全球醫療行業分析市場規模呈指數級增長，Fortune Business Insights 預計到 2026 年將達到 802.1 億美元。需要 TB 級數據來支持挽救生命的臨床決策的復雜分析解決方案已成為醫療行業工具包的重要組成部分。同時，由于醫療行業的數據量在 2021 年達到歷史最高水平，給提供者帶來了許多挑戰。

例如：醫療行業應如何存儲所有這些數據？如何在保護這些敏感數據的同時為患者和組織自己謀取利益？……，大多數這些問題的答案在于數據治理領域。

利用醫療行業數據分析管理軟件開發，醫療行業組織經常忽略分析有效結果所必需的實踐。即使是最好的數據分析解決方案在運行質量差的數據時也無法提供可靠的見解。因此，為了充分利用您的創新數據分析軟件，我們建議您事先制定數據治理策略，以確保數據質量和安全。

01 醫療行業的數據治理?

數據治理是一組確保安全有效地使用數據的實踐。醫療行業處理的數據具有多樣性，包括：患者的個人詳細信息和健康記錄、檢查結果、計費和保險信息、MRI、X 射線和心電圖、藥物處方和其他醫療信息。由于其敏感性，該數據應在數據生命周期的每個階段都需要得到保護并正確處理，以便用于業務和臨床決策。

信息治理 vs 數據治理 vs 數據管理?

鑒于醫療領域的數據量大且類型多樣，因此可以通過多種方式對其進行處理也就不足為奇了。通常很難在它們之間劃清界限，因為它們可能重疊、涉及相關流程或由相同的專家執行。為避免概念的混淆，我們先解釋一下數據治理領域最常用的相關術語之間的區別。?

1、信息治理IGI 將信息治理定義為組織用來最大化其信息價值的同時最小化相關風險和成本的活動和技術。它通常是處理已收集的數據，例如基于測試結果的醫療建議列表。

2、數據治理數據治理是更大的信息治理戰略的一部分，主要由組織的 IT 部門執行，并處理單個數字及其來源。它包含旨在保持數據可靠、結構化、可訪問和受保護的所有活動。

3、數據管理數據管理是對數據執行的操作的組合。它受數據治理原則的約束。例如，根據數據治理指南收集、處理和處置患者的個人和保險信息、測試結果、藥物處方等。

雖然這三個概念之間的區別對于普通的醫療行業的工作者來說可能顯得微不足道，但醫療數據專業人員能夠區分這些概念卻至關重要！

02 醫療行業數據治理的好處

健康數據在許多方面從其他數據類型中脫穎而出。但最重要的是，醫療數據取決于其質量、安全性和醫療行業專業人員的可訪問性。出于多種原因，這使得醫療行業中的數據治理至關重要。

1. 更好的臨床和商業決策

為了讓分析從數據中獲得有意義的見解，它應該滿足許多要求。否則，醫學分析結果將無法顯示決策者在制定護理計劃或業務戰略時可以依賴的真實情況。

根據美國健康信息管理協會和其他知名來源，高質量的醫療數據應該是：

準確或最新且無錯誤 一致，來自相同來源的元素以相同方式格式化 可靠，來自經過驗證的數據來源 全面，?明確定義和呈現所有必需的元素 精確，具有適當級別的詳細信息并以特定格式收集 與收集它的目的相關 數據治理有助于確保醫療行業的企業處理的所有數據都符合上述標準。它是通過從入口點格式化和構建數據的軟件以及監督和調整這些工具并在需要時驗證數據源的員工的共同努力來實現的。遵循質量要求，可以立即處理數據，無需額外的結構化和驗證。

2. 加強跨部門溝通

醫療行業的主要問題之一是數據孤島。患者在拜訪不同的專家時被迫一次又一次地提供他們的信息，因為這些數據永遠不會離開特定的醫生的辦公室。這種既定的做法不僅令人厭煩，而且還增加了打字錯誤和信息錯位的風險。更重要的是，它浪費了本可以為患者提供服務的醫療專業人員的時間。

作為數據治理框架不可或缺的一部分的數據標準化，可以解決這個問題。數據標準意味著一組規則，定義應如何收集數據以及從哪些來源收集數據，這使其適用于部門和醫療組織之間的共享。這就是為什么國家衛生信息技術協調辦公室 (ONC) 對用于機構內部和機構之間的護理工作流程的結構化健康信息提出了要求。

3. 個人數據保護 醫療行業中的大多數數據屬于 PII（個人身份信息）或 PHI（受保護的健康信息）。根據最近的 PEW 調查，近 62% 的患者擔心其信息的安全性，而 Statista 的 2022 年調查顯示，73% 的患者愿意與特定組織共享信息。為了解決這兩種情緒，醫療行業的數據擁有者應保證數據安全，否則可能會失去聲譽和資金。截至目前，數據泄露給醫療行業帶來的損失比其他任何行業都高。

數據治理嚴格規范數據的存儲和傳輸方式。其指導方針允許醫療保健組織使用具有適當安全級別的軟件進行數據處理，并包括針對員工的嚴格數據處理要求和制度。

4. 提高合規性

由于上述醫療行業數據的敏感性，國家對其進行了非常嚴格的監管。盡管美國主要的數據保護法規 HIPAA 是在 90 年代頒布的，但許多機構仍然難以遵守它。除了 HIPAA，美國和歐盟還有許多其他關于數據管理和存儲的規則，這些規則甚至更難以遵循。

已建立數據治理工作流程的組織降低了不遵守法規的風險，因此他們可能會被罰款。該框架要求用于處理醫療保健數據的醫療軟件在設計上符合法規。此外，數據治理專家應隨時了解當前的監管措施并相應地更新組織的戰略。03 數據治理：3 個主要組成部分

如您所見，每天處理大量數據的醫療組織將從實施數據治理策略中獲益良多。然而，一個好的數據戰略并不容易建立，因為它需要三個組成部分的協同作用。

1. 技術組件

技術組件是實現高質量數據生成、共享和使用的第一個前沿領域。因此，如果沒有以下內容，就不可能建立有效的數據治理策略：

醫院軟件基礎設施遵守全球開放、可互操作和實用的存儲和傳輸醫療數據標準。 實施現代數據安全和隱私增強技術。 不斷更新的數據可視化和共享工具。 正確編寫和共享符合全球標準的元數據。?

2.支撐組件

支撐組件有助于監督和指導數據治理活動。這意味著創建一個領導團隊，將在整個公司嵌入強大的數據治理和協作工作流程。該團隊成員應采取的全組織行動包括：

使公司數據治理戰略與全球和本地數據法規保持一致。 建立對其有效執行所需的戰略和步驟的信任。 確保該策略符合醫療行業和特定地區的道德規范。 向員工和患者傳達數據治理要求，并確保數據治理流程和目標的透明度。?

3. 法律成分

法律組成部分代表問責機制。雖然結構性組件制定了明確的指導方針，規范了數據的收集、處理、使用和處置方式，并告知所有參與者有關數據指導規則和最佳實踐的信息，但法律組件強制遵守這些規則。

04 醫療行業的數據治理策略

擁有所有組件是成功數據治理策略的一半，其余的取決于實施策略的正確執行。

步驟 1. 概述業務目標并設定優先級

數據治理策略不應該是自我放縱的，但它也不存在于真空中。相反，它必須根據公司整體的需求進行統一規劃，考慮到不同部門的需要和具體情況。根據特定醫療保健公司的專業（醫院、私人醫生、保險代理人、藥房等），其目標可能會有很大差異。在此階段，數據治理專家應與業務開發團隊密切合作，以便根據您的業務目標正確確定數據治理策略的優先級和用例。

步驟 2. 了解數據類型和域

在確定了您計劃實現的具體目標之后，您可以清楚地看到需要管理哪些數據以及它來自哪些來源。

例如，如果您的目標是更有效地與患者互動，那么最需要關注的數據將是：? 患者的人口統計信息 實驗室和檢驗結果 患者就診的臨床總結 治療計劃 患者反饋 與聯絡中心專家的談話記錄 聊天機器人場景和結果 簡而言之，您將需要管理與患者與組織之間的交互相關的所有數據。它通常來自患者門戶、HIS、EHR、CRM、可穿戴設備、電話對話等，因此您的數據治理策略也應該包含這些來源。

步驟 3. 分配角色和職責

既然您知道您的策略關注哪些數據，那么是時候創建一個由數據治理專業人員組成的核心團隊了，他們了解這些數據的背景。例如，如果您專注于與心血管疾病相關的數據，那么聘請主要從事整形外科工作的專家并不是一個好主意。最好的團隊是一個自組織的團隊，其成員能夠自行建立流程并向決策者提供戰略建議。

步驟 4. 建立標準和政策

實踐表明，每天處理數據的專業人員可以就最合適的數據治理措施提供有價值的見解，幫助制定公司范圍的戰略。從戰略制定開始到最終實施，相關部門的數據專家之間的協作至關重要。應根據組織的目標、上述數據治理組件和專家的反饋制定標準和政策。

步驟 5. 監控結果?

在實施戰略并設置所有必要的流程后，請務必密切關注這些變化如何影響您公司的績效。最好的方法是跟蹤反映數據治理策略導致的變化的指標： 提高數據質量得分 更少的風險事件 改進了您在開始時設置的 KPI（例如，患者參與度）?

05 醫療行業數據治理的挑戰和成功因素

在實施數據治理策略的過程中會遇到一些困難。大多數醫療保健公司在此過程中都遇到了類似的困難，因此最好提前探索并找到解決方案。

挑戰	成功因素
抗拒改變 還記得你上次嘗試早上開始做瑜伽是什么時候嗎？沒那么順利吧？改變習慣對個人來說很難，更不用說整個組織了。	改變應該激發 如果員工清楚地了解自己對組織和自己的價值，他們將更愿意投入時間和精力來遵循新的指導方針并熟悉其他工具。
跨部門溝通不暢 臨床醫生、會計師、銷售人員、采購專家、IT 專家和業務開發專家使用不同的語言，并不總是了解彼此的需求。	創建一個多專業的領導團隊 理想情況下，領導團隊應該包括來自各個領域的專家，他們可以進一步教育他們的同事有關數據治理的知識。此外，通過協作制定數據治理指南，這個多元化的團隊可以在各自的部門實施這些指南。
醫療保健數據的復雜性 非結構化醫療保健數據的數量呈指數級增長：臨床記錄、來自 EHR 的信息、測試結果和醫學圖像、來自醫療設備的數據以及移動健康應用程序，這使得組織和管理變得更加困難。	大數據方法 如果您的醫療保健公司需要在短時間內收集大量數據，最好采用專門為大數據治理和管理開發的工具和策略。
專家們已經忙得不可開交 應該站在數據治理實施前沿的人是您的頂級專家，通常非常忙碌。	明確定義您的目的和優先事項 確保需要高技能專業人士關注的每一項舉措都能為公司帶來切實的價值。制定一個責任矩陣，使知名專家能夠委派其他人可以完成的數據治理任務。

結論：讓數據保持清潔

數據治理是一個復雜的主題，涉及各種工具和流程。然而，它的意義和價值并不總是對所有員工都很明顯，這使得企業不僅難以實施數據治理，而且難以激勵員工遵守其規則。更重要的是，它還沒有完全建立起來，因為它的最佳實踐和法規仍在醫療行業內制定。

但是，在您的公司中擁有良好的數據治理策略可以比作在新冠疫情大流行期間洗手。遵循規則并堅持嚴格定義的工作流程可能并不有趣，人們可能不會立即注意到結果，但這對于整個組織的福祉至關重要。因此，就像個人衛生的情況一樣，公司領導必須首先對員工進行數據治理教育，概述其對公司和每個部門的價值，然后才能著手實施。作者：Inga Shugalo，一名醫療行業的數據分析師。本文由CDO之家，Eden（一燈）翻譯和整理。