立即扫码
享受一对一服务
从数据治理看医疗大数据的发展
发布时间：2019.02.25来源：网络大数据浏览量：515次标签：数据治理
《从数据治理看医疗大数据的发展》主要分享医疗大数据中数据治理的重要性，并结合具体案例来讲述大数据治理的框架和应用心得。
当前IT现在最头痛的事情之一。就是业务系统显烟囱式，大多在是10到30个之间，那么很明显，医疗信息共享是一个很大的挑战。
当前IT现在最头痛的事情之一。就是业务系统显烟囱式，大多在是10到30个之间，那么很明显，医疗信息共享是一个很大的挑战。
采用医疗大数据来促动医疗信息化发展和医疗管理精细化，第一点是改善患者的就医体验。大家知道为什么阿里巴巴这么受欢迎，你们为什么上淘宝，就是因为购物体验是相当好的。
今天医疗行业面临最大的挑战(政府都差不多)，就是怎么消除数据孤岛。如何通过数据流实现业务流程的优化，去合理规划医疗资源的利用。今天上海市要求二级医院的医生给患者看病不能低于8分钟，但是医生有没有这个耐心的，多花时间与患者交流，这个跟他的绩效考核有关系。那么绩效指标基于什么，基于大数据自然会更科学。
医疗大数据的治理跟流程有关。首先，数据怎么采集进来;第二，数据怎么治理，弄清楚元数据，主数据和数据质量。
以往数据采集有一个很大的问题就是要经过ETL的转化。大家知道增加一个节点就是增加一个噪音，增加噪音就会衰减很多，也会丢很多数据，这就是传统的数据仓库技术正逐步被大数据分析技术替代的原因之一。大数据技术的优点之一，就是可以将源数据全部拿过来，就像韩信点兵一样，多多益善。再通过大数据治理，提高数据质量，为下一步数据处理或开放提供基础。
大数据不仅包括传统数据库里的海量结构化数据，更包含以往的内容管理(即针对非结构数据，如视频、音频、文本、图像和图形)，须做内容的全生命周期管理，这要有一个很重要的流程：怎么做获取，怎么做分类，怎么做处理，怎么做保存。像电子病历、电子健康档案，从你出生那天开始就应该有，也包括父母的，涉及很多遗传病。
再谈谈治理、风控与合规对数据质量的影响。它们可提高数据质量，确保信息的准确性和价值，从而为机构提供可靠和可信的数据。
治理Governance：这包括管理和确保企业数据的可用性、可访问性、质量、一致性、可审计性和安全性所需的流程、政策、标准、结构及技术。测量和监控，以持续证明数据得到保护。
风险管理Risk Management： 风险管理是在机构中部署的协调性活动，用以降低事件的负面影响;如进行敏感数据的定义和分类(如 艾滋);
合规性Compliance：遵守外部法律法规和公司政策与流程的行为以及相关证明。合规性管理是指遵守内部和外部强制性法律法规所需的协调性活动，如HIPPA。数据脱敏，以符合各种合规性标准。
机构比以往任何时候更需要可信赖且高质量的数据，以满足业务治理、风险管理和合规性的需求。机构发现低质量数据会严重影响其支持业务流程、遵守行业法规和作出正确决策的能力，为此，必须通过一系列信息管理计划提高数据质量活动的可见性。
最后，介绍一下在这方面的应用实践。我们做的一个应用实践是来自于一个框架，这个框架在国外是相对比较流行的。第一个是在数据采集和治理应该是混合在一起，第二个在国外做信息化的时候一定有管理工具配套指导的。因为中国从1977年开始高速发展了40年，但整个来讲是比较粗放型的，粗放型带来的副效应是对管理和技术的应用要求并不是太高。那么因为高速的发展也让我们人认为我们管理是非常好的，但目前的新常态语境下的产业升级对技术和管理有更高的要求和需求。第三个就是在机构做大数据应用，必须与业务流程整合，全面预算就是典型的案例。
细节是魔鬼，所以要做精细化一定要关注细节，这也是大数据的强项。刚才讲了管理工具，我们在整个医疗机构引入了平衡计分卡，平衡计分卡在中国医疗行业用的比较少，在国外是比较流行的，发达国家80%医疗机构均利用平衡计分卡做战略管理工具或绩效管理，所以他们互相交流是有一种共性的。平衡计分卡从四个层面来监控机构的整个战略实施：运营层面、患者层面、财务层面和学习成长层面。平衡计分卡还需有一个支撑，知识管理。在整个服务性行业，知识管理是非常重要的，因为要做到知识共享。平衡计分卡最大的好处是平衡计分卡和战略协调结合在一起，最大的特点是衡量你的无形资产。
最后讲一点全面预算。因为中国的企业基本上做全面预算都是基于ERP的，所以企业整个预算是比较规范。中国的政府包括医院做全面预算是基于特定应用的，做预算的时候，每次讨论问题的时候他们都很不是思路很清晰，其根本原因，就是没有数据依据。做预算的时候，首先编制的参考依据就是文档(合规的表现)，基于参考依据在把考核数据放进去，扯皮的时间少，明显可加快预算的速度。前面提到大数据要与业务流程结合，这是一个基本原则，所以我们讲大数据一直强调的是流程。
最后小结一下，如果大数据不能够覆盖全面业务的话，那依然是头痛治头，脚痛治脚。肯定要基于一个管理体系，去整合所有业务。最重要一点，就是大数据最大的目的，是要把想法变成规划，然后把规划变成决策。决策就形成行动。
（部分内容来源网络，如有侵权请联系删除）
立即免费申请产品试用
预约演示
相关文章推荐
-
增强数据管理吸引了更多企业的兴趣
“我认为数据专业人员确实希望机器处理繁琐且计算密集的东西，”Henschen说。“有很多工作要做，让机器处理他们最擅长的事情，这将使人类……查看详情发布时间：2019.03.07来源：亿信华辰浏览量：436次
-
数据治理是中小银行决胜数字化转型成功的关键
未来,银行的资产不是现金等实物,而是“数据”。因此有效的数据治理是银行实现数字化转型的基础。目前,中小银行在业务发展中逐渐积累了大量的内……查看详情发布时间：2019.12.13来源：知乎浏览量：536次
-
什么是敏捷数据管理？敏捷数据管理的技术原则
在大数据的时代，大家都在重视数据存储和大数据相关技术的同时，都开始注重建设数据管理能力。在海量复杂数据的场景下，如果没有有效的管理，那么……查看详情发布时间：2022.03.03来源：小亿浏览量：531次
-
金融服务数据治理：帮助价值'新货币'
对于在金融服务领域运营的组织，数据治理变得越来越重要。当金融服务行业董事会成员和高管在2018年初聚集在安永的金融服务领导峰会时，数据是……查看详情发布时间：2018.12.03来源：Michael Pastore浏览量：418次
-
我国数据资产管理的现状
我国数据资产管理市场发展的主要推动来自政府和大型互联网公司。在国家层面上，正在以政务信息和政府数据管理为切入口，由上至下地推动数据资产管……查看详情发布时间：2020.09.11来源：知乎浏览量：475次
-
大数据时代如何做好数据治理
企业在建制大数据平台的同时，对进入数据湖的数据进行梳理，并按照数据资产目录的形式对外发布。在发布数据资产之后，则对进出数据湖……查看详情发布时间：2018.12.10来源：数据治理浏览量：628次
-
-
2018 数据管理成熟度技术曲线：DataOps、dbPaaS、ML
数据运维（DataOps）、私有云数据库平台即服务（dbPaaS）和具有机器学习（ML）功能的数据管理在2018年Gartner数据管理……查看详情发布时间：2019.03.05来源：亿信华辰浏览量：440次
-
-
如何选择正确的数据治理工具
通过选择和利用具有嵌入式质量控制的智能和工作流驱动的自助数据治理工具，您可以实施可扩展的信任系统。让我们探索一些方法来为您的团队找到合适……查看详情发布时间：2021.06.16来源：亿信数据治理知识库浏览量：485次
相关主题