1、大数据环境下的医疗信息数字化和传统的医学管理系统的不同，主要是数据资源的共享，不会有信息孤岛，个人和医院的信息是整合共享并且可以动态分析和预测个人健康状况和医院的资源需求等，传统的医学管理系统只能进行初步的信息数据留存和医院资源的管理，无法进行数据共享和预测分析。
2、只是监测大数据不可能确诊出具体的病症，我们还是需要传统医学对症治病，这样才能有效的解决人身体上存在的问题。
3、大数据分析可以挖掘出不同要素之间的相关关系。人们不需要知道这些要素为什么相关就可以利用其结果，在信息复杂错综的现代社会，这样的应用将大大提高效率；第与之前的数据库相关技术相比，大数据可以处理半结构化或非结构化的数据。这将使计算机能够分析的数据范围迅速扩大。
4、智能化， 是把繁琐的工作通过数字化处理，或基于数据化直接调用或指导到工作，将人需要付诸的精力和所需的理解减至最低。具有“拟人智能”的特性或功能，例如自适应、自校正、自协调等。 智能化侧重点在于工作过程的应用。
5、就医数据进行电子化管理 对电子医疗记录的收集，包括个人病史、家族病史、过敏症以及所有医疗检测结果等。在信息系统中进行分享，每一个医生都能够在系统中添加或变更记录，而无需再通过耗时的纸质工作来完成。这些记录同时也能帮助病人掌握自己的用药情况，同时也是医学研究的重要数据参考。
1、以下是大数据在医疗上的一些主要运用： 临床决策支持：通过分析大量的医疗数据，可以为医生提供临床决策支持，帮助他们做出更准确的诊断和治疗方案。 疾病预测和预防：利用大数据技术可以分析疾病流行趋势和风险因素，帮助医疗机构进行疾病预测和预防工作。
2、健康监测 大数据技术可以提供居民的健康档案，包括全部诊疗信息、体检信息，这些信息可以为患病居民提供更有针对性的治疗方案。并且通过智能手表等可穿戴设备，随时带着，可以实时汇报病人的健康情况。应用于数百万人及其各种疾病的预测和分析，并且在未来的临床试验将不再局限于小样本，而是包括所有人。
3、到目前为止，大数据最强大的应用就是电子医疗记录的收集。每一个病人都有自己的电子记录，包括个人病史、家族病史、过敏症以及所有医疗检测结果等。健康监控 医疗业的另一个创新是可穿戴设备的应用，这些设备能够实时汇报病人的健康状况。
4、可以将数据用于预测医学研究，从而有助于预防可能的疾病传播。例如，通过跟踪他们搜索的医疗问题来了解患者人群及其医疗保健需求以及跟踪他们在医疗站点上提供的信息，这些都是促进预防保健和研究的方法。打击性传播疾病 如果及时报告，则可以治疗性传播疾病（STD）和性传播感染（STI）。
5、临床决策支持系统可以提高工作效率和诊疗质量。目前的临床决策支持系统分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。
大数据的显著应用之一是电子医疗记录的收集与管理。每个患者都拥有自己的电子病历，其中包含个人病史、家族病史、过敏信息以及所有医疗检测结果等详细信息。 人工智能在医疗领域的典型应用包括语音录入病例、医疗影像分析、综合性诊疗建议、健康管理、医疗机器人以及医学药物研发等。
到目前为止，大数据最强大的应用就是电子医疗记录的收集。每一个病人都有自己的电子记录，包括个人病史、家族病史、过敏症以及所有医疗检测结果等。人工智能在医疗领域的典型尝试包括：语音录入病例、医疗影像分析、综合性诊疗、身体健康管理、医疗机器人、医学药物研发等。
可穿戴设备：穿戴设备正被用在不同的场景中帮助帕金森症、糖尿病、心脏病、高血压和其他疾病患者管理疾病，这项技术降低了住院率和就诊率，是智慧医疗领域的一项重大技术。移动医疗APP：基于移动终端的医疗类应用软件，主要为患者提供寻医问诊、预约挂号、购买医药产品以及查询专业信息等服务。
对比分析数据分析方法 很多数据分析也是经常使用对比分析数据分析方法。对比分析法通常是把两个相互有联系的数据进行比较，从数量上展示和说明研究对象在某一标准的数量进行比较，从中发现其他的差异，以及各种关系是否协调。
漏斗分析模型 漏斗分析是一组过程分析，可以科学地反映用户的行为以及从头到尾的用户转化率的重要分析模型。漏斗分析模型已广泛用于日常数据操作，例如流量监控和产品目标转化。
行为事件分析：洞察用户行为的深度/行为事件分析，就像观察用户的舞台剧，通过用户行为如注册、浏览、投资、提现等，解析背后的影响因素和互动模式。运营、市场和数据分析师在寻找如“三个月内哪个渠道带来最高注册增长”、“不同时间段用户充值额分布”等答案时，此模型发挥着关键作用。
Apriori算法是一种数据挖掘技术，常用于关联规则分析。它能够识别商品间的关联性，例如衣服和裤子常常一起购买。通过这种分析，商家可以优化商品陈列和促销策略，同时也可以推荐商品组合，提高销售额。 SPSS分析工具在营销活动中扮演了精细化分析的角色。
分类 分类是一种根本的数据剖析方法，数据依据其特点，可将数据对象区分为不同的部分和类型，再进一步剖析，能够进一步发掘事物的本质。
在大数据分析中，常见的数据分析模型包括： 行为事件分析模型：这种模型以其强大的筛选、分组和聚合能力而著称，逻辑清晰，使用简便，因此在多个领域得到了广泛应用。