Ключевые рекомендации для эффективного Data Governance в медицинских организациях
О том, какие ошибки чаще всего допускаются при реализации Data Governance (DG) в медицинских организациях и как их избежать, рассказывает Барб Бернардини (эксперт по Data Governance в Informatica).
Большие ожидания и путь к провалу
К сожалению, во многих медицинских организациях нет хорошего понимания корпоративных данных, а большая часть сведений плохо задокументирована. Это приводит к тому, что отчётности и аналитике не всегда можно доверять и принимать на их основе управленческие решения. Вместо того, чтобы стать ценным активом, данные используются скорее, чтобы по факту подкрепить уже принятые решения.
Многие медицинские организации в той или иной мере уже пытались внедрить у себя Data Governance. Обычно такие попытки начинаются сверху, инициируются руководством. Предполагается, что эти попытки должны охватить сразу всю компанию и все её данные и раз и навсегда решить проблему с качеством корпоративной информации. Чаще всего такой подход приводит к провалу и ещё больше снижает ожидания от эффективности Data Governance как методологии.
А ведь начинаться может всё с очень большой помпой. Создаются комитеты со сложной иерархичной структурой, в которые входят даже руководители компании. Проводятся регулярные встречи, на которых обсуждается текущее положение дел и проблемы, а также разрабатываются планы дальнейших действий. Но со временем ключевые члены таких комитетов начинают пропускать всё больше и больше встреч, потому что они на самом деле никогда не верили в то, что Data Governance сможет принести пользу именно им. На самом деле эти члены участвовали в комитете, потому что чувствовали, что должны это делать, а не потому, что это было их ключевым приоритетом. Оказывается, что никто не несёт конечной ответственности за программу Data Governance, результатов никаких добиться не удаётся, и комитет исчезает сам по себе через 9-18 месяцев.
Как преодолеть самые крупные трудности при внедрении Data Governance
В чём же причина таких неудач? Большинство инициаторов проектов Data Governance искренне верит, что оптимален централизованный подход «сверху вниз». Такой подход подразумевает, что сотрудникам в компании будет сказано, какое значение имеют данные и как их стоит использовать. Ещё одна причина провала в том, что компании стремятся сразу внедрить Data Governance для всех доменов данных, при этом стараясь одновременно описать все термины в организации. Затруднения могут возникать и при желание подвести под каждый термин одно единственное описание.
Но если такой подход не верен, то чем его заменить? Прежде всего, нужно помнить, что для проектов Data Governance важна совместная работа. Практически все сотрудники вашей компании (а также сотрудники компаний-партнёров, клиенты и прочее) создают, используют, изменяют и потребляют данные. У них может быть чёткое понимание того, какую пользу приносит им та или иная информация, как она помогает осуществлять процессы и принимать те или иные решения. Также сотрудники, которые напрямую работают с данными, хорошо представляют недостатки тех сведений, которые есть у них в наличии, и уже потратили множество рабочих часов на улучшение качества информации. Именно этим вашим коллегам приходится постоянно сталкиваться с тем, что данные не совпадают в разных отчётах. Именно они хорошо знакомы с требованиями регуляторов, процессами фильтрации и агрегирования информации для формирования отчётности.
Поэтому люди, которые работают с данными в вашей компании, должны стать героями проекта по Data Governance. Им не нужно пытаться объяснять, зачем им нужно более эффективное управление данными. Вместо этого постарайтесь вовлечь этих сотрудников в своей проект: попросите их поделиться своим опытом работы с информацией и задокументировать его. Консолидируйте этот опыт, чтобы выделить приоритетные бизнес-процессы и решения, для которых особенно важны данные.
Data Governance в компании должно быть «ровно столько, сколько нужно». Другими словами, применяйте DG только к тем данным, которые кто-то использует, и только в том объёме, в котором это необходимо сейчас. Не нужно начинать новый проект Data Governance или внедрять эту методику в масштабах всей компании до тех пор, пока ваши результаты в первом проекте не позволили вам добиться реальных результатов, поддержки руководства и заинтересованных сотрудников компании. С каких данных можно начать? Например, с тех, которые используются для финансовой моделей прогнозирования прибыли компании или прогнозирования риска повторной госпитализации.
Такой подход имеет множество преимуществ. Он позволит вам быстро выделить данные и термины, управление которыми имеет ключевое значение для вашей организации. Вы также поймёте, до какой степени нужно управление в каждом конкретном случае. Так, если те или иные сведения пойдут в отчёт с детализацией до года или месяца, то не стоит уделять большого внимания тому, какие именно показатели наблюдались в отдельный час или отдельную минуту. (Поверьте мне, будут кто-то из коллег обязательно будет просить спорить и просить детализацию до секунд, даже если это на самом деле не нужно).
Старые подходы к Data Governance подразумевали разделение всех корпоративных данных на домены (биллинговые данные, клинические данные, данные пациентов и прочее). После такого разделения предлагалось разработать план на несколько лет для внедрения Data Governance для каждого отдельного домена. Такой подход с самого начала был обречён на провал: фокус был на данных, а не на том, как и почему они используются.
Большая часть аналитики и отчётности в медицинских организациях нельзя подготовить, используя данные только одного домена. Можете ли вы припомнить случай, когда кто-то использовал административную информацию о пациентах без клинических данных об их состоянии? При этом в каждом домене есть большой объём информации, который практически никогда не используется. Так зачем тратить ресурсы на то, что практически никому не нужно и никогда не принесёт понятной выгоды вашей компании?
Также стоит помнить, что не всегда для каждого термина можно подобрать одно единственное определение. Цель Data Governance – собрать основные варианты определений, стандартизировать их, унифицировать, где это нужно. Иногда для каких-то терминов придётся оставить несколько унифицированных определений.
Так, для разных видов отчётности (регуляторной, отчётности по качеству лечения и прочее) скорее всего придётся оставить несколько определений термина «продолжительность госпитализации». Главное – не забудьте аккуратно описать разные сценарии использования, которые соответствуют разным определениям термина. Должно быть понятно, что значат те или иные данные в том или ином контексте.
Используйте современный подход к Data Governance
Современный подход к Data Governance учитывает ошибки прошлого и позволяет компаниям сравнительно быстро извлекать выгоду. Скорее всего, вы уже слышали про принцип: «думай масштабно, но начинай с малого». Именно так вам и стоит действовать относительно Data Governance. Начните с малого и сконцентрируйтесь на достижении пусть не больших, но реальных результатов. Сфокусируйте ресурсы и своё внимание на краткосрочной и видимой пользе для бизнеса. Выберете для себя какой-то клинический или бизнес-кейс, для которого важны данные. Примените методики DG к этому кейсу и постарайтесь точно измерить результаты от такого применения. Первые успехи позволят создать правильную динамику.
При этом не забывайте планировать по-крупному. Помните, что именно Data Governance позволяет обеспечить надёжность данных, что так важно для цифровой трансформации медицинской компании. Надёжность всех корпоративных данных для таких организаций – ключевая задача.
Обновлено: 01.03.2023
Опубликовано: 07.12.2020