近几年来，医疗机构的数字化进程明显的加快，机构内的信息系统越来越多、电子病历不断普及、各方面业务的数字化基本实现。与之相伴随而来的，是海量待挖掘应用的数据。那么，医疗机构如何做好数据治理呢？
医疗机构进行数据治理的过程，就是对其数据资产进行管理和控制，支撑并保障数据被安全高效地交换与应用的过程。接下来主要从6个核心环节来详解医疗机构如何做好数据治理。
环节一：设立数据治理组织结构
设计健全的数据治理组织结构，是全面开展数据治理工作的基础。医疗机构需要成立专门的数据治理或数据管理部门，完成流程和规范制订、数据质量保证和质量控制、流程审批等工作，并对数据使用方和IT设施建设方进行管理。
目前，诸多医院已经专门成立了大数据部门承担这项工作，也有医院将这项工作放在信息科或病案管理室。
环节二：制定数据相关流程规范
制定清晰的数据相关流程规范，有助于帮助实现以下目标：数据有明确和准确的定义；数据有明确的责任方；数据有清晰的存储方式与合理的时间期限；数据加工方法明晰；数据访问方式与控制明确；数据内容符合标准要求与质量要求。
医疗机构的数据规范，主要从三个方面来制定：信息规范、数据规范、流程管理规范。
环节三：搭建数据标准体系
要保证医疗机构各业务部门、系统间的数据的规范性、流通性和共享性，就要搭建统一的数据标准体系。数据治理相关标准分为基础性和应用性标准，包括数据定义与分类（元数据）、主数据、参考数据（数据字典）、数据模型、管理与技术类、质量评估类等内容。
数据治理工作组成员以及业务组人员可参考已有标准，并与现有医疗系统、业务流程相结合，开展医疗健康大数据标准体系的建立、实施、修改等工作。
环节四：元数据管理
针对医院信息系统中存在的数据模式描述文档不全、系统之间数据关联不清晰、系统值域标准不统一等问题，进行元数据管理，是获取业务系统中数据的含义，辅助数据理解，增加分析的敏捷的重要手段。
因此，基于标准建立一个元数据管理系统，可方便地在标准上扩充，并可以关联不同的应用。
元数据管理系统主要由采集层、标准层、分析层和应用接口层组成。采集层从各种医疗信息系统内获取元数据，查看元数据的变化和更新。标准层保存了元数据的标识信息、内容信息与模式信息等。
由于医院信息系统各异，标准层实现了将元数据映射到标准集合以及将不同的元数据进行互操作的功能。分析层主要提供了对元数据的管理、分析与查询。
元数据库与数据源存在对应关系，当用户通过统一入口提交查询服务时，可以根据元数据库提供的特征找到对应的信息资源，重组之后呈现给用户。因此，应用接口层除了提供元数据访问的限制和保护外，同时还服务于各个应用程序。
环节五：主数据管理
在构建主数据管理库时，首先需要从多个异构的业务子系统中以ETL的方式抽取关键数据，然后，利用元数据库对其中的编码、描述进行标准化。
接着，由于多个业务系统的数据可能不一致，还需要通过匹配算法完成对数据的错误消除和信息融合。对于匹配不到的孤立信息，要加以监控跟踪，进行人工处理。同时，以增量学习的方式不断改进匹配算法。最后，将归整好的主数据信息存入主数据库。
环节六：数据质量管理
医疗数据质量问题主要来源于3个方面：原始信息采集有误差、数据融合过程发生问题、与数据的应用场景不匹配。所以，对数据质量的管控，主要从三个方面来进行：数据质量实时监控、数据质量评估以及数据自动修正。
经过这么多年医疗信息化建设，医疗机构的数据量及其复杂性连年攀升，医疗行业的关注焦点已经从信息系统建设延伸到了数据资源管理和利用。
而要实现数据资源的有效利用，数据治理是关键环节。只有更多的数据治理人才加入医疗系统做好数据治理，让数据应用有效支撑医院发展，才能进一步提高医院管理水平，实现数据对医疗业务发展的价值赋能。