行业专家对分析性数据管理的见解和最佳实践

数据数字化和数据管理项目的目标是利用组织化的知识更快地进行创新和商业化。然而，科学数据的种类和数量使得它具有挑战性。每种数据类型都会产生自己的困难，分析数据也不例外。我们召集了三位专家在网络研讨会上讨论关键痛点和他们在创建全球分析性知识管理解决方案方面的经验。以下是他们谈话的要点。

Graham A. McGibbon

Director, Strategic Partnerships, ACD/Labs

Mark Kwasnik

Global Product Manager, Analytical Labs, Solvay

Mark: 我作为一名实验室经理开始了这一数字之旅，管理一个团队，处理色谱和质谱，其目的纯粹是自私的：使我自己的工作更容易，提高我的团队的效率。一旦开始这件事以后，我发现我们可以用数据做的事情还有很多。

Graham: 我已经参与了我们客户的许多分析数据管理项目。我们看到他们所面临的挑战和解决这些挑战的方法有很多共同点。ACD/Labs团队的经验意味着我们可以提供一个明智的观点来帮助组织领导者实现他们的数据管理目标。

Graham: 多年前，数据的使用是由人类来完成的，但现在对数据被机器使用以及人类和机器的互动的需求越来越大。过去十年的范式转变是，越来越多的组织将数据视为具有价值的资产。不仅仅是在解决眼前的科学问题，而且数据可以为组织带来经济效益。

在今天的研发机构中，人们彼此之间正试图围绕数据进行互动。这种变化正在发生，它取决于数据的生命周期，包括获取原始数据并将其转换为信息，然后能够以产生价值的方式使用这些信息。人们越来越意识到需要对数据管理技术进行投资，我认为这与对数据具有价值的认识是相辅相成的。尽管大流行病很严重，但我认为它有助于提高数据和数据管理对组织的成功和健康至关重要的认识。

Graham: 目前的技术存在各种形式的数据可访问性的问题，但在整个研发过程中，数据始终以这样或那样的方式被孤立起来。它要么被冻结在一个地方，要么是一个文件格式，要么是一些图像格式。我确信有一些数据仍然没有被数字化。它存在于可能不是电子化的笔记本中，或没有完全数字化的仪器记录中。

Mark: 我同意，在一个实验室或一个站点内寻找数据比在整个组织内寻找数据要容易。对科学家来说，重新准备和重新运行一个样品比在四十台电脑中搜索和寻找现有的数据更容易。索尔维是一个全球性的组织，在世界各地都有站点。即使你的特定站点的数据是结构化的，易于使用，但这并不意味着你可以跨越大陆的鸿沟，了解别人的数据或数据结构，即使他们正在运行同样的方法，分析同样的样品。而当你找不到数据时，它就不存在了。

Graham: 我们最近进行的一项分析数据管理调查的结果之一是，数据的异质性是一个关键的挑战。科学家们正在使用一种以上的分析技术，也许使用两种或更多的仪器，然后再使用两种以上软件应用进行数据分析，然后试图把这些都结合起来。我们调查的90%的人都在处理不同类型的数据。

Mark: 在Solvay公司的全球研发中心，我们不仅有大量的技术能够为我们的客户提供服务，而且即使在这些技术中，你也会看到少数不同的仪器。如果你选择一个单一的技术，比如气相色谱，在一个新建的实验室里，你会发现同样的供应商和软件——这很好，而且是同质化。但不是每个实验室都是新的。

现有的实验室有来自不同供应商的遗留设备，甚至有来自同一供应商但不同的软件平台。这不仅使实验室本身的运行更加困难，因为团队必须学习如何维护、运行和操作所有这些不同的气相色谱仪和软件平台（从科学家的角度来看，这很有挑战性）；戴上我的数据帽子，当你想来摄取和处理数据时，供应商往往做的事情略有不同。

对我这个科学家来说，色谱图就是色谱图，但对我这个数据员来说，来自七个不同供应商的色谱图就是七个不同的“技术”。说到这里，很难证明在没有新功能的情况下，仅仅为了标准化而对硬件或软件进行大量资本投资是合理的。

Mark: 同意，作为一个纯粹的数据人员，仪器和数据的协调是很好的，但作为一个科学家，我不希望IT部门来决定我可以使用什么设备和技术。我希望有自由和灵活性来选择市场上最好的工具。

Graham: 随着制药业的合并和收购，我们已经看到，当两个大公司合并时，他们各自都已在技术标准化方面做了大量的工作，在管理仪器数据方面需要相当多的额外努力。

Mark: 同意，所有的数据，如果它被正确地标记。从IT的角度来看，所有的数据都是相当大的开销——数据存储和架构是昂贵的；但是产生珍贵的样品，使用危险的材料和准备它们的时间，使用昂贵的高分辨率质谱仪或核磁共振来产生数据，以及分析人员处理它的时间也是如此。这些也有一个与之相关的固定成本。

Graham: 经过整理的数据对于正确的数据科学绝对是必不可少的，参考数据也需要经过适当的整理才能在一个组织中可靠。给数据打上标签，以便能够理解它并访问策划的数据包是必须的。

Mark: 即使我有精美的数字化数据，并且可以访问处理过的和原始的数据文件，但如果没有上下文，它对组织中的其他人毫无意义。你需要与之相关的仪器元数据，以及分析测试数据。色谱图很好，但如果我不知道GC，比如说，使用的是5米还是60米的色谱柱，或者在什么温度下，它基本上是没有用的。它只是占用了数字硬盘的空间。

Graham: 这必须是战略的一部分——确定什么上下文是必要的。例如，有一个围绕元数据的词汇是很好的，但是你需要把正确的利益相关者聚集在一起，以确保该词汇能捕捉到关于样品制备、方法和设备的重要信息。的笔记本中，或没有完全数字化的仪器记录中。

Mark: 上下文要求可能非常不同，这取决于数据将在何处以及如何被使用。生成数据的人与提交样本的内部或外部客户想要的元数据非常不同。每个人的大梦想是人工智能和机器学习，而这些有非常不同的数据需求，以使巨大的数据集具有意义和用途。不同的用户需要与数据绑定的东西略有不同，以便能够利用它。仅仅因为数据是数字化的，并不意味着你可以再次使用它。在你开始建造你的房子之前，你必须先打好基础。

Graham: 在与客户的项目开始时，我们会进行 "定义和设计"。我们与各种利益相关者和实例数据坐下来，讨论他们想从其中得到什么。我们发现这些在战略上对组织来说是非常有用的。

Mark: 正是如此，你不能指望已经100%工作的人因为你想要数据标签而投入额外的时间。每个人都需要知道对他们和对组织的好处。

Mark: 如果我打算要求科学家填写5~10个元数据字段，以使他们正在采集的数据在未来更好地使用，我会尝试在这个过程中加入自动化，以节省他们在其他方面的时间。也许绕过手工数据输入或消除手工报告创建可以实现这一点。

Mark: 重要的是要记住，即使两个实验室在做同样的工作，它们也可能不是真的一样。两个不同国家的实验室可能有不同的语言，或不同的日期格式，或逗号与句号。在这些小事上进行协调会产生很大的不同。作为部署战略的总负责人，这可能不是你的工作，但你需要让不同实验室的科学家一起找出最适合他们的方法。

Mark: 有效的分析数据管理使实验室的效率更高。在一个全球组织中，你有多个地点在做同一件事。能够交换信息意味着你不必重新开发方法或重新运行样品。实验室可以更快地产生数据，工厂可以更快地生产，研究和创新可以更快地完成他们的工作。即使一个实验是失败的，不符合今天这个应用的一系列规格，它可能正是你在6~9个月后的不同要求所需要的。不必从头开始，并能够以此为起点加速创新管线。