当前医疗数据处理的诸多问题，比如患者服务的信息太少，体验不好；临床诊疗和科研中利用的数据太少，电子病历和健康档案利用率不高；管理决策信息不足或滞后；患者隐私保护不力，影响数据使用。
针对上述问题大数据将改变人们认识世界的方式，但因受制于数据生成、收集、遴选和加工等因素的局限性，大数据在本质上是具有“不完全代表性”的。医疗数据的生命周期包括采集、交互、汇聚、共享、利用；医疗数据的评价维度包括准确性、完整性、一致性、及时性基本4要素；医疗数据的影响因素包括信息、技术、流程、管理4类主要因素；医疗数据的获得方式包括人工、系统、接口、设备等。
具体表现为大数据处理环节涉及到一系列难题：数据可靠性甄别、数据测量、数据有效性判断、数据之间关联性和依存性判断、数据的模式化以及数据的价值判断等，这些难题是单纯的“大数据思维”所无法解决的。针对大数据所面临的各种危机和挑战，当下我们应该聚焦于“全数据革命”而不是“大数据革命”。用结构化数据管理小数据，用非结构化数据管理大数据。全数据革命的核心思想是：创新性地分析从所有传统和新媒介获取的数据，以更为深入透彻地理解世界。大数据生成的有效性问题、大数据对用户隐私的侵害、大数据的投入产出比低、大数据对“小数据”的完全排斥等问题。他强调健康应用大数据的核心要素包括技术、需求和数据三个方面，健康大数据的数据量是否足够大不重要，重要的是数据分析，技术是否非常规不重要，重要的是简单适用。医疗健康大数据可以有效地帮助医生进行更准确的临床诊断；更精确地预测治疗方案的成本与疗效；整合病人基因信息进行个性化治疗；分析人口健康数据预测疾病爆发等；利用大数据技术还能有效减少医疗成本。以大数据为基础的新的医学时代已经重磅来袭，医疗大数据应用在中国处于行业发展初期，健康医疗产业问题多，痛点也多，需求具备刚性和快速增长的特征。所有相关者，包括政府、医疗机构、大众都应该顺势而为乘势而上。
