健康資料管線是三個部件穿著一件大衣。感測器產生一筆讀數。轉換步驟把它變成資料庫願意接受的格式。交付層把它交給研究人員、臨床醫師或儀表板。每個部件有自己的方言、自己的故障模式，以及對「這個數字代表什麼」的各自意見。工程就住在接縫裡。
系統（它實際在做什麼）
剝掉行銷詞彙，管線就是一串自動化流程：從一個或多個來源擷取、轉換成目標結構、載入目的地。這就是經典的擷取—轉換—載入模式，而它的倒裝版——擷取—載入—轉換——如今在雲端資料倉儲很常見，因為儲存便宜、運算按秒計費。
健康資料讓這串流程更難。來源異質——穿戴裝置、電子病歷、檢驗系統、問卷——而且它們對單位、時間戳記、什麼算缺失各執一詞。管線真正的工作不是搬位元組，而是在不悄悄丟掉「讓資料值得收集」的資訊的前提下，調和這些分歧。建構在 FHIR 等標準上的團隊，心力正是花在這種調和上，因為一旦資料以同一種形狀抵達，科學問題反而是簡單的那部分。
每一層（感測器／模型／應用程式）
從感測器開始。手腕裝置對訊號取樣、套用自己的濾波、決定什麼算有效讀數。那個決定本身就是一個模型：動作、接觸、訊號品質的閾值，你從來看不到。感測器是誠實的；手腕不是個好量測點，韌體也知道。
接著是轉換，讀數被對應到標準本體上。結構化欄位和自由文字註記都需要調和，而調和規則正是相容性輸贏的地方。每分鐘心跳數和赫茲是同一種測量穿著不同衣服；管線若猜錯，會產生一個看似合理、卻差了六十倍的數字。
應用程式層是每個人都在看、卻沒有人稽核的那一層。它聚合、去重、補缺。每個動詞都藏著一個政策選擇。按時間戳記去重，假設時鐘一致。補缺假設缺失值是隨機的。這兩個假設都不是免費的。
邊界情況（有趣的地方）
邊界情況並不稀奇。它們就是星期二。裝置晚同步，讀數亂序抵達。參與者戴了兩個裝置，兩者每分鐘差十下。研究進行到一半時區變了。某筆記錄在結構描述預期整數的地方出現了散文。
調和就是在這裡證明自己的價值。把結構化和非結構化記錄都對應到共享本體的管線，能吸收原本會逼你手動處理的變異。但調和是翻譯，而翻譯會丟東西。該問的不是對應正不正確，而是這個對應讓哪些錯誤變便宜、哪些變昂貴。被丟掉的離群值，只要原始資料還在就救得回來。被悄悄強制轉換的單位，救不回來。
現代設計把監控放在管線本身周圍：確定性檢查標記異常，血緣追溯把壞值追回源頭，補救步驟是白名單制而非即興發揮。有風險的事由人核准，調查工作則已經先做好。
什麼會壞（以及為什麼知道有好處）
管線壞的方式很無聊。上游廠商出更新時結構描述漂移。憑證過期。上個月資料還管用的轉換，這回遇到程式碼預期字串的地方卻是空值。批次工作失敗得很大聲；串流工作失敗得很安靜，而這更糟。
有用的地方在於，每種故障模式都指向一個設計決定。如果一個結構描述變更就能拖垮整條管線，耦合就太緊了。如果壞值在任何人注意到之前就到達儀表板，檢查就位在損害的下游。階段之間鬆耦合——讓每一段能獨立演化——不是架構時尚，而是讓你能修一層而不必重新協商另外兩層的東西。
這些在順利時並不明顯，而這沒關係。一條會露出接縫的管線，是你修得動的管線。大衣做了很多事，但至少你看得見底下的三個部件。
常見問答
為什麼心跳讀數會差到六十倍？
因為每分鐘心跳數和赫茲用不同單位描述同一個訊號，而假設錯單位的對應會產生一個看起來完全合理的數字。下游沒有任何東西會標記它——數值在範圍內、型別正確，只有物理錯了。這就是為什麼單位強制轉換是我最不信任的故障。
串流真的比批次糟嗎？
不是糟，只是更安靜。失敗的批次工作留下你看得見的缺口。丟棄記錄的串流工作讓儀表板保持綠燈，資料集卻在底下變薄。如果你跑串流，檢查必須盯吞吐量和記錄數，不能只看錯誤。
原始資料該保留什麼？
能負擔的就全部保留，至少留到調和規則撐過幾個月的真實記錄。原始資料是你救回被丟棄離群值、重新推導被強制轉換單位的依據。一旦丟掉，每個對應決定就都成了永久決定。
