数据分析的方向性和风险
一般来说，进行数据分析有两个基本视角。第一，如前文血压事例所示，需要观察与其他数据之间的关联性。单纯从数据本身无法获取任何有价值的信息。而怎样设置关联的数据项，将在很大程度上改变数据分析的难度。
第二，观察数据的分布情况。从平均值开始，中央值、标准偏差等数据之间的差异，或根据缺失值的类型读取的信息就是数据分析的根本。数据分布是今后处理大数据时最重要的衡量指标，这一点不变。
两种数据的分布方式之间存在关联性。也就是说，自变量增长时，因变量也随之增长的现象被称为“正相关”（两个变量变动方向相同，一个变量由大Nd，变化时，另一个变量亦由大NII，）。另一方面，因变量值随自变量值的增大而减小的现象被称为“负相关”。
在传统医疗世界中，可利用数据的绝对量是有限的。例如，在基础医学领域，实验室范围内收集的数据最多只有数十例。
在此基础上，以按比率增加（scale—up）的临床研究为例，充其量不过数百例规模；即使以地区对对象进行的流行病学研究，一个研究小组处理的数据量按受试者人数确定，通常也不过数千单位。
在大数据时代，上述可利用数据的绝对量将一跃膨胀至十万单位甚至百万单位。随着电子病历数据和诊疗明细数据进一步集约化，研究人员面对的可利用数据量很容易突破百万单位。
另一方面，人们在数据分析上花费的时间将大幅缩短。过去，当研究人员面对庞大的数据量进行复杂的统计分析时，往往需要花费很长时间才能得到结果。而现在，在计算机硬件和数据处理软件的帮助下，研究人员在处理大容量数据上耗费的时间已经显著缩短。
这里有一点需要注意：这就是从事数据处理的人——通常意义上被称为“数据科学家”这一职业的存在。
不具备医学及医疗专业知识的人担任数据科学家时，很容易发生以下问题。
假设以某国的女性为对象，围绕吸烟对人体健康的影响展开调查研究。调查开始时，以是否吸烟作为衡量指标，将调查对象分为两组，在接下来的20年期间，分别对两个调查组的生存状况展开跟踪调查：该研究的定性是流行病学染色体组型分析研究。调查数据证实：调查时吸烟组女性20年期间的死亡率为13%，非吸烟组的死亡率为19%。两组调查开始的人数均为1万人。(https://www.daowen.com)
根据该数据，数据科学家得出结论：“吸烟女性比非吸烟女性的死亡率低，即长期生存率高。”可想而知，即使数据科学家坚持上述观点，也不会有哪个医学研究人员会表示支持。因为从科学常识的角度来说，“一般情况下，与非吸烟者相比，吸烟者的寿命更短”。
这组数据存在的问题是调查开始时是否追加年龄项？
如果将吸烟组和非吸烟组按65岁年龄段分为两组。那么，65岁以下的吸烟者是9000人，非吸烟者1000人，死亡人数分别是900人和50人（死亡风险分别是0.1和0.05）；65岁以上的吸烟者是1000人，非吸烟者9000人，死亡人数分别是400人和1800人（死亡风险分别是0.4和0.2）。
也就是说，无论年龄超过65岁还是未满65岁，吸烟者的死亡风险均为非吸烟者的2倍。但是，如果不分年龄段对数据进行汇总处理，得出的结果就是吸烟人群及非吸烟人群各1万人，死亡人数分别为1300人和1850人，死亡风险分别为13%和19%。
那么，原本已成定论的“吸烟会增加死亡风险”这一关联，由于未考虑年龄因素，结果得出截然相反的结论。年龄是衡量死亡风险的重要背景因素，进行数据分析时，缺乏这方面专业知识的数据科学家很容易在根本性的问题上犯错。
如上所述，当不具备医学及医疗专业知识的数据科学家进行数据分析时，存在一个死穴——在必要的基础数据上犯错。在上述案例中，他们所犯的错误是遗漏了流行病学上重要的混淆变量（Confounding Variable）——年龄因素。当数据量增至10万以上时，调查项目中必须追加年龄段的吸烟/非吸烟，饮酒/不饮酒、未婚/已婚、大学毕业/非大学毕业……等多领域的指标。
当对上述数据进行分析的数据科学家得出诸如：“非吸烟、未婚、大学学历女性的死亡率最高”的信息时，我们应该怎样看待这个结果呢？
当然，必须考虑存在某种混淆变量时的情况。例如，大学毕业、未婚、不吸烟、不饮酒的女性多数埋头努力工作，与普通女性相比，她们无论在精神或体力层面都承受着更大的压力，这一点不可否认。当然，或许数据科学家的分析可能提出某个新假设。但是，由于数据科学家缺乏基本的医学及医疗常识，其分析很可能存在某些缺陷。最糟的情况莫过于这种数据科学家可能出于某种理由，故意歪曲数据。
近年来，作为新兴的热门职业之一——数据科学家正受到社会前所未有的关注。如果从事这种职业的人接触医疗及医学行业数据，从客观上来说，他们必须具备相关领域的基础知识。当然，没有哪个人能够全面掌握医疗及医学领域庞大的基础知识。但是，他们可以通过与具备这方面专业知识的人之间的密切合作和沟通达到目的。其次，他们需要学习关于科学的公正和营私舞弊行为等方面的知识，具备职业素养的高度伦理观。关于这些人才取得社会认可的资质或标准，今后有必要进一步展开探讨。