本文回顾了一个购买药学服务数据的案例，介绍了当时遇到的治疗方法和问题。

“买数据”案发生在医药o2o电商平台上。药品是一种特殊的电子商务商品，可以作为增值的载体。例如，在销售药品的同时，它还提供健康服务，以缩短“人和货场”的温度与医药服务，创造一个线上和线下工业化的新型零售生态系统。

药物附加服务的前提是，无论是药物指导、寻求医疗建议还是患者画像，都要有药物与疾病关系的数据源。

这些数据应该是权威和准确的，易于理解，科学和普及。在市场上获得纯医学数据或纯药物商品数据并不困难。难以获取的是医疗电子商务人群的医疗健康信息和故事场景。

本案涉及内容清单：

1、初步需求分析1、分析需求

根据项目规划，该药学服务的需求场景总结如下：

这要求数据中至少涉及以下领域：用法和剂量、功能适应症、适用人群、禁忌不良反应、用药周期、治疗疾病、疾病症状、疾病描述等。结合业务场景，可以绘制这样一个简单的图表：

2、确定核心要素

根据以上要求，我们可以知道“药”、“病”和“病”是核心，其关系如下：

这三种关系是多对多的，如下所示：

3、评估数据量

常规药物的数量已达到60000（SKU）。

药品基本上是单一规格（不同的内容被视为不同的规格，不同内容的不同声明，以及行业中不同的商品）。因此，有必要准备接近这一数字的药物材料，以确保覆盖率。

小结：到目前为止，从需求要素、核心内容和需求数据量的范围描述了要获取的数据的概要，可以作为寻找数据源的验收标准或参考。

2、通过研究获取数据的方法

我们的目标数据是客观标准的基础数据，而不是操作生成的数据。因此，权威和客观性是最重要的，那么如何获得它们呢？

1、如果你自己维护？

请指定专人查找药箱，阅读药品说明书，输入，然后阅读医学词典数据，并据此整理疾病信息。。。平均来说，一个人每天最多可以得到100件物品，计算60000件物品需要很长时间。

显然，它太晚了，太贵了，没有经过验证的数据，我不敢使用它。这条路过去了。

2、攀爬他人数据

药品信息在药品监督管理局官方网站上相当权威，但没有疾病，甚至无法找到条形码（注：条形码，国内是代码69，唯一的商品标识，由13、12或8位数字组成）。

爬行到其他网站也有尝试，但结果不准确，不完整，或成功，这条路不会奏效。

3、采购数据

购买数据比爬行数据更正式。我咨询了京东阿里和腾讯紫丁香，但他们不卖。这些公司需要自己提供数据服务，他们不需要这些钱。

咨询药店后。com和135。com，没有关于疾病便利性的可靠数据。这时，业内人士推荐了一家名为“雅”的公司。在进行药学服务时，他们决定进行深入讨论。

3、获取样本数据

经协商，对方提供了一批Excel格式的样本数据。桌子里有14张桌子。获得数据后，将进行初步验收。

1、比较E-R模型

他们的数据由mongdb存储，并首次提取用于销售，因此数据在表结构和表号上是冗余的。通过其表格结构，绘制了E-R图，基本满足要求。

2、竞争产品横向比较

在检查样本数据的过程中，还对备选方案进行了比较。

制定检查的关键点是：单表数据的错误率、联合表查询的匹配率、市场数据的覆盖率、错误修复的及时性等。从网站或应用程序中寻找类似的产品，但它们都有各种问题，最后放弃了其他选择。

3、远程全检数据

如果未付款，另一方将不提供完整数据。

由于样本有限，为了进一步了解数据，协商采用远程数据库搜索。另一方在数据库中进行了单表验证和联合表查询。我们远程观察并记录检查结果。

毕竟，远程操作很不方便。交叉抽样仅验证了部分数据，估计精度为93%，这也是决定继续谈判的主要参数。

4、支付首付款并获取全部数据

下一个过程是讨论价格。一旦协商好价格，您就可以打包并销售数据。

我们降价的主要理由是：疾病数据不足1万，回购后仍需补充人工成本；非独家买断，可以复制销售，卖家的边际成本很低，且内容质量不高。

口头声明由执业药师团队、药师专业的药师和中国非处方药协会审查。然而，没有证据，最终获得了折扣，并起草了完整数据验收合同。

当时合同内容相对简单，草案截图如下：

签订合同后，我们得到了全部数据。

双方同意在一周内进行数据验收，验收无误后支付余款。由于数据的敏感性，由专人以电子邮件压缩包文档的形式接收。然后将其存储在堡垒机中，其他参与验收的人员将通过堡垒机进行检查。

1、研究数据质量

检查数据的合理性：即数据在逻辑组织上是否存在缺陷。

数据关联度：导入数据库后，采用Excel上手动比较和程序员SQL查询相结合的方法。在了解基础数据的基础上，制定了检验计划，具体内容如下：

2、检查数据的权威性

这需要专业药剂师或制药人员的参与。我们采用抽样调查的方法，比较的基准是药典的权威数据，如“阿苯达唑”的服用时间和药物禁忌。

3、数据覆盖率

所采用的方法是指定20种常用药物（如醋氨酚），以查看是否可以找到完整的数据集，结论是数据并不理想。

例如，使用条形码匹配现有商品，未找到1579项，占20.87%；使用这1579个常用名称，其中147个仍然缺失，即绝对缺失的比例为1.9%。

4、数据冗余

许多表是从mongdb转换而来的，因此表之间的结构不合理。最后，在14张表格中，有7张是有用的，其余大部分是多余的表格（尽管在初步验收期间也发现了这些表格）。

5、双方协商

事实上，你可以看到，测试结果的完整数据量并不理想。

主要表现在表结构不合理；数据中存在错误，每个表中某些名词的表达不一致。然而，在此期间，合同的协议对买方不利，因此我们只能向前推进。

在一周内，我们输出一个问题列表，挑出合同中的文字，寻找有利的机会，然后命令另一方清理数据并再次移交。

5、数据购买后的应用程序规划

经过五次数据交付，双方法务部门达成协议，调整价格，最终完成交易。

如果验收被视为一个项目，尽管项目不是很漂亮，但数据仍然有价值和可用性。

获取数据，并在技术层面进行应用规划：第一步是检查和清理元数据，并将14个表提取到整洁的新表中；第二步是指定底层服务逻辑作为数据控制台，并提供端到端接口调用。

例如：

步骤3：连接特定的业务场景并输出特定的解决方案（此处省略）。

6、摘要1、本次数据购买主要涉及三个方面从产品角度看需求的一致性；医学视角下的数据权威；法律层面的合同条款：后两点做得不好，尤其是在法律事务方面，这导致在获得了大量数据后陷入了困境。

然而，该项目本身也有局限性和困难：例如，由于数据量大，很难找到细节；缺乏标杆，自我评价只能是抽样调查的方式；数据的价格没有固定的标准，很难掌握。

2、从数据购买中吸取的经验教训

数据需求和目标的范围明确；了解卖方及其数据的影响；在购买之前，你应该知道还有谁购买或使用过它，并调查其声誉；在另一方接触之前，在行业和技术方面制定充分的验证标准和计划；制定项目基本步骤，如：前期研究、成本评估、采购谈判、后约束；在获得全部数据之前，我们应充分采取远程调查的手段，挖掘对方的数据泄露或不足，作为合同协议和谈判的前提；在合同的签订中，对“破损货物”风险的识别标准和卖方的责任更为一致。该文件必须提供给行业专家和法律事务，以便他们在未来获得真实数据后可以前进或后退；合同应规定验收过程中问题的处理方法，由谁负责验收费用、验收失败的最大次数等。

#专栏作家#

图片来自unsplash，基于cc0协议

文章地址：https://www.dghbs.net/304312.html