AI如何让每个人成为决策者？

2025帆软第七届智数大会上，帆软医疗卫生事业部总监兰纯杰先生，为与会嘉宾分享《AI如何让每个人成为数据决策者》。兰先生指出，帆软致力于通过“业务指标中心+ChatBI”双核心方案，降低数据消费门槛，助力医疗卫生行业从“经验决策”迈向“人人可参与的数据决策”。

科室主任的“灵魂拷问”

数据能快速回应吗？

分享伊始，兰纯杰便抛出一个问题：作为科室主任，查房时下属汇报“手术量同比下降了15%”，您的第一反应是什么？

是猜测“是不是周末的原因？”，还是迫切地想追问：到底是哪些类型的手术下降了？是否与高值耗材使用有关？还是和手术室排期有关？

在高质量发展的今天，我们相信更多管理者会选择后者。但回到现实，我们能否快速、准确地提供这些数据支持？这恰恰是本次研讨会想探讨的核心：如何降低数据消费的门槛，让每个人都能成为数据决策者？

医院数据应用的三大核心痛点

基于多年服务医疗卫生机构的经验，帆软发现在数据决策落地过程中，医院普遍面临三个“老大难”问题：

1. 口径争议难统一：开会时A部门说自己业务做得好，B部门说数据有问题，最后只能“凭经验定对错”，缺乏统一标准；

2. 临时统计耗时长：业务科室提需求，信息部门短则1天、长则3-5天才能出数据，还常因口径不对返工，直接影响工作效率；

3. 工具好用但难用：买了BI工具想赋能业务科室，却因医护人员本职工作忙、怕学新工具，最终工具“躺平”，无法落地。

针对这些问题，兰先生逐步展开本次分享。

数据应用的演进

从可视化到“会提问”

目前，大部分医院已从手工报表阶段，迈入了可视化看板和报表分析的时代。下一步，帆软希望能借助AI能力，让用户只需“会提问”，就能快速获取分析结果。让“提问”代替“操作”，这是帆软希望抵达的未来。

当然，这绝非一蹴而就，需要一个数据层与操作层相互拉动的过程。帆软建议的实践路径是：

为领导提供分析看板→驱动初步数据治理→赋能业务科室进行分析→沉淀指标体系与数据资产→最终实现AI普惠。

核心方案

ChatBI——让数据对话成为可能

实现AI普惠的核心工具是ChatBI。请注意，它不是要替代BI，而是利用AI技术来无限降低BI的使用门槛。

它的核心还是BI，而Chat（对话）只是让它变得更简单的手段。在这个前提下，我们对平台的要求永远是：准>快>全。

• “准”是生命线：如果院长早上和下午问的门诊量数据不一致，他绝不会信任这个系统。

• “快”是体验：在准的基础上，快速响应。

• “全”是锦上添花：在准与快之后，再追求功能的全面性。

破局关键1

业务指标中心——筑牢数据“地基”

如果把数据平台比作一个图书馆，让大家都能很好地在里面学习了解到自己想要的相关内容，那么我们必须先有一个坚实的“地基”——业务指标中心，并配备负责的“图书管理员”。这需要做好三件事：

• 可管理：建立严格的权限管控，确保不同角色、部门只能访问其权限内的数据，实现数据隔离与安全。

• 可信任：确保所有指标定义统一、口径一致，让所有人相信数据的准确性。

• 可消费：让一线业务人员能快速、方便地使用数据。

指标中心主要为三类用户赋能：

• 查看用户：拥有统一的指标池，杜绝“同名不同义，同义不同名”，彻底打消对数据准确性的疑虑。

• 分析用户：无需关心底层数据逻辑，可直接在指标中心通过组合、筛选现有指标，快速构建个性化的分析看板。

• 数据团队：可基于原始指标（如“门诊量”）通过过滤、筛选快速创建衍生指标（如“排除某科室的门诊量”），大幅降低数据处理工作量。

破局关键2

ChatBI——让数据“听得懂、答得准”

为了保证答案的准确与可靠，帆软的ChatBI采用了“规则模型+大模型”的协同架构，而非简单地将自然语言转为SQL。

• 规则模型（小模型）：处理清晰、明确的问题（如“今年总收入最高的科室是哪个？”），响应快且绝对精准。

• 大模型：处理模糊、复杂的问题（如“哪个科室收入最好？”），它会智能理解“收入”的具体所指，并与用户交互确认。

这种方式，既利用了AI的理解能力，又通过BI平台的中间层翻译，确保了每次查询结果的可解释、可核对和可复用，同时也保护了核心数据库的性能与安全。

结语

让数据决策成为每个人的平等权利

医疗行业的高质量发展，离不开数据核心引擎的驱动。从经验决策到数据决策，不应是少数人的特权。

帆软希望通过这些工具，让每一位在医院工作的同仁，都能平等、便捷地享用数据分析的权利，共同推动医院管理走向更精细化、更智能的未来。