随着医疗保健提供者探索更多的人工智能解决方案，他们需要确保其数据处于最佳状态。
医疗保健组织依赖许多核心应用程序来维持运营，包括电子健康记录系统、客户关系管理工具和企业资源规划解决方案等。他们在这些应用程序上进行了大量投资，并通过它们捕获了许多有价值的数据。不幸的是，这意味着数据被孤立在不相连的环境中，无法用于更广泛的可操作洞察。
随着医疗保健组织探索人工智能在其工作流程中的作用，特别是在预算紧张的情况下支持过度劳累的临床团队时，数据质量和治理仍然是主要关注领域。各行各业的组织都在审查其数据工作，以准备实施生成式人工智能解决方案。2024年哈佛商业评论分析服务的一项由亚马逊网络服务赞助的研究发现，49%的受访者正在改进数据质量和清理，41%的受访者正在加强数据治理政策和标准。
医疗保健领域也不例外，随着人工智能成为首要考虑事项，良好的数据策略的重要性只会增加。
评估您当前的数据成熟度
组织规模可能会影响其对数据的方法（例如，是否有足够的团队成员或财务资源来管理数据），但关键因素是整体数据成熟度，无论您是否已建立数据治理或现有的分析能力。大型组织在某些情况下可能具有优势，但如果小型组织具有更先进的数据成熟度，它们也可以表现出色。
有许多框架可以帮助组织评估其准备情况。更新后的HIMSS Analytics成熟度评估模型旨在帮助提供商为人工智能采用做好准备。Gartner也提供了更通用的基准资源。通常，与合作伙伴合作是评估您当前数据方法的最佳方式。
一旦您充分利用了核心供应商在其解决方案中启用的数据管理和分析功能，将您的应用程序增强并整合到现代数据平台中也可能非常有价值。
现在也是时候更多地依赖云和更现代的数据收集、管理、存储和移动方法，通过数据平台现代化来实现这一点。
专注于数据治理的人文方面
数据治理为组织如何将数据视为资产奠定了基础，这涉及数据如何被管理、保护和使用。它不应该是一个附加考虑；它需要成为组织的核心部分。它还允许业务和技术团队在数据方面进行更多的连接，并明确和重新分配责任。
组织通常可以在人工智能治理的同时成熟数据治理，因为人工智能解决方案需要有效的数据。人工智能治理包括针对偏见、透明度和与工具相关的风险的标准和方法；这些与数据治理的原则和实践相一致。
而且，治理的人文方面不容忽视。组织需要与将依赖此类解决方案并需要数据的利益相关者进行沟通和直接参与。为了准备人工智能实施，需要什么样的培训和教育？解决方案如何使团队成员从常规任务转移到更高层次的工作？评估特定工作流程解决方案的过程是什么？
这一变化的一部分包括文化转变。虽然团队成员对新技术感到不安是正常的，但组织需要清楚地传达对人工智能的期望，并尝试具体的用例。营造一个开放接受变化而不是害怕未知未来的环境。明确说明用例，以便您可以估算投资回报率，然后实际测量该投资回报率。
能够传达技术与其将影响的业务或临床流程之间的有意义联系，是每个组织在未来成功进行数据和分析工作所需的基本技能。
(全文结束)
