第13章 数据仓库、指标与标签体系建设

经过第 12 章对多源异构养老数据的汇聚接入、分类标准化、元数据管理、数据血缘追溯、数据质量管控与全生命周期治理，养老数据已形成统一、规范、可信、可追溯的数据资产。在此基础上，本章进入数据价值释放的核心环节：通过主题数据仓库建模实现数据结构化、分层化、集成化存储；通过统一指标体系实现业务可量化、可监控、可分析；通过用户画像与标签体系实现老人特征数字化、服务个性化、风险前置化。

在智慧养老数据中台体系中，经过数据汇聚、治理与数据仓库建模后，指标体系与标签体系已成为数据价值释放的核心载体，其重要性贯穿数据中台从 “数据” 到 “服务”、从 “后台” 到 “业务” 的全过程。数据中台的本质，是将分散、原始、异构的数据转化为可理解、可计算、可运营、可决策的能力，而这一转化必须依靠指标体系与标签体系完成。指标体系让业务可量化、可监控、可对比、可管理，是智慧养老运营、监管、决策的 “数字标尺”；标签体系让对象可刻画、可分类、可识别、可服务，是实现个性化照护、精准预警、智能服务的 “数字画像”。

没有指标体系，数据中台只能提供原始数据与明细记录，无法形成管理视角与决策依据；没有标签体系，数据中台无法识别老人特征、风险等级与服务需求，无法支撑智能化、场景化应用。

因此，指标与标签是数据中台能力的最终出口，是连接数据治理、数据仓库与上层应用的关键桥梁，也是智慧养老从 “信息化” 走向 “数字化、智能化” 的核心标志。

数据仓库、指标体系与标签体系共同构成智慧养老数据中台的数据服务核心层，是连接底层数据与上层应用的关键枢纽，能够为风险预警、照护调度、运营分析、监管上报、智能决策支持提供统一、标准、高质量的数据服务能力，真正实现 “一数一源、一源多用、全域标准、全程可信” 的数据价值目标。

13.1 养老主题数据仓库设计

13.1.1 数据仓库定位与建设意义

养老主题数据仓库是智慧养老数据中台的核心数据计算与存储基础设施，面向全域治理后的数据进行统一整合、清洗转换、关联建模、分层存储与高效计算，解决传统养老系统中数据分散、结构不一、口径冲突、难以关联分析、无法支撑复杂统计等问题。

数据仓库的核心价值体现在四个方面：

1. 整合全域数据：打破 IoT 设备、业务系统、边缘节点、外部系统的数据孤岛，实现老人、设备、服务、运营、应急、合规六大数据域统一管理；

2. 统一数据口径：统一指标定义、计算逻辑、统计维度与时间周期，确保全院 / 全社区 / 全平台数据结果一致；

3. 支撑高效分析：通过维度建模与预聚合提升查询效率，支持多维度下钻、聚合统计、历史对比、趋势分析；

4. 提供稳定服务：为指标计算、标签生成、可视化大屏、监管上报、RAG 问答提供统一、可靠、可复用的数据底座。

13.1.2 数据仓库建设原则

养老数据仓库建设遵循工程化、标准化、可扩展原则：

1. 主题导向：按照养老业务域划分主题，贴近实际业务，易于理解与使用；
2. 分层架构：数据按加工阶段分层处理，职责清晰、便于维护与回溯；
3. 维度建模：采用事实表与维度表结合的模型，适配养老统计分析场景；
4. 稳定性优先：模型结构保持稳定，支持业务扩展而不破坏整体架构；
5. 可追溯性：数据从 ODS 层到应用层全链路可追溯，支持血缘分析；
6. 合规安全：对敏感信息全程脱敏，满足养老数据隐私保护要求。

13.1.3 标准四层数据仓库架构

智慧养老数据仓库采用业界主流四层架构，每一层承担明确的工程职责，整体架构如图 13-1 所示。

图 13-1 智慧养老数据仓库分层架构图

1. ODS 操作数据层

对接第 12 章数据汇聚层，原样接入各类原始数据，保留原始结构、原始字段与采集时间戳，不做业务加工，仅完成数据落地、存储与备份，用于后续回溯核对、故障定位与数据补偿。

2. DWD 数据明细层

基于 ODS 层数据完成清洗、脱敏、去重、标准化、字段映射、关联补齐，形成统一、干净、规范的明细数据，是全平台数据计算的统一基准。

3. DWS 数据汇总层

以业务主题为中心构建宽表与聚合表，按机构、老人、时间、设备、服务类型等维度进行预聚合，减少重复计算，提升统计与查询效率。

4. ADS 应用数据层

面向具体应用输出结果表，包括指标结果、标签结果、统计结果、报表结果、大屏数据、接口数据，是数据中台对外提供服务的统一出口。

13.1.4 养老核心主题域设计

主题域是对全域数据的业务分类，贯穿数据仓库全四层，是数据建模、数据聚合、数据服务的核心依据。

数据仓库围绕养老核心业务，构建六大主题域，覆盖全场景数据：

1. 老人主题域：基本信息、能力评估、健康档案、照护等级、风险等级、慢病信息、过敏史、联系方式；
2. 物联感知主题域：设备信息、终端状态、实时体征、环境数据、告警事件、离线记录、信号强度；
3. 照护服务主题域：照护计划、服务项目、服务记录、工单流转、执行情况、评价反馈、护理日志；
4. 机构运营主题域：人员信息、床位状态、物资管理、设备资产、成本结算、服务人次、效率统计；
5. 安全应急主题域：异常事件、联动处置、闭环记录、响应时长、预警准确率、误报率；
6. 合规监管主题域：政策指标、上报数据、审计日志、档案合规性、知识库、评估记录。

13.1.5 维度建模与核心事实表、维度表设计

养老数据仓库采用维度建模方法，以事实表记录业务行为，以维度表描述统计属性：

核心事实表：

1. 老人体征事实表
2. 服务执行事实表
3. 告警事件事实表
4. 工单流转事实表
5. 设备状态事实表
6. 评估登记事实表

核心维度表：

1. 老人维度
2. 机构维度
3. 设备维度
4. 时间维度
5. 服务项目维度
6. 告警类型维度
7. 照护等级维度
8. 风险等级维度

通过统一 ID（老人 ID、设备 ID、工单 ID、机构 ID）实现跨主题关联，支持多维度组合查询、下钻分析与交叉统计。

13.2 养老服务核心指标体系建设

13.2.1 指标体系建设目标

指标体系是智慧养老的量化管理中枢，将复杂业务转化为可计算、可监控、可对比、可预警的量化数值，实现管理可视化、服务标准化、决策数据化。

建设目标：

1. 统一全平台指标口径；
2. 覆盖安全、服务、运营、老人、监管五大维度；
3. 支持实时、日、周、月、季、年统计；
4. 支持大屏展示、报表输出、自动上报；
5. 支持异常监测、趋势分析、同比环比对比。

在智慧养老指标体系中，不同指标所依赖的数据计算范围存在显著差异。部分指标面向个体对象，仅需使用单个老人、单台设备或单次服务的相关数据即可完成计算，用于个性化照护、风险监测与状态评估；另一部分指标面向全局管理，必须汇聚全机构、全平台、全周期的全域数据，通过大规模统计与聚合计算生成，用于运营分析、监管上报与宏观决策。正因指标的数据范围、计算逻辑、实时性要求各不相同，必须通过统一的数据汇聚、标准化治理与质量管控，确保全域数据规范、完整、准确、可关联，才能支撑从个体到全局、从实时到离线的全场景指标计算需求。

13.2.2 指标体系设计原则

科学合理的指标设计原则是保障指标体系实用性、规范性与稳定性的基础。智慧养老指标体系遵循五大核心原则：

1. 业务驱动：指标来源于真实管理需求与监管要求；
2. 口径唯一：同一指标全平台定义一致、计算一致；
3. 层级清晰：从基础指标到复合指标逐层构建；
4. 可监控可告警：支持阈值配置、异常提醒；
5. 可追溯可审计：指标结果可下钻至明细，可查看数据血缘。

13.2.3 五大维度指标体系

为实现智慧养老业务可量化、可监测、可评价，围绕老人概况、物联安全、照护服务、机构运营、监管合规五大核心业务维度，构建覆盖全场景的智慧养老核心指标体系，统一指标统计口径、计算规则与数据来源，整体架构如图 13-2 所示。

图 13-2 智慧养老核心指标体系架构图

在指标设计层面，老人概况指标主要涵盖老人基础信息、健康档案、年龄结构、失能等级等基础统计项；物联安全指标聚焦设备在线率、异常告警频次、安全风险事件等物联监测内容；照护服务指标围绕服务响应时长、上门服务频次、健康监测覆盖率、异常处置效率等服务质量维度构建；机构运营指标侧重人员配置、床位利用率、运营成本、服务满意度等运营管理内容；监管合规指标包含合规评级、风险整改率、政策落实度等监管评价项。通过全维度指标体系，实现智慧养老运营、服务、监管的统一量化评估，为上层决策分析提供标准化数据支撑。

智慧养老指标体系围绕核心业务场景构建五大维度，覆盖安全、服务、运营、老人管理与监管合规全场景：

1. 老人概况类指标

1. 服务老人总数、在院 / 居家 / 社区分布
2. 年龄结构、性别占比
3. 失能等级分布、照护等级分布
4. 慢病占比、风险等级占比
5. 档案完整率、评估及时率

2. 物联与安全类指标

1. 设备在线率、设备故障率
2. 日均告警数、告警类型分布
3. 平均响应时长、平均处置时长
4. 预警准确率、预警闭环率
5. 误报率、漏报率
6. 高风险老人监控覆盖率

3. 照护服务类指标

1. 照护计划制定率、计划执行率
2. 工单派发数、及时完成率、超时率
3. 人均服务时长、日均服务频次
4. 服务满意度、投诉率
5. 异常事件发生率、安全事故率

4. 机构运营类指标

1. 床位使用率、空置率
2. 护理人员配比、人员在岗率
3. 物资消耗、成本统计
4. 日均服务人次、工单处理效率
5. 机构服务能力评级

5. 监管合规类指标

1. 数据质量达标率、完整性合格率
2. 监管上报及时率、上报准确率
3. 档案合规率、审计合规项数
4. 隐私合规检查通过率

13.2.4 指标计算流程与工程实现

指标计算依托数据仓库分层架构开展，遵循标准化工程流程，保障计算高效、结果稳定、输出统一：

1. 从 DWD 层读取标准化明细数据；

2. 按时间、机构、老人、设备等维度聚合；

3. 执行基础指标与复合指标计算；

4. 写入 ADS 层指标结果表；

5. 对外提供 API、大屏、报表、RAG 问答调用；

6. 建立指标监控，对异常波动自动触发告警。

13.2.5 指标口径管理与变更控制

为保证指标长期稳定、可信、可追溯，必须建立统一的指标字典与全生命周期管理制度：

1. 统一指标名称、英文标识、业务含义；
2. 明确计算逻辑、统计口径、数据来源；
3. 指定责任部门、更新频率、告警阈值；
4. 指标变更必须经过审核、发布、生效流程；
5. 全链路记录版本与变更历史，支持审计追溯。

13.3 老人用户画像与数据标签体系建设

13.3.1 标签体系建设目标

标签是对老人、设备、服务、机构、告警等数据对象的特征进行标准化、结构化描述的特征标识，是数据治理成果面向业务应用的重要输出形式。在数据汇聚与全流程治理过程中，标签体系依托统一的数据标准、高质量数据与完整的数据血缘，将原始、杂乱、多源的数据提炼为可理解、可计算、可筛选、可运营的业务特征，实现数据从“治理层”向“服务层”的转化。

标签的核心价值体现在三方面：统一特征口径：通过标签实现全平台特征描述标准化，避免多系统定义混乱；简化数据使用：将复杂计算结果封装为标签，业务人员无需理解底层数据结构即可直接使用；支撑智能应用：为个性化照护、风险预警、服务推荐、人员调度、RAG 智能问答提供基础特征能力。

数据汇聚解决 “数据从哪来”，数据治理解决 “数据准不准、规不规范”，而标签解决 “数据怎么用、如何快速用”。因此，标签体系是数据治理的重要产出，也是连接数据治理与上层业务的关键桥梁。

标签体系是将数据转化为业务能力的核心工具，通过对老人多维度特征的提炼、抽象、标注，形成结构化、可计算、可运营的用户画像，支撑精准照护、风险识别、服务推荐、运营分析、智能问答。

目标：

1. 一人一档、一人一画像、一人一标签体系；
2. 实现老人特征数字化、风险可视化、服务可定制化；
3. 为照护方案、预警策略、调度规则提供数据依据；
4. 为 RAG 问答提供老人上下文理解能力。

13.3.2 标签体系设计原则

1. 业务导向：贴近照护、安全、运营、监管需求；
2. 层级清晰：基础标签、特征标签、预测标签分层构建；
3. 自动为主：大量标签由系统自动计算生成；
4. 动态更新：随体征、服务、行为变化实时 / 定时更新；
5. 可解释可追溯：标签来源、计算规则可查看、可验证。

13.3.3 养老标签六维体系

为全面刻画老人特征、支撑精准化服务与风险管控，本文构建老人用户画像六维标签体系，覆盖基础属性、健康状态、体征行为、服务照护、风险安全、运营合规六大维度，整体架构如图 13-3 所示。

图 13-3 老人用户画像六维标签体系图

1. 基础属性标签

年龄、性别、居住方式、文化程度、婚姻状况、参保类型、照护等级、能力等级、所属机构、服务方式。

2. 健康与慢病标签

高血压、糖尿病、心脏病、脑卒中、关节炎、认知障碍、康复需求、过敏史、饮食禁忌、用药类型、术后状态。

3. 体征与行为标签

心率异常、血压异常、睡眠异常、夜间离床频繁、久坐不动、活动量低、跌倒高风险、情绪波动、呼叫频繁。

4. 服务与照护标签

服务偏好、护理等级、助餐需求、助浴需求、康复需求、巡视频次、家属沟通频率、重点关注等级、特殊照护要求。

5. 风险与安全标签

高 / 中 / 低风险等级、独居、空巢、无陪护、夜间高风险、设备依赖、过敏风险、走失风险、情绪风险。

6. 运营与合规标签

档案完整、已完成评估、已签约服务、需复查、需体检、监管重点关注、数据合规、隐私授权状态。

13.3.4 标签生成、更新与应用流程

标签的生成、更新与应用是标签体系从定义→计算→发布→使用的完整工程化流程，也是标签价值落地的关键环节。智慧养老标签体系采用自动化为主、人工补录为辅的建设模式，确保标签准确、及时、稳定、可用。

1. 标签生成

标签生成分为自动标签与人工标签两类，二者相互补充、共同构成完整的老人标签体系。

1. 自动标签：由数据仓库规则引擎依据预先统一定义的标签池进行计算生成。标签池是全平台标签的标准字典，包含标签名称、业务含义、计算规则、统计口径、数据来源、更新频率等信息，是标签标准化、可管理、可追溯的基础。规则引擎从 DWD 明细层与 DWS 汇总层读取标准化数据，按照标签池配置的逻辑自动判断、匹配、计算并输出标签结果，确保标签口径统一、生成高效、质量稳定。
2. 人工标签：由医护人员、照护评估师、运营管理人员根据实际照护需求、特殊状态、个案情况手动补充、标注与维护。人工标签多用于无法通过数据自动判断的个性化信息、特殊照护要求、心理状态、家属沟通要点等，是对自动标签的重要补充。

2. 标签更新策略

养老标签需根据数据变化频率、业务重要程度与计算成本，采用分级更新策略，保证实时性与系统负载的平衡：

1. 实时标签：面向生命体征、设备状态、告警事件、紧急状态等实时变化数据，采用流式计算实时更新，确保风险感知与应急响应及时可靠；
2. 日更新标签：面向风险等级、行为特征、服务记录、健康状态等日间波动数据，通过离线任务每日计算更新，满足日常照护、运营监控与风险识别需求；
3. 月 / 季度更新：面向能力评估、档案信息、合规状态、慢病确诊等相对稳定的数据，按周期批量更新，保证档案完整性与监管合规性。

3. 标签应用场景

标签体系是智慧养老数据赋能的核心抓手，广泛应用于全场景业务：

1. 个性化照护：依据老人健康、行为、服务标签自动生成个性化照护方案与服务推荐；
2. 风险预警：基于风险标签、体征标签、环境标签实现高风险老人自动识别、优先预警与智能调度；
3. 运营分析：通过标签快速筛选老人群体，支撑运营大屏多维度统计、趋势分析与群体特征挖掘；
4. 监管上报：基于合规标签、档案标签、服务标签自动抽取监管数据、生成上报报表，提升合规效率；
5. RAG 智能问答：结合老人标签实现上下文感知，为老人、家属、照护人员提供精准、个性化知识问答服务。

13.4 本章小结

本章以第 12 章数据治理成果为基础，完成智慧养老数据从标准化资产→数据仓库→指标体系→标签体系→业务应用的全链路价值转化。

通过主题数据仓库实现全域数据统一存储、分层加工、维度建模，奠定数据服务基石；通过统一指标体系实现业务可量化、管理可视化、监管可追溯；通过老人画像与标签体系实现特征数字化、服务精准化、风险前置化。三者共同构成数据中台的核心服务能力，向上支撑预警、照护、运营、监管、RAG 问答全场景应用，向下保证数据可信、口径统一、质量可控、安全合规，是智慧养老从 “数据可用” 迈向 “数据好用、数据管用” 的关键支撑章节。