大数据本身不会改变治理方法或框架。大数据不仅与数据有关 - 它还关注管理和管理大量不同类型的内容，例如视频，图像，语音等。
仍需要分配责任和决策权；清晰的规则，流程，控件仍然需要识别并制定到位；并确保仍然需要维护信息访问的可用性和及时性。但是，大数据以其庞大的体积及其主要的非结构性性质，要求治理调整和调整所制定的实际组件，以有效地控制它并从中提取价值。
医疗保健中的大数据对治理计划提出了自身的挑战。准确性不容易验证，并且不能总是保证源的可靠性。
然而，这种多样化的数据，内容和知识仍然必须以这种方式来确保适当的监管合规性，并确保从中收集的信息值得信赖。
分类，建模和映射的机制必须适应信息和内容的数量和非结构化性质，并且必须制定相关规则以解决质量和隐私问题。例如，这可能需要降低准确性阈值，同时仍保持可接受的风险基线。可能需要解决存储和保留问题，包括解决隐私问题，并确保可能包含敏感和个人健康信息的非结构化信息。
所有这些问题意味着治理规则和控制措施的发展，定义和执行将需要组织的业务和技术方面的广泛参与和协作。
治理计划必须既有强大又敏捷，才能能够对非结构化数据，内容和知识的数量和速度做出反应，以确保与传统结构化数据相比，它受到相同的注意力（或更多）。尽管大数据对治理计划构成了挑战，但不应将其用作无法通过有效的规则和控制的信息，知识和内容完整性确保信息，知识和内容完整性的借口。
这个博客是由马克·斯坦巴赫和Priyal Patel。
要了解有关医疗保健治理的重生，以及探索对患者和组织运营的趋势和影响的更多信息，您可以下载下面的指南。
