大数据作为数据科学的一个子领域，致力于应用特定的工具和方法来学习和从海量数据中提取详细的洞察。假设使用电子表格记录朋友的最爱餐厅，通过分析这些数据，可能会发现大多数朋友更偏爱中餐，或者没有人的理想餐厅是海鲜餐厅。大数据做的是类似的事情，但数据来源不仅仅是几个同事，而是成千上万甚至数百万人的评论。处理这些数据需要的不仅仅是基本的电子表格应用程序和笔记本电脑，关键在于发现不同数据块中的微妙、隐藏的模式。
多年来，医院、研究人员和国家机构一直在努力收集各种健康数据，从药物案例的完成率到普通医疗计划的价值，再到患者的人口统计数据以及急诊室预期的等待时间。最近，麦肯锡公司发布了一份报告，他们发现医疗保健领域存在四种“数据提供”：药物分析数据（例如临床试验结果）、临床数据（例如患者报告）、行动和成本数据（例如预期的程序费用）、主体行为数据（例如健康投资历史）。大数据出现在将所有这些数据集中到一个地方，有时来自多个异构数据存储库，并应用它来获得医疗保健系统如何更有益的洞察。
1. 医疗保健提供者经常使用大量数据来识别特定治疗条件的重大风险患者，以预防重大问题的发生。许多印度的医疗部门使用临床记录和保险索赔的数据来确定哪些患者将来会面临疾病的巨大风险，并将这些数据与提供他们早期预防性帮助相关联。不同的提供者一直在使用患者记录数据来创建预测模型，以提高干预成功率。数据提供的报告极大地减少了医院的再入院率，达到了49%。谷歌也在参与识别健康风险。利用用户浏览历史的数据分析，这家科技巨头公司可以实时跟踪全球流感的传播程度。