原料血浆的稀缺现状在一定程度上对国家血液制品的持续发展与人民群众的健康保障有着至关重要的影响，同时“浆源拓展”也是上海公司战略规划重点之一。在现今大数据的时代下，数据挖掘已经成为一项成熟的计算机技术。在献浆员招募策略规划方面，一直处于经验判断、大面积撒种等招募方式，其结果常常是投入了大量的人力、物力，但收效甚微。而利用数据挖掘技术分析献浆员及其所供血浆的相关信息这一创新理念，正是基于传统的招募方式给予大量的数据分析作为支撑，并结合各采浆公司实际情况，从而对制定发展献浆员计划的决策提供有效地支持，进一步拓展供浆员发展的思路。
　　内容：
　　1. 确定挖掘主题：献浆员主题、原料血浆主题、血浆质量三大主题。
　　2. 建立多维星型模型（见图1）：通过对大量数据进行提取、清洗与转换，构建数据挖掘模型。
　　3. 挖掘结果与分析（见图2）：通過分析图1数据模型中数据之间的潜在关联，并根据关联发生的概率以及重要程度，得出我们所关注的一些献浆员特点及供浆规则。
　　结果：
　　此项目通过1年多的调研、设计、开发与测试，并在2014年下半年正式对上海公司下属各采浆公司实施应用，搭建平台，从多个角度为献浆员的招募与发展提供决策支持。
　　①稳定献浆员队伍的结构特点；
　　由图2可以得出：假定年采浆次数在17次以上作为稳定献浆员队伍，根据得出规则可以快速锁定长期稳定的献浆员的一些共性，以此便于在招募新浆员时，可以更有针对性扩大长期稳定的献浆者队伍。
　　② 影响献浆员采浆频次的多种因素；
　　另一方面，由图2还可以得出：献浆次数较少的献浆员的一些特点，为分析影响献浆次数少的原因提供有效支持。
　　③献浆员献浆频次与区域分布的关联及特点。
　　图3为宜春、开阳公司2014年献浆员献浆与分布区域关联分析结果。由图3清晰可见，献浆频次高低与献浆员所属区域分布也有着一定的关联，为今后分区域重点拓展浆源指明方向。
　　综上所述的技术创新，是在大数据背景下，运用先进成熟的数据挖掘计算机技术，紧紧围绕上海公司战略发展目标，突破传统思维与模式，紧密结合下属各采浆公司实际情况，研究开发更深层次的血源管理信息化应用的人工智能决策系统，从崭新的角度进一步为献浆员招募提供更“精细化”的切入点。同时，这一创新技术的应用对后继血源管理信息化技术平台的拓展与提升（如，通过对血浆检测数据或投料数据的挖掘与分析，可研究如何提高血浆质量与产量）具有非常意义。