OMAHA-OMAHA白皮书第十四期发布：健康医疗数据治理-2019.10-42页_5mb

OMAHA白皮书：健康医疗数据治理总结

核心内容

OMAHA白皮书聚焦于健康医疗数据治理，旨在为医疗机构和相关行业提供一套系统化的数据治理框架和实践指导。随着健康医疗大数据的发展，数据治理成为实现数据价值开发的关键，但在实际应用中仍面临诸多挑战。

主要观点

• 数据治理是通过策略制定和流程规范，明确数据分工和责任人，提升数据在组织内的流通效率与价值。
• 健康医疗数据治理涉及多个关键域，包括数据标准、数据质量、数据安全、元数据管理、数据生存周期、数据流通、数据服务和数据洞察。
• 数据治理的核心在于权责划分与流程设定，而不仅仅是数据质量的提升。
• 当前我国健康医疗数据治理处于起步阶段，缺乏统一的指导框架和成熟的实施机制。
• 数据治理工具的发展趋势是集成化、智能化，但仍需在数据价值体系方面加强。

关键信息

1. 数据治理的定义与范围

• 数据治理是数据资产管理中决策权分配和职责分工的体系，强调流程设定和权责划分。
• 主要数据治理模型包括：DAMA、DGI、IBM和国家标准GB/T 34960.5-2018。
• 国家标准更注重可执行性与落地性，并根据中国国情进行了优化。

2. 健康医疗数据治理背景

• 健康医疗数据是国家重要的战略资源，具有巨大的商业价值和社会价值。
• 但数据质量差、互联互通标准不统一、数据开放程度低、数据资产意识不足等问题严重制约其价值实现。
• 医疗数据分类包括：医疗服务类、健康类、管理和运营类、规则和知识类。

3. 健康医疗数据治理存在的问题

• 方法论层面：缺乏统一的数据治理框架，治理过程尚未形成闭环。
• 技术平台层面：缺乏标准化的数据治理工具，数据资产化管理不足。
• 数据治理缺乏统一的数据归属权、隐私保护、伦理规范等机制。
• 数据流通机制不完善，数据孤岛现象严重，数据共享与交易仍处于初级阶段。

4. 健康医疗数据治理域

(1) 数据标准

• 应制定统一的数据规范，涵盖分类、格式、编码等。
• 我国已有相关标准，但对新兴数据源（如可穿戴设备）适应不足。

(2) 数据质量

• 需建立数据质量管理机制，明确数据质量管理流程和标准。
• 美国已形成成熟的体系，而我国仍以局部数据质量控制为主。

(3) 数据安全

• 数据安全是治理的重要部分，涉及加密、脱敏、访问控制、审计等。
• 国内尚未建立专门的健康医疗数据安全保护法案。

(4) 元数据管理

• 元数据是数据治理的重要支撑，需建立统一的元数据标准和管理机制。
• 中国已有一些元数据管理实践，但尚缺乏系统的整合与标准化。

(5) 数据生存周期

• 数据需在不同阶段进行管理，包括采集、存储、应用、归档和销毁。
• 我国尚未实现健康医疗数据的资产化管理，数据生命周期管理仍不完善。

(6) 数据流通

• 数据流通应合法合规，涉及数据开放共享、交换、交易等。
• 国内数据流通仍受限于制度与技术，缺乏统一的机制和标准。

(7) 数据服务

• 数据服务应覆盖2C和2B场景，支持多样化和个性化服务。
• 国内2B端数据服务发展缓慢，缺乏统一的服务体系和标准。

(8) 数据洞察

• 数据洞察是挖掘数据价值的核心，涉及算法、模型和数据分析。
• 国内数据洞察仍以小范围探索为主，缺乏系统化和标准化。

5. 数据治理工具

• 数据治理工具涵盖数据标准管理、数据质量管理、数据安全管理、元数据管理、数据生命周期管理、主数据管理、数据模型管理。
• 工具功能趋向集成化，如元数据管理平台和主数据管理工具。
• 国内工具多为项目式开发，产品化程度较低，缺乏针对数据价值体系的工具。

健康医疗数据治理实践案例

• 堪萨斯大学医院：通过数据治理提升数据质量与数据流通效率。
• 首都医科大学宣武医院：探索数据治理在实际应用中的效果与挑战。

总结

OMAHA白皮书系统地分析了健康医疗数据治理的现状、挑战和未来发展方向，指出数据治理不仅是一个技术问题，更是一个涉及组织架构、流程设计、权责划分和法律支持的系统工程。在数据治理实践中，应注重方法论与技术工具的结合，并加强数据资产化管理，推动健康医疗数据在更大范围内的流通与应用，实现数据价值的最大化。