一 医疗数据治理定义
医疗行业数据治理是将数据作为战略资产进行管理的学科。它为数据通过人员、流程和技术的编排支持组织优先事项铺平了道路。通过专注于增强决策，数据治理可帮助组织领导者改善临床、运营和财务结果。重要的是，数据治理是一项持续的、企业范围内的跨职能工作，旨在优化数据以造福患者、员工和社会。数据治理不能作为其自身的目的——为治理而治理。如果以一次性事件的“一劳永逸”的心态来处理，它将失败。并且不能局限于组织层次结构中的 IT 部门。1医疗行业的挑战和数据治理
组织迫切需要数据治理来应对当今的挑战。通过确保人们能够在正确的时间以正确的格式访问正确的数据和信息以做出临床和业务决策，数据治理显示了组织对数据进行投资的价值。然而，组织经常面临：·无法响应新的分析用例和需求。·数据质量差或未知；数据孤立、不准确、不一致、不规范等。·决策周期冗长且不准确。·试图回答同一问题的不同来源的分析结果不一致。·缺乏解决数据质量问题的责任或流程。这些问题中的每一个都对组织及其患者产生负面影响。通过更好的数据治理，组织可以克服财务风险、运营效率低下和安全问题，从而为包括患者在内的整个系统带来价值。2 医疗行业当务之急和数据治理
最终，数据治理将实现更多转型。通过良好的治理实践最大化数据的价值，组织将能够查看和使用影响患者健康的所有因素，例如将社会经济和可穿戴数据纳入医院数据生态系统。向基于价值的临床的转变推动了对可靠数据的需求，这些数据可以衡量整个医疗过程中的成本、利润和生产力。它还需要领导者有能力评估预期的投资回报，以改善特定的医疗结果。做得好，数据治理是转型的促进剂。它使组织能够实现医疗改革所需的整合广度和速度，由临床和技术创新提供支持，这对于提高患者和社区的护理成本和质量至关重要。二 医疗数据治理的四个阶段
强大的数据治理由四个阶段构成，所有阶段都可以改进从董事会到一线的决策。数据治理阶段一：提升
有效数据治理的第一阶段是通过制定与组织优先事项相一致的愿景和议程来提升治理的重要性。目标是将数据的感知从昂贵的技术转变为宝贵的资源。与任何协作努力一样，最好从对目标的共同理解开始，并为工作定义一个有限的、可实现的和具有战略目标的范围。使用增量方法，因此组织可以首先处理最重要的事情，此步骤通过定义预期结果并展示它们与组织战略方向核心的临床和业务活动的关系来促进高管的认同。数据治理阶段二：建立
建立一个组织结构来完成数据治理任务有助于建立良好的治理实践。管理数据是一项影响整个系统的许多组的工作。组织起来并把合适的人和团队带到谈判桌上对于任何新计划的成功都很重要。组织的数据治理方法必须克服相当大的复杂性。通常，治理决策位于相互竞争的优先事项（财务、临床和运营）的交叉点。管理团队必须考虑到这种跨职能协同。此外，用于数据治理的资源可能是有限的，尤其是起初。确保合适的人加入合适的小组将有助于充分利用可用的资源。最后，组织有不同的需求，并且没有单一的“一刀切”的模板来构建数据治理资源。只有在制定了数据治理的高级议程后，领导者才必须着手建立团队。围绕最需要做的工作组织人员，而不是建立团队然后寻找工作，将有助于指导方向。数据治理阶段三：执行
创建具有人员和资源分配的优先数据治理项目，以执行治理任务。在第二阶段创建的数据治理委员会应该支持一组具有明确目标的项目，以支持对工作的有纪律的关注。这种项目组合方法有助于将工作分解为可随着时间分阶段进行的可管理单元，并且它允许调用不同的人员来支持数据治理组合中的不同项目。数据治理阶段四：扩展
确保数据投资和努力将持续并在整个组织中延伸到未来。建立一套实践来持续支持和改进数据治理工作对于确保数据治理组合的持续相关性和价值以及维护早期取得的成果非常重要。数据治理的机会看似无穷无尽，但人们的时间、精力和关注点却是有限的。展望未来，组织可以为治理工作带来新的活力和新的视角，帮助建立和保持成就动力。对数据治理的持续投资也有助于培养数据驱动的文化，加强整个组织的预期行为。三 有效的医疗行业数据治理的原则
每个数据治理阶段都必须包含四个核心原则以支持成功，无论其具体结构或领导如何：利益相关者参与：组织必须超越 IT 部门，让临床、运营和财务利益相关者围绕数据作为一种战略资产的意识来参与——突出其在支持从董事会到一线的更好决策的价值。共同理解：在整个组织内促进数据治理的目标和成就，培养数据驱动的文化。对齐战略：确保数据治理明确支持组织的优先事项和战略，在整个数据生命周期中满足用户的需求，并平衡明显的冲突。重点突破：组织领导者应该精益求精，做最重要的事情，然后随着项目的推进进行调整。以实现最大共同利益所需的最小程度管理数据非常重要。四 医疗行业数据治理需要持续的转型
成功的数据治理不是一次性事件。这些步骤不能一次性完成，因为医疗行业正在不断发展和变化；医疗行业组织必须能够做出反应。作为一个持续和迭代的过程，数据治理能够响应不断变化的环境，并使领导者能够重新平衡优先事项以管理冲突。最后，数据治理工作必须由整个组织的领导者推动，他们强调数据驱动的文化，并将数据视为组织目标和改进的资产。五 医疗行业数据治理案例
1 背景
随着医疗保健向分析驱动型行业转型，数据已成为其最宝贵的资产，也是最难管理的资产之一。为了支持医疗服务和其他功能，卫生系统必须整合来自一系列复杂的内部应用程序的数据，包括住院和门诊 EHR、实验室信息系统、药房系统和 ERP 系统。与此同时，这些组织还必须从附属提供商的 EHR 系统、付款人、外部实验室、药房和基准来源中提取数据。对于医院来说，良好的数据治理实践显然是必不可少的，以确保所有这些数据都得到充分理解、信任、可访问和安全——尤其是在数据驱动的环境中验证仪表板、记分卡和其他分析输出的准确性。着眼于创造这样的环境，堪萨斯大学医院设定了一个总体目标，即成熟为一个高级分析组织，能够管理非常大的数据集并执行预测分析以追求最佳结果。为了实现这些目标，堪萨斯大学医院需要一个“单一事实来源”，用户可以依赖它来获取从不同来源和系统中提取的高质量数据。虽然这可以部分通过技术来实现，但他们还需要为数据治理建立一个坚实的框架。简而言之，这是由建立程序和执行计划的管理机构对数据进行管理，以确保其安全、可用、可得和可靠。已确定某些数据治理最佳实践涉及一系列问题，从数据管理到质量和可用性。为了落实这些和其他最佳实践，例如高层领导的积极承诺和参与，以及将数据治理与现实世界的临床或运营努力联系起来以实现必要的参与水平，堪萨斯大学医院随后成立了数据治理委员会。2在没有数据治理模型的情况下管理数据的不足之处
堪萨斯大学医院面临着医疗保健组织面临的几个常见数据挑战，首先是手动收集、获取和验证来自众多来源的数据所需的时间。这使员工没有多少时间来实际研究数据以寻求改进机会。随着内部和外部对信息的需求不断增长，这个过程变得更加昂贵和低效。将正确的数据掌握在正确的决策者手中也变得更加困难。然而，医院需要一个更有效的替代方案，而不仅仅是增加更多的全职员工来管理不断增长的数据量。数据质量问题也经常浮出水面，说明需要对不同数据源进行广泛清理。除了不准确或完全缺失的数据之外，非标准数据术语和定义是最常见的问题之一。相互矛盾的数据是另一个挑战，例如董事会成员在两份不同的报告中遇到的不同的逗留时间值。这些和其他差异通常是由生成信息的时间或不同源系统中的不同数据类型定义造成的。最终结果是用户并不完全信任这些数据。为了克服这种不信任，堪萨斯大学医院希望实施标准术语和定义，并实施更好的数据管理流程和实践。他们还希望让临床和运营最终用户更容易访问数据。最后，他们希望创建一个单一的信息真实来源，可以考虑到参与数据收集和分析的许多不同的人以及他们不同程度的培训和经验。3自动分析与人工实施的政策相结合
为了解决对数据的不信任问题，堪萨斯大学医院成立了一个数据治理委员会，该委员会由高层领导批准，并被授予管理所有商业智能、数据和信息资产的行政权力。为了满足其不断增长的数据报告需求，堪萨斯大学医院选择投资于现代分析基础设施。这种解决方案的主要特点显着有助于向数据驱动文化的转变。·数据收集过程的自动化·为决策提供及时、准确的数据·正确的用户可以访问正确的数据·将重点从数据报告转向识别和执行改进为了自动化数据收集和报告，医院部署了企业数据仓库和分析应用程序。4数据治理委员会章程
从一开始，该委员会就明确表示其目的不是拥有数据，而是促进将其用于有效决策。为此，委员会追求数据的四个主要目标：数据治理。这涉及将临床、管理和技术合作伙伴聚集在一起，共同设计和优化与组织战略和目标一致的信息资产。它还包括事实来源的声明、记录系统、角色和责任、信息交付标准和经过认证的企业报告/仪表板。数据安全和访问决策在此治理的范围内。质量。完整、及时、准确和一致的数据支持成功的决策。该委员会通过标准化、流程工程以及数据质量指标的创建和监控来确保数据质量。可用性。可用性包括易于使用的应用程序，可促进数据交互和知情决策，以及创建通用数据语言以了解组织绩效。创建此类可用性的工具包括数据字典、培训、元数据存储库以及尽可能接近实时地访问可信数据集。获得性。委员会努力实施适当的分析基础设施，使临床和操作用户在需要时可以访问数据，由他们各自的临床和操作需求定义。5数据治理委员会结构
该委员会被划分为具有特定职责的不同组。监督改进工作的愿景和战略是数据治理执行小组，而数据咨询小组在更具战术性的层面上运作，并解决数据质量问题、工作重点和工作组的创建。工作组由该组研究领域的主题专家组成。其他主要委员会成员包括由技术、流程改进和临床专家组成的数据治理支持团队。为了避免可能导致数据治理计划不成功的错误，堪萨斯大学医院设计并实施了许多最佳实践，以建立一个可靠的数据治理结构，为医院服务多年。·获得高层领导的承诺。实施先进的分析基础设施和有效的改进策略是一项重大的变革管理工作。这也是整个组织的共同责任。因此，高层领导的可见和积极支持至关重要。医院自己的执行团队确保该计划配备必要的技术、运营和临床专业知识。·让它成为改进，而不是 IT 项目。虽然需要 IT 专业知识，但 IT 是数据的管理者，而不是所有者。此类项目的总体目的是将优质数据交到最终用户手中，以便他们做出最佳护理决策。事实上，数据所有权的责任落在临床和运营决策者身上。·确定一个“价值平台”。当项目启动时，它应该与现实世界的临床或运营努力联系起来，以实现必要的参与水平。对于堪萨斯大学医院来说，最重要的平台是为其诊所实施新的收入周期系统——这造成了数据缺口和报告关键组织指标的中断。·以透明而不是把关为目标。数据治理委员会不应充当看门人。它的作用是透明地为最终用户提供高质量的数据，以便在他们的日常工作中使用。·选择合适的领导者。领导该计划的最有效的人应该具备必要的技术技能和精通客户服务的能力，以便与临床和行政领导建立伙伴关系。·提供充足的资源。数据治理不能是低优先级或副业。专用资源对于推动进步和成熟度至关重要。
7 效果
凭借由智能技术和审慎的最佳实践组成的解决方案，堪萨斯大学医院实现了其主要目标，同时进一步转变为分析驱动的文化。计划在第一年完成70多项企业数据标准化定义审批。该组织在第一季度批准了7项定义，第二季度超过 66 项——平均每月有 4 项决定，而且还在不断增加。最终用户承担数据的所有权并承担管理数据质量的责任。一些数据质量问题已得到修复并提高了数据质量。反过来，最终用户对数据的信任也在增加。全系统的执行和临床参与数据治理。在很大程度上要归功于一个明显和强烈支持数据治理委员会并为其提供必要资源的执行团队，因此发生了两件重要事件。首先，委员会全面负责管理组织数据的可用性、获得性、完整性和安全性。其次，关键的临床和运营领导者越来越多地参与分析和改进工作，在双月一次的治理会议中参与率增加到 60%。创建商业智能/数据治理路线图。堪萨斯大学医院正在从分散的商业智能环境转向更具凝聚力的企业视角，非常适合管理大型数据集并使用预测分析来创造最佳结果。为了支持这一过程，他们制定了商业智能路线图，并据此跟踪他们的进展。数据治理委员会专注于在几个方面取得进展，包括：·构建高级商业智能 (BI) 架构·将来自多个源系统的质量数据提取到单一事实来源 (EDW)·尽可能自动化数据提取和报告·基于通用词汇和定义的高级数据建模·为最终用户提供先进的分析工具，以获取良好的数据，以实现良好的决策和结果改进。·数据治理的持续改进，使最终用户能够有效地拥有和管理他们的信息需求。·培训最终用户，为他们提供优化性能所需的高级分析和改进技能。·在堪萨斯大学医院文化中建立数据驱动的心态。8 未来展望
堪萨斯大学医院将数据治理视为成功的数据驱动文化的关键组成部分。因此，重点仍将放在构建最成功的数据治理计划上。医院计划构建一个数据治理仪表板，例如，跟踪和管理治理指标。正在考虑的未来指标包括确定的数据所有者数量、记录的流程数量、节省的资金数量（或避免的费用）和企业数据仓库的使用情况（例如提高效率、减少非企业数据解决方案的使用，并衡量应用程序的价值以确保客户正在使用已开发的商业智能解决方案）。持续关注数据质量和可访问性以促进信任和使用也正在进行中。包括：·继续为数据和关键指标建立单一的事实来源。·改进数据捕获（许多指标不是离散捕获的，需要使用数据样本来估计实际数量）。·自动化仍然手动跟踪的指标。·学习如何改进对成本规避的衡量。凭借对数据完整性和可用性的承诺，堪萨斯大学医院不仅可以进行分析以追求更好的结果，而且可以引领医疗行业数字化转型，成为医疗保健行业的数据治理标杆。--------END--------