Big Data指的是巨量資料，Big Data有3種特性：Volume、Velocity、Variety。
l Volume指的是資料量龐大。許多企業面臨單日資料量以數十、數百TB的速度增加，而總資料量也達到了PB (Petabyte)等級，這樣的資料量已讓傳統的資料庫難以處理。
l Velocity是指資料增加的速度越來越快。諸如行動運算、社交網路的風行，使得資料增加的速度比傳統的企業應用程式來得快很多。
l Variety則是指資料的多樣性。人們不斷在產出各種資料，如文字、照片、影片等。另一方面，生活中的各個層面，各式各樣的監控器、感應器也不停地產出各樣的機器資訊，資料的型式已不像過去那麼單純。
尤其像Facebook、Twitter這樣面臨資料量大爆炸的網路公司，該如何處理的如此巨量的資訊並且分析運用，進而找出商機呢? 隨著新興技術的開發，如Hadoop、NoSQL等，目前巨量資料的分析已開始廣泛應用在各個商業領域，其中也包含醫療領域。
例如: 藥廠透過分析Twitter使用者的留言，分析感冒、流鼻水等症狀的字眼，就能了解流行病的趨勢，掌握市場脈動；而在過去，如果沒有可行的巨量資料分析工具，可能連想都不敢想要分析Twitter這麼一回事。
列如: 在大賣場中，如果看到啤酒和尿布被擺在一起，是不是覺得這樣的擺設方式毫無邏輯可言? 然而，事實證明啤酒的銷售量因此上升，而這也要拜巨量資料(Big Data)分析所致。 Walmart 在一次營業資料分析中偶然發現，嬰兒尿布和啤酒竟然常常被同時購買，原因為何? 原來就是美國嬰兒的父親常在下班回家前買尿布，而許多的嬰兒父親在買尿布時，會隨手買幾罐啤酒。根據這樣的分析結果，Walmart就在各個賣場把啤酒和尿布擺在一起，結果銷售量增加3成。
而Big Data運用在醫療領域，其實Google早在2008年就推出流感趨勢預測 (Google Flu Trends)，藉由統計關鍵字的搜尋次數，預測全球各地的流感疫情發展，以此首開Big Data應用到醫療領域的創舉，也打開資料分析者對於數據的想像力。
2014年伊波拉病毒 (Ebola) 肆虐西非，被世界衛生組織 (WTO) 視為近代最緊急的國際公共衛生事件。統計奪走超過4,000名生命，而通報遭感染的人數則高達 8,914人，死亡率高達7成。而在此次救災行動中，也利用 Big Data 巨量資料分析工具，試圖抑制病情擴散。
多家跨國電信業者和跨國衛生組織合作，提供非洲當地居民的匿名電話和簡訊記錄，透過 Big Data 分析工具，繪製居民的聚落地點和移動地圖，預測病毒散佈的位置。
透過數據地圖判斷最佳設立醫療中心的地點，甚至最安全、有效率的移動路徑，並同時可以遠離病源。幫助政府和相關組織預測伊波拉病毒如何擴散，在此之前當地政府只能依靠傳聞、地方調查、警察或醫院等資料來預估。
利用手機通訊資訊，結合 Big Data 追蹤疫情擴散地區。(圖片來源: BBC)
利用Big Data 數據資料提出一些有跡可尋的參考指標。未來甚至能利用Big Data 早期預防傳染病大規模流行1。Big Data也能運用在遠距醫療照護、實證醫學、個人化醫療與疾病醫學研究(如阿茲海默症、神經膠質瘤等疾病)2, 3, 4。尤其在台灣，二十年來全民健康保險制度累積了全民的就醫資訊，早已具備一套巨量資料，對於未來推展Big Data分析應用於醫療健康照護上，將是很好的利基。
參考文獻
1.
Role of big data in the early detection of
Ebola and other emerging infectious diseases. Lancet Glob Health. 2015
Jan;3(1):e20-1.
2.
Alzheimer's disease: From big data to
mechanism. Nature. 2013 Aug 1;500(7460):34-5.
3.
Multiple Molecular Data Sets and the
Classification of Adult Diffuse Gliomas. N Engl J Med. 2015 Jun 10.
4.
Learning from big health care data. N Engl J
Med. 2014 Jun 5;370(23):2161-3.
