利用大数据加强医疗保障
毛渝南表示,去年底惠普公司全球正式拆分为两个世界500强的公司,即HPI负责打印机和PC的业务,HPE关注于企业级解决方案与服务。
“新的HPE是全球领先的IT新形态和业务新形态的领导者。专注于企业的转型与创新。通过更强大,更敏捷,更具创新性的云计算、大数据、安全等解决方案和服务,帮助企业应对转型的挑战,实现创新与突破。” 毛渝南说。
毛渝南介绍,惠普在贵阳与市政府卫计委建立了HPE云平台的人口健康信息云。这是到目前为止全球唯一以全市为单位把健康的档案和电子病例整合在一起的云平台,服务于470万人口,1000多家公立医院机构,未来还会聚集超过10个PB级的医疗健康大数据,将帮助全贵州近4000万人的医疗保障。
另外,惠普还在贵州建立了行业领先的开源的HPE的云平台,它可以承载数以千计的应用,与各个行业衔接,支持农业云、媒体云等大数据,帮助贵阳成为全国大数据产业的先锋。
以下是演讲实录:
毛渝南:尊敬的各位领导,女士们、先生们大家上午好,时隔一年,我非常高兴能在这次的贵阳峰会上与各位再次相见,许多人都了解,在去年底我们惠普公司全球正式拆分为两个世界500强的公司,就是HPI负责打印机和PC的业务,而我们HPE关注于企业级解决方案与服务。新的HPE是全球领先的IT新形态和业务新形态的领导者。专注于企业的转型与创新。通过更强大,更敏捷,更具创新性的云计算、大数据、安全等解决方案和服务,帮助企业应对转型的挑战,实现创新与突破。
我们在全球拥有25万多名的员工,在中国有超过1万名的员工,9个分公司,8个全球的交付中心。HPE始终帮助客户加速的转变,加速的创新,我们的战略发展与中国的经济发展一直是保持一致的。借这个机会,我也向大家汇报一下这一年多年来我们在贵州的一些工作的成果。
首先,医疗改革一直是我们中国最重要的国策之一,我们在贵阳与市政府卫计委建立了HPE云平台的人口健康信息云。这是到目前为止全球唯一以全市为单位把健康的档案和电子病例整合在一起的云平台,服务于470万人口,1000多家公立医院机构,未来还会聚集超过10个PB级的医疗健康大数据,将帮助全贵州近4000万人的医疗保障。
在互联网+方面,它也是离不开云的。我们在贵州建立了行业领先的开源的HPE的云平台,它可以承载数以千计的应用,与各个行业衔接,支持农业云、媒体云等大数据,帮助贵阳成为全国大数据产业的先锋。比如说基于该云平台,我们建立了贵州农业云,逐步的打通跟全国70个一级的农业批发中心直接连接,为农业数据的收集与管理提升效率、更重要的是提升农民的收入。在大数据方面,基于HPE贵阳人口健康信息云,医疗大数据平台为贵阳和贵州医疗大数据的应用开发奠定了基础,是贵阳和贵州医疗改革重要的组成。在慢性病的监控方面,我们预期帮助贵州节约8%到15%左右的医保资金,这是根据我们在世界各地经验的推算。此外还能够提高政府的治理能力,通过医疗的数据跟农业云、国土云配合做精准扶贫的问题。
因为扶贫不只是农业国土的问题,几乎40%的住在农村的贫穷的人是有健康的问题。所以,脱贫跟健康也不能分开。在新兴产业方面,我们在贵州建立了全球服务外包中心,来帮助贵州发展外包服务产业。更重要的是我们在招收85%以上的员工都是本地的。举个例子,在一些一比较贫穷地市,如果我们能够创造一个服务外包的工作,整个家的三四口人就已经脱贫了。在人才教育方面,我们与贵阳大学开展的卓越班一系列的培训服务,在服务外包、大数据以及电子商务这方面,积极支持在线教育,帮助解决教育资源不均的问题。
HPE看好中国市场长期持续的发展机会,我们希望能够继续深化一系列的合作。发挥我们国际的视野,发挥技术领先的实力,与各位合作伙伴共同创新,携手向前,再次祝愿这次峰会成功,谢谢大家。
本文转自d1net(转载)
漫谈对大数据的思考(下) “大数据”已跃升为我们行业中最受炒作的术语之一,但炒作不应使人们忽视这样一个事实,即这是数据在世界上的作用真正重要的转变。
漫谈对大数据的思考(上) “大数据”已跃升为我们行业中最受炒作的术语之一,但炒作不应使人们忽视这样一个事实,即这是数据在世界上的作用真正重要的转变。
零基础大数据该学什么? 一、如何区分三个大数据热门职业——数据科学家、数据工程师、数据分析师 随着大数据的愈演愈热,相关大数据的职业也成为热门,给人才发展带来带来了很多机会。数据科学家、数据工程师、数据分析师已经成为大数据行业最热门的职位。
相关文章
- C#将数据以XML格式写入Excel
- 如何应对网站反爬虫策略?如何高效地爬大量数据?
- 数据泵expdp/impdp工具的使用:
- 数据导入经验总结
- 大数据无处不在 企业实践指南有哪些?
- 汽车行业如何利用大数据
- 多域名THINKPHP利用MEMCACHE方式共享SESSION数据
- [转] 利用Matlab提取图片中曲线数据
- Groovy里的运行时元数据编程(metata programming)
- 【玩转数据系列二】机器学习应用没那么难,这次教你玩心脏病预测
- Atitit 数据存储实现方案总结 提升开发效率 不要一股脑把数据塞到远程关系型数据库,会造成开发效率的降低。。根据不同的要求,选择最简化快速的方案 目录 1. 选择存储原则2 1.1. 简单快
- CV之IC之AlexNet:基于Keras框架利用卷积神经网络类AlexNet算法实现猫狗分类识别(图片数据增强→保存h5模型→加载模型)案例应用
- AutoML之flaml:基于OpenML数据集利用pipeline结合flaml框架(自动化选择最佳模型+重加载模型并推理)实现预测航班是否延误二分类案例
- ML之CatBoost:金融风控之通过数据预处理(中位数填充/校验同分布/文本型日期拆解/平均数编码-标签编码)利用CatBoost算法+模型可解释性(Shap/LIME)预测用户的车险是否为欺诈行为
- ML之LoR:基于信用卡数据集利用LoR逻辑回归算法实现如何开发通用信用风险评分卡模型之以scorecardpy框架全流程讲解
- DataScience:基于GiveMeSomeCredit数据集利用特征工程处理、逻辑回归LoR算法实现构建风控中的金融评分卡模型
- ML之LoR:利用信用卡数据集(欠采样{Nearmiss/Kmeans/TomekLinks/ENN}、过采样{SMOTE/ADASYN})同时采用LoR算法(PR和ROC评估)进行是否欺诈二分类
- ML之SVM:利用SVM算法(超参数组合进行多线程网格搜索+3fCrVa)对20类新闻文本数据集进行分类预测、评估
- DL之LiR&DNN&CNN:利用LiR、DNN、CNN算法对MNIST手写数字图片(csv)识别数据集实现(10)分类预测
- TF之CNN:利用sklearn(自带手写数字图片识别数据集)使用dropout解决学习中overfitting的问题+Tensorboard显示变化曲线
- 【智能算法】GRNN的数据预测—基于广义回归神经网络的货运量预测
- 【DL】第13章 使用 TensorFlow加载和预处理数据
- 【ClickHouse SQL 极简教程】ClickHouse SQL之数据操作语言 DML
- Effective JavaScript Item 35 使用闭包来保存私有数据
- 第8讲:DQL数据查询语句之聚合函数示例
- 【大数据开发运维解决方案】Oracle Data Redaction数据加密测试
- Python有什么用?数据化运营怎么做?终于有人讲明白了
- 老杨说运维 | 六步法快速实现数据可视化,从容应对数字转型
- hadoop和spark超大矩阵点乘思路在多源数据POI融合中应用