数据集是什么？ 信息集成平台之数据集

摘 要

数据集是信息集成平台标准化管理中重要的一个组成部分，它是信息集成平台交换标准形成的基础、是数据中心物理模型的构建基础、是数据中心自动化数据存储的基础、是数据共享的基础。本文从数据集的生成方法、数据集校验机制、数据集在交换和存储及共享使用方面进行全面的论述，让大家对数据集有更加清楚的认识，同时希望本文有价值内容可以服务于工程实践。

关键词 ：集成平台；数据集；过程集

正文

1、 引 言

数据集（Data set）是一个数据的集合，通常以表格形式出现。每一列代表一个特定变量。每一行都对应于某一成员的数据集的问题。它列出的价值观为每一个变量，如身高和体重的一个物体或价值的随机数。每个数值被称为数据资料。对应于行数，该数据集的数据可能包括一个或多个成员。

上面是数据集的通用定义，本文中数据集是指某一类业务所涉及的数据集合，它包括两个方面的内容：数据集结构定义、数据集携带内容。这里以表结构来对数据集进行解释，数据集结构定义可以理解了表结构定义；数据集携带内容可以理解了表中的数据。但数据集结构定义与表结构定义有区别：

1、 一个数据集可以包括多个子集：如果检验报告至少会涉及到检验报告基本信息数据

集与检查报告明细项目结果信息数据集；

2、 多个子集之间有一种约束关系对其进行关联：检验报告基本信息数据集与检查报告

明细项目结果信息数据集是通过检验报告单号进行关系；

2、数据集有过程集的概念：如检验申请单医师开出来后，护士校对、采集标准、送检验等过程是检验申请单真正生效前的一些过程信息，是对检验申请单的补充与完善信息，这种业务环节中用到的数据集在本文中定义过程集。

2、 数据集定义

战略数据规划假设如下：任何一个组织都有10几个以上的业务域、任何一个业务域中都会涉及10几个以上业务流程、任何一个业务流程都涉及到10几个以上的流程节点。每个业务节点（除首尾结点）都是承上启下的环节，上一节点输出就是下一节点输入，这种输入输出所涉及到的内容实际上是我们要定义的数据集。通过业务场景下表现为一个申请单、一个报告单或一个采购计划。

根据对于业务节点输入输出的数据项进行梳理，能得到各种数据项的分类及相关属性信息：数据项的分类为数据集的子集定义形成基础；数据项属性信息为数据集中数据元定义奠定基础。

一个完整的数据集（除过程集、主数据集外）应该满足以下的四个要素：

以检验报告为例：时间有申请时间、上机时间、报告时间、审核时间、打印时间；地点：病人住院科室、病人住院病区、检验科室；人物：病人、开立医师、医嘱审核护士、标本采集人员、送检人员、接收人员、上机人员、报告人员、审核人员；事件起因开立开立单信息，结果为检验明细项目结果信息等。

3、 数据集在交换与共享体系中作用

信息集成平台以数据集为基础，可以形成第三方系统接入平台的接入规范，根据实际的

接入场景可以分:

1、发布规范：第三方系统调用此规范实现消息发布给平台；

2、订阅规范（拉模式）：第三方系统采用此规范通过定时拉取的方式获取平台给出的消息；

3、订阅规范（推模式)：第三方系统通过实现此规范，把获取数据的服务接口注册到平台中，当平台有此系统的订阅消息，通过实时推送的方式把消息给到此系统。

4、共享数据规范：第三方系统实现此规范，可以获取一个时期内的某类数据；

5、同步消息规范：第三方系统实现此规范，可实现两个不同的系统同步的获取消息。

4、 数据集在数据中心构建中作用

信息集成平台以数据集为基础，可以生成相应的物理存储模型。数据集有数据项，每个数据项都定义了数据类型、长度、精度；同时数据集上有业务主键的定义，数据集中子集之间定义了约束，这个可以理解为数据结构中的概念模型，通过与实际的数据库结合就可以生成数据库的物理模型。

通过数据集形成的系统交换规范，第三方系统采用这个规范通过XML、JSON的格式发布给信息集成平台时，平台可以理解发布出来的数据的结构与含义，平台接收到这类数据后，这些数据进行解析、转换，进行数据的自动化存储形成动态的数据中心。

5、 过程集

过程集是一种特殊的数据集，是以数据集为基础的虚拟的数据集，普通的数据集可以生成物理模型，并且在交换过程中能自动化进行业务数据的存储；过程集没有这个特性，他依附于某个数据集，只对某个过程所产生的信息感兴趣，如检验标准采集这个过程，它只关心某个检验申请单的标本采集时间、申请单状态、采集人员，所以过程集不会产生新的一份数据，只会影响它所依附的数据集的状态信息及过程信息。

过程集完善的是已有数据集的过程与状态信息，不会产生一份新数据，在业务流程分析时，以下业务流程节点：如审批环节、取样环节、报告环节、审批环节所产生的信息都可以定义为过程集。

6、 主数据集

主数据集是一类特殊的数据集，主数据是指支撑业务系统核心的基础数据，如科室、人员、药品、ICD等，这些数据集在定义时要充分、完整，考虑到这种业务系统的需要。

主数据管理采用以下原则进行：

1、 有信息系统支撑的主数据：采用主数据管理科室作为主数据进行定义、管理、分发；

2、 没有信息系统支撑主数据：有相对完善的系统对主数据进行管理的，选取这类系统

作为主数据定义、管理、分发的系统；没有相对完善的系统对主数据管理的，由平台对这些主数据进行定义、管理、分发。