diff --git a/26-数据中台-模块规划.md b/26-数据中台-模块规划.md deleted file mode 100644 index b5a8ffa..0000000 --- a/26-数据中台-模块规划.md +++ /dev/null @@ -1,220 +0,0 @@ -# 数据中台 模块规划 - ---- - -## 1. 模块定位 - -数据中台是整个医养平台的**数据资产管理与智能分析体系**，负责汇聚全平台各业务系统产生的数据（结构化/半结构化/非结构化），通过数据湖、数据仓库、主题库和专题库的分层架构，为运营决策、AI模型训练、政府监管上报和区域医养事业评估提供高质量数据支撑。 - -数据中台不直接面向业务用户，而是作为**数据资产的统一管理层**，对上层消费系统（运营管理、AI服务、政府监管）提供标准化数据服务。 - ---- - -## 2. 建设目标 - -1. 构建医养数据湖，统一汇聚全平台数据资产 -2. 建立 ODS → 基准层 → 主题层 → 专题层的分层数仓体系 -3. 建立数据治理平台（数据质量/数据血缘/数据目录） -4. 构建医疗知识图谱（ICD-10/SNOMED CT/中医知识体系） -5. 构建 AI 大模型训练数据管理平台（DeepSeek 垂直微调数据集管理） -6. 提供标准化的数据服务API（报表查询/指标计算/数据导出） - ---- - -## 3. 核心功能范围 - -### 3.1 一级模块 - -1. 数据湖基座 -2. 数据仓库（分层体系） -3. 数据治理平台 -4. 医疗知识图谱 -5. AI大模型训练数据管理 -6. 数据服务与API - -### 3.2 二级功能清单 - -**数据湖基座**： - -- 全平台数据接入（数据库CDC/Kafka流/文件上传） -- 多源异构数据统一存储（结构化表/JSON/文件/时序数据） -- 数据分区策略（按时间/机构/数据类型分区） -- 数据访问权限管理（列级/行级权限） -- 数据生命周期管理（冷热分层/自动归档） - -**数据仓库分层体系**： - -- ODS层（贴源层）：从各业务系统实时/批量同步原始数据 -- 基准层（DWD）：数据清洗/标准化/维度建模 -- 主题层（DWS）：老人域/机构域/服务域/健康域等主题宽表 -- 专题层（ADS）：运营指标/监管上报/AI训练集等面向具体场景的专题表 - -**数据治理平台**： - -- 数据目录（元数据管理，数据资产全景地图） -- 数据血缘（字段级来源追踪） -- 数据质量规则配置（完整性/一致性/时效性监控） -- 数据标准（统一字段命名、枚举值、编码规范） -- 数据问题工单（数据质量问题发现→修复→关闭闭环） - -**医疗知识图谱**： - -- ICD-10疾病分类体系（国家标准10000+节点） -- SNOMED CT 国际医学术语（⚠️ 待确认授权） -- 药品知识图谱（药品-适应症-禁忌-相互作用-价格） -- 中医知识体系（证候-方剂-药材-经络关系） -- 护理规范知识库（养老护理操作规范、评估量表） -- 知识图谱查询API（供AI服务22号调用） - -**AI大模型训练数据管理**： - -- 标注任务管理（标注人员分配/质检/审核） -- 训练数据集版本管理（数据集切割/版本记录） -- 数据脱敏工具（患者隐私字段自动脱敏） -- 训练数据质量评估（标注一致性、数据分布分析） -- 与AI服务（22号）训练管道对接 - -**数据服务与API**： - -- 统一查询API（支持SQL/REST两种接口） -- 指标计算服务（平台关键指标实时/离线计算） -- 监管报表生成（对接01号政府监管系统的数据上报） -- 数据导出服务（Excel/CSV/JSON格式导出审批） -- 数据订阅推送（增量数据变化推送给订阅系统） - -### 3.3 数据分层模型 - -``` -┌─────────────────────────────────────────────────────────┐ -│ 专题层ADS │ 运营看板 │ 监管上报 │ AI训练集 │ 选题分析 │ -├─────────────────────────────────────────────────────────┤ -│ 主题层DWS │ 老人主题 │ 机构主题 │ 服务主题 │ 健康主题 │ -├─────────────────────────────────────────────────────────┤ -│ 基准层DWD │ 清洗/标准化/维度建模（数据规范化处理） │ -├─────────────────────────────────────────────────────────┤ -│ 同步层ODS │ 全平台27个业务系统原始数据实时/批量同步 │ -├─────────────────────────────────────────────────────────┤ -│ 数据湖 │ 结构化+半结构化+非结构化数据统一存储 │ -└─────────────────────────────────────────────────────────┘ -``` - ---- - -## 4. 与现有 mall 的关系 - -**契合度：D（不适配）** - -| 能力需求 | mall 现状 | 结论 | -| ----------------------------- | --------- | ---------- | -| 数据湖架构（Hadoop/对象存储） | 无 | 须独立建设 | -| 分层数仓（ODS/DWD/DWS/ADS） | 无 | 须独立建设 | -| 数据治理平台 | 无 | 须独立建设 | -| 医疗知识图谱 | 无 | 须独立建设 | -| AI训练数据管理 | 无 | 须独立建设 | -| OLAP分析引擎 | 无 | 须独立建设 | - -mall 是通用电商平台，不具备任何大数据处理和数据治理能力，强行堆入会导致维护灾难（OLTP与OLAP完全不同的技术栈和运维要求）。 - ---- - -## 5. 规划判断 - -**独立建设（大数据平台架构）** - -云原生路线（推荐云部署，降低运维难度）： - -- **数据湖存储**：阿里云OSS / 腾讯云COS（对象存储） -- **实时数据接入**：Apache Kafka（CDC流数据） -- **批量数据同步**：DataX / SeaTunnel（从各业务系统导入） -- **计算引擎**：Apache Spark（批计算）+ Apache Flink（流计算） -- **数据仓库**：ClickHouse（OLAP分析）或阿里云MaxCompute（云数仓） -- **数据治理**：Apache Atlas / 自研 -- **知识图谱**：Neo4j（图数据库） -- **调度**：Apache DolphinScheduler（数据任务调度） -- **可视化**：Superset / 自研（数据探索） - ---- - -## 6. 需新增业务能力 - -1. **数据标准体系**：统一全平台的字段命名规范、枚举值标准、编码规范 -2. **医疗数据脱敏工具**：批量脱敏（姓名/身份证/手机号/病历关键信息） -3. **数据访问审批流程**：敏感数据（健康档案/医疗记录）的访问申请与审批 -4. **数据质量监控**：每日自动检测数据完整性、一致性，异常自动告警 -5. **监管数据上报格式**：按照民政/卫健委数据上报标准生成上报文件（⚠️ 待确认各地标准） - ---- - -## 7. 需新增数据模型（数据治理侧） - -| 模型 | 关键字段 | -| --------------------- | ----------------------------------------------------------------------------------------------- | -| `data_catalog` | id, table_name, layer(ods/dwd/dws/ads), description, owner, sensitivity_level, update_frequency | -| `data_lineage` | id, source_table, source_column, target_table, target_column, transform_logic, created_at | -| `data_quality_rule` | id, table_name, rule_type, rule_config(JSONB), alert_threshold, is_active | -| `data_quality_result` | id, rule_id, check_date, total_count, fail_count, fail_rate, status | -| `knowledge_node` | id, graph_type(icd10/drug/cm), code, name, properties(JSONB), created_at | -| `knowledge_relation` | id, source_node_id, target_node_id, relation_type, weight, source_doc | -| `dataset_version` | id, name, purpose(ai_train/report/export), snapshot_date, record_count, status, is_desensitized | - ---- - -## 8. 需新增技术栈 / 第三方能力 / 中间件 - -| 类别 | 技术选型 | 用途 | -| ---------- | ----------------------- | ---------------------- | -| 数据湖存储 | 阿里云OSS / 腾讯云COS | 原始数据湖存储 | -| 数据同步 | DataX / SeaTunnel | 业务系统→数仓增量同步 | -| 流处理 | Apache Flink | 实时数据流处理与聚合 | -| 批处理 | Apache Spark | 大规模批计算任务 | -| OLAP引擎 | ClickHouse | 高性能分析查询 | -| 图数据库 | Neo4j | 医疗知识图谱存储与查询 | -| 任务调度 | Apache DolphinScheduler | 数据任务的DAG调度 | -| 数据治理 | Apache Atlas | 元数据管理与血缘追踪 | -| 数据可视化 | Apache Superset | 数据探索与自助分析 | - ---- - -## 9. 外部系统对接关系 - -| 对接系统 | 方向 | 内容 | -| -------------------- | --------------------- | -------------------------------- | -| 全部27个业务系统 | 数据流入 | 业务数据同步到ODS层 | -| 政府监管系统（01） | 数据流出 | 上报标准格式数据文件 | -| AI服务（22） | 双向 | 知识图谱API供应 + 训练数据集供应 | -| 运营管理（24） | 数据流出 | 经营分析指标供应 | -| ClickHouse（分析库） | 数据流出 | ADS层面向分析的宽表 | -| SNOMED CT授权方 | 数据引入（⚠️ 待确认） | 国际医学术语授权 | - ---- - -## 10. 风险与边界 - -| 风险 | 说明 | 应对 | -| -------------------------------- | ---------------------------------------------- | ---------------------------------------------------------- | -| 建设周期长 | 大数据平台建设周期往往在6-12个月以上 | P2优先级，待核心业务系统稳定后再建 | -| 运维复杂度 | Kafka/Spark/Flink/ClickHouse等技术栈运维门槛高 | 优先选用云托管服务（如阿里云DataWorks）降低运维成本 | -| 数据隐私合规 | 医疗数据属于敏感个人信息（PIPL/等保三级） | 数据分类分级 + 脱敏 + 访问审批 + 等保合规 | -| 数据标准不统一 | 各业务系统字段定义不统一，数据清洗工作量大 | 在业务中台（25）建立统一数据标准，从源头控制数据质量 | -| 知识图谱授权 | SNOMED CT商业授权费用较高 | 先用ICD-10（国标免费）+自建医养知识图谱，后续评估SNOMED CT | -| 边界：数据中台只做数据，不做业务 | 避免将业务逻辑放到数仓中实现 | 严格区分数据层和应用层的职责边界 | - ---- - -## 11. 实施优先级与分期建议 - -**优先级：P2** - -| 分期 | 内容 | 前置条件 | -| ------ | ------------------------------------------- | ------------------------------- | -| 第一期 | ODS同步 + ClickHouse + 运营基础报表 | P0/P1业务系统产生足够数据后启动 | -| 第二期 | 数据治理 + 主题层建模 + 知识图谱（ICD-10） | 数仓稳定运行3-6个月后启动 | -| 第三期 | AI训练数据管理 + SNOMED CT + 全链路数据血缘 | AI服务（22）建设期间同步 | - ---- - -## 12. 结论 - -数据中台是医养平台的**数据智慧层**，mall 完全不具备大数据处理和数据治理能力，**必须独立建设**。 - -建议初期不追求完整的大数据平台，而是以"ClickHouse + 基础运营报表 + 数据同步"为MVP，在各业务系统积累足够数据后再逐步完善数仓分层和数据治理体系。优先使用云托管大数据服务降低运维负担，待数据量规模化后再评估自建集群的必要性。