数据管理

　　现在，数据的价值越来越被人们认可了，尤其是医疗数据据说价值更高，所以呢各方人马都想利用数据做点啥。可当我们开始把数据汇总起来时，常常会尴尬的发现，数据根本用不起来。于是如何把数据管理好，又成了一个新的课题。

　　数据管理能力成熟度模型

　　2018年3月，国家标准化委员会发布了数据管理能力成熟度评估模型（GB/T 36073-2018）（简称DCMM），该标准不仅能够帮助各个组织找到数据战略聚焦点，也能帮助我们认清管理现状，找到管理差距，明确建设方向，做好数据规划。

　　在这里，数据管理能力指的是：组织和机构对数据进行管理和应用的能力。该标准将从8个能力域“数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生命周期”进行评估，这8个核心域下又包含了28个具体的能力项，从多维度对数据的管理能力提出了要求。

　　八个核心域

　　八个核心域及28个过程域内容

　　数据管理能力成熟度等级划分

　　模型将成熟度分为5个等级，包括初始级、受管理级、稳健级、量化管理级和优化级。

　　成熟度等级的定义—初始级

　　数据需求的管理主要是在项目级体现，没有统一的管理流程，主要是被动式管理，

　　具体特征如下：

　　a) 组织在制定战略决策时，未获得充分的数据支持；

　　b) 没有正式的数据规划、数据架构设计、数据管理组织和流程等；

　　c) 业务系统各自管理自己的数据，各业务系统之间的数据存在不一致现象，组织未意识到数据管理或者数据质量的重要性；

　　d) 数据管理仅根据项目实施的周期进行，无法核算数据维护、管理的成本。

　　成熟度等级的定义—受管理级

　　组织已意识到数据是资产，根据管理策略的要求制定了管理流程，指定了相关人员进行初步管理，具体特征如下：

　　a) 意识到数据的重要性，并制定部分数据管理规范，设置了相关岗位；

　　b) 意识到数据质量和数据孤岛是一个重要的管理问题，但目前没有解决问题的办法；

　　c) 组织进行了初步的数据集成工作，尝试整合各业务系统的数据，设计了相关数据模型和管理岗位；

　　d) 开始进行了一些重要数据的文档工作，对重要数据的安全、风险等方面设计相关管理措施。

　　成熟度等级的定义—稳健级

　　数据已被当做实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程，促进数据管理的规范化，具体特征如下：

　　a) 意识到数据的价值，在组织内部建立了数据管理的规章和制度；

　　b) 数据的管理以及应用能结合组织的业务战略、经营管理需求以及外部监管需求；

　　c) 建立了相关数据管理组织、管理流程，能推动组织内各部门按流程开展工作；

　　d) 组织在日常的决策、业务开展过程中能获取数据支持，明显提升工作效率；

　　e) 参与行业数据管理相关培训，具备数据管理人员。

　　成熟度等级的定义—量化管理级

　　数据被认为是获取竞争优势的重要资源，数据管理的效率能量化分析和监控，具体特征如下：

　　a) 组织层面认识到数据是组织的战略资产，了解数据在流程优化、绩效提升等方面的重要作用，在制定组织业务战略的时候可获得相关数据的支持；

　　b) 在组织层面建立了可量化的评估指标体系，可准确测量数据管理流程的效率并及时优化；

　　c) 参与国家、行业等相关标准的制定工作；

　　d) 组织内部定期开展数据管理、应用相关的培训工作；

　　e) 在数据管理、应用的过程中充分借鉴了行业最佳案例以及国家标准、行业标准等外部资源，促进组织本身的数据管理、应用的提升。

　　成熟度等级的定义—优化级

　　数据被认为是组织生存和发展的基础，相关管理流程能实时优化，能在行业内进行最佳实践分享，具体特征如下：

　　a) 组织将数据作为核心竞争力，利用数据创造更多的价值和提升改善组织的效率；

　　b) 能主导国家、行业等相关标准的制定工作；

　　c) 能将组织自身数据管理能力建设的经验作为行业最佳案例进行推广。

　　从这五级我们来反思一下自己单位数据管理水平吧。

　　标准中反复强调的是，数据管理能力是一个组织一个机构的数据管理职责，而不只是信息管理部门的职责。在组织内部，数据来源及管理者可能涉及多科室，因此才有必要在组织最高层给予明确。具体到医院就是，数据管理职责应该是信息时代医院的职责而不仅是信息科的职责。当然信息科利用好此项能力，将会极大提升信息科话语权。

　　很多医院目前都还处于数据管理的初始级，数据也只是随着各个业务系统在进行定义，缺乏统一的定义和规划，这就造成了当把各个系统的数据汇总起来，会出现各种千奇百怪的现象。如果前期不把数据字典统一和规范了，无论采用什么大数据技术，都难以将数据价值提升。

　　标准中尤其提到，应该设立专门的数据管理岗位，制订制度、流程和规范，做好数据规划和数据安全管理，持续不断的规范才能提升数据质量。数据质量的提升还要与数据应用（医疗业务）紧密结合起来，动态的去监管数据质量而不是仅仅保证静态数据的完美。