你已经卖掉了愿景。通过成为一个自助式、数据驱动的医疗保健系统，您将提高底线，并使您的医院系统更具竞争力。你会提高每个病人的护理质量，并允许组织通过定制服务来预测患者的理想膳食选择以及可能的最佳护理结果，从而取消您的患者满意度评分。您已经购买并部署了最新的数据仓库设备和数据管理套件。您已经花了几个月的时间来整合来自您企业各个角落的数据。你的医疗保健服务中心已经为你挑选了数千名优秀的医疗管理人员和专家，他们将向你展示你最性感的医疗服务项目的领导能力你的数据。或许不是。2016年医疗保健分析市场预计在未来5年内将突破99.6亿美元，复合年增长率（CAGR）将达到26%，2021年将达到每年320亿美元。其中61%的投资（即今年超过60亿美元）来自北美医疗保健。相比之下，美国EMR/EHR市场的规模仅为2015年的三分之一，为93亿美元，年增长率为7.1%。然而，尽管有大量的投资和一些非常有前途的轶事，但分析的广泛使用和采用，尤其是自助式BI，感觉它与愿景和潜在价值相去甚远。虽然量化分析工作的价值是出了名的挑战，但我与之交谈过的医疗机构中只有少数几家会告诉你，他们正在从他们的分析平台和投资中获得所需和期望的一切。让我们来看看阻碍完全实现分析投资价值的一些剩余挑战，看看是否有一些共同的根本原因可以解决。整合数据是困难的/资源密集型的：即使大数据技术和技术的广泛采用使得"数据登陆容易"，组织仍然需要大量的实际数据集成工作，以语义和一致的方式将来自无数系统的复杂医疗数据整合到一起，应用程序和数据仓库驻留在组织的内部和外部。有效地使用数据需要了解其过程的"数据地图"以及与其他补充或矛盾的数据的关系。差异不仅仅局限于数据：在数据语义标准化之前，我们必须解决整个组织中语义上的差异。我们仍在研究如何与其他辅助护理部门沟通，因此，在临床护理、收费方式和，新的健康计划在作为一个企业时进行沟通。这些差异从我们如何定义"停留时间"到我们如何在不同部门或设施内组织资源。变化使分析和分析变得更加复杂。我们必须使用精确的语言，透彻的定义，全面的分析解决方案。我们的数据是混乱的：我们都知道医疗数据是复杂的，而且常常充满质量问题。不同临床术语（ICD-10、SNOMED、LOINC、CPT）的复杂性使得定义中风相关诊断的患者变得非常简单，劳动密集型且容易出错。即使使用工具来分析数据以进行评估数据质量，结果通常是抽象的，并且与数据在报表或分析中的使用方式脱节。事实上，许多自助式分析用户没有任何真正的衡量数据质量的标准，他们可能希望将这些数据纳入到他们的分析中，用户变得越来越成熟，他们明白并非所有的数据都具有相同的质量。而且，聪明的用户不太可能依赖质量未知的数据。现在我们把它放在哪里…：许多医疗保健组织在很多方面都面临着信息丰富的尴尬。实际上，企业中所有的EMR/EHR、ERP、CRM、时间报告应用程序和数百个其他系统都提供包分析。工具的激增，以及定制的分析和数据仓库解决方案，意味着挑战已经从"如何获取数据？"到"我在这堆积如山的报告中从哪里找到正确的数据？"不幸的是，太多的组织仍然希望通过自己的方式来解决这个问题。他们相信，如果他们建立足够的报表和仪表盘，他们就能做到这一点。事实是，这种策略只会治标，实际上会加剧用户无法通过向堆中添加更多数据来找到所需信息的根本问题。数据仍然比一个圆滑的分析工具更重要：与当今领先的分析工具一样易于使用和强大，用户仍然必须对数据有一个基本的了解，以便以新的方式应用该工具来发掘见解。门诊理疗经理无法适应住院理疗进度报告如果她不知道在哪里可以找到门诊理疗病例报告数据，她就可以根据门诊需要。虽然以上列出的医疗数据治理计划面临的挑战并非详尽无遗，但这些常见的分析采用挑战将糟糕的数据治理模式确定为一个重要的促成因素。根本原因包括：缺乏数据沿袭业务术语定义不清临床词汇/术语管理不当对数据质量理解不足缺少一致的、可搜索的报表元数据，无法找到正确的信息简单地说，为了提高分析投资的价值，我们需要专注于数据治理。下面的图表代表了可视化的概念。我鼓励您诚实地看待组织目前从您的医疗分析计划中实现的价值，并确定提高价值的机会有多大。任何自我改进努力的第一步都是认识到需要改进。在以后的文章中，我将分享如何以及在哪里集中您的数据治理工作，以增加您的分析计划的价值。