& ldquo；大数据& rdquo是下一个如火如荼的话题。大数据确实有其整体优势& mdash& mdash海量信息是全面的、系统的，其价值和作用有目共睹，在此不再赘述。
但是事情总是分为两个，对立统一& rdquo，大数据因为其规模& ldquo巨大的。数据分散，杂波干扰严重，且从信度和效度的专业水平来看，可谓良莠不齐。尤其是在这个雾里看花，真假难辨的时代，更要擦亮眼睛，谨慎选择各行业的大数据分析。在移动医疗行业，2号博士认为这个行业的很多大数据研究都是伪命题，大量在大数据分析末端展示商业模式的企业，大多是在耍流氓，其实只是在欺骗投资者、员工和自己。甚至很多从业者都走上了欺骗客户、小题大做、危言耸听、危言耸听的传销之路。
这是因为移动医疗大数据分析的标准化不够透明，其无序程度会影响所有从业者的判断。面对这么多数据，我们不禁要问:数据是怎么来的？它是从哪里来的？收集数据有统一的标准吗？为什么要收集这些数据？从实际出发，一个好的移动医疗大数据项目应该是实用的，这主要体现在大数据的经济性、便捷性和可解释性上。
首先，经济。
这里的经济性主要是指从我们行业的实际角度来看其成本的可操作性。因为移动医疗大数据的获取成本极高，如果不是骗子造假，就不要盲目相信和宣传大数据的商业价值。我毫不怀疑它的巨大前景。但是，对于小企业来说，没有缓冲能力做好是好的，但是十有八九，输了就上天堂，伤不起自己！
关于它的成本和价值，Dr.2将在未来的连载中详细阐述。在这里，我们主要关注移动大数据的目的。我觉得:如果他的唯一目的是为了盈利，那么他的大数据分析就特别容易耍流氓。也就是说，如果数据采集机构能够通过修改和扭曲数据来获取经济利益，那么数据就会因为被扭曲而被扭曲。那么我们需要一堆人为修改和扭曲的信息做什么呢？
比如某医院委托第三方公司做医患关系满意度调查，这个调查的目的是挂在医院大厅或者在媒体上发布给消费者看，也就是为了宣传，那么这个调查从一开始就是功利的。这样，第三方公司利用大数据研究的各种手段和方法进行在线调查，进行广泛的访问，并从社交媒体上搜索综合分析。研究方法真的很真实，可以持续追踪很长时间，从而尽可能收集完整的数据(注意，普及一个概念，大数据不是指大量的数据，而是指把事物作为一个整体来研究，比较所有的数据而不是抽样分析和调查所估计出来的数据)。
但是所谓的& ldquo患者数据& rdquo，它的可信度真是让人不敢恭维。有多少调查在推广到我们的行业之前就已经定下了基调？大数据分析报告对一种药物、一次血糖分析、一次血压监测等都有重要意义。
二。方便。
移动医疗大数据给我们的生活和工作带来了便利吗？相反，它的效果会大大降低，因为我们没有用它来制造工作量和麻烦。例如，谷歌有一个名字叫& ldquo谷歌流感趋势。工具，它可以通过追踪网友的搜索词和其他相关数据来判断美国的流感情况(例如，患者会搜索& ldquo流感& rdquo两个字)。这个工具的工作原理大致如下:设计者放入一些关键词(如体温计、流感症状、肌肉疼痛、胸闷等。)，并且只要用户输入这些关键词，系统就会开始跟踪分析并创建区域流感图和流感地图。
然而，现实远比理论复杂。谷歌搜索结果和用户数量。自我评估。研究成果发表时，由于谷歌的巨大影响，报告本身对人们的正常生活和行为产生了影响，不仅给生活带来了一些不便和小题大做，而且在搜索时也影响了很多人，由于习惯性或无意的关注& ldquo噪音& rdquo影响大数据本身，最终导致大数据分析不准确。
所以，移动医疗大数据包含了太多的偶然事件和小概率事件。例如，一位家庭医生给了他的病人一个电子血压计，并指示他每天测量并记录数据。我们每个人都处在不同的环境中。血压肯定会因情况而异。例如，患者今天举行了生日聚会，昨天中了500万份彩票& mdash& mdash人们在每一个快乐的场合都很快乐。如果你明晚加班，后天看悲剧电影，你的血压肯定会发生变化，因为这是人体在工作时的自我调节机制。但对于医学上的动态监测没有参考意义，也是因为医生无法详细了解患者日常生活中的各种情况。这里血压升高的概念已经改变，条件不成立。
从这个角度来看，大数据不仅没有给我们带来便利，还可能误导和干扰我们的判断，从而影响我们的决策。商业领袖或投资者是做什么的？他们做的不仅仅是事情，最重要的是做决定。没有什么比一个不成熟的大数据项目更悲惨的了。
三.可解释性。
实际上，在描述第2条的便利性时，这一点已经涉及。说明性的，这很重要。因为它需要向大数据用户或者普通大众解释很多问题。
(1)原始数据是否已经公布？如果没有，为什么不发表？
所谓的& ldquo大数据& rdquo基本上都是经过整合、分析、处理后的信息，却很少有人能接触到真正的原始数据。任何缺乏原始数据的研究结果都可能是有问题的。因为我们不知道在信息整合的过程中有哪些信息被处理过。这个过程相当不透明。就像水果被加工成果汁一样，在加工之前我们无法知道这种水果是腐烂的还是新鲜的。同样，现成的& ldquo大数据& rdquo& mdash的前身& mdash& ldquo原始数据& rdquo在处理之前，我们不知道它是无关的垃圾数据还是相关的目标数据。如果原始数据没有公布，就需要一个合理的解释。
版权:除非另有说明，所有文章均为本网站原创文章。请注明来源:企业网D1net。