这些意愿都很好，但关键在于从何开始？大多数医疗数据仍然非结构化的专有的和孤立的——为此创建一个临床数据仓库是一件非常复杂的事情，这让医疗行业CIO常常不能自圆其说。

幸运的是，可以从医疗行业大数据实践中来吸取教训。下面是是那些一直在该行业从事大数据应用的供应商所讲述的工作和生活的故事。

据Mayo诊所James Buntrock回忆，医疗机构只是简单添加应用程序和数据库、端对端接口时，其结果是，最终断开与数据仓库连接的多如牛毛。

Buntrock表示，与其关注关注App，不如采用以数据为中心方法，把数据作为研究、临床等需求的重要资产。将业务目标与IT紧密结合，像传统商业智能应用那样，对信息数据进行挖掘。

Group Health公司Gwn O'Keefe医生表示，医疗机构也需要高效的分析模型，也需要提供前端业务管理仪表盘或者面板，以提供更好的可视化衡量标准。一旦具备了这样的条件，医疗机构可以添加外部数据(从供应商以及患者)用于内部的临床、实施预测分析和使用后续的数据分析，推动临床和业务变化。

没有什么是免费的 - 但如果应对得当，也可以保证终身使用。当然医疗行业CIO必须卖IT给高管。但涉及到分析，O'Keefe建议首先找到需要解决问题的商业领袖(更多似是未来)。采取了一种快速灵活的方法来解决问题，建立一个向前兼容的解决方案，如此会有许多人会来。

业务线的领导者须要IT人员合作，高官定义数据治理和质量标准，O'Keefe补充说。这种合作有助于避免“分析瘫痪”，从一开始就确定，决策需要大概数字与具体数字。

最高领导不意味着一切，对话不能局限于组织结构图高层，成功分析需要“沟通”，有关案例、以及重要培训等，O'Keefe说。

当你做到这一点，Buntrock说，你就可以挖掘更多专业知识。如此就将可提高有关分析主题和项目的“成熟度”，他补充说。这助于数据发现，有助于从这些发现中受益。

美国匹兹堡大学医学中心(UPMC)Lisa Khorey警告说：如果你机构不是立刻采取行动，就不要对其进行测量和分析。

Khorey提供了几个建议：许多人有监管，所以少有颠覆式创新，更多只是生存。所采取的举措包括医师效率分析和金融建模，这些根据联邦法规质量报告。

也就是说，数据分析可以帮助医疗机构做一个有关基因组研究的案例 - 或者，UPMC将他作为个性化医疗项目，将来自临床、基因组以及不同来源(和供应商)的数据进行汇总，研治疗乳腺癌。

这种强大素话剧分析有助于研究人员研究法裔加拿大人雷综合症，如果未经治疗，这仍然是一种很致命疾病，但是其症状与其他疾病很相似，非常难于诊断。Broad研究机构的Michael Reich表示，通过查看一个基因表达数据集和已知线粒体蛋白数据库(在一些公共库中就可以获取)，就可帮助研究人员发现基因变化，当重新排序时，就可以显示了LRPPRC基因突变导致疾病的产生。目前的最新进展——只要花费4000美元，就可以在36小时内完成基因测序，在基因组数据应用中取得“突破”性进展，Reich说，很快这些应用就会成为一种常态。

你能达到你的目的地，但仍属于较小规模，Khorey提供医疗机构10种分析加速的方法，有些在前面已经提到了，以下是其他一些方法：

*购买数据模型。不要自己建模型，其过于复杂和昂贵。

*利用现有的技术，包括数据仓库。你需要针未来而不是现在来购买、。

*要着迷。需要构建，提供报告和结果，让怀疑转成确信，让大家对分析能够做什么感兴趣。

*准备组织变革。分析和洞察力意味着管理变革——这将威胁到传统权力格局和影响力阶层。

*影响用药。要比“糖尿病人吃什么药。”更加深入，诸如应该怎么吃？多长时间吃？药效如何等？