【Tableau 故事慧】对话何医生·Tableau 赋能从临床医生到医院管理者成长

25年年末，我前往成都出差，恰逢何医生在此学习，于是就有了年终特辑：延续【Tableau 故事慧】精神的对话节目。

我和何医生先是多年网友，后来在武汉、上海两地相聚，每次都似久别重逢，畅聊数小时之久。在何医生的成长经历之中，我甚至看到了自己的影子；而在 Tableau、数据分析、管理成长等多方面，可谓三观一致。

主题：医院管理者的“数据素养”

• 主持人：喜乐君 Tableau Visionary
• 分享嘉宾：何医生 副主任医师、某医院副院长
• 列席嘉宾：姜斌、刘杰、唐勇、文华
• 2025-12-20 成都望江楼

对话视频已经发布在【Tableu 喜乐君】B 站，欢迎观看。

本文摘取对话中的部分关键要点，配AI 图片，以飨诸君。

第一章 从临床医生到数据管理者的突围

核心痛点：业务人员的“代码恐惧”与工具选择

背景困境

何医生作为重症医学科出身的管理者，随着管理需求增加（如等级创建、质量管理），发现Excel已无法满足敏捷、动态的分析需求，成为工作的“拦路虎”。

试错经历

2022年封控期间，他尝试自学 Power BI，但坚持四天后放弃。原因在于 Power BI 涉及的 DAX 编码逻辑让临床出身的他产生本能抵触，认为“我是做业务的，没必要学这么深”。

转折点

转向 Tableau 后，其“拖拽式”的可视化交互极大地触动了他——“原来拖拖拉拉就能把我想到的东西呈现出来”。这种偏向“业务右脑”的工具，让他不需要掌握循环、嵌套等编程概念，就能实现业务逻辑的表达。

学习路径

典型的业务人员路径是“先 Tableau 后 SQL”。先通过可视化工具解决业务问题，建立数据思维，随着需求深入，再回头看 SQL 和 DAX 时，发现逻辑是相通的（如窗口函数与表计算），反而能看懂了。

第二章 数据赋予管理者的“上帝视角”

核心案例：如何客观评估工作量？

传统管理的弊端

传统评估工作量靠“现场盯着”。但这存在物理学上的“测不准原理”——一旦有人监督，工作人员动作会变慢或表现出忙碌，导致数据失真。

数据的“开天眼”能力

何医生利用 HIS 系统后台记录的操作日志进行分析。数据不干预业务过程，却能客观记录每一刻谁在忙、谁在闲。

价值

这种基于数据的“上帝视角”，减少了现场人力消耗，且比人工记录更准确、更客观，实现了管理的公平性。

第三章 架起“临床”与“信息科”的桥梁

核心能力：既懂业务又懂数据的“翻译官”

沟通鸿沟

临床科室觉得需求很简单（如“提个数据”），但无法定义数据来源；信息科不懂业务流程（如手术麻醉的复杂性），面对需求无从下手。

实战案例（麻醉医生串台率）

国家卫健委严查麻醉医生同时监护多台手术（串台）。临床无法描述如何提取，信息科难以计算。

何医生利用 Tableau，从手术麻醉系统提取开台和结束时间，通过逻辑运算筛选时间重叠的案例，解决了这一难题。

实战案例（无痛胃镜）

系统中没有“无痛胃镜”这个单独项目，实际上它是“普通胃镜+麻醉”的组合。何医生起到了“翻译”作用，告诉信息科如何提取这两个项目并进行组合分析。

结论

“好的工具 + 懂业务的桥梁人”，能打通专业与技术间的巨大鸿沟。

通过工具（如 Tableau）帮业务人员快速解决实际痛点（如自动生成报表、减少加班），让他们尝到甜头，从而不知不觉地接受数据文化。

第四章 拒绝“中文字报表”，建立数据文化

核心方法：三张表管理法

现状批判

反对使用合并单元格、层层套表、过度美化的“中文字报表”。这类报表只有结果，看不清过程和原因。大屏和复杂报表不是终点。如果企业觉得做完大屏就完成了数字化，那就离走下坡路不远了。真正的数字化是每一个人都能利用数据思维去发现和解决问题。

三张表原则

何医生要求中层管理者汇报时提供三张表：明细表、聚合表、分析表（可视化视图）。

管理价值

这迫使中层展示完整的思考过程，领导可以基于明细快速验证假设，而不是只看一个被修饰过的最终结果。

Q&A AI 时代的组织变革与中层危机

核心观点：中层的“信息差”职能将被取代

组织扁平化

在数字化和 AI 时代，受冲击最大的是中层管理者。传统中层的“收集信息、提炼汇报、监督执行”的功能将被削弱。

高层的变化

高层可以通过数据直接下钻发现问题，甚至让 AI 给出解决方案，直接分派给基层执行。

KPI 的深度拆解

不能只看结果（如收入上涨）。何医生举例，收入上涨如果是因“人均费用上涨但人次未增”（性价比降），或者是“少数医生暴涨”（团队未提升），都是坏事。Tableau 的敏捷性允许管理者随时层层拆解指标，还原业务真相。

Q&A 实用主义的学习哲学

核心理念：被需求倒逼的跨界学习

跨界逻辑

何医生横跨医疗、管理、法律、数据多个领域，其核心驱动力是“需求”。

学习观

不一定追求学得深、学得广，但一定要学“用得着”的东西。对于仪表盘美化等非核心需求，坚决不花时间。

广度与深度的平衡

作为管理者，知识广度用于抓主线（防止被忽悠），深度用于抓变异（通过脏数据发现流程漏洞）。

Q&A 财务思维 vs 运营思维

核心冲突：精准度与灵活性的博弈

财务思维

追求绝对精准（一分钱不能差），注重记账规则。这种思维在推动数字化时往往成功率较低，因为过度纠结细节而忽视了业务趋势。

运营思维

注重趋势、方法和灵活性。数据分析允许一定的容错（如 70% 治理，20% 分析），重点在于通过趋势发现问题并改善。

数据治理

数据工作 70% 是“掏大粪工程”（清洗脏数据）。这需要全员参与的数据文化，而不仅仅是信息科的任务。

「业务数据分析系列」图书

by 喜乐君·扫地sir