医疗大数据技术

在20世纪60年代，数据一般存储在文件介质中，由应用程序直接管理；70年代构建了关系型数据模型，数据库技术为数据存储提供了新的手段；80年代中期，数据仓库由于具有面向主题、集成性、时变性和非易失性特点，成为数据分析和联机分析的重要平台；随着网络的普及和Web2.0网站的兴起，基于互联网的数据库和非关系型数据库等技术应运而生……目前，智能手机和社交网络的广泛使用，使得各种类型的数据呈指数增长，渐渐超出了传统关系型数据库的处理能力，数据中存在的关系和规则难以被发现，而大数据技术很好地解决了这个难题，它能够在成本可承受的条件下，在较短时间内，将数据采集到数据仓库中，用分布式技术框架对非关系型数据进行异质性处理，通过数据挖掘与分析，从大量化、多类别的数据中提取价值。

目前，针对大数据技术的研究主要是将其作为一种研究方法或者一种发现新知识的工具，而不是把数据本身当成研究目标，它与传统的数据挖掘方法有着密切联系又有根本不同。

（1）传统数据分析主要针对已知的数据范围中易处理的数据进行，大多数据仓库都有一个完善的ETL流程和数据库限制，这意味着加载进数据仓库的数据是容易理解的、洗清过的并符合业务的元数据。而大数据分析针对传统手段捕捉到的数据之外的非结构化数据，意味着不能保证输入的数据是完整、清洗过和没有错误的。这使它更有挑战性，但同时提供了在数据中获得更多洞察力。

（2）传统分析是建立在关系数据模型之上的，主题之间的关系在系统内就已经被创立，而分析也在此基础上进行。而在典型的世界里，很难在所有的信息间以一种正式的方式建立关系，因此非结构化以图片、视频、移动产生的信息、无线射频识别等的形式存在，被考虑进大数据分析，绝大多数的分析基于纵列数据库之外。(https://www.daowen.com)

（3）传统分析是定向的批处理，而且在获得所需的洞察力之前需要等待ETL等工作的完成。而大数据分析是利用对数据有意义的软件的支持，对数据进行实时分析。

（4）在一个传统的分析系统中，并行是通过昂贵的硬件，如大规模并行处理系统或对称多处理系统来实现的。而大数据分析的应用系统，可以通过通用的硬件和新一代的计算负载均衡软件来实现，加之成本的考虑，由高端的服务器向中低端硬件构建的大规模机群平台发展。

不难看出，大数据技术的战略意义不在于掌握庞大的数据资产，而在于对这些含有意义的数据进行专业化处理。换言之，如果把医疗大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现大数据的“增值”。