | 山东健康医疗大数据有限公司 | 基于医疗行业内数据模型适配管理实现方法及*** |
US10970660B1 (en) * | 2018-07-16 | 2021-04-06 | Coupa Software Incorporated | Community-based data analysis in a software-as-a-service system using a deep learning classifier |
-
2021
- 2021-04-20 CN CN202110421503.6A patent/CN112990767B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278623A1 (en) * | 2008-06-19 | 2014-09-18 | Frank Martinez | System and method for a cloud computing abstraction with self-service portal |
CN105389619A (zh) * | 2014-08-31 | 2016-03-09 | 通用电气公司 | 用于改进健康护理生态***内的连接的方法和*** |
CN107430613A (zh) * | 2015-03-23 | 2017-12-01 | 甲骨文国际公司 | 知识密集型数据处理*** |
CN105335814A (zh) * | 2015-09-25 | 2016-02-17 | 湖南中德安普大数据网络科技有限公司 | 在线大数据智能云审计方法及*** |
CN105976109A (zh) * | 2016-05-05 | 2016-09-28 | 云神科技投资股份有限公司 | 一种基于大数据智能审计的方法及*** |
CN106293872A (zh) * | 2016-07-27 | 2017-01-04 | 云南电网有限责任公司信息中心 | 一种基于资源池化的sla资源均衡管控方法 |
CN106503257A (zh) * | 2016-11-15 | 2017-03-15 | 北京京东金融科技控股有限公司 | 基于binlog补偿机制的分布式事务服务方法及*** |
US20190304582A1 (en) * | 2018-04-03 | 2019-10-03 | Patient Oncology Portal, Inc. | Methods and System for Real Time, Cognitive Integration with Clinical Decision Support Systems featuring Interoperable Data Exchange on Cloud-Based and Blockchain Networks |
US10970660B1 (en) * | 2018-07-16 | 2021-04-06 | Coupa Software Incorporated | Community-based data analysis in a software-as-a-service system using a deep learning classifier |
CN109036539A (zh) * | 2018-08-22 | 2018-12-18 | 广东省中医院(广州中医药大学第二附属医院 广州中医药大学第二临床医学院 广东省中医药科学院) | 一种肠易激综合征临床数据平台设计方法 |
CN109409908A (zh) * | 2018-10-10 | 2019-03-01 | 北京长城华冠汽车技术开发有限公司 | 客户价值分类方法及装置、计算机可读介质 |
CN110147931A (zh) * | 2019-04-16 | 2019-08-20 | 国家电网有限公司 | 智能全景***及智能全景电网 |
CN111951935A (zh) * | 2019-05-16 | 2020-11-17 | 上海宽带技术及应用工程研究中心 | 面向医疗大数据处理的医疗云***、方法、***和介质 |
CN110415831A (zh) * | 2019-07-18 | 2019-11-05 | 天宜(天津)信息科技有限公司 | 一种医疗大数据云服务分析平台 |
CN110766332A (zh) * | 2019-10-29 | 2020-02-07 | 重庆亚德科技股份有限公司 | 一种区域卫生全面质量指标监测*** |
CN111125061A (zh) * | 2019-12-18 | 2020-05-08 | 甘肃省卫生健康统计信息中心(西北人口信息中心) | 一种规范和促进健康医疗大数据的方法 |
CN111105860A (zh) * | 2019-12-18 | 2020-05-05 | 青岛科技大学 | 面向慢性病康复的精准运动大数据智能预测、分析及优化*** |
CN111507395A (zh) * | 2020-04-15 | 2020-08-07 | 赛诺数据科技(南京)有限公司 | 一种营销大数据建模方法及平台 |
CN112133445A (zh) * | 2020-10-21 | 2020-12-25 | 万达信息股份有限公司 | 一种心血管疾病管理服务方法和*** |
CN112349404A (zh) * | 2020-11-03 | 2021-02-09 | 中国人民解放军总医院 | 基于云-边-端架构的多中心医疗设备大数据云平台 |
CN112559491A (zh) * | 2020-12-17 | 2021-03-26 | 山东健康医疗大数据有限公司 | 基于医疗行业内数据模型适配管理实现方法及*** |
Non-Patent Citations (4)
Title |
---|
JIA SHANG: "The Framework of Medical Simulation Education and Evaluation System for Supporting SaaS", 《2010 IEEE 34TH ANNUAL COMPUTER SOFTWARE AND APPLICATIONS CONFERENCE WORKSHOPS》 * |
徐鑫: "基于SaaS模式的医疗设备软件质量评价研究与应用", 《中国医疗设备》 * |
李首滨 等: "基于工业互联网的智能矿山研究与设计", 《中国煤炭》 * |
许敏: "基于云计算的医院信息技术平台的构建与研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112990767B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10235334B2 (en) | Structuring data | |
US11176154B1 (en) | Collaborative dataset management system for machine learning data | |
US9489627B2 (en) | Hybrid clustering for data analytics | |
US10915850B2 (en) | Objective evidence-based worker skill profiling and training activation | |
CN107993143A (zh) | 一种信贷风险评估方法及*** | |
CN112100219B (zh) | 基于数据库查询处理的报表生成方法、装置、设备和介质 | |
CN107851106A (zh) | 用于关系数据库即服务的自动需求驱动的资源缩放 | |
US20150220868A1 (en) | Evaluating Data Quality of Clinical Trials | |
WO2003096237A2 (en) | Electronic data processing system and method of using an electronic data processing system for automatically determining a risk indicator value | |
CN106164896B (zh) | 用于发现对手方关系的多维递归方法及*** | |
CN112365070A (zh) | 一种电力负荷预测方法、装置、设备及可读存储介质 | |
CN114880405A (zh) | 一种基于数据湖的数据处理方法及*** | |
CN113554350A (zh) | 活跃度评估方法、装置、电子设备及计算机可读存储介质 | |
Qudsi et al. | Predictive data mining of chronic diseases using decision tree: A case study of health insurance company in Indonesia | |
CN108647714A (zh) | 负面标签权重的获取方法、终端设备及介质 | |
Jameel et al. | Analyses the performance of data warehouse architecture types | |
Ben-Assuli et al. | Data mining techniques utilizing latent class models to evaluate emergency department revisits | |
CN112990767B (zh) | 垂直消费医疗类SaaS生产数据计算方法、***、终端及介质 | |
US11227288B1 (en) | Systems and methods for integration of disparate data feeds for unified data monitoring | |
CN113610575B (zh) | 一种产品销量的预测方法及预测*** | |
CN115204501A (zh) | 企业评估方法、装置、计算机设备和存储介质 | |
US20220171662A1 (en) | Transitioning of computer-related services based on performance criteria | |
Yalaoui et al. | A survey on data quality: principles, taxonomies and comparison of approaches | |
CN112768090A (zh) | 一种用于慢病检测及风险评估的过滤***及方法 | |
CN112732690A (zh) | 一种用于慢病检测及风险评估的稳定***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Calculation methods, systems, terminals, and media for vertical consumer medical SaaS production data Effective date of registration: 20231127 Granted publication date: 20210820 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI LINKEDCARE INFORMATION TECHNOLOGY Co.,Ltd. Registration number: Y2023310000785 |