位於美國佛羅里達州的醫療機構BayCare Health System擁有16家醫院、數百個設施和33000名員工，他們非常需要各種數據來改善運營、患者體驗和人口健康，首席資訊官William Walders詳細介紹了他重點致力於使數據價值成為眾包實體，以及為什麼數據素養正在成為必備條件。
數據素養對於BayCare Health System意味著什麼？
這意味著每個團隊成員都要在許可範圍內進行操作。當負責清潔手術室的環境服務團隊通過使用數據快速清理手術室以接納新患者的時候，他們的工作效率就會更高。我們有三分之一的員工是護士，如果我們了解醫院的患者數量和他們需要的護理水平，就可以預測未來的人員需求，就能以更低的成本提供更好的護理服務。
在安排患者預約的時候，如果我們知道爽約患者所占比例的歷史記錄，就可以增加臨床工作人員接診的患者數量。因此，如果我們能夠看到預約時間低背後的數據，就可以制定激勵計劃讓患者預約那些空閒時間段。有了數據素養，我們的團隊就能夠提出正確的問題，使用數據來改進我們的運營。
目前哪些數據對您來說是最重要的？
我們非常關心獲得護理的機會。平均來看，大多數衛生系統從患者需要看醫生到預約需要六周的時間，我們正在使用數據來縮短等待時間。
降低醫療成本是我們的另一個關鍵使命，因此醫療經濟數據非常重要。其次是臨床數據：我們正在投資基因組學以預測癌症，其中包括精準醫療和了解患者是否攜帶某種基因。當我們告訴患者要吃得更健康、多鍛煉以避免心力衰竭的時候，他們並不總是會遵循我們的建議。但通過利用數據建議患者每年而不是每五年進行一次成像檢查是可行的。因此，有很多數據對我們來說都是重要的。
哪些數據推動取得積極的成果，您能舉一些真實例子嗎？
我們獲取財務數據的速度比過去快得多了，因此我們可以每天根據財務決策進行調整。我們加強了患者預約功能，使工作效率提高了30%。衛生系統中第一大收入來源是手術室時間，我們有400個手術室，可以利用數據分析發現特定醫生的周轉時間。例如，我們知道史密斯醫生中午會來，他喜歡床靠近門，這不是我們的標準做法。如果我們做得不對，而頭朝另一端的話，她就會走進來，舉起雙手，說：「我20分鐘後回來」，這個時間會花費我們大約1萬美元，利用數據來理解和規劃這些行為是極其重要的。
您是如何提高組織數據素養的？
一旦我們建立了一個提供數據流動性的數據架構，讓數據可以無處不在，就必須教人們如何使用這個架構。我們提供了基本的儀錶板，顯示住院時間和患者利用率等數據，而且建議他們每天查看這些數據。
這是數據素養的第一個部分：這是我們擁有的數據。對你有幫助嗎？立刻就有60%的人點頭。另外有10%的博士研究人員想要更進一步，我們會為他們做到這一點，但我們的第一步是讓員工使用我們現有的數據。
一旦我們建立了基本的數據素養，就會教人們一些高級數據實踐，培訓他們使用我們的工具我的數據團隊不再是把一天90%的時間花在數據分析表上。我們的員工正在自己做這件事。員工還會共享數據，為彼此構建新的數據集。現在的需求很高，所以我們正在更多地利用數據來解決問題，數據價值已經成為了一種眾包實體。
數據素養的下一步是什麼？
我們擁有獨特且不同的業務範圍：16家醫院、數百家醫療診所、手術中心和零售場所。當我拉動系統這邊的拉杆時，對另一邊意味著什麼？這就是我們目前從素養角度看到的情況，向人們展示多元數據能力、如何相互合作，以及數據素養對整個系統意味著什麼。如果您是患者，您可以前往我們的12個服務中心，我們會很好地引導您完成疾病管理。但是，我們正在採取哪些措施來優化患者體驗並確保在統一的位置計費？我們要做什麼來消除利益摩擦？這就是我們正在努力達到的素養水平，日常工作之外人們也在思考，並且開始提出越來越多的問題。
我們還設定了這樣的期望：如果你擔任的是領導角色，您需要的能力超出了職位描述的範圍，包括項目管理、財務敏銳度和數據素養。這就是我對領導層的要求：你能用數據做點什麼？數據素養正在成為一個就業條件。
您對其他正在構建數據能力的CIO有什麼建議？
當人們開始使用數據做智能事情的時候，需要創建報告標準和版本控制。假設我一個月前提取了數據並將數據放在我的筆記本電腦上。當我準備報告這些數據時，數據已經不再準確了。我們不能讓準確性隨著越來越多的人訪問數據而下降。真理的來源是什麼？你從哪裡得到的數據？有多及時？好的數據程序需要標準和版本控制機制。
為了讓數據項目啟動起來，你還需要展示一些勝利成果。例如，有了正確的數據，我們就可以節省手術時間和數千美元。你必須以業務案例的方式說明為什麼這個項目能夠讓組織從中受益，必須以里程碑的形式講述這個故事。不要只是去索要一大筆錢。你需要分階段的工作，然後報告積極的成果，不要卡在工具上。你只需要以敏捷的方式構建原型，開始交付即可。從那時候起，你的數據能力就會不斷增長的。
另一個需要注意的是「分析癱瘓」。事實上，你所在的組織多年來一直是全天使用數據。首先是要提高你正在使用的數據的價值，在開始之前不必把一切都做到完美。
最後，確保你擁有強大的數據治理。我們的數據治理是我所見過的最好的，我們知道每個資源在哪裡，我們清楚下一個挑戰是什麼，如何根據需要重新確定優先級，獲取我們需要的資源。治理很重要，架構和員工也是一樣。我們絕不是完美的，但我們已經做到了80%。
