行业相关数据资源
与医疗有关的行业有政府、教育和商业。政府是医疗的主管部门，除了负责管理一个国家或一个地区的医疗卫生与保健外，还应涉及协调医疗服务机构、医疗保险机构和医药生产与销售企业之间的关系；教育主要指的是医疗从业人员的教育、培训，同时也与医疗或医学科研相关；所涉及商业行业大致有三大主体，分别是制药行业企业、医药销售企业和医疗保险机构。
所以说，这些医疗行业相关数据资源应包括医保政务、医学文献、制药行业和医药销售等4部分内容。
1.医保政务
医疗保险制度，是一种为解决居民防病治病问题而筹集、分配和使用医疗保险基金的国家或地区制度，其同时也是目前世界上比较通行的一种卫生费用管理模式。西方国家社会保险制度的确立，大多是从医疗保险起步的。最早的德国，1983年便颁布了《劳工疾病保险法》，其中规定“某些行业中工资少于限额的工人应强制加入医疗保险基金会，基金会强制性征收工人和雇主应缴纳的基金”，这一法令标志着医疗保险作为强制性社会保险制度的产生。
当前，以资金使用为核心的医疗保险，在世界各国均面临较为严重欺诈与滥用问题。2010年7月，美国司法部宣布破获了一起金额高达2.51亿美元的医疗保险诈骗案，其中涉及医生、护士、诊所业主和管理人员等各种嫌犯94名；2012年5月和10月，美国联邦当局宣布分别破获涉案金额为4.52亿美元和4.3亿美元的两起医疗保险欺诈案；2013年2月，美国联邦调查局突袭了一家总部设在得克萨斯州新布劳恩费尔斯的滑板车制造公司，并指控该公司涉嫌滥用医疗保险7.23亿美元，骗取医疗保险超过l亿美元，为残疾人提供被医学上认为没有必要的滑轮车。
医保数据具有保险数据的特征，其特点是数据类型多、动态性和数据量大，同时既涉及医疗服务机构，又涉及医保中心，可能使用不同的数据库，导致这些数据是异构的、属性复杂的。
大数据技术介入医保数据领域后，除了能为政府加强资金管控风险的管理水平，还能善加利用疾病、药物、医生和患者等信息，改变现在医保信息系统大多只能录入、查询、修改和简单统计的状况，对疾病的诊疗和医学研究都是非常有价值的。例如，使用异常检测等算法，筛选异常处方，以有效遏止大处方、人情方、检查比例高和医保卡重复使用等所导致的医疗费用虚假增加问题。
另外，必须指出的是，政府删除或隐匿部分隐私、适时开放所拥有的这一领域公共数据，能为培育一批数据创新中小企业提供帮助。比如在美国，一家名为Predilytics的初创公司将机器学习方法运用于医保政务领域，针对医保索赔、医疗处方、临床试验、合格证明、呼叫中心、电子病历或护理操作等数据进行偏差检测，其还声称较传统基于规则的统计回归模型分析深度要高出1～3倍，可以在无需人工干预的前提下进行调优，并在2012年9月，由此获得了由Flybridge Capital Partners，Highland Capital Partners和GoogleVentures提供的600万美元A轮融资。
2.医学文献
文献数据始终是海量的，医学文献数据也不例外。目前被公认为全球最大、最权威的生物医学数据库是美国国家医学图书馆（National Library of Medicine，U.S.NI。M）主导的Pub Med（http：//www.ncbi.nlm.nih.gov/pubmed），其收录1950年以来70多个国家（43种语种）近5000种生物医学期刊，涉及基础医学、临床医学、药理学、精神病学、心理学、兽医学、牙科学、护理学及卫生教育和卫生服务管理等各个学科。而在我国，中国医学科学院医学信息研究所开发的中国生物医学文献数据库（China Biology Medicine disc，CBMdisc，www.sinomed.ac.cn）较大，共收录了自1978年以来1 600余种中国生物医学期刊，以及汇编、会议论文的文献记录，总计超过400万条记录，年增长量约35万条（这里的1条记录即1篇医学文献）。(https://www.daowen.com)
在以前，图书情报学研究文献数据，主要靠的是分类检索方法。这种方法虽然在一定程度上方便了文献查找和藏书组织，但同时导致了文献数据集繁多、数据量巨大和数据格式异构等问题，所以，日常的文献查找工作和引文分析仍旧主要依赖人工，既枯燥繁琐又费时费力。
现在，有很多有识之土在医学文献进行数据创新，如使用文本挖掘工具来增强语义功能和HTMI。标记机制，举例来说，德国欧洲分子生物学实验室就在Reflect（http：//reflect.ws）中使用了外部服务插件对基因、蛋白质或小分子进行标注，以帮助将其链接到相关的外部数据条目；PLoS期刊的热带疾病文献数据集，拥有一个引文本体（citation typingontology，Ci TO），除了能对每篇文章进行引文分析如背景、知识先例和驳斥等外，还实现了摘要统计、参考文献可重排、链接其他研究文章，以及与谷歌（Google）地图的数据融合等。
3.制药行业
制药行业一直被视作是产业经济发展中的特殊门类，这是因为其研发费用所占销售额的比例远远高于其他行业，所以被广泛认为是一个“技术驱动和创新驱动的部门”；同时，制药行业企业较倾向于和学术界（如大学医学院、医疗服务机构或公共医疗研发部门等）保持更多联系，以获得外部技术和知识的来源和转移。
大数据的介入对制药行业至少将有两大促进作用，其一是加速新药研发速度，以H7N9型禽流感为例，2013年3月底，上海和浙江发现了这一病例，仅在一个多月后的5月1日和5月4日，就分别有两家美国生物公司Greffex和Protein Sciences宣布已成功研发疫苗，这代表了未来疫苗研制的方向，即利用基因数据分析找出病毒特征，将这些特异基因片段插入腺病毒载体生成蛋白疫苗；其二是缩减新药上市周期，即连接到其他医疗数据进行关联分析，可能发现临床试药组成员在后续一定时期内的新药代谢、毒理或不良反应等状况。
另外，制药行业企业与医疗服务机构或公共医疗研发部门等的数据资源共享和利用，能实现从药品角度找到各种疾病（特别是慢性病）的演化规律，在这方面的数据创新包括但不限于：疾病医疗路径挖掘、疾病演变分析、疾病联合用药分析、特异疾病挖掘、疾病间的联系等。
4.医药销售
传统的医药销售渠道不外乎两种：医药报刊、药品交易会。随着医药行业竞争的加剧和互联网的发展，很多企业选择了投入少、收效高的医药网站。这是近两年发展最快的一种形式，仅以中国为例，提供医药招商信息服务的网站就有300多家，而且这一数目还在不断上升。但是，通常为了取得良好的效果，一般有如下三种方法：一是采用软件模拟实际流量刷新网站浏览量，以此来提高排名；二是向百度或谷歌等大型搜索引擎付费。获得搜索结果较为靠前的位置；三是雇佣“水军”，加大网站信息更新，如点评量等。可以看到，这些方法成本是昂贵的。当前，有很多医疗销售企业使用搜索引擎这一初级数据产品，如搜索引擎关键词“颈椎病”，获悉频次，来得到某一地区该种疾病的发生发展趋势，以增加相关药品广告投放，来提升销售额。
应当看到，在未来大数据介入的医药销售，将是一种数据营销，这是一种适度营销活动，除了能从市场定位、商业洞察和客户评估角度了解消费者真实需求外，还能在产品还未上市前进行市场提前培育或按照消费者要求实现功能微调，以取代以往产品上市前昂贵而规模较小的市场调研。例如，进行患者人群分类分析，为解析潜在医药产品顾客提供一个独特视角，从用户兴趣、行为或表现等方面进行综合考量，聚合不同人群，先抽象出某一人群的特质以形成专属人群分类属性标签。如某种疾病，对这些人群进行行为分析并实现消费路径跟踪。