第五章 系統開發與實作
第二節 健保異常申報醫院之分析
四、 地圖分析報表
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
47
最多的，台北分局管轄的區域包含北北基、宜蘭縣及金馬，單以雙北市而言，其擁有占 全台將近1/3的醫院門診數量，雖說如此但是５年的違規醫院，還是占總數量的將近一半，
這一結果顯示台北分局對其所轄的行政區域在監督上有其不良之處，導致違規事件頻傳，
此外，根據統計，新北市在台北分局的違規總數中占了一半以上，是全台居冠，每年的 違規數量也皆是各縣市中最多的，詳見下表。
Table 7新北市1999年至2003年違規醫院數量
年份 １９９９ ２０００ ２００１ ２００２ ２００３ 新北市違規
醫院 ９ ４ ４ ２ ３
資料來源：本研究整理
北區分局的違規醫事機構５年下來只有４間，雖然東區分局只有兩間，但是根據醫 院數量及行政區數量，明顯是北區分局更優良，這其中就有其研究價值，北區分局與台 北分局兩者之間的做法友和不同之處，兩者之間差了７倍有餘。以優良的管理範例來督 導其它各分局，應能有治標的效果。
四、 地圖分析報表
Figure 36地圖分析報表 資料來源：本研究整理
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
48
上圖（Figure 36）的地圖報表分為四個部份，左上地圖是標示各縣市的違規醫院數 量，各點的顏色表示違規的數量，圖例如同右上所顯示的，顏色越深，違規的醫事機構 數量就越多；左下是各分局的統計數據，點選各分局，會在左上的地圖篩選顯示轄下行 政區，如同下圖（Figure 37）所示;右中則是違規醫院列表，這張列表是透過左上的地圖 進行篩選呈現，如同下圖（Figure 38）所示，點擊地圖上的台北市，列表就會呈現5年 內違規的醫院列表。
Figure 37以中區分局為例顯示所轄行政區 資料來源：本研究整理
Figure 38已台北市為例顯示醫院列表 資料來源：本研究整理
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
49
如果點擊醫院列表中的任意一家醫院，將可以開啟Google 地圖，自動標誌該醫院的 所在，如下圖（Figure 39）所示。如此一來，基層的查核人員，未來可以依照當月份的 可疑醫事機構列表，輕鬆的得知該院所的地理位置。
此外，可以藉由右下方的過濾維度，進行多維度的分析，多維度的分析有助於分析 人員得知更多得事情，從Figure 38可以得知台北市大多都是基層診所出問題，若是加上 醫院型態進行分析，可以發現一般診所跟牙醫各占一半的數量。有些地區則有可能是地 區醫院有問題，基層院所沒有異常，如同下圖（Figure 40）所示。
Figure 39以台北市XX牙醫為例 資料來源：本研究整理
Figure 40以形態別與地區進行多維度分析 資料來源：本研究整理
‧
84年3~12月 85年1~12月 86年1~12月 87年1~12月 88年1~12月 89年1~12月 90年1~12月 91年1~12月 92年1~12月 93年1~12月 94年1~12月 95年1~12月 96年1~12月 97年1~12月 98年1~12月 99年1~12月 100年1~12月 101年1~12月 102年1~12月
各年違規醫事機構總計
數量
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
51
對於雲端資料庫作為資料來源，本研究在進行資料來源建立以及資料萃取的花費時 間，醫事機構基本檔25~30分鐘，門診處方及明細檔需要50~60分鐘不等，而使用關聯式 資料庫單單一個醫事機構基本檔則要7~8小時[41]，才能整理萃取完成。這是因為資料庫 每秒可處理的資料數量有一定的限制，在面臨連續大量的資料讀取或是寫入的時候，
MySQL資料庫就會面臨瓶頸，導致其需要花費大量的時間，然而 HBase根據文獻探討提 及的設計原理， HBase 會將資料先暫存於記憶體緩衝區中，因此，在連續大量資料寫入 時，透過分散式運算的機制，可以減少單一磁碟I/O的動作。
最後則是行動應用，在使用族群為飽和的狀態之下， GCM的推播功能並沒有拖延傳 遞訊息，可達到即時推播的功效。 此外，透過行動裝置呈現商業分析報表，平版的呈現 效果明顯優於手機，手機畫面過於狹小，在呈現報表會需要使用者拖拉畫面，而對於節 點的點擊也較於不易，因此對於觀看報表造成妨礙，如下圖所示，使用者無法一目了然 的看到整個儀表板，必須要自型前後滑動螢幕才能看見其他部份，這也是將服務透過行 動裝置呈現所容易遭受的問題。
Figure 42報表呈現於手機 資料來源：本研究整理
‧
查詢到該資料在哪之後，再進行交叉比對，找到相對應關鍵值（Key Value）的資料，
如此就可以大幅縮小查詢的母體，查詢時間自然較為快速。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
整體來說，新的商業智慧運作模式可以提供使用者解決巨量資料對於商業智慧帶來 的問題，提供了更好的時效性，使用者可以藉此更快掌握先機。並且透過行動應用程式 給予另一種接收途徑，使用者不一定需要電腦才能得知分析結果，經由推播訊息的通知，
可以立即在行動裝置上收看到分析報表，做出即時的反應。
第二節 未來展望
有關商業智慧中雲端行動的需求日益增加，更多的企業需要的是從巨量資料中挖掘 更多有價值的資訊，本研究僅初步提出雲端資料庫搭配行動應用的商業智慧的系統架構，
仍有需要加強改進的地方，因此提出幾個未來值得探討研究的方向：
1. 目前在本研究中方面，除了本身龐大的健保資料外，只有引用醫院診所的地理位 置資料，在分析的時候，若使用社群網路的公眾訊息，如臉書、推特等，常試透 過民眾對於醫院的留言評價，經由斷詞斷句及情感傾向判定該可疑醫事機構是否 有可能違規，加入分析維度，以此增進報表的內容。
2. 在行動應用的方面，本研究嘗試透過平板電腦及手機兩種行動裝置呈現，但是在 呈現方面會因為螢幕大小的因素，使用者有相反的體驗，本研究的行動應用程式 在平板上有較好的效果。尚無法因為接收的裝置不同給予不同的呈現效果，未來 可以有兩種改進辦法，一種是根據不同的裝置類型，開發不同的行動應用程式，
手機方面可以透過分頁的功能縮減報表大小；另一種是在報表方面輸出兩種版本，
在推播訊息時，根據裝置類型推播不同的分析報表。
3. 承上第二點，行動裝置的管理，企業內部的商業智慧存放企業重要資料，將這些 資料開放給行動裝置存取也增加重要資料外洩的風險，因此一直是管理人所憂心 且不願開放的因素。本研究僅透過裝置識別碼與員工帳號進行資訊控管，如果使 用者遺失手機，還是有可能造成資料的外洩，因此安全保護機制可能需要持續新 增。
‧
[1]. Andrew Borg, David White, “Mobile BI,” Aberdeen Group ,Dec 2010.
[2]. Bell, R. & Todd, G., “Information Management Services: Overview of Services.”
Accenture, s.l., April 2007
[3]. Bowen, F., “How SOA can ease your move to cloud computing,” IBM,
http://www-01.ibm.com/software/solutions/soa/newsletter/nov09/article_soaandcloud.ht ml
[4]. Chris Eaton, Dirk deRoos, Tom Deutsch, George Lapis, Paul Zikopoulos, “Understanding Big Data-Analytics for Enterprise Class Hadoop and Streaming Data,” McGraw Hill, 2012.
[5]. Chuck Lam, “Hadoop in Action,” Manning Publications Co. Greenwich, CT, USA,2010.
[6]. CIO Insight, “Mobility Moves From Productivity to Strategy,” CIO Insight, Issue 56, 2005, pp. 61-69.
[7]. Cisco, “Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2012–2017,” Cisco, Feb 2012.
[8]. D. J. Power, "A Brief History of Decision Support Systems, version 4.0,"
DSSResources.COM, July 2008.
[9]. Douglas Laney, "3D Data Management: Controlling Data Volume, Velocity and Variety,"
Gartner, Feb.2011.
[10]. E. Turban, R. Sharda, D. Delen, and D. King, “Business Intelligence,” 2e, PEARSON , 2008
[11]. EMC and Greenplum, "Data, data everywhere," The Economist. 25 February 2010, Feb 2010..
[12]. EMC台灣，「全球資料每兩年翻倍成長——帶動大量資料商機並創造IT新角色」，
EMC公司網站，2011年6月28日，
‧
http://taiwan.emc.com/about/news/press/2011/20110628-01.htm
[13]. FBI, “Financial crimes report to the public Fiscal Year 2009,” Federal Bureau of Investigation, 2009.
[14]. Google, “Google Cloud Messaging for Android,” 2014, http://developer.android.com/google/gcm/index.html
[15]. iHT2, “Transforming Health Care Through Big Data,” iHT2 Institute for Health Technology Transformation, 2013.
[16]. LucidWorks, “LucidWorks Big Data Documentation,” LucidWorks, 2012,
http://docs.lucidworks.com/display/bigdata/LucidWorks+Big+Data+Documentation [17]. Manyika James, Chui Michael, Bughin Jaques, Brow Brad, Dobbs Richard, Roxburgh
Charles; Byers Angela Hung, “Big Data: The next frontier for innovation, competition, and productivity,” McKinsey Global Institute, May 2011.
[18]. Michael Schroeck, Rebecca Shockley, Janet Smart, Dolores Romero-Morales, Peter Tufano，「分析：大量資料在現實世界中的使用」，IBM 商業價值研究院，2012年。
[19]. Oracle, “Oracle BI 11g R1:Create Analyses and Dashboards,” 1.2e, Oracle, Feb 2012.
[20]. Oracle, “Oracle: Big Data for Enterprise,” Oracle, January 2012.
[21]. QlikTech , “What’s New in QlikView 11,” QlikTech, 2012.
[22]. SAP, “SAP HANA for Next-Generation Business Applications and Real-Time Analytics,”
SAP AG. , 2012.
[23]. T. Chee, L.K. Chan, M.H. et al., “Business Intelligence Systems: State-of-the-Art Review and Contemporary Applications,” Symposium on Progress in Information &
Communication Technology, 2009.
[24]. Vitt, E., Luckevich, M., Misner, S., “Business Intelligence: Making Better Decisions Faster,” Microsoft Press, Redmond, Washington. , 2002.
[25]. Wayne W. Eckerson, “Smart Companies in the 21st century: The Secrets to Creating
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
57
Successful Business Intelligence Solutions,” TDWI REPORT SERIES, 2003.
[26]. 中央健康保險局，「民健康保險統計動向-2011年」，2013年7月。
[27]. 中央健康保險局，「全民健康保險醫事服務機構醫療服務審查辦法」，2011c，
http://dohlaw.doh.gov.tw/Chi/FLAW/FLAWDAT0201.asp
[28]. 中 央 健 康 保 險 局 ，「 全 民 健 康 保 險 醫 療 費 用 審 查 注 意 事 項 」， 2011d ， http://www.nhi.gov.tw/webdata/webdata.aspx?menu=20&menu_id=710&WD_ID=813&
webdata_id=1787
[29]. 王綺嫻，「利用資料探勘方法探討痤瘡患者共患疾病—以全民健康保險學術研究資 料庫為例」，臺北醫學大學醫務管理學系碩士論文，2006年。
[30]. 林信成，「應用全民健保資料庫研究懷孕期婦女使用抗憂鬱藥對胎兒的影響」，臺 北醫學大學藥學系碩士論文，2009年。
[31]. 林虹榕，「健保詐欺型態之研究」，國立台北大學犯罪學研究所碩士論文，台北，2008 年。
[32]. 林國明，「國家與醫療專業權力: 台灣醫療保險體系費用支付制度的社會學分析」，
台灣社會學研究
(1)，1997 年，pp 77-136。[33]. 林華卿，「以地院判決結果探討我國全民健保之醫療詐欺行為」，國立陽明大學醫務 管理研究所碩士論文，2008 年。
[34]. 國立中央大學管理學院ＥＲＰ中心，「商業智慧」，滄海書局，2010年10月。
[35]. 梁定澎，「資訊管理研究方法綜論」，資訊管理學報，4（1），1－6。
[36]. 陳敦源，陳麗光，黃東益＆呂佳螢，「公共行政研究中之正義制度的設計與執行: 以 全民健保資源配置機制為例」，發表於全國公共行政系所聯合會年會（TASPAA），
台中：東海大學公共行政暨政策學系主辦，2008 年。
[37]. 陳憲煜，「以商業智慧方法論分析醫療專業人員職涯異動與醫事機構經營績效之研
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
究」，國立成功大學高階管理碩士在職專班碩士論文，2013年。
[38]. 雲端運算使用案例討論小組，「雲端運算使用白皮書」第三版，2010年2月2日。
[39]. 黃文鴻，「全民健保藥品給付範圍及藥價基準之研究」， 行政院經建會委託研究計 畫，台北，1990。
[40]. 黃煌雄，沈美真& 劉興善，「我國全民健康保險總體檢」，監察院，2011 年。
[41]. 楊喻翔，「運用 Benford 定律的智慧型健保費用異常偵測模型之研究」， 台灣碩博士 論文網，2012 年。
[42]. 資策會 FIND，「2013年台灣民眾行動與無線上網現況」，資策會，2013年，
[42]. 資策會 FIND，「2013年台灣民眾行動與無線上網現況」，資策會，2013年，