实验室信息化管理平台（LIMS）数据挖掘技术解决方案
2020-11-26 11:45
科研实验室每天需面对海量的数据, 数据挖掘在科研管理工作中不应还停留在纸上谈兵或面子工程的状态，实验室信息化管理平台（LIMS）数据分析模块数据挖掘技术解决方案，重视科研数据的原始积累，增强科研管理项目决策的科学性， 为科研管理人提供更深层次的科研活动服务力度， 优化科研资源的配置和管理。
实验室信息化管理平台数据挖掘流程步骤：
第一、定义问题。
为使数据挖掘活动具有清晰准确的目标，需要对要解决的问题进行定义，要清楚地定位需要解决的问题是什么，如评价科研成果、评价科研效率等，因为不同的目标和问题所需要的模型是完全不同的。
第二、构建数据挖掘库。
在确定好需要解决的问题后，需要选择有效的原始数据。对于数据挖掘技术的实施来说，原始数据通常是越多越好，但并不是需要滥用， 在收集到所有的数据后，要对其进行一定的选择，并对数据进行描述与汇总，利用传统的数据统计进行元数据的搭建，形成数据库。
第三、分析数据。
通常是利用数据分析软件进行数据的初步分析，因为原始数据过于庞大，且很难找到重点，应借助 SPSS之类的工具进行归类，找出不同影响性的数据。
第四、准备数据。
具体工作是选择变量、选择记录、创建新变量、转换变量。
第五、构建模型。
通过数据挖掘实现对某个问题的解决，需要的工作是多方面的，因此构建模型需要长期实行，反复开展，需要对大量的算法和数学逻辑进行参考，并在运行后反复优化。通常情况下会先用一部分信息构建模型，并利用剩余的信息对模型进行测试，甚至需要另一部分数据进行验证。
第六、模型的评价。
在对模型初步建立之后，还需要对其进行综合性地评价，对不同的数据下得到的结果的合理性进行专家评价，使模型更有价值。在实践中，通过数据挖掘技术来解决一定的问题，还面临着经济、人力、技术等方面的限制，所以，应评价这种模型实施的各方面的可行性。
第七、模型实施。
在建立了初步的模型并被认定为可行之后，就能够开展具体的实施，以对问题进行及时有效地解决。
二、科研管理工作在数据挖掘技术下的转变
1 、原始数据积累
LIMS提升科研单位的信息收集能力， 构建更广范的科技文献、专利信息、论文信息以及科研单位自身各类信息的数据库，包括科研工作者的基础信息、科研成果等，并充分使用。还应把科研管理的数据挖掘延伸到全球科研信息，如对于某个研究所来说，其研究的方向在全球有很多科研机构与成果，该单位就应在全球范围内进行原始数据的收集。
在数据挖掘技术的发展中，应当对各类信息进行准确有效地收集，同时淘汰一些失去价值的数据，如过期的甚至错误的科研成果等。
2、决策科学性
LIMS针对科研管理及数据挖掘机制的开拓，从具体的科研管理项目决策上入手， 使决策更具科学性。应基于信息筛选的理念，进一步细化科研管理工作，充分利用数据挖掘的优势思维。
LIMS平台基于云计算的模式，对研究的领域、可能得到的学术成果进行深入的分析积极地借鉴国内外相关学术成果的现有文献，找出最合适的研究思路，并对科学课题的创新性和可行性进行判断，对其意义与必要性进行判断。
3、提升科研服务力度
各类科研机构的科研项目，通常由科研工作者以某个机构的研究为主进行申请。和过去的科研活动管理、信息化技术的应用相比，科研工作者仅是根据具体的科研工作，向上级领导单位进行申请书的投递，而后者则对申请内容进行进一步分析。在具体的实践中，会出现申请力度不足、相关数据残缺、有一定的错误信息等，使得科研管理水平降低，有时会存在申请课题与实际需求差距较大，以致于最终申请无法通过。
LIMS平台在数据挖掘技术的应用过程中， 数据更加透明，也更为丰富，科研单位应掌握数据挖掘的思维和技术，对数据领域进行分析、研究、准确预测，探索构建科研管理、数据挖掘的模型，与此同时，基于数据可视化的理念，得到成型的相关报告，这可以给工作人员提供更为全面的数据信息，并对其中的内在联系进行梳理。
4、资源合理配置及优化
科研管理工作牵涉诸多的科研资源，管理单位应对各种资源进行合理配置，进一步对数据管理进行优化。
第一，LIMS平台对相关数据开展广泛的采集和初步的筛选，构建相应的数据管理资源库、人才库、科研成果库等。
第二，对科研机构的自身发展进行一定的科研评判，构建相对健全的科研模型， 包括科研资源研究模型、科研成果模型等，并对其中的参数进行有效地计算，进一步制定完善的管理规则。
第三，LIMS平台利用定量化绩效考核的思路，及时搭建科研资源的基础配置。以决策支持管理工具为基础，有效地对相应的数据进行管理， 基于数据挖掘的模式对科研机构的资源开展科学配置。
