数据治理对医疗保健组织来说往往是个谜

        数据治理对医疗保健组织来说往往是个谜。“它是什么？我该怎么做？我在哪里可以买到它？“它引起了一些想法。  数据治理是一组流程，可确保在整个企业中正式管理重要数据资产。数据治理确保数据可以信任，并且可以使人们对由于数据质量低而发生的任何不利事件负责。它是对组织数据资产的可用性，可用性，完整性和安全性的管理。最佳实践数据治理计划包括一个管理机构，该机构致力于制定标准，完善程序并为所有数据资产创建问责制。

        数据治理通常首先在没有分析程序或新分析的组织中有机地发生。随着数据问题和关注的出现或更频繁，更正式的管理主导工作通常会发生变化。如果数据治理不明显，那么数据就不会受到管理，数据质量和可信度本身就会受到怀疑。

用于分析成熟度的HIMSS Analytics采用模型（AMAM）提供了一个路线图，帮助医疗保健组织开始和推进他们的分析之旅，其中一个模型的重点领域是数据治理。AMAM帮助组织以自然演化的方式开发数据治理。

        较低的AMAM阶段“数据治理秘密成分”旨在启动和帮助组织处理数据质量，安全性，及时性并传播对数据资产的理解。

更高级别的AMAM阶段数据治理要求可确保分析活动“动摇并”，以便与组织的规划进行战略性调整。逐步改进数据治理由以下关键因素表示：

        第0阶段：分散的解决方案和方法

        第1阶段：分析策略，提供高管支持，定期会议

        第2阶段：患者登记表演变，主数据管理，数据素养

        第3阶段：标准术语，外部数据发布政策和流程

        第4阶段：广泛可访问的分析驱动的仪表板跟踪KPI

        第5阶段：支持组织范围内基于质量的绩效评估

        第6阶段：负责管理护理经济学（成本和质量）

        第7阶段：与组织的战略，财务和临床领导力紧密结合

        每个阶段的AMAM数据治理要求都被设计为路线图，以帮助医疗保健提供商吸收强大，个性化，全面的数据治理计划，从而实现各种临床，运营和财务分析洞察（配方）。

        分析配方中的其他关键成分需要新数据，高级分析技能和支持性基础架构。我们将概述这个由4部分组成的博客系列的其他部分。