1.大数据是指难以被传统数据管理系统有效且经济地存储，管理，处理的复杂数据集。
大数据以PB为单位，包含结构化，半结构化，无结构化数据，大数据给数据的采集，运输，加密，存储，分析和可视化带来了严峻的挑战。
2.大数据五个特性：Volume（数据规模巨大）
Variety（数据类型繁多）
Velocity（数据产生的速度快）
Veracity（分析结果取决于数据准确性）
Value（包含重要价值）
3.大数据处理方法：关联规则学习（挖掘各个变量间的关系），
分类（通过训练已有数据来识别新的数据），
聚类分析（按数据相似程度将整个数据集分为多个小规模数据集），
数据融合（将多个数据源的信息整合分析以产生新的更加精确，连续，有价值的信息），
机器学习（一类算法的总称，关注设计算法自动识别数据中的复杂模式），
自然语言处理（关注计算机与自然语言的联系，帮助计算机识别人类语言），
回归（一组统计算法，用来判别因变量与自变量的关系，以帮助预测），信号处理（一组用来识别，分析，处理信号的技术），
仿真（模拟一个复杂系统行为的技术，经常被用来预测），
可视化（将数据处理为图像，图标，动画，以帮助人类直观了解数据）
4.大数据处理平台：MapReduce，其提供了一种分布式编程的抽象方法；
Hadoop，其包含了多个系统和工具以帮助完成大数据任务；
HDFS，其用来可靠地分布式存储数据；
Hive，其提供了Hadoop上的SQL支持；
HBase，它是基于HDFS的一种非关系型数据库；
Zookeeper，其提供了集群节点的一个管理方法。
5.医疗健康大数据特点：多态性指医师对病人的描述具有主观性而难以达到标准化
时效性指数据仅在一段时间内有用；
不完整性指医疗分析对病人的状态描述有偏差和缺失；
冗余性指医疗数据存在大量重复或无关的信息；
隐私性指用户的医疗健康数据具有高度的隐私性，泄漏信息会造成严重后果。