数据知识
文章推荐
- 理论支撑：企业财务大数据[2022-06-16]
- 数据治理的时代演变之道[2022-06-15]
- 数据治理的经济分析[2022-06-14]
- 实施数据治理时常犯的10[2022-06-13]
- 数据质量管理办法[2022-06-10]
- 治数VS养数[2022-06-09]
- 华为是怎么做数据治理的[2022-06-09]
- 数据发现对数据治理的重[2022-06-08]
- 工业企业数据治理的八大[2022-06-07]
- 企业数据治理团队的十大[2022-06-06]
告别"多乱差“，数据治理究竟治了些什么
发布时间:[2020-09-04]
来源:HIT思想荟
点击量:
我们在医疗大数据的开发利用过程中，经常会听到有关数据治理的描述。
关于“数据治理”的说法很多，从根本来讲，其核心是以数据资产为中心，维护和提升数据资产的价值。
目前，医院信息化正从以建设信息系统和业务应用为主，转变为以数据资源利用为焦点。在大数据时代的背景下，基于数据的新型应用不断涌现，数据治理已然成为提高公立医院资产管理水平的重要手段。
本文全程从医疗信息化领域的视角，探讨“数据治理”这一概念。
01什么是数据治理？
数据从应用诞生的那一天开始就存在，但是，它与应用的发展是不同步的。起初，人们并不重视数据，数据也就没有被存储/利用。但随着应用的不断演进，对数据准确性的要求也就越来越高。而数据治理的存在，就是为了确保数据的准确性、适度分析。有效的数据治理计划，会通过改进决策/缩减成本/降低风险等方式，将价值回馈到业务层面。所有为了提高数据质量而展开的技术/业务/管理活动，都属于数据治理的范畴。
02随处可见的数据问题
为什么我们需要数据治理？答案跟医疗数据现状有着密切的关系。
国内大大小小的医院，每家都有几十到几百种系统，每个系统都有成百上千张表。这些表的结构非常乱，比如患者的病历信息，零乱到难以搜索筛查。还有就是，PACS里面的影像本身没有做任何的参数调整，所以我们说影像本身的数据是有偏差的。医疗数据本身价值巨大，但是由于不够规范、没有标准，根本无法发挥它的价值，导致了数据很难应用。很多医院将希望寄托于各式各样的信息系统，希望它们能将信息整合在一起，但是结果并不如意。可以说，忽视数据治理给信息化建设带来了不少问题(数据不统一/数据质量难以提升/数据模型梳理难以完成等基础性数据问题）。当数据被集中呈现出来时，人们有些失望地发现，数据杂质很多，错误很多，所谓的“信息标准缺失”，“信息系统孤岛”就是由此而来。
目前医疗数据的现状呈现出了以下几个问题：
● 数据不可知
医院虽然意识到了大数据的重要性，但并不清楚有没有能解决所面临的业务问题的关键数据，以及到哪里去寻找这些数据。
● 数据不可控
数据不可控是从传统数据平台开始就一直存在的问题，在大数据时代表现得更为明显。没有统一的数据标准，导致数据难以集成和统一；没有质量控制，导致数据质量参差不齐，难以被利用。
● 数据不可取
医院即使知道业务所需要的是哪些数据，也不能便捷、自助地拿到数据。况且获取数据需要很长的开发过程，如此漫长的需求响应时间是难以满足业务需求的。
● 数据不可联
医院信息化建设初期，由于缺乏整体规划，系统建设大多都是以业务部门驱动的单体架构系统，数据分散在这些架构不统一/开发语言不一致/数据库多样化的系统中，导致内部形成了一个个的“信息孤岛”。这些“孤岛”之间缺乏有效的连接通道，数据不能互联互通，交换和共享困难，不能对数据进行自助的探索和挖掘，数据的深层价值难以体现。我们希望通过整合医疗数据，规范医疗数据，形成医疗数据的通用语言，让它更方便的检索和分析。但这些对于医疗数据应用的美好设想，都是建立在本身拥有优质数据的前提下，倘若不做数据治理和数据共享，是很难实现的。
03数据治理如何实施？
医疗机构本身就是依托数据开展业务的单位，如果把医院的数据资源利用比作一架飞机，那么数据治理就是飞机的双翼。
目前，医疗数据已从一种资源上升到资产。在保证资产安全的前提下，如何通过一系列的开发、管理把资产价值发挥出来，是非常重要的一项课题。医院数据治理被定义为：医院对其数据资产的管理和控制，支撑并保障数据被安全、高效地交换与使用，下图展示了医院数据治理体系。
（医疗数据的现状，请横屏观看。）
搭建数据治理体系时，需要注意以下四个方面：
一，组织与人员机构管理
医院需要成立专门的数据管理部门，完成流程和规范的制定、数据质量保证和质量控制、流程审批等工作。目前，诸多医院已经成立了专门的大数据部门，也有医院将这项工作放在信息科或病案管理室。
二，规范管理
包括流程管理规范/流程支撑规范/信息规范/数据规范。
● 流程管理规范：
用来规定何人在何种应用场景下，通过何人的审批可以操作何种类型的数据。这样做的好处有两点，首先，规范了人员/角色的配置与管理，确定数据标准/更新维护/数据质量跟踪等由谁完成。其次，规范了各种审批流程。
● 流程支撑规范：
依据审批流程，临床科室可以作为数据使用方提交数据使用要求，大数据管理部门作为数据管理方进行审批。但是，审批过程缺乏详细的附加规范，比如不同角色的人员如何协作完成工作/何种职责的科室在何种情形下可以导出数据等等，这些都需要通过制定流程支撑规范来实现。除此之外，特定的流程需要特定的流程支撑规范，比如，科研流程不是简单的数据导出，通常需要多次的数据字段细化、数据清洗和融合，面向特定任务建立流程支撑规范，可以确保信息科/数据管理部门/临床医生之间的有效协同。
● 信息规范：
包含隐私、数据权限管控规范/质量评估规范。
● 数据规范：
包括不同业务系统，如电子病历数据规范、医院信息系统数据规范。对于数据整合过程和整合后的系统来说，需要主数据/元数据规范等相关的数据质量规范。
以上规范的制定有助于完成以下目标：数据有明确的定义；数据有明确的责任方；数据有清晰的存储方式与合理的时间期限；数据加工方法明晰；数据访问方式与控制明确；数据内容符合质量要求。
三，平台，工具，关键技术
数据治理需要有相应的平台与工具支持，数据清洗过程需要抽取—转换—加载（ETL技术）、文本结构化工具等。大数据管理需要支持多种存储机制，管理平台需要包含元数据管理/数据权限管理/审批流程管理/数据质量评估/数据质量监控等工具。
四，元数据管理
元数据（Meta Data）是什么玩意呢？
百科上给出的定义：元数据就是是描述数据的数据。这么说很抽象，缺乏相应技术背景的同学，可能当场就懵了。这种情况发生并不奇怪，其实是一个关于知识的怪圈：我们知晓某件事情，向不了解的人描述时却很难讲清楚。
我们不妨借用一个比喻来理解元数据：对于一个人来说，户口本就是他的信息登记册：有姓名，年龄，性别、身份证号码，住址等等，除了这些基本的描述信息之外，还有血缘关系等等。所有信息加起来，构成对这个人的全面描述。这些信息，我们都可以称之为这个人的元数据。同理，如果我们要描述清楚一个实际的数据，以某张表为例，我们需要知道表名、存储的物理位置、主键、索引、这张表与其他表之间的关系等等。这些信息加起来，就是这张表的元数据。这么一类比，我们对元数据的概念就清楚很多了：元数据就相当于数据的户口本。
目前医院信息系统中存在数据模式描述文档不全/数据关联不清晰/系统值域标准不统一等问题，这对数据的集成造成了极大的困扰。因此，需要通过元数据管理获取业务系统中数据的含义，辅助数据理解，增加分析敏捷性。有了元数据管理，就可以提高数据的可访问性/一致性/可用性，并且为多种来源数据的整合搭建桥梁。
元数据管理是数据治理的核心和基础。
当数据以真实面目呈现在我们面前，我们要做的不是抱怨和质疑，而是要将这种质疑，转变为对结果产生的溯源。
面对当前信息化沉淀下的“数据果实”，我们要反思，在现有的信息化建设中有多少顶层设计，当初关注点只是聚焦在了建设上，而忽视了应用和治理。思考之后，我们需要落实到行动。数据治理不仅仅是治理数据生成的工具，还要治理数据生产的业务流程，这种治理能给我们带来的惊喜，除了准确好用的数据以外，还有精细化协作场景等等。正如那句老话，建设固然重要，但应用才是目标。信息化产品就好比农业收割机，数据则是粮食。收割机只是农民耕种的工具之一，想要获得丰收，最重要的不是工具，而是精心耕耘庄稼。
