大數(shù)據(jù)在醫(yī)療行業(yè)的應(yīng)用2

大數(shù)據(jù)

醫(yī)療&工程建設(shè)

演講人：徐啟雄周聰資料收集：宋佳琪馬宇寰邢洪達(dá)ppt制作：向琪工程管理1101班2014年6月6日PART1大數(shù)據(jù)在醫(yī)療領(lǐng)域的應(yīng)用outline一、

醫(yī)療與大數(shù)據(jù)的趨勢(shì)二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望一、

醫(yī)療與大數(shù)據(jù)的趨勢(shì)二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望醫(yī)療費(fèi)用在不斷上升

GDP的占比非常高10-19%0-9%趨勢(shì)分析:

我們正處在醫(yī)療行業(yè)的一個(gè)重要轉(zhuǎn)折點(diǎn)

%

of

population

over

age

60

30+

%

25-29%

20-24%

2050

WW

Average

Age

60+:

21%Source:

United

Nations

“Population

Aging

2002”

全球老齡化

平均年齡60

+:

目前的10%,

到

2050年將達(dá)到20%Source:

McKinsey

Global

Institute

AnalysisESG

Research

Report

2011

–

North

American

Health

Care

Provider

Market

Size

and

Forecast

以美國(guó)為例:

醫(yī)療大數(shù)據(jù)的價(jià)值3千億美元/年,

相當(dāng)于每年生成總

值增長(zhǎng)0.7%01500010000

50002010

2011

2012

2013

2014

2015趨勢(shì)分析:我們正處在醫(yī)療行業(yè)的一個(gè)重要轉(zhuǎn)折點(diǎn)

存儲(chǔ)的增長(zhǎng)

醫(yī)療服務(wù)產(chǎn)生的數(shù)據(jù)總量(PB)AdminImagingEMREmailFileNon

Clin

ImgResearch

醫(yī)療影像歸檔一個(gè)醫(yī)療系統(tǒng)案例的數(shù)據(jù)

到2020年,

醫(yī)療數(shù)據(jù)將急劇增長(zhǎng)到35

Zetabytes,

相當(dāng)于2009年數(shù)據(jù)量的44倍

增長(zhǎng)Source:

McKinsey

Global

Institute

AnalysisESG

Research

Report

2011

–

North

American

Health

Care

Provider

Market

Size

and

Forecast一、

醫(yī)療與大數(shù)據(jù)的趨勢(shì)二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望大數(shù)據(jù)對(duì)于“大數(shù)據(jù)”（Bigdata）研究機(jī)構(gòu)Gartner給出了這樣的定義：“大數(shù)據(jù)”是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。4V：Volume（大量）Velocity（高速）Variety（多樣）veracity（真實(shí)性）/Value(價(jià)值性）

1.

制藥企業(yè)/生命科學(xué)3.

費(fèi)用報(bào)銷,

利用率

和

欺詐監(jiān)管2.

臨床決策支持

&

其他臨床應(yīng)用

(包括診

斷相關(guān)的影像信息)

4.

患者行為/社交網(wǎng)絡(luò)

醫(yī)療大數(shù)據(jù)簡(jiǎn)介數(shù)據(jù)來(lái)源包括哪些?我們?nèi)绾卫么髷?shù)據(jù)創(chuàng)造價(jià)值?

(示例)

2.

臨床決策支持4.

由生活方式和行為引發(fā)的疾病分析

1.

個(gè)體化醫(yī)療

3.

欺詐監(jiān)測(cè)得以加強(qiáng)McKinsey

Global

Institute

Analysis醫(yī)療大數(shù)據(jù)相關(guān)解決方案健康信息服務(wù)

新興的醫(yī)療服務(wù)

應(yīng)用數(shù)據(jù)分析及視覺(jué)化處理數(shù)據(jù)處理/管理分布式平臺(tái)

老齡社會(huì)

腫瘤基因組學(xué)

醫(yī)療影像分析

醫(yī)療影像影像數(shù)據(jù)處理加速基礎(chǔ)醫(yī)療服務(wù)臨床決策支持

類SQL的檢索

醫(yī)療記錄

存儲(chǔ)優(yōu)化個(gè)人健康管理

個(gè)體化醫(yī)療

機(jī)器學(xué)習(xí)

基因數(shù)據(jù)

安全和隱私一、

醫(yī)療與大數(shù)據(jù)的趨勢(shì)二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望大數(shù)據(jù)的挑戰(zhàn)不僅來(lái)自于數(shù)據(jù)量的增長(zhǎng)...需要新技術(shù)的支持檢驗(yàn)結(jié)果,

費(fèi)用數(shù)據(jù),

影像,

設(shè)備產(chǎn)生的感應(yīng)數(shù)據(jù),

基因數(shù)據(jù)等數(shù)據(jù)量??結(jié)構(gòu)化數(shù)據(jù),

遵循標(biāo)準(zhǔn)的數(shù)據(jù)標(biāo)準(zhǔn)(如,HL7)非結(jié)構(gòu)化數(shù)據(jù),

如口述、手寫(xiě)、照片、影像等類型實(shí)時(shí)有效的商業(yè)價(jià)值基于現(xiàn)有數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行分析，來(lái)支持不同種類的業(yè)務(wù)：如費(fèi)用及報(bào)銷、患者病史、歸檔影像分析、實(shí)時(shí)臨床決策支持（數(shù)據(jù)分析）?

實(shí)時(shí)數(shù)據(jù)分析，而非傳統(tǒng)的批量處理分析?

數(shù)據(jù)以流的方式進(jìn)入系統(tǒng)，進(jìn)行抽取和分析

?

對(duì)于實(shí)時(shí)運(yùn)行中的每個(gè)時(shí)間節(jié)點(diǎn)產(chǎn)生影響，而不是事后處理在傳統(tǒng)的解決方案之上，引入新的數(shù)據(jù)及分析模型和技術(shù)，價(jià)值速度一、

醫(yī)療與大數(shù)據(jù)的趨勢(shì)二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望

傳統(tǒng)解決方案

環(huán)境ERP,

CRM,

Batch,

OLTP-DBData

Center

Provisioning

Discrete

Virtual

Cloud

–

As

A

Service

HPC關(guān)注數(shù)據(jù)的價(jià)值

大數(shù)據(jù)存儲(chǔ)的考慮

傳統(tǒng)存儲(chǔ)方式

大規(guī)模分析

–

Hadoop*

海量數(shù)據(jù)庫(kù)

–

Hive*

大規(guī)模備份

–

Lustre*

數(shù)據(jù)源

文本-語(yǔ)音-視頻-傳感器

Requesting

Or

M2M

通訊

批量

–

商業(yè)應(yīng)用豐富的視覺(jué)化效果–

安全的數(shù)據(jù)分析和緩存邊緣服務(wù)器（Edge）

分析

同步

端到端

Machine-to-Machine

Source-to-Source

可行的解決方案體系（示例）

Applications

&

ServicesVisualization

–

File

Structure

&

Analytical

Tools

Data

Delivery,

Operational

&

Graphical

Analytics

Data

Management

&

Computational

Analytics

Compute

–

Storage

&

Infrastructure

Platforms高效的大數(shù)據(jù)訪問(wèn)途徑

(客戶端)“Know

Me”“Free

Me”“Express

Me”智能手機(jī)移動(dòng)醫(yī)療助理平板電腦筆記本,Ultrabook?其他設(shè)備臺(tái)式機(jī)數(shù)字標(biāo)牌自助終端

Mobility

Vital

sign,

I

&

O

entry

Medication

administration

Template

data

entry

Free-format

text

data

entry

Large

diagnostic

images

Data

inquiry

Manageability“Link

Me”大數(shù)據(jù)在中國(guó)醫(yī)療行業(yè)中的應(yīng)用模式1.制藥企業(yè)/生命科

學(xué)

3.費(fèi)用報(bào)銷,

利用

率

和

欺詐監(jiān)管2.臨床決策支持

&其他臨床應(yīng)用

(包括診斷相關(guān)的影像

信息)

4.患者行為/社交

網(wǎng)絡(luò)?藥品研發(fā)對(duì)藥品實(shí)際

作用進(jìn)行分析；實(shí)施藥品市場(chǎng)預(yù)測(cè)?基因測(cè)序?分布式計(jì)算加快基因測(cè)序計(jì)算效率

?公共衛(wèi)生實(shí)時(shí)統(tǒng)計(jì)分析

發(fā)現(xiàn)公共衛(wèi)生疫情及公民健康

狀況

?新農(nóng)合基金數(shù)據(jù)分析

及時(shí)了解基金狀況，預(yù)測(cè)風(fēng)險(xiǎn)

輔助制定農(nóng)合基金的起付線，

賠付病種等

?基本藥物臨床應(yīng)用分析

分析基本藥物在處方中的比例?臨床數(shù)據(jù)比對(duì)匹配同類型的病人，用藥?臨床決策支持利用規(guī)則和數(shù)據(jù)實(shí)時(shí)分析給出智能提示?遠(yuǎn)程監(jiān)控采集并分析病人隨身攜帶儀器數(shù)據(jù)，給出智能建議?人口統(tǒng)計(jì)學(xué)分析對(duì)不同群體人群的就醫(yī)，健康數(shù)據(jù)實(shí)施人口統(tǒng)計(jì)分析?了解病人就診行為發(fā)現(xiàn)病人的特定就診行為，分配醫(yī)療資源一、

醫(yī)療與大數(shù)據(jù)的趨勢(shì)二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望案例分享:

Regional

Health

Info

Network

–

ChinaReal-time

Clinical

Decision

Support?

實(shí)時(shí)的醫(yī)療數(shù)據(jù)處理（電子健康檔案，醫(yī)

療影像數(shù)據(jù)），支持醫(yī)療協(xié)同、臨床決策

支持和公共衛(wèi)生管理?

采用

Hadoop*

(HBase*/Hive*)來(lái)實(shí)現(xiàn)醫(yī)

療數(shù)據(jù)分析和處理?

未來(lái)將擴(kuò)展到不同領(lǐng)域、不同區(qū)域/地區(qū)

（包括數(shù)據(jù)交換、處理和分析）?

與本地的軟件廠商及OEM廠商進(jìn)行了廣泛

合作?

技術(shù)挑戰(zhàn)

–

Hadoop

(HBase/Hive)與傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)如何有效結(jié)合–大數(shù)據(jù)在區(qū)域衛(wèi)生信息平臺(tái)中的切實(shí)可行

應(yīng)用場(chǎng)景PublicHealthHospitalPrimary

care(Grassroots)

HealthInformation

DW

EHR

Data

&ServicesRegistries

Data

&

ServicesLongitudinal

Record

Services

Health

Information

Access

LayerCare

CoordinationClinical

decision

support…Data

AnalyticR&D…RHIN

Ancillary

Data

&

Services分布式數(shù)據(jù)服務(wù)系統(tǒng)

展現(xiàn)層

(報(bào)告,

視圖)區(qū)域醫(yī)療及基層醫(yī)療信息系統(tǒng)大數(shù)據(jù)解決方案(Hadoop*)

集成的用戶應(yīng)用界面（居民、醫(yī)生、衛(wèi)生行政管理人員）

數(shù)據(jù)挖掘（Mahout）分布式批量處理框架

(Map/Reduce)區(qū)域衛(wèi)生信息訪問(wèn)層(HIAL)醫(yī)院信息系統(tǒng)醫(yī)院信息系統(tǒng)語(yǔ)言和編譯

(Hive)

實(shí)時(shí)數(shù)據(jù)庫(kù)

(Hbase)基層醫(yī)療信息系

統(tǒng)醫(yī)療服務(wù)藥品管理新農(nóng)合醫(yī)療保

險(xiǎn)服務(wù)器虛擬

化

基礎(chǔ)設(shè)施虛擬化網(wǎng)絡(luò)虛擬化

存儲(chǔ)虛擬化基于云的區(qū)域基層醫(yī)療服務(wù)系統(tǒng)

多租戶應(yīng)用

分布式文件系統(tǒng)

協(xié)作

服務(wù)

(HDFS)

(Zookeeper)結(jié)構(gòu)化數(shù)據(jù)采集器

日志數(shù)據(jù)采集器

(Sqoop)

(Flume)

健康檔案數(shù)據(jù)存儲(chǔ)公共衛(wèi)生運(yùn)營(yíng)管理Sequencing

3

Billion

Base

Pairs

Data

ProcessingCloud

Storage

Visualization

Millions

of

VariantsInterpretation

&

Analytics

Millions

of

Variants

Millions

of

Patients

Commercializing

Targeted

Therapeutics

Companion

DiagnosticsActionable

Biomarkers案例分享:

NEXTBIO基因數(shù)據(jù)分析????Cost

to

sequence

a

genome

has

fallen

by800x

in

the

last

4

yearsEach

genome

has

~4

million

variantsGrowth

in

the

genomics

data

in

the

publicand

private

domainData

available

in

variety

of

sources–Structured,

semi-structured,

unstructured?New

aggregated

data

growingexponentially案例分享:NEX帥TBI庭O病人相關(guān)恐性數(shù)據(jù)Nove調(diào)lDis漸cov園eri徑esBiom氏arke奧rsDise今aseMec搜han抵ismDru湖gIndi林cati沖onsCli伍nic棋alTri僑alPar羅ame腎ter柄sPati熄entCar微eOpt狗ion僚sLarg構(gòu)econt題entrepo州sito校ryofpub秤licandpriv桶ategen而omi成cdatacom置bin奏edwithpro畝pri吸eta翻ryandpat趙ent艱edcorr推elat壘ionengi乎ne案例分享:NEXT黨BIONext慣bio&Int糧el合作方嗎向技術(shù)挑戰(zhàn):????Immu睡tabl稍eDat厲a–wri免teonc窩e,neve貿(mào)rchan懸ge,rea乓dmanytim伴esTrad弦itio善nalBloo恐mFil段ter隙swork蛙sHado預(yù)op*&HBas假e*wel禾lsuit好ed1geno明me10mil奮lio糊nrow決s100gen腥ome筍s1bil鳴lionrows1Mgen果ome武s10tril軌lionrow券s100Mgen緩ome壞s1qua姑dri嘴lli鏡on1,0峰00,已000掩,00規(guī)0,0窄00,鄭000rowsAppcandyn市ami玻cal帆lypart街itio份nsHBas曲easdat卵a(bǔ)sizegro界ws英特爾獸對(duì)于Hado嶺op提供的顆優(yōu)化:????Opti君mize毒dHado患o(jì)psta敵ckinopensou越rceSta隨bil織izeHBas妄etoprov蠟idereli錢(qián)ablescal爹abledep鐮loy婦men意tOpti職mizeandsupp慢ortscal暗e-ou悼tasdat衫asiz護(hù)edram勾atic瓶allygrow澆sExp敬lor料ingclu廟ste溜raut誦otuni松ng,Secu秤rity&Comp壇lian脫ce,etc.案例分蠶享:Kais凱erPerm息anen辨te大數(shù)據(jù)應(yīng)遺用數(shù)據(jù)的發(fā)加展趨勢(shì)結(jié)構(gòu)化數(shù)呼據(jù)80%非結(jié)構(gòu)化虛數(shù)據(jù)???全世界80%的數(shù)據(jù)驅(qū)是非結(jié)如構(gòu)化的(大量的偉移動(dòng)終端設(shè)紫備,機(jī)器產(chǎn)生窗的數(shù)據(jù))在未來(lái)擠十年，償數(shù)據(jù)將嗚迎來(lái)44倍的增覆長(zhǎng)(35zet削tab肝yte籠sby202惠0)主要的數(shù)駐據(jù)增長(zhǎng)來(lái)自于非結(jié)構(gòu)泉化數(shù)據(jù)(在線的歸檔數(shù)圓據(jù),醫(yī)療影像矛,在線視頻扇和存儲(chǔ),照片等)??全球數(shù)據(jù)勉的構(gòu)成???Kai坦ser到的數(shù)據(jù)兄中，90%是非結(jié)互構(gòu)化的(80%的EH妙R和影巡壽像數(shù)據(jù)庸)在未來(lái)十藥年，數(shù)據(jù)舞將會(huì)有25倍的增長(zhǎng)(On拳eexab燦yteby202烏0)主要的數(shù)雀據(jù)增長(zhǎng)來(lái)自于非結(jié)構(gòu)墳化數(shù)據(jù)(醫(yī)療影像,視頻,文本,音頻等)?信息給實(shí)時(shí)個(gè)性賽化醫(yī)療服量務(wù)帶來(lái)了可吩能性?(Re芝qui搶resCon川tex坊tua擇l–devi元ce,env柏iro紛nme卷nt,spa河tia趕l,Dem乏ogr奮aph活ics績(jī),Soci秩alandBeha移vior畝alpro粱fil貢esinaddi難tiontomedi鏡calinf寄orm僅ati快on)Kai且ser正在評(píng)維估大數(shù)殿據(jù)相關(guān)放技術(shù)…Kais框er的數(shù)猜?lián)?gòu)成結(jié)構(gòu)化經(jīng)數(shù)據(jù)90%UNST擠RUC歇TUR言ED構(gòu)化數(shù)據(jù)DATA非結(jié)信息給各行業(yè)嶺發(fā)展帶來(lái)逃了新一輪挑的機(jī)遇(零售,金融,保險(xiǎn),制造,醫(yī)療,愛(ài)…)各行業(yè)個(gè)已經(jīng)開(kāi)面始采用大數(shù)據(jù)技粥術(shù)用于信息腎提取Sou還rce毒:Kai御serMas好ter?????Int曬egr緣瑞atebui兄lt/介bou伏ghtRea寬l-t料imePre像dic躁tiv銷eAnal論ytic威alSolu偉tion價(jià)sorPro戀ces漂sin粘glogi凱cDis絮con圾tin功uou扛sCha虜ngeSAN艇/NA胖SSMP(5$)SAN/胳NASIn-M竄emor疲y(50$)Sha字re-悲Not違hin劉gDis石tri連but敢edStor剩ageandComp亞ute($)Faul讀t-to進(jìn)lera容ntMast價(jià)erSl如aveArch輝itec遭turecapa辣bleofwith添stan肉dingpart廣ialsyst題emfai土lur所esDataisdist應(yīng)ribu鼻tedacro蔥sspro粉ces玩sin喝gsla禮venod憂esReso猶urce犁scon執(zhí)tai兆nin趨gdat爛aarenotshar停edMas狂termana狠gesthedatadis刮tri托but敬ion臥,jobsche希duli歸ngacro蘿sssla杰venod括esandagg出reg氏ati黃ngresu雕ltsetsSla曉ve(榜s)DASSAN弓/NA路SMPP(10$)SAN疾/NA腳SSMP(Dis蛙kCach淋ing,HighSpe茫edNet測(cè)wor宇k)(10$)數(shù)據(jù)平技臺(tái)計(jì)算攔的趨勢(shì)源–分布式計(jì)課算Kai尖serisloo淺kin匙gtoexpl描oitthiscapa棚bili加ty…?Stru拉ctur課ed,Rel返ati撲ona莫lTabu糕larData?Int窮era槽cti緣瑞veQuer左ySup哲por梢t?Real趕-tim虧eAnal茂ytic柔s?SQLTran否sact景ionData?Unst批ruct瓜ured隆,Non-且tabu降larData?Ric掏hAdHocInt仇egr睬ati竊on?Real細(xì)-tim喬eAna塵lyt姓ics?UQLALLDat避a大數(shù)據(jù)平惕臺(tái)–需求易分析處理的補(bǔ)特性Int言u(píng)it安ion(Sim仍u(píng)lat要ion,Opti矩miza良tion擺,Stoc把hast小icOpti損miza懶tion杯)Info通rmat娛ion(Sta采ndar弦d&AdHocrep景ort妹ing捏,Que坑ry,Ale冊(cè)rts恨,Fore肆cast咬ing,Acce獄ss)Int譽(yù)err赴oga軋tio頸n(Clu道ster杜ing,Stat拳isti均cal,Qual爽ity,Sema音ntic層s)Int皂egr午ati嫂on(Al暢ign蛛men搶t,Sema禽ntic折s,Com風(fēng)ple詢ten疑ess斃,Qual身ity)Ing利est踐ion(Dat駛aMode何l,Meta株dataRef溉ere協(xié)nceDat落a,Sto嘉re)Info轟rmat近iondri規(guī)vesproc傍essopti逮miza放tion恢swithstr立ate童gicimp僻act逗.Mod狐eli悼ngbusi率nessintu子itio掘nfromdat鄭adel停uge論.Abil抹itytomod濫elinf第orm躁ati柜onandtran征siti聽(tīng)onfrommul尚tip盤(pán)leacc奇essmet堤hod鋒stogen胞era禮tin糾g,sha孔rin斜g,coll最abor杜atin同gandact勝ingonins表igh廉tsany溜tim譯e,any接whe此reonanydev殺ice隊(duì).Sup律por堂tcur森ren臭tBItoo鳴lsfocu閃sedonstru軟ctur餃edinfo帶rmat殘ion.Buil充d/bu蔽ypac爭(zhēng)kag柔eduns撒tru疏ctu煙reddatapro噴ces遞sin討gandana玻lyt貫icstool仁s.Apor刻tfo廟liooftool便stomana柿ge(pro幫file悲,clea功nse,cla菜ssi夏fy,sync捏hron比ize,aggr領(lǐng)egat堵e,inte椅grat趟e,shar五e(cuò))ALLtype窄sofdat擔(dān)a.Aunif肝iedinf否orm躲ati適onsto呆rag脫emet王hod細(xì)olo尖gyenab夜linguser燙stoman工agedat電afro窗mALLsou岸rce絹s.數(shù)據(jù)的里特性數(shù)據(jù)量(Sen霸sors昨,EMR夜,Clai姜ms,Phar單macy塘,Imag洋es)速度(SLA綿s,Rea徹l-t譽(yù)imeDec貓isi夏onSup添por跪t&Cont國(guó)extu專alInte赤l(xiāng)lig要ence批)類型(St暑ruc頸tur竹ed,Tex欺t,Uns淡tru憂ctu居red檢,Doc于ume愧nts如,Ima盟ges能)大數(shù)據(jù)–界定的標(biāo)目準(zhǔn)DATASIZEDATATYPEDATACLAS回SDATACATA墨LOGDATAVELO糟CIT倉(cāng)YDATAACCES憲SDATAB雷ASETYPEGiga耐byte很s,Ter崇aby虎tes,Peta殼byte兆sStr修uct鞏ure怒d,Sem辟i-S財(cái)tru民ctu估red,Unst誦ruct凱uredHum遲anGen難era奴ted葛,Mac沸hin紙eGene載rate冠dTex左t,Imag詢e,Aud幻玉io,Vid恒eoBat巖ch,Stre包amin藝gAnal愿ytic腳s,Sea扒rch,Tran防sact磨ion(ACID,BAS貫E)Rela傅tion妖al,Fil稱eBas唐ed,Colu策mnar,NoS碗QL,Docu屈ment絹,Gra牽ph,RDFFRAM緞EWO痰RKSANALY湯TICSFin行anc擊ial,Com累put輕erVisi果onEngi析ne,Geo舉spa恭tia拿l,Mach爹ineLear授ning,Mat恩hem遍ati欠cal,Nat零ura繡lLan法gua迎gePro踩ces苦sin炊g,Neur狗alNetw算orks,Sta牧tis招tic君alMode菌ling,Tim舞e-S革eri則esAna廈lys慣is,Voic子eEngi冷neStan蒙dardRep編ort活ing,AdhocRep落ort堪ing,Quer悅y/Dr懶illdow嗓ns,Ale港rtsFor雀eca俯sti表ng,Sim臣ula虹tio墓ns,Opti春miza門(mén)tion,Sto跪cha蠻sti辦cOpti墾miza竿tion賢sSERV晨ERARCH威ITE悟CTU疊REDIST歷RIB動(dòng)UTE攜DPROC史ESS乒INGSTOR反AGEARCHI剃TECT惑