此次数据中心大会将围绕软件定义的数据中心这一核心，对数据中心在云计算时代的最新发展趋势、数据中心的高效部署、数据中心的运维与管理等进行深入研讨。大会邀请了多位国内外知名的数据中心、云计算协会、联盟的专家，与大家分享数据中心的建设之道，来自国内各重点行业的用户以及技术人员等近千人参与。
求卓科技作为国内领先的数据中心服务提供商之一，长期专注于新一代绿色数据中心基础设施的咨询、设计、交付、运维和管理服务。
公司主要为客户提供数据中心选址及项目评估咨询、数据中心规划设计、数据中心建设及交付、数据中心迁移、数据中心运维、数据中心驻场服务、数据中心节能等服务。
同时，求卓科技持续关注数据中心新技术的跟踪和研究，致力于数据中心领域应用和管理的产品研发。公司相继开发出数据中心报警信息集中管理系统、数据中心配电模拟管理系统、数据中心资产管理系统、数据中心容量管理系统等软件和管理工具，从而大大提高客户的数据中心运营和管理水平。
求卓科技汇聚了一批高素质、经验丰富的技术和管理专家，具备专业化、高性价比解决方案及服务能力；公司在深圳、北京、上海、成都设有服务机构，拥有完善的优质客户服务体系。
在全体员工的努力下，公司通过了质量管理体系（ISO9001）、环境管理体系（ISO14001）和职业健康安全管理体系（OHSMS18001）认证，获得计算机信息系统集成资质、建筑智能化专项设计及施工资质、安防设计施工资质以及信息系统运维技术服务资质等，并连续多年获得广东省诚信示范企业。
目前这种平台体系能够在农业科学数据中心建设的初级阶段，将数据的搜集、保存、查询等问题很好的得到解决，各个分中心能够将农业科学数据和用户的管理进行处理。这些数据的特点有以下几点：①数据之间存在非常低的融合性和耦合性，但是物理上却表现为非常松散，无章可循；②农业数据物理低于分布于各个数据分中心，因此数据节点和数据中心的管理能力的差异，就会导致数据的质量和安全性；③数据的主中心对于分布式的数据检索运用主要是通过元数据的方式来实现，因此各个数据之间不存在耦合关系。农业科学数据共享服务平台的建立，使得数据共享工作得到了前所未有的拓展和深化，因而数据中心的作用越来越突出，但是随着管理数据的增加，服务的要求也是越来越高，比如很多用户就提出了对异源异构数据进行集成查询服务，因此就要对目前数据的灵活性，安全性和有效性，满足用户的所有特殊要求，这便是农业科学数据共享中心的终极目标。
2国家农业科学数据共享平台体系结构优化设计
体系结构是指一个系统组件和各个组件之间的联系，而这个体系所要解决的问题就是信息的储存和透明查询等，因此服务平台的稳定性、可用性和扩展性都受到了整个体系结构的影响。整个体系结构将所有的计算机体系都进行反映，由于对对象和层次的划分因此逐渐形成了各种体系结构。而农业科学数据共享平台的体系结构是设计的角度来构建平台的层次结构，设计主要的内容有功能设置、模块的功能、各模块之间的关系等。平台数据整合的目标需求有：①对于异源异构数据进行整合的需求；②能够对融合之后的信息进行数据分析和深入挖掘；③能够将新所有用户个性化服务的要求；④注入的新源新构数据在进行融合和整合；⑤数据的管理安全性和方便性；⑥系统的运行的稳定性和可靠性。由此看出所有的需求都是从用户的角度去考虑，同时在满足这些需求的同时也少不了整个平台内各个层次、功能模块等配合和支持，不断对平台体系进行优化。
我国的农业科学共享服体系再根据目前的状况，以及信息的搜集情况、保存、共享和管理方面进行了改进，主要的优化模型如图3所示，它的优点就是：①具有很好的稳定性和简捷性。系统中的各个功能模块都是按照层次进行功能的封装，因此各个层次之间的耦合性大大降低，但是各个层次间的功能会更加明确，从而提高了管理的便捷性和运行的稳定性。②具有扩展性和灵活性。共享中心的用户的所有要求，都将会交给相对应功能划分区域分别进行解决。问题的解决主要由应用支持层和数据融合层来完成，同时之后出现的更多问题也会有相应的模块进行解决；③能够和现存的系统完美融合，并且可以升级，在该系统的各个层次中均包含了很多子系统、模块和组件，因此对这些子系统等都要进行重新开发和设计。
3农业科学数据共享服务体系建设的建议
①建立一支服务能力强、高效精干的数据共享服务队伍，致力于共享服务的体系的完善和创新工作中去；②将目前网络平台的软件硬件设施，同时加强客户服务的工具支持，保证数据的安全和稳定；③加强数据共享平台的普及和宣传工作，扩大其知名度让更多的人们从中受益；④建立多样化的数据服务渠道，使用其他载体把科学数据的共享范围进一步扩大；⑤提供多样化的服务模式，尽量采用最快捷的最方便的信息获取方式，对于反馈的信息应该第一时间进行解决。
随着行业炒作让位于真正的创新和成熟的方法，数据中心领域今年会出现逐步改变和彻底改变两大主题，一些方面会发生变化，但另一些方面将保持原状。
1. 云计算不会终结数据中心
认为数据中心的末日即将降临的说法未免危言耸听。一些专业人士认为，云计算在迅速取代交付IT服务的传统模式；而对提供数据中心服务的商家来说，未来前景不容乐观。尽管云计算大行其道，但恐惧、不确定和怀疑会阻碍传统数据中心服务创新。在云计算和数据中心方面，极有可能出现一种集两者之长的经过优化的混合模式。
2. 数据中心温度调高
数据中心的温度将略微调高，但总的来说幅度不会太大。明智的大型企业和互联网巨头会在采暖、制冷和空调工程师协会（ASHRAE）规定的容许的温度和其范围内，继续略微提高温度，但普通企业和主机托管运营商基本上会保持在一样的温度下运作。除非企业改变运营参数，否则在过低的温度下运营会继续浪费能源。
3. TCO并不驱动设计
总体拥有成本（TCO）会继续被业界大多数人所忽视。TCO虽是个热议话题，却鲜有人真正将它用做一种决策工具。许多数据中心的开发方和运营方仍在采用资本支出（CapEx）驱动的短视方法。无论数据中心预测寿命如何，TCO仍是优化决策的最佳方法。
4. 数据中心服务商品化
数据中心服务会继续商品化，而且会加快步伐。主机托管市场已变得日益受价格驱动。模块化设计已经更合理地利用资本支出，让运营方在面临激烈竞争时可提供较低的价位。这一幕会继续上演，由于业界巨头们纷纷发力，可能会加快步伐。
5. 数据中心密度保持不变
总的来说，数据中心的密度保持不变。几项研究已表明，平均功率密度仍然远低于现有IT技术所能达到的密度。虽然将来会存在零星的密度更高的机柜，但总体上密度仍然偏低。
6. 绿色和平组织影响数据中心决策
绿色和平组织（Greenpeace）会继续开展“点名批评”活动，会根据各自使用可再生能源的情况好坏，更新其数据中心和云服务运营商红黑榜。2014年，绿色和平组织点名批评了几家最大的主机托管服务提供商，掀起一阵波澜。2015年应该会有另外的公司榜上有名，但这是否给竞争激烈的市场带来影响还未知。
7. 服务器拥护者推动需求
服务器推动者会继续推动该业务的发展，大的市场仍然会继续保持现状，不过一些小市场也很重要。
8. 可再生能源――说得多做得少
业界会继续讨论数据中心使用可再生能源，却很少有实际行动。互联网巨头们继续投资于可再生能源，但其他企业组织总体上会袖手旁观。除非整个行业联合起来实行变革，否则可再生能源就不会实现市电同价，这将阻止可再生能源用于竞争激烈的市场。
9. 交易型能源管理受到追捧
现场发电、可调度电力及交易型能源管理的其他方式会得到更多人的接受和认可，这需要权衡风险和回报。
弗戈博达媒体（中国）副总经理、《e医疗》主编陈钧，上海交通大学医学院附属第九人民医院信息中心主任陆耀，第四军医大学秦都口腔医院信息中心主任蔡宏伟，四川大学华西口腔医院信息中心主任罗云等出席了研讨会并作了精彩演讲。
华西口腔：知行合一建“路径”
四川华西口腔信息中心主任罗云向与会者介绍了华西“厚积薄发”的建设历程。华西口腔在口腔电子病历系统设计时嵌入临床路径的管理，医生在书写电子病历时，系统会自动进行临床路径关联，使病历书写、入径表单录入一步完成，实现标准化的疾病诊疗计划，并通过相关统计功能完成需上报的结果指标。从2010年～2013年，华西口腔实现了舌癌、唇裂等外科的临床路径管理，实现了入径率和完成率的双达标。
上海九院：建设集成平台
上海交通大学医学院附属第九人民医院（以下简称“上海九院”）信息中心主任陆耀结合上海九院的实践经验，就医院数据集成平台信息化建设发表了看法。上海九院建成了相对完善的应用系统，但各系统之间的整体性不强，相对于临床应用的质控流程及质控点显得相对薄弱，整合利用未形成体系。为解决这一问题，医院开展了数据集成平台信息化建设，旨在建设以电子病历为中心，实现以医、教、研、管理为主线的应用开发及改造，建立（CDR）数据中心，并扩展数据的分析应用，建立ESB数据总线，规范应用接口标准建设，统一用户、统一通信，实现系统整体化整合，以满足临床、管理、科研的多项业务要求。
秦都口腔：关注数据质量
第四军医大学口腔医院信息中心主任蔡宏伟更关注数据质量。他认为大数据时代要求的是“将数据转变为知识”，收集高质量数据是实施电子病历的主要目的之一――电子病历系统是沟通“临床业务系统”和“最终数据需求”的桥梁。蔡主任从数据模型的质量评价、数据本身的质量评价以及其他与数据相关的问题等角度就数据质量相关问题阐述了自己的看法：数据质量的高低还是要从用户的角度来看。蔡主任以Epidata为例说明了电子病历的数据采集方式，并以CRT临床研究调查表为例展示数据采集。蔡主任最后分享了在研究数据质量过程中自己得到的启示：提高数据质量与大数据研究方法是有着类似目的的两种不同实现途径。
关键词:大数据；体系架构；医疗卫生
1引言
随着“互联网”+、大数据、云计算和物联网等新兴技术的不断发展和应用，医疗卫生领域的信息化程度和水平不断提升，随之产生的相关医疗数据也呈现爆炸式增长。医疗行业作为国家和社会发展的基础行业，其医疗数据蕴含着着巨大的价值。通过大数据技术可以有效地处理医疗卫生行业日益增长的各种数据，为整个医疗卫生行业的发展提供有效地决策支持。
2医疗大数据概述
2.1医疗大数据的概念。大数据(BigData)，通常是指多源异构、跨域关联的海量数据集合，其数据量特别大、数据形态众多、数据结构复杂，使用传统的软硬件及算法难以进行数据的存储、处理和分析。医疗大数据是传统大数据的衍生，指在医疗行业所产生的海量数据，包括患者就医、医疗服务、卫生管理和医学研究过程中产生的以患者为中心的众多数据[1]。2.2医疗大数据的特征。医疗大数据不仅具有传统大数据的5V特征，即Vol-ume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性），还具有以下六点特有的特征[2-4]：（1）医学术语的复杂性。在医学领域中，医学术语涉及国外和国内医学术语以及外文与中文表达表述方式，存在术语标准不统一不精确、更新速度快等问题，使得医学术语和医疗数据在文字表达和语义方面复杂繁琐，尤其体现在我国的中医药领域的医学术语的复杂性。（2）医疗数据的多维性。患者在医院就医过程中，围绕着患者为中心，医疗数据会从多个维度产生，如医生从诊断治疗维度产生数据、医技从检查检验维度产生数据、护士从护理维度产生数据，数据的产生格式和要求不同，使得同一医疗行为存在多重维度的数据展示。（3）医疗数据不完整性。不管是手工记录还在借助于电子化方式记录医疗数据，均会由于各种原因导致数据记录不全或记录中出现纰漏缺失的情况存在，使得医疗数据不完整。（4）医疗数据的时序性。患者的就诊和治疗行为往往是多次的，不同的时间产生的不同医疗数据具有一定的时序性。此外，患者的检查数据如心电图数据等也都与时间有关。（5）医疗数据的隐私性。医疗数据中往往包括患者的隐私，如基本信息、健康状况等，这些隐私数据分布或隐藏在不同的地方，医疗大数据通过数据分析和挖掘，可能获得比较完整的患者隐私情况，使得医疗数据的隐私性呈现暴露化状态。（6）医疗数据的冗余性。医院在信息化建设过程中，由于厂家的不同、上线时间各异，信息孤岛普遍存在，同一患者在不同的信息系统中会产生重复的数据，这些数据分散存储在不同的系统中，使得医疗数据具有冗余性。
3医疗大数据应用体系架构
大数据技术已经应用在很多行业和领域中，通过分析和借鉴其他行业的大数据应用情况认为，医疗大数据应用体系架构应主要包括数据采集、数据存储、数据分析、数据交换共享和数据应用五个层次，以及标准规范体系、数据治理体系、运维管理体系和信息安全体系四个体系[5-7]。医疗大数据应用体系架构如图1所示。3.1体系架构的五个层次。3.1.1数据采集。数据采集的目的是采集医疗卫生机构所产生的数据，主要从各级医疗机构、公共卫生机构、医疗保险机构、全员人口信息库、居民健康档案、电子病历信息库和其他数据来源处采集医疗数据。医疗大数据的采集通常分为集中式采集和分布式采集，其中最关键的就是数据的采集、清洗、转换、装载，获取高质量符合需求的数据。3.1.2数据存储。数据存储是大数据技术的重要环节，医疗大数据量级别通常为TB至PB级别，存储方式包括结构化存储方式、非机构化存储方式以及分布式文件存储方式，其中结构化数据通常存储在关系型数据库（RDBMS）中，常见的关系型数据库包括ORACLE、SQLSERVER、DB2等，非机构化存储方式需要用到NoSQL等技术，分布式文件存储方式可以通过Hadoop等技术实现。在医疗领域，PACS数据、电子病历、随访数据等主要以图像或文本形式存在。3.1.3数据分析。数据的分析方法是大数据技术的关键核心，主要包括三种方式：一是以分类、聚类、特征分析、关联规则、多维分析、回归分析为主的传统分析方法，二是以机器学习、数据挖掘、语义搜索、自然语言处理的智能分析方法，三是以自定义分析为主的分析方法。大数据分析由于数据海量，传统的分析方式效率低下，因此智能分析方式是目前的主流数据分析方法。在医疗领域针对电子病历的自然语言处理技术和面向PACS图像的语义分析技术日益成熟。3.1.4数据交换共享。数据交换共享不仅要满足数据共享集成功能，实现数据的集中采集、分拣下推等，还需要很好的支持面向分布式的SOA架构，支持基于WebService、文档、DB等多种模式的更具有广泛意义的数据交换。实现业务内部的紧耦合、业务之间的松耦合，支持各种标准和接口规范，实现核心基础服务平台、各应用系统的集成和数据交换共享。3.1.5数据应用。数据的应用主要包括政府部门应用、医疗机构应用、社会公众应用和行业企业应用四个方面的应用。政府部门应用主要包括智能监管、决策支持、舆情监控等，医疗机构应用主要包括辅助诊疗、精准医疗、临床科研，社会公众应用主要包括个性化诊疗、慢病助治，行业企业应用主要包括药品研发和健康保险等。3.2体系架构的四个体系。3.2.1标准规范体系。医疗大数据应用体系架构的设计以数据处理为核心，在国家标准、行业标准、管理规范、技术标准和信息标准的基础上制定并完数据接口标准规范、数据交换标准、元数据信息标准、数据采集规范、数据管理制度、数据质量规范等，建立医疗大数据应用体系的标准规范集。3.2.2数据治理体系。数据治理是对数据的全生命周期管理，主要包括两个方面：一个是数据质量核心领域，二是数据质量保障机制。其中，数据质量核心领域的内容包括数据服务、数据质量、主数据、元数据、数据全生命周期、数据模型、数据标准和数据安全等，数据质量保障机制包括章程制度、组织、流程和IT技术应用等。3.2.3运维管理体系。运维管理体系是保障整个应用持续正常运行的基础，主要包括管理对象、组织结构、服务流程、服务内容、响应措施和制度规范等。针对网络、主机、存储、数据库系统、中间件、终端外设运维等多个方面，建立持续改进的运维管理体系。3.2.4信息安全体系。信息安全管理体系涵盖安全策略、访问控制、信息安全组织、物理和环境安全、通信和操作安全、信息安全事件管理和业务连续性管理等，从规章管理制度和信息安全技术等方面构建全面的信息安全体系。
4医疗大数据的应用场景
4.1政府部门应用。在决策支持方面，传统的决策支持容易受主观因素影响，医疗大数据技术以数据为基础，以挖掘和分析为手段，能够客观全面地综合决策。政府部门主导的各级医疗大数据中心的建设汇集了海量的医疗数据，通过大数据技术宏观调控，调整各地医疗资源分配，同时为政府部门制定有关政策提供客观的依据。在智能监管方面，通过事前数据提示控制、事中数据监控管理、事后数据分析评价，全流程智能监管整个医疗行为的各个环节，对各医疗机构进行宏观评价和智能监管。在舆情监控方面，通过大数据技术自动采集和分析相关医疗数据，通过自动分类聚类以及提前预警，为合理处理医患关系，引导正确舆论提供支持。4.2医疗机构应用。在辅助诊疗方面，通过医疗大数据技术全面收集病人的在院体征、影像、随访等数据，综合多学科数据辅助诊断和治疗，建立临床大数据知识库，辅助临床工作者诊断、治疗和用药。在精准医疗方面，大数据技术在精准诊断、精准治疗、精准用药、精准预防环节中，通过基因测序精确存在问题的基因片段，使用靶向用药精准治疗，实现最佳诊疗方式。在临床科研方面，临床科研工作者常常面临数据获取难、数据量小、数据不全的问题，通过医疗大数据技术使用大数据搜索引擎可以一站式获取相关数据，利用大数据的分析方法和计算能力，探索新的医疗科研领域。4.3社会公众应用。在个性化诊疗方面，医疗大数据技术与移动互联网技术相结合，通过手机应用程序和可接入网络的可穿戴移动设备等，可以实时获取个体的各项体征数据和指标，使用大数据统计和分析技术给个体予以提醒和指导，使个体实时了解自己的健康状况，及时就医诊疗。在慢病助治方面，尤其针对肿瘤患者、高血压患者、糖尿病患者等受众诊疗和用药周期长，需要长时间监控各项指标，利用医疗大数据技术可以从历史数据、实时监控和预测数据等多个方面辅助慢性病治疗。4.4行业企业应用。在药品研发方面，通过医疗大数据技术在药品研发前期可以通过对受众进行大数据的需求调研、指标采集等以决定研发方向和投入，在药品研发过程中可以通过大样本和大量数据临床试验数据以确定药品的效果，在药品临床使用阶段可以通过临床大量患者的使用反馈效果不断改进药品，在药品上市阶段可以通过大数据技术做好市场规划和预测。在健康保险方面，通过医疗大数据统计和分析可以获取特定疾病的总体情况以及患者对于各类保险的需求，有针对地开展健康保险业务。
5医疗大数据应用面临的挑战
目前，医疗大数据的应用仍然处于初级起步阶段，面临很多问题和挑战，主要包括：（1）机制和标准不完善，国家关于大数据已经出台了很多指导性意见，但是涉及到具体的建设标准和技术规范还需要进一步细化完善，此外由于信息化建设过程中厂家各异，标准规范也各不相同；（2）关键技术需要突破，一是大数据的整合技术，尤其是针对医疗行业中的大量非结构化数据，二是大数据的存储技术，主要是分布式存储架构的建设，三是大数据的分析技术，对文本、图像等医疗数据的分析方法和能力需要创新；（3）数据的整体质量不高，由于我国的信息化建设的逐步进行的，在实际的建设过程中，基础数据缺失、数据错误等问题广泛存在，利用大数据技术采集汇总后的整体数据质量不高；（4）数据安全和隐私有待加强，医疗数据具有很强的隐私属性，是一类比较特殊的数据，如何从管理和技术层面保障大数据的安全隐私是现实面临的问题之一；（5）复合型人才的缺失，医疗大数据的建设和应用，不仅仅需要计算机与信息领域的专业人才，还需要对卫生管理、临床医疗、统计分析等方面有深入的了解，复合型人才的培养是大数据技术在医疗卫生行业应用过程中重要的环节[8-9]。
但是从正逐渐分化的数据中心市场来看，一方面由电信运营商、数据中心服务商建造的超大型数据中心层出不穷，另一方面，企业的数据中心规模在逐渐缩小，不同的数据中心用户难道都适用端到端的解决方案吗？
不必全部使用伊顿产品
伊顿电气电能质量中国区总经理张广宏认为，中小数据中心客户确实对端到端解决方案有一定需求，但是对于那些大型甚至超大型的数据中心客户来说，还要具体情况具体分析。端到端解决方案不应该是简单的硬件产品的堆砌，而要实现1加1大于2甚至大于3的效果，才能真正体现端到端解决方案的增值作用。
“端到端解决方案不应该成为厂商推销产品的一个噱头，而应该切切实实解决客户的应用问题。一个厂商即使拥有丰富的硬件产品线，也不能表明它就具有了解决客户问题的能力。”张广宏表示，伊顿的数据中心解决方案提供的是一个开放的平台，能够整合伊顿自己的产品以及合作伙伴的产品。
伊顿虽然能够提供数据中心端到端解决方案所需的各类部件，但除了针对中小型客户的整体解决方案以外，伊顿并不强求客户在数据中心方案中全部使用伊顿的产品。只要是能为客户解决问题，伊顿的解决方案平台也能接纳竞争友商的产品。“针对中小客户的端到端解决方案都是标准化、模块化的，可以快速安装和部署，且方便扩展。”张广宏解释说，“面对客户时，我们并不刻意强调伊顿具有提供一个数据中心硬件盒子（整体解决方案）的能力，而是提供最基础的部件，让合作伙伴根据用户的需求提供整合的解决方案，充分体现合作伙伴所能提供的附加价值。”事实上，当前在许多集成商提供的数据中心整体解决方案中，伊顿的产品都是主力。
端到端解决方案考验的是数据中心厂商在咨询、销售、产品、交付以及服务等方面的综合实力。为了提高数据中心整体解决方案的销售能力，伊顿不断强化以客户为导向的销售模式，对自身的销售人员以及合作伙伴进行有针对性的培训，希望以一个更开放的平台和心态，为不同的数据中心用户提供适合的解决方案。“在数据中心领域，我们的优势在于对客户需求有着深刻的理解，并且在全球范围内拥有多年的实践经验和优秀的产品。”张广宏总结说。
对伊顿来说，标准化的经营模式可以带来显著的优势。伊顿采用及实施一致性的工具及流程，而这些经校正且整合的工具及流程的集合被称为伊顿商业体系（EBS）。EBS通过提供经验证过的有效工具、流程及制度，让伊顿有更充裕的时间更专注在其业务执行及运营成长上。得益于EBS这种既作用于伊顿自身，同时也将合作伙伴纳入其中的公司文化，伊顿在数据中心领域保持了多年稳健的增长。
软件与服务是新增长点
现在，软件定义的数据中心是最时髦的词汇。由于虚拟化、云计算等技术的逐渐普及，原来分散的数据中心变得更加集中，而原来通过物理方式界定的数据中心逐渐变成了无形，即不再受物理连接的限制。
“软件在数据中心的建造以及后期的运维等方面都发挥着巨大的作用，它可以最大限度地提升数据中心的效率。软件增加了数据中心的透明度。用户对数据中心的监控可以深入到服务器级别甚至是主板级别。”张广宏介绍说，“但是无论数据中心达到了多么高的虚拟化、自动化水平，数据中心的基础设施都是不可或缺的。在软件定义的数据中心里，基础设施应该是动态变化的，具有非常好的扩展性、可监测性和灵活适应不同负载的能力，只有这样才能实现数据中心效率的最大化。”
在数据中心领域，软件和服务将成为衡量一个数据中心厂商核心竞争力的重要指标。软件主要体现的是对数据中心的管理能力。张广宏认为，未来数据中心一定要实现智能化的管理，而一个数据中心包括不同的管理层级，涉及物理基础设施、IT设备、应用管理等多个方面，因此实现数据中心整个生命周期的管理，考虑整体的投入和产出是非常必要的。实际上，针对机房动力环境的管理已经是一个十分成熟的产品市场。但是在数据中心全生命周期管理方面，业界还没有一个统一的标准，各厂商都是按照自己对DCIM（（Data Center Infrastructure Management）的理解在开发产品。
“机房动力环境的管理也好，IT设备的监管也罢，用户不能孤立地看待对这些系统的管理。若想实现对数据中心全生命周期的管理，首先了解用户的痛点在哪里，业务需求是什么，只有这样才能提供有针对性的解决方案。”张广宏介绍说，“我们全球总部有一个高管团队，专门负责了解客户的需求。在此基础上，我们的产品研发变得更有针对性，更贴近用户的需求，产品本身也更简单、更高效。”
伊顿服务部门的很多员工都来自数据中心、电源之外的领域。他们的长处是熟悉用户的业务流程和需求，能够帮助用户确认应用的痛点。“了解到客户的需求之后，我们要做的就是切实履行对客户的承诺，不能仅仅树立一个高的标准，而自己又不能达到，这会让用户对厂商提供的服务丧失信心。我们要为客户提供具有附加值和一定技术水平的服务。”张广宏表示，“不论是软件还是服务，体现的都是厂商的软实力。”
记者手记
伊顿为什么押注高频机
“只有凭借可靠的产品、极具竞争力的价格和到位的服务，才能赢得客户。以前，我们的单相UPS一直保持领先地位。最近几年，我们的三相大功率UPS也实现了大幅增长，市场占有率提升了几个百分点。”伊顿电气电能质量中国区总经理张广宏表示，“我们能在市场上取得领先，依靠的就是不断的创新。”
过去几年，UPS业界一直对工频机和高频机存在争议，甚至是误解，导致高频机的应用增长缓慢。从2006年推出高频机开始，伊顿就坚定地认为未来的市场是属于高频机的，所以果断地停掉了已经有20多年应用历史的工频机市场上的经典产品Powerware 9315，全力推广高频机。
贵阳市观山湖区抢抓全省、全市大力发展大数据产业的契机，充分发挥要素聚集优势，以建成贵阳市大数据综合试验先行区为目标，全力搭建“辐射带动、先行先试、扩大开放”的产业发展平台，快速推动大数据产业发展。
目前，全区已形成大平台支撑、大物流辐射、多业态发展、高速度增长的良好格局。
呼叫产业蓬勃发展
观山湖区坚持走“政府引导、市场驱动”的发展道路，通过不断尝试、摸索和创新，初步确立了呼叫产业建设发展的目标和方向。
一是建立健全组织机构，科学制定发展规划；二是加大招商引资力度，确保项目资金投入；三是提供优质配套服务，解决企业后顾之忧；四是扩大对外宣传力度，发挥示范引领作用。
2015年，总面积约33000平方米的贵阳呼叫中心与服务外包产业示范基地投入运营，引进当当网电商云呼叫中心、聚盟呼叫中心Uber外包项目、苹果客服项目等国内知名企业入驻。目前，呼叫中心建设规模达到20480座席，初步形成产业聚集。未来5年，观山湖区将大力培育呼叫中心职业人才，着力吸引大型机构建设企业级呼叫中心，到2020年，全区建成5万座席，实现呼叫产业年产值60亿元。
互联网金融加速领跑
“贡献中国数据智慧，释放全球数据价值。”这是观山湖区互联网金融特区大厦贵阳大数据交易所总部墙上的一条标语。目前，互联网金融特区已有包括宜信、人人贷、融360、北京金店联行、上海柯斯、华科建邺等知名互联网金融企业进驻。中国电子商务协会移动金融专业委员会、全国农商行联盟、中国新兴产业大数据信用西部示范基地、中国并购公会贵阳分会、互联网金融千人会贵阳分会也已落户特区。贵阳大数据交易所运营一年来，交易金额突破7000万元，发展会员逾300家，单笔交易突破1000万元，并参与国家大数据战略顶层设计探路国际化。而贵阳互联网金融特区也获得“2014年度中国互联网金融创新园区”称号，是全国唯一一家获得这一荣誉的产业园区。
大数据产业园成为发展新引擎
2014年12月，被贵阳市政府列为大数据产业发展的重点项目“中关村贵阳科技园观山湖大数据产业园”落户红华新天地。贵州省、贵阳市大数据核心资源“政府数据共享平台、区域互联网交换中心、贵州CA认证中心、大数据众筹工场”四大中心也落户该产业园。
中关村贵阳科技园观山湖大数据产业园将围绕大数据产业链、产业生态环节进行合理布局，要素覆盖数据中心、培训基地、人才公寓、交流中心、创业中心、呼叫中心、IDC大楼、数据处理外包中心、数据金融中心（DataEX大楼）、星级宾馆、商业中心等，汇聚大数据产业从业人员10万人以上，实现营业收入1000亿元，打造成为贵阳“数据谷”世界新名片和贵阳大数据的新地标。
科学数据是人类社会科技活动所产生的基本数据、资料,以及按照不同需求而系统加工的数据产品和相关信息,具有明显的潜在开发价值,并在应用过程中得以增值,是信息时代最基本、最活跃、影响面最宽的科技资源。拥有可靠、系统和积累丰厚的科学数据,就有可能把握更多的原始创新机会。
1 科学数据共享工程
美国政府自20世纪90年代以来,在科学数据方面实行了“国有科学数据完全与开放共享国策”,联邦财政设立专项资金连续支持数据中心群的建设,利用法律手段保障其信息畅通。据有关资料统计,在数据共享国策实施的10年间,美国平均年经济增长率后5年比前5年增长了1.1%,其中0.5%是由于数据和信息的流通和应用所产生的[1]。 目前,我国由各行业部门产生和积累的海量科学数据,得不到有效共享和利用,制约了我国科技创新和社会经济发展的进程。在这种时代背景下,面对中国社会和科技发展的需要,2002年,我国开始实施“国家科学数据共享工程”。科学数据共享工程是在国家科技基础条件平台统一规划、政策调控和相应法规的保障下,应用现代信息技术,整合离散的科学数据资源,构建面向全社会的网络化、智能化的管理与共享服务体系,实现对科学数据资源的规范化管理及其高效利用,从而为科技进步与创新、政府决策、经济增长、社会发展和国家安全提供科学数据资源的强有力支撑。它具有公益性、基础性、持续性和基于现代信息技术的数据内容服务的明显特征,是国家科技基础条件平台的重要组成部分,是国家创新体系中急需发展的现代科技基础设施之一。
国家科学数据共享工程建设的指导思想是围绕全面提升国家科技创新能力,实现推进现代化建设的国家目标,以科技创新为动力,以需求为导向,以政策、法规为保障,充分发挥国家长期布局的数据采集系统和各类国家科技计划项目产生与积累的科学数据资源优势,构建面向全社会的共享服务体系,实现科学数据资源的规范化管理与高效利用。以共享促进应用,最大限度地发挥科学数据的潜在价值,强化对科技进步与创新的支撑能力。
医药卫生科学数据共享网在国家科技部统一部署下,由四个主管部门联合推荐,六大科研院所联合申报,2003年在科技部立项,2004年4月正式启动。其总体目标是建立一个物理上分布,逻辑上高度统一的医药卫生科学数据管理与共享服务系统,为政府卫生决策、科技创新、医疗保健、人才培养、百姓健康和企业发展提供数据共享和信息服务。科学数据中心是数据集汇交、储存和提供数据共享服务的物理中心,到2006年已经启动的4个数据中心和依托单位分别是：基础医学科学数据中心——中国医学科学院基础所、临床医学科学数据中心——总医院和北京协和医院、预防医学科学数据中心——中国疾病预防控制中心、中医药科学数据中心——中国中医科学院。
2 中医药科学数据中心的现状
中医药科学数据中心是国家医药卫生科学数据共享网的成员单位之一。自科学数据共享工程实施以来,围绕构建国家科学数据管理与共享服务体系、制定和完善科学数据共享政策、法规与标准体系、增强中医药科学数据资源积累,促进中医药科学数据增值的整合体系的目标,坚持“统一领导,统筹规划,统一标准”的指导方针,确定以中医药科学数据资源的规划为出发点,将资源的组织、分析、获取、调度、整合和共享服务工作贯彻工程建设始末。
2.1 顶层设计
以医学卫生科学数据共享网为依托,在中医药科学数据汇交平台基础上研制中医药科学数据共建平台与中医药科学数据规范标准平台,整合与建立中医药科学数据主体数据库群,形成中医药科学数据共享平台,提供优质的中医药科学数据服务。全体系需要科学数据共建与共享的运行机制与管理；全工程需要信息网格的技术支撑。见图1。
2.2 中心建设
按照科学数据共享工程的建设规则,由中国中医科学院中医药信息研究所承担中医药科学数据共享与服务的物理中心。依托国家中医药管理局中医药文献检索中心机构基础与国际互联网,在全国选择与建立了若干个分中心,形成了中医药科学数据建设虚拟专业队伍。到2006年底,由全国中医药院校与研究单位组建了20余家分中心,专业人员约300余人。物理中心与虚拟中心共同承担了中医药科学数据中心的建设。
2.3 建立快速高效数据集成平台
为适应中医药信息化、数字化的需求,中医药主体数据库群组必须向多类型、多结构、快速信息存储与高度集成方向发展,最终形成全方位的系统工程。在不同优劣硬件设备上,利用同样的软硬件环境、建立统一的加工界面、采用一致的加工方式,整合来源统一,这样即保证数据信息的正确统一,又大幅减少重复劳动、节约信息采集费用,实现高速率的数据集成。所有成员单位基于统一平台,实现无障碍的所有数据信息交流与共享,信息及时存储与获得更新；数据加工采用统一格式,避免管理方式多种多样,节约大量的信息格式转换费用；所有参建单位基于相同的信息质量控制平台进行项目管理,极大缩短参建各方的技术水平差距,提高整个项目的管理水平,同时降低对管理人员的素质要求。利用数据共建平台,实现了中医药科学数据的快速集成。
2.4 建立主体数据库
主体数据库是中医药科学数据中心的基本任务,是提供权威、可靠的数据内容服务的基本单元。它是通过整合集成科学数据资源和整合改造已有数据库而构成的。中医药数据库资源的主体数据库分为中药数据体系、中医数据体系、针灸数据体系与古代文献数据体系。目前,中医药科学数据中心数据存储量约120 g,现代文献数据库收集年代跨越50年。
2.5 标准和规范研究
规范化、标准化的建设是科学数据共享的前提,不仅可以保证工程建设伊始就能够自上而下地遵循规范化途径有序进行,还为科学数据的高度共享及其与其它应用系统的高速通信、联网创造必要的条件。中医药科学数据中心研制中医药语言系统,集成中医药术语近11万条；修订了中医药主题词表8千条；研制了共建平台固化的标准词表29张。同时,制定了中医药卫生科学数据共享元数据标准与中医药科学数据分类标准。
2.6 数据与共享体系
以多个大型数据库群与数据检索、统计能力为支撑,利用先进的计算机技术,构造了一个能够在internet环境下融合各个自治、异质异构的中医药数据资源的,并能为用户提供一个统一的全局范围内数据检索环境的信息共享平台,以支持数据库资源的共享、综合利用与开发。支持数据库共享的主要数据为中药、针灸、突发公共卫生、古代文献等主体数据库群。其中中药数据占本领域数据量的80%以上。中医药科学数据中心可以实现的服务功能包括：对分布式数据库和数据集的统一管理、目录服务、数据服务、延伸服务等。
数据管理是利用分布式数据库技术、数据仓库管理技术、元数据技术和网络技术,建立以分布式为主、集成式为辅的数据管理系统,开展数据汇交、整理加工、存储和数据更新,实现对科学数据资源的有效管理。
目录服务是以元数据为核心的目录查询,它将通过元数据标准的核心元素将信息以动态分类的形式展现给用户。用户通过浏览门户网站提供的元数据摘要可以快速确定自己所需的信息范围,然后要求门户网站在该范围内进一步搜索。
数据服务是在目录服务基础上的数据内容服务,所提供的数据类型是多样的,能够对各种空间、非空间数据以及结构化、非结构化数据提供浏览、查询、下载和脱机服务等多种功能。
延伸服务是为用户提供一系列工具,以便在众多来源的海量数据中进行数据搜索、多源数据整合、数据挖掘,及时发现所需要的知识,提高科学数据的利用率。针对自身的优势,构建其有特色的服务体系,例如专题查询、统计分析等等。
2.7 共享策略与运行机制
本着共建共享的原则,建立中医药科技数据的分布与集中管理方式,合理划分共享数据的有偿与无偿。逐步制定数据开发与管理分级制度。
3 中医药科学数据中心的发展
当代科学技术突破频频诞生于学科交叉的前沿领域表明,科学技术向着多学科综合交叉的方向发展,而学科交叉与渗透需要多学科领域的知识、信息和数据的支持。在工程项目深入发展与技术需求强烈时,提出了若干值得思考的问题。
3.1 中医药科学数据中心的功能扩充
中医药科学数据中心的定位决定了应该具备的功能。国家共享工程基础目标是现有的数据资源尽可能的实现共享与利用。但是,随着中医药信息资源的累积与增加,数据需求从量变发展到质变；从单纯的数据发现转变为知识发现,从数据应用到创新集成应用；这给数据中心发展提出了新的要求,特别是国家“十一五”、“973”等重大科学研究项目,对于知识发现与挖掘的需求更加强烈。这种需求变更不仅是中医药科学数据中心面临的问题,而且是具有一定代表性的问题[2]。
科学数据共享中心功能细化为三个方面：一为资源整合管理,包括数据资源调查、汇交整合与共建管理；二为技术研究,包括信息标准与语言系统研究、数据分析与挖掘研究、计算机技术研究；三为服务管理,包括数据利用与服务研究、网络平台服务以及共享分级研究。
3.2 中医药科学数据中心的工程技术
中医药科学数据中心的功能实现,离不开工程技术的支撑,主要是计算机技术与信息工程技术,从数据资源整合与共建,到数据存储、服务、传送的全过程,需要完整的、流畅的工程技术保障。领域专业人员与专职计算机人员的紧密结合是工程实施的必要保证。
3.3 优质品牌数据库的建立
当越来越多的系统建立起来的时候,可能并不是越多越好,反而会导致信息重叠、资源浪费、结果不统一,甚至相互矛盾。
建立数据库评价体系,科学评价数据库与数据质量,促进优质品牌数据库的建立,是解决数据有效应用的关键。提倡共建与联盟也是科学数据合理分布、有效管理的方法。中医药数据中心需要建立优质数据库与优质数据质量的评价方法与机制。
在建立优质数据库的评价体系的同时,应该建立科学数据共享平台评价体系,包括从共建、共享、服务、应用、发展等多方面进行科学评价。
3.4 科学数据汇交机制
科学实验与科学研究的有效数据汇交是一个大问题,需要依靠政府与制度的保障,同时也需要科学数据中心对科学数据有效评价与认定。科学实验数据汇交与提交级别的认定、不同研究专业提交数据的具体原则,都是数据中心需要认真研究的,需要最大限度保障数据提交,又严格审查数据质量,有效筛选。
3.5 促进全球科学数据共享
空间因素对信息资源共享活动的根本制约,诱发了人们利用信息资源观念的深刻变革,标志着中医药信息资源共享建设时代到来。中医药科学数据的共享目标与共享范围的设定直接影响共享的分级。在保证我国科研人员充分利用科学数据的同时,也为全球科学数据共享做出贡献,需要建立一种崭新的共享管理理念。
【参考文献】
