1.一种基于大数据的医药供应分析管理方法，其特征在于，包括以下步骤：步骤S1：获取历史数据并分解为基础数据单元，为各基础数据单元及管理指标分别配置第一分析规则和第二分析规则，生成对应规则库；

所述第一分析规则面向基础数据单元的业务逻辑规则，用于解析单一数据单元的内在特征与关联关系，作用于具体数据要素的分析处理，第一分析规则的适用对象包括药品分类数据基础数据单元，第一分析规则的类型包括药品特性关联规则、补货周期计算规则和供应风险评估规则；

所述第二分析规则面向管理指标的综合评估规则，用于跨数据单元的指标监控、风险判断及策略优化，第二分析规则的适用对象包括供应稳定性指标、成本控制指标管理目标，第二分析规则的类型包括波动阈值规则、成本效益分析规则供应延迟判断规则；

步骤S2：将所述对应规则库分别存入对应规则空间；

步骤S3：将待分析医药供应数据分解为数据要素与基础数据单元，对所述数据要素进行合法性校验，将校验通过的数据要素进行规则匹配具体包括：基于语义相似度算法将所述校验通过的数据要素与基础数据单元进行数据类型、业务含义和时间粒度的匹配；

所述语义相似度算法采用层次分析法确定维度权重，所述数据类型与业务含义的权重之和不低于第一比例阈值，时间粒度权重不高于第二比例阈值，并通过医药行业业务场景调研及数据匹配验证；

所述数据类型用于检查数据类型是否一致，通过数据元信息比对数据类型；

所述业务含义匹配基于历史数据分析生成的医药领域数据分类层级，所述层级采用层次化结构，包括药品分类库存数据分类和供应商分类的类别结构；

所述时间粒度用于比较数据时间单位是否为日级别、周级别、月级别、季级别和年级别；

所述类别结构包括大类、中类和细类，基于路径长度的重合比例，通过计算数据要素与基础数据单元在所述类别结构中的节点路径重合度，确定所述数据要素和基础数据单元的层级距离，路径重合度越高表示层级距离越小、匹配度越高；

通过所述数据类型、业务含义和时间粒度的综合评分进行判定数据要素与基础数据单元是否匹配成功，当所述综合评分大于等于第三比例阈值时判定为匹配成功；

响应于任一数据要素匹配成功，从第一规则空间中获取与基础数据单元关联的第一分析规则，用于生成药品采购建议；

基于数据要素的业务属性，从第二规则空间中获取与当前管理指标相关联的第二分析规则集合；

所述业务属性包括药品类别、供应商等级和库存类型；

预设的管理指标映射表，将数据要素的业务属性映射至对应的管理指标；

根据映射结果，提取第二规则空间中与目标管理指标关联的第二分析规则集合，用于后续场景参数调整；

步骤S4：为所述数据要素输入参数，生成第三分析规则和第四分析规则；

所述第三分析规则通过关联时间窗口参数和时间周期参数，对第一分析规则进行动态调整，调整包括对第一分析规则中时间相关计算逻辑和数据筛选条件的更新，用于生成预测结果，预测结果包括供应数量趋势、供应时间趋势，生成第三分析规则；

所述第四分析规则通过关联场景类型标识和场景优先级参数，对第二分析规则进行动态调整，调整包括筛选规则适用范围和调整规则阈值标准，用于生成供应策略建议；

步骤S5：所述步骤S5包括以下子步骤：

步骤S501：建立数据要素与规则的关联关系表；

所述关联关系表记录每个数据要素对应的第三分析规则和第四分析规则，并标注数据采集时间、规则有效期和场景参数，通过唯一标识符实现数据要素与规则的一一对应；

步骤S502：创建分析执行空间，所述分析执行空间包括数据存储区、第三规则执行区和第四规则应用区；

所述数据存储区，用于存储数据要素；

所述第三规则执行区，用于执行包括时效性约束的第三分析规则；

所述第四规则应用区，用于应用包括场景适配逻辑的第四分析规则；

通过B+树索引标记数据要素与第三分析规则的时间关联和数据要素与第四分析规则的场景关联；

步骤S503：将数据要素按照药品分类、时间序列和场景类型组合进行分区存储，并在每个分区建立B+树索引以支持高效查询；

所述药品分类，用于区分不同类型的药品数据；

所述时间序列，用于按数据采集时间进行分段；

所述场景类型，根据场景参数划分数据；

步骤S504：将第三分析规则与对应数据要素建立时间约束关联关系，所述时间约束关联关系为数据要素的数据采集时间需在第三分析规则的规则有效期内；

将第四分析规则与对应数据要素建立场景约束关联关系，所述场景约束关联关系为数据要素的场景类型标识需匹配第四分析规则的适用场景类型；

步骤S505：基于第三分析规则与数据要素的时间约束关联关系、第四分析规则与数据要素的场景约束关联关系，基于所述约束关联关系自动生成有向边，形成规则执行的拓扑排序构建规则执行依赖图，所述依赖图通过有向无环图表示，包括：规则触发条件、规则执行顺序和数据流向；

所述规则触发条件，定义规则执行的前置条件；

所述规则执行顺序，基于时间和场景约束确定规则的执行优先级；

所述数据流向，标记数据在规则执行过程中的传递路径；

执行过程中，若出现规则冲突，立即暂停执行，记录冲突信息并发出预警，同时提供手动调整优先级功能；

若发生计算错误，即刻终止计算，保存错误数据及计算流程日志，随后启用备用计算方式重新运算，若问题仍未解决，则启动人工排查程序，待问题修复后，重新启动相关规则运行；

步骤S6：生成供应趋势预测和供应策略建议。

2.如权利要求1所述的一种基于大数据的医药供应分析管理方法，其特征在于：所述历史数据包括库存变动记录和采购订单记录；

所述基础数据单元包括药品分类数据、库存状态数据和供应商评估数据；

所述第一分析规则用于解析单一数据单元的内在特征与关联关系，直接作用于具体数据要素的分析处理；所述第二分析规则用于跨数据单元的指标监控、风险判断和策略优化。

3.如权利要求2所述的一种基于大数据的医药供应分析管理方法，其特征在于：所述规则库包括第一分析规则库和第二分析规则库；

为各个所述基础数据单元配置第一分析规则，生成对应第一分析规则库，具体包括：为所述药品分类数据配置药品特性关联规则；

为所述库存状态数据配置补货周期计算规则；

为所述供应商评估数据配置供应风险评估规则；

为各个所述管理指标配置第二分析规则，生成第二分析规则库，具体包括：为供应稳定性指标配置波动阈值规则；

为成本控制指标配置成本效益分析规则；

为服务质量指标配置供应延迟判断规则。

4.如权利要求3所述的一种基于大数据的医药供应分析管理方法，其特征在于：所述规则空间包括第一规则空间和第二规则空间，所述步骤S2包括以下子步骤：步骤S201：将所述第一分析规则库以面向对象的规则类结构存储于第一规则空间，所述规则类结构包括规则标识、规则条件和规则执行体；

所述规则标识，用于唯一标识每条分析规则；

所述规则条件，用于定义触发规则执行的前提条件；

所述规则执行体，用于封装与所述条件对应的计算逻辑或操作指令；

步骤S202：将所述第二分析规则库以元数据驱动的规则集形式存储于第二规则空间，所述规则集形式包括规则组标识、规则优先级和规则触发条件；

所述规则组标识，用于将规则划分为不同的业务逻辑组；

所述规则优先级，用于定义规则执行的顺序权重；

所述规则触发条件，包括可配置的逻辑表达式，用于判断规则是否应当被执行；

步骤S203：建立所述第一分析规则库和第二分析规则库版本控制机制，由管理员负责记录每次规则更新的时间、操作人员、更新内容和影响范围；

通过所述版本控制机制设定所述第一分析规则库和第二分析规则库的自动审核周期。

5.如权利要求4所述的一种基于大数据的医药供应分析管理方法，其特征在于：所述步骤S3包括以下子步骤：步骤S301：通过数据解析引擎将待分析的医药供应数据解析为独立的数据要素；

所述数据解析引擎配置为解析结构化数据、半结构化数据和非结构化数据；

所述结构化数据包括Excel和数据库，基于历史数据分析生成的字段映射提取数据要素；

所述半结构化数据包括XML和JSON，通过路径表达式提取数据要素；

所述非结构化数据包括文本合同，通过预设的正则表达式模板固定格式匹配提取数据要素；

所述数据要素包括药品标识要素、时间戳要素、库存状态要素和供应商代码要素；

步骤S302：对所述数据要素进行合法性校验，基于历史数据分析生成的校验规则对所述提取的数据要素进行验证，具体包括：所述药品标识要素需符合国家药品编码规范；

所述时间戳要素需在有效时间范围内；

库存状态要素应当满足"库存数量大于等于D"且"有效期大于等于安全库存周期"的逻辑约束；

校验通过的数据要素进行规则匹配，校验不通过的数据要素标记为"异常"并触发人工核查流程，由数据质量管理员负责跟进处理。

6.如权利要求1所述的一种基于大数据的医药供应分析管理方法，其特征在于：所述参数包括时间参数和场景参数，所述时间参数包括时间窗口参数和时间周期参数，所述步骤S4包括以下子步骤：步骤S401：为每个所述数据要素关联时间窗口参数和时间周期参数；

所述时间窗口参数根据预测周期长短设定不同的时间窗口和数据更新频率，所述数据更新频率是指与所述数据要素关联的基础数据单元的更新频率，包括实时更新、每日更新和每周更新；

所述预测周期包括短期预测、中期预测和长期预测；

所述短期预测小于等于第一时间阈值，采用第四时间阈值滑动时间窗口，数据更新频率为每日一次；

所述中期预测为第二时间阈值，采用第五时间阈值滑动时间窗口，数据更新频率为每周一次；

所述长期预测大于等于第三时间阈值，采用第六时间阈值滑动时间窗口，数据更新频率为每月一次；

所述时间周期参数包括数据采集时间、规则有效期和历史数据时间跨度；

所述数据采集时间用于明确数据采集的时间点或时间段；

所述规则有效期用于设定分析规则的有效时长；

所述历史数据时间跨度，根据药品特性动态调整，包括根据药品有效期长短，按有效期的第四比例阈值至第五比例阈值设定历史数据时间跨度；

基于所述时间窗口参数和时间周期参数，对初始设定的第一分析规则中的时间相关计算逻辑和数据筛选条件进行动态更新，生成包括时效性约束的第三分析规则；

步骤S402：所述场景参数包括场景类型标识和场景优先级参数；

为每个所述数据要素配置场景类型标识和场景优先级参数；

所述场景类型标识通过提取医院名称关键词，与预设的场景类型库进行匹配，确定数据要素所属的应用场景；

所述场景优先级参数根据医院等级进行自动识别，具体包括：三级甲等医院：对应优先级参数值为“高”，对应规则阈值在默认基准上收紧第六比例阈值；

二级医院：对应优先级参数值为“中”，采用默认阈值；

基层医疗机构：对应优先级参数值为“低”，对应规则阈值在默认基准上放宽第七比例阈值；

基于场景类型标识和场景优先级参数，对第二分析规则库进行更新，包括筛选规则适用范围和调整规则执行参数；

所述筛选规则适用范围，根据场景类型标识，剔除与当前场景不匹配的规则，仅保留适用的规则；

所述调整规则执行参数，根据场景优先级参数，对规则的阈值判断标准进行动态调整；

将完成筛选和参数调整的规则集合，封装为包括场景适配逻辑的第四分析规则，所述供应策略建议包括库存管理策略、采购计划策略和供应商选择策略；

步骤S403：当时间参数更新导致预测周期跨越季度时，自动连接国家医药行业标准数据库，通过 API 接口获取最新标准文件，对场景参数中的规则阈值、数据格式进行比对检查，确保规则符合行业规范；

当场景参数中的医院等级发生变化时，重新评估时间窗口参数的合理性，并根据评估结果调整时间窗口参数，保障分析规则与场景需求匹配；

当以下任一情况发生时，跳过常规周期审核，立即触发规则库更新，具体包括：供应商评估数据中出现"重大供应事故"，所述重大供应事故包括连续A次交货延迟超过B小时或质量不合格率大于等于第九比例阈值；

所述常规周期审核按预设时间间隔，对规则库进行全面检查与验证的流程；

管理指标阈值突破预警线，用于触发规则库更新或预警提示，所述预警线预先设定的阈值边界，包括供应稳定性波动超过第十比例阈值范围。

7.如权利要求1所述的一种基于大数据的医药供应分析管理方法，其特征在于：所述步骤S6包括以下子步骤：步骤S601：基于第三分析规则中的时间因子和数据处理逻辑，生成预测结果；

所述预测结果包括供应数量趋势、供应时间趋势和供应价格趋势；

步骤S602：将所述第三分析规则中的数据要素包括生成的结果与第四分析规则中的管理指标进行关联配准，生成规则配准矩阵，具体包括：计算数据要素与管理指标的关联强度值，基于历史数据中数据要素与管理指标同时出现的频率和相关性系数；

根据业务流程重要性预先设定规则适用优先级，取值范围为C；

对新策略采用A/B测试评估权重；

对旧策略采用历史数据评估权重；

根据关联强度值、规则适用优先级和策略影响权重计算出的综合评估值大于等于第十一比例阈值时生成对应供应策略建议，所述策略包括新策略和旧策略；

所述策略建议包括库存管理策略、采购计划策略和供应商选择策略；

所述规则配准矩阵包括数据要素与管理指标的关联强度值、规则适用优先级和策略影响权重。

8.一种基于大数据的医药供应分析管理系统，其应用于如权利要求1‑7任一所述的一种基于大数据的医药供应分析管理方法，其特征在于，包括数据配置模块、规则存储模块、数据匹配分析模块、动态规则生成模块、分析执行模块和结果生成模块；

所述数据配置模块，用于获取历史数据并分解为基础数据单元，为各基础数据单元及管理指标分别配置第一分析规则和第二分析规则，生成对应规则库；

所述规则存储模块，用于将所述对应规则库分别存入对应规则空间；

所述数据匹配分析模块，用于将待分析医药供应数据分解为数据要素，与基础数据单元匹配获取第一分析规则；

所述动态规则生成模块，用于为所述数据要素输入参数，生成第三分析规则和第四分析规则；

所述分析执行模块，用于将待分析数据与对应第三分析规则和第四分析规则存储入分析执行空间中；

所述结果生成模块，用于基于分析执行空间中的数据和规则生成供应趋势预测和供应策略建议。