药学数据常用分析方法和应用方向
现代医疗活动中产生了大量数据与信息，并存储于医疗数据库中。包括磁共振成像（MRI）技术的影像，心电图（ECG）信号，临床数据如血糖、血压、胆固醇测定值等，当然也包括医生的诊断过程描述与处置意见等。这些复杂数据超出传统方法处理和分析的能力。医药学数据挖掘可以发现有效处置措施或者最佳治疗实践，为疾病诊断与治疗提供科学决策支持，同时可以提高医院信息管理水平，推进电子医疗、社区医疗的发展。临床医学数据挖掘的目标可以是建立合适的模型方法，利用患者某些信息来进行预测，同时支持临床决策的制定。大数据分析可以为医院、诊所等机构以及医生、药师、患者等提供全新的数据与信息支持服务。
在医药学科中，最为常用的数据挖掘的分析方法有：关联分析，如用药与适应证或者不良反应之间的关系分析；序列分析，如迟发性罕见药品不良反应的发现挖掘；聚类分析，如药品某种治疗作用的发现与挖掘分析。
从医药行业产业链角度分析，大数据挖掘的应用方向主要有：
（1）药品临床应用分析通过分析评估并规范化大量临床数据，可以发现疾病治疗与药品应用某些趋势、不规则异常信号，进而探索药品开发需求与推广上市影响因素。
（2）产品分析通过临床同类药品品种应用及疗效评估数据对比分析，可以评估某药品购买倾向与治疗效果，以便针对不同危险因素的患者群开发特定的药品或其他医疗产品。
（3）市场营销分析通过药品消耗数据结合临床疾病流行病学数据分析，可以发现利润最优产品、市场最佳配置途径等，发现处方更新度、药品寿命周期等特征。(https://www.daowen.com)
（4）消费者行为分析通过药品治疗对象数据特征的分析，可以帮助发现更多的目标消费者特征，综合药品消耗与消费者群体信息，可以发现消费者购买某药品或者医生处方中选择某药品倾向性的因素。
（5）业务与财务分析分析某区域内药物治疗记录数据特征，可以有针对性地根据市场规模调整销售策略，确定最大消费者（如医疗机构或者政府部门）并给予价格优惠，可以获得双赢的成效。
（6）供应链分析通过分析药品或其他产品在整个流通过程中的时间分布，可以改善产品供应计划，基于历史数据和患者行为分析提高供应效率，防止库存积压，也会避免零售端及制药企业的库存中断。
但是，医疗活动中的原始巨量数据不能称为信息，只有加工分析之后，才能成为信息，才能为临床活动所利用。数据是信息之源，信息是数据的灵魂。信息的获得是基于对事实、数据等的分析加工，而加工分析过程，必然需要专业知识、专业技能。信息挖掘与分析必须围绕目标、基于专业知识，虽然必定受制于当前专业认知局限，但这是人类知识积累和科学发展的必然过程。
当前医药活动产生的各种数据的积累过程，尤其当前随着计算机技术的普及，传统数据获得技术得到极大改善，随之而来的大数据迅速发展。医疗大数据的研究目标之一就是充分利用现有或者正在产生的数据，通过分析加工，获得新的信息，为临床治疗、为临床研究提供参考，药学大数据研究也不例外。