1. 保险公司要和医疗机构进行数据对接，搭建大数据平台，有好的方法吗
讨论几种针对各种软件系统的数据采集的方式方法。重点关注它们的实现过程、各自的优缺点。
软件接口对接方式
开放数据库方式
基于底层数据交换的数据直接采集方式
1、软件接口对接方式
各个软件厂商提供数据接口，实现数据汇集，为客户构建出自己的业务大数据平台；
接口对接方式的数据可靠性较高，一般不存在数据重复的情况，且都是客户业务大数据平台需要的有价值的数据；同时数据是通过接口实时传递过来，完全满足了大数据平台对于实时性的要求。
但是接口对接方式需花费大量人力和时间协调各个软件厂商做数据接口对接；同时其扩展性不高，比如：由于业务需要各软件系统开发出新的业务模块，其和大数据平台之间的数据接口也需要做相应的修改和变动，甚至要推翻以前的所有数据接口编码，工作量很大且耗时长。
2、开放数据库方式
一般情况，来自不同公司的系统，不太会开放自己的数据库给对方连接，因为这样会有安全性的问题。为实现数据的采集和汇聚，开放数据库是最直接的一种方式。
不同类型的数据库之间的连接就比较麻烦，需要做很多设置才能生效，这里不做详细说明。
开放数据库方式可以直接从目标数据库中获取需要的数据，准确性很高，是最直接、便捷的一种方式；同时实时性也有保证；
开放数据库方式需要协调各个软件厂商开放数据库，其难度很大；一个平台如果要同时连接很多个软件厂商的数据库，并且实时都在获取数据，这对平台本身的性能也是个巨大的挑战。
3、基于底层数据交换的数据直接采集方式
101异构数据采集的原理是通过获取软件系统的底层数据交换、软件客户端和数据库之间的网络流量包，进行包流量分析采集到应用数据，同时还可以利用仿真技术模拟客户端请求，实现数据的自动写入。
实现过程如下：使用数据采集引擎对目标软件的内部数据交换（网络流量、内存）进行侦听，再把其中所需的数据分析出来，经过一系列处理和封装，保证数据的唯一性和准确性，并且输出结构化数据。经过相应配置，实现数据采集的自动化。
基于底层数据交换的数据直接采集方式的技术特点如下：
1）独立抓取，不需要软件厂家配合；
2）实时数据采集；
数据端到端的延迟在数秒之内；
3）兼容Windows平台的几乎所有软件（C/S,B/S）；
作为数据挖掘，大数据分析的基础；
4）自动建立数据间关联；
5）配置简单、实施周期短；
6）支持自动导入历史数据。
目前，由于数据采集融合技术的缺失，往往依靠各软件原厂商研发数据接口才能实现数据互通，不仅需要投入大量的时间、精力与资金，还可能因为系统开发团队解体、源代码丢失等原因出现的死局，导致了数据采集融合实现难度极大。在如此急迫的需求环境下基于底层数据交换的数据直接采集方式应运而生，从各式各样的软件系统中开采数据，源源不断获取所需的精准、实时的数据，自动建立数据关联，输出利用率极高的结构化数据，让数据有序、安全、可控的流动到所需要的企业和用户当中，让不同系统的数据源实现联动流通，为客户提供决策支持、提高运营效率、产生经济价值。
扩展阅读：【保险】怎么买，哪个好，手把手教你避开保险的这些"坑"
2. 信息整合方式
数据整合作为信息的基础，是组织机构业务开展的底层支撑。企业通过不断积累和集中各种原始数据，尤其是由各种应用系统生成的结构化数据，为数据整合提供基础。数据整合的目的是实现对分散异构数据源的统一访问，实时、智能地将有价值的数据传递给分析系统或其他应用系统，进行信息的进一步加工。这一过程旨在将不同数据库集成，形成单一的虚拟数据库，确保应用软件数据与企业实际情况一致，避免出现与核心业务不一致的多个数据库。
内容整合涉及对非结构化信息的管理，这类信息占企业信息总量的80%左右，包括电子表格、文本文件、图像、图表、报告、音频文件和视频文件等。企业可通过建立内容管理平台，实现对非结构化信息的高效管理。各类办公信息，如公司文件、图片、多媒体等，以及由搜索软件整理、翻译系统翻译的信息，均可纳入内容管理系统。系统通过编审校、分类管理和权限控制等步骤，确保信息的有效管理。
在数据整合和内容整合的基础上，企业可以追求业务过程的整合。通过将企业规则和过程转移到企业应用软件之外，形成一种外在的过程和规则引擎，实现过程的灵活性提升，对过程改善或新商业机会做出更加有效的响应。最终，通过提高内外部过程的自动化水平，实现过程执行的整体效率提升，达到优化过程的目的。
源于信息集成的信息整合及其重要性已被越来越多的人所认识，信息技术的不断飞跃以及应用领域的不断拓展，信息整合在应用范围、视角、目标、层级以及涉及的要素等方面早已超出信息集成的范畴。信息整合是依据信息化发展趋势，在一定组织的领导下，实现对信息资源序洁化、共享化、调化，进而实现信息资源配置最优化、拓宽信息资源应用领域和最大化挖掘信息价值的管理过程。从信息系统所涵盖的要素来看，信息整合的源于众多原因，可以从不同视角来审视。
3. 什么是银行的数据大集中，为什么要数据大集中呢
简单地讲，大集中就是将分布在各个分支机构和营业网点的业务数据及其他一些相关的数据实现集中。事实上，大集中是依靠科技手段，实现数据的集中和数据的整合，并通过对数据深层次的挖掘，对银行的客户数据、业务数据进行系统分析和评价，推动商业银行向决策科学化方向迈进，提高银行的管理水平和工作效率。
60年代，自IBM发明了第一台商业计算机系统后，IT开始从无到有，以一种置于玻璃房的主机挂终端的形式起步发展。从80年末期到90年代初期，由于较低的附加开销、较低的劳工费用，使整个工业界的趋势走向分布式及部门式管理。为了加快对市场的响应时间，对IT应用系统开发的速度提出了更快的要求，因此IT的体系结构从原来单一集中式模式，走向分布式模式。并且逐步演变成难以控制的分散式架构。经过几年实践证明，在这种分散式模式下，带来许多负面效果：
1)降低了IT的效率
＊分散的数据
＊分散的技术力量
＊机器，软件系统资源不可共享
＊管理水平的不平衡
2)支持及管理人员的增加
＊艰难的整体规划
＊艰难的整体管理
3)缺乏标准化
4)增加数据安全性、完整性的风险
5)软件需要分散的重复投资，软件及维护费用急剧上升
6)计算机硬件资源利用率低，众多的计算中心均需自备备份主机及相应设备，无法公用机器的“白色空间”(及空置的CPU资源)
7)更困难的财政及固定资产管理
8)企业内部无法形成数据集中及应用集中，因此无法快速有效地为企业整体的经营管理者提供管理辅助信息。
9)无法承受灾难备份的投资，在众多的分散中心的条件下，实施相互灾难备份的费用非常庞大，其管理及运作是及其艰难的。
面对这些挑战，IT的管理者自然要问：
＊怎样更好地支持、管理网络、软件及服务器？
＊怎样更好地控制投资回报？
＊怎样有效快速地分析业务数据？
＊怎样集成分布式应用及数据？
＊怎样将传统的应用面向电子商务的同时，又能保证关键应用的高可用性及安全性？
大集中就是在这种背景下产生的。总结国外IT业的集中方式，无非可以分为以下四种形式的集中：
1)管理运作的集中：即将分散式的IT体系结构，用集中式管理模式进行运作。
2)物理集中：即不改变任何应用体系结构，仅仅将运作在多个服务器上的应用集中在一台或多台集群式系统内，从而减少了服务器的数量及种类，可共享系统资源，但客户数据可能依然是分散的。
3)数据集中：可以使用存储技术，实施数据的集中存储及管理；或通过一定的共享软件机制，实施数据的集中共享。
4)应用的集中：真正可以做到与业务集中相匹配的应用集中，及客户关键业务信息的数据集中。
不同程度的集中，会产生不同的效果，投入及工程的复杂程度也不尽相同。在大集中项目中要考虑许多技术因素，但最最关键的是高层领导的重视及支持，及业务部门的介入。
大集中可能会引进对当前IT体系结构的重组(reengineering)，因此需从以下几个方面考量其系统的设计：
首先集中决不是单纯IT的技术问题，为IT集中而集中是无效之举。集中必源于业务的改革，必带来业务流程的改变。其最终目的是提高企业整体的运作及管理效率并带来最大利润。
次之，集中必带来对应用体系结构的重新评估，可能带来应用的调整甚至结构重组。
在设计大中心系统时，要有端到端的全局体系结构设计观念。即从客户端经由底层网络到前端机，经由骨干网络到大中心服务器，其整体结构要具有端到端的高可用性及可管理性。
大中心的整体设计考量因素为以下几个方面：
1)应用的考量：
在多层次的系统架构中，各类应用在何层服务器上运行，应用的功能如何分布。要不断评估何种应用要进行集中，何种应用具有地区的特性，需要分布式运作。
2)企业核心信息数据库的考量：
核心企业信息如何存放。只有形成了一个逻辑的统一的企业信息数据库，才可以充分享受到集中的优势。
3)整体系统性能考量：
由于集中将所有的核心业务运行在一个集中的系统上，客户的服务业务量呈爆炸式增长，虽着电子商务的发展，BTB、BTC系统的建立，将每天都需要面对大量来自外界的数据访问和交互式操作，所有这些需要大中心系统具有持续且稳定的响应性能。
4)系统的可扩展性的考量：
大中心系统必须具有很好的可扩展性及成长的能力。中国是一个人口众多的国家，因此大型企业的客户数量是惊人的。中国许多大型企业所服务的客户数大于任何一个北美或欧洲的大型企业。以银行为例，中国四大商业银行的客户帐号数均达上亿，因此其企业客户核心信息数据量将达到几十个GB甚至为几十个TB的数据量。因此数据库、中间件、服务器及存储系统均需要具有优秀的可扩展性。除了应付爆发式的数据存储需求，基础设施还需要应付短时间内访问高峰的冲击，并提供足够的灵活性对信息有效的管理。
5)高可靠性及高可恢复性的考量：
企业需要考虑为客户提供每周7天、每天24小时的不间断服务。同时，基础设施必须为以不同方式接入的用户提供同样的易用性，以及在异构系统之间进行快速的信息查找和交换的应用灵活性，并保持系统能够以很快的速度得到扩展。
6)冗灾备份及恢复能力考量：
灾难备份方案绝不是一个单纯的技术方案，并且灾难备份也决不是一个数据远程拷贝的方案。它必须基于应用的考量，并外加业务备份规划。从技术角度考虑，级别越高则备份的能力越高。方案的选择必须立足于业务的需求，级别越高的备份方案，其项目实施总成本则越高，因此必须基于商务的承受能力进行方案的选择。
7)端到端的系统管理：
集中后的系统管理将比分布式小中心的运作显得尤其重要。在小型中心中，通常靠个体的手工管理，当实施大集中后，手工的、无系统化的管理将无法提供所需要的服务水准。因此必须建立可以集中观测、集中管理的系统，但同时又可以分级进行控制、维护的体系结构。由于应用的集中运作，因此建立帮助平台及严格的变更管理体系尤为重要。
8)系统安全性考量：
企业需要保证系统和数据的安全性。需要考虑安全性的不仅是系统设备，还有设备提供商的实际能力。企业需要选择可信赖的合作伙伴和供应商，在基础设施系统的管理能力和数据安全方面都要有出色表现。安全可靠的系统不仅能保证前端与后端的系统安全，还需要确保服务器与应用程序的防攻击能力。
9)投资保护及降低业务风险：
大集中体系结构是在现有的IT体系结构之上进行再造的过程。体系结构方案必须考虑对现有的IT技术、设备的投资加以保护。甚至包括对应用投资及技术人员投资的保护。在设计和构建基础设施的过程中，大中心方案不仅仅要着眼于当前的需求，更要放眼于未来的业务发展需求，本着节约成本、保护投资的原则，优化、整合和利用旧系统的资源，使大中心体系结构具有前瞻性。
大集中项目是一个逐步演变的过程，我们不可能在一日之间废弃旧的体系结构，建立新的体系结构。在建设过程中需要保证与原有系统的成功整合，保证公司和顾客数据的安全性，降低整体风险。在由多种平台和技术组成的异构环境中，大集中项目必须实现新系统结构与原有系统的平滑转换，这要求有严格的项目规划和项目管理。
10)总体成本考量：
成本效益永远是要考量的因素之一。与分布式环境相比，数据中心集中可以节省总体IT成本。但是要注意的是，在向集中过渡的过程中，必须重视新型应用的投资。所有IT的投资都不应偏离未来集中的大方向，以避免投资浪费。
分布式的信息技术结构是历史的原因造成的，它在当时是最佳的选择，并且也是中国IT发展必经之路。面对未来WTO的挑战，许多企业开始重视规模化经营。为了在竞争中生存并超越对手，IT也必然需要采用高度的集中和可管理的结构。它也是内部业务集中管理的必然要求，大集中不只是一个技术上的项目，除了它的高科技含量外，它是一个强有力的、策略性的业务项目，它是中国银行业发展所面临的一个挑战。