在物流方面，物流数据可以为物流市场预测、物流中心选址、优化配送线路、仓库储位优化等提供支撑，甚至能够提供交通路况、车辆运行、社会经济发展动态的信息。对于跨境物流，整合集口岸监管、物流运输、航运信息，可以实现物流产业链的业务单据、车辆船舶动态、通关状态等要素信息的跨行业、跨区域贯通，提高物流效率。
在管理方面，利用交通行业数据支撑交通管理与决策。利用数据挖掘技术可以深入研究交通网优化，为行业发展趋势研判、政策制定及效果评估等提供支撑保障。此外，交通与公安、城管、环保等相关职能部门的大数据平台对接，可以提高跨领域管理能力。在运营方面，整合行业数据，形成地面公交、出租汽车、轨道交通、路网建设、汽车服务、港口、航空等领域的一体化智能管理。通过车载、运营数据的精确、实时采集可以实现公交调度、行车安全监控、公交场站管理，支持公交安全、服务、成本管控的全过程管理和交互。通过打通出租汽车电调平台与互联网招车平台之间的信息渠道，可以提供多渠道便捷的招车服务，实现对出租汽车服务质量的动态跟踪、评估和管理。对轨道交通线网基础设施、运行状况、运营数据、服务质量、隐患治理、安全保护区等进行监测，可以实现安全管理和应急协同。
- 医疗领域
医疗卫生领域每年都会产生海量的数据，一般的医疗机构每年会产生1TB\~20TB的相关数据，个别大规模医院的年医疗数据甚至达到了拍字节（PB）级别。从数据种类上来看，医疗机构的数据不仅涉及服务结算数据和行政管理数据，还涉及大量复杂的门诊数据，包括门诊记录、住院记录、影像学记录、用药记录、手术记录、医保数据等，作为医疗患者的医疗档案颗粒度极为细致。所以医疗数据无论从体量还是种类上来说都符合大数据的特征，基于这些数据，可以有效辅助临床决策支撑临床方案。同时，通过对疾病的流行病学分析，还可以对疾病危险进行分析和预警。
临床中遇到的疑难杂症，有时即便是专家也缺乏经验，很难做出正确的诊断，治疗也更加困难。临床决策支持系统可以通过海量文献的学习和不断的错误修正给出最适宜的诊断和最佳治疗。大数据分析技术将使临床决策支持系统更智能，这得益于对非结构化数据的分析能力日益加强。比如可以使用图像分析和识别技术识别医疗影像（X光、CT、MRI）数据，或者挖掘医疗文献数据，建立医疗专家数据库，从而给医生提出诊疗建议。此外，临床决策支持系统还可以使医疗流程中大部分的工作流向护理人员和助理医生，使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效率。以IBMWatson为代表的临床决策系统在开发之初只是用来进行分诊的工作。而如今，通过建立医疗文献及专家数据库，Watson已经可以依据与疗效相关的临床、病理及基因等特征，为医生提出规范化临床路径及个体化治疗建议，不仅可以提高工作效率和诊疗质量，也可以减少不良反应和治疗差错。在美国儿科重症病房的研究中，临床决策支持系统就避免了40%的药品不良反应事件。世界各地的很多医疗机构已经开始了比较效果研究（Comparative Effectiveness Research，CER）项目并取得了初步成功。
大量的基因数据、临床实验数据、环境数据以及居民的行为与健康管理数据形成了“大数据”，同时随着人类对疾病与基因之间映射关系认识的加深，基因测序成本的下降，可穿戴设备的普及，监控设备的微型化，移动连接和网络覆盖范围的扩大和大数据处理能力的大幅提升，针对患者个体的精准医疗和远程医疗成为可能。通过收集和分析数据，医生可以更好地判断病人的病情，可实现计算机远程监护，对慢性病进行管理。通过对远程监控系统产生的数据进行分析，可以减少病人住院的时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。
第3章 数据
121