正如其他產業，醫療健康正在見證大數據的出現，隨着信息從日趨多樣化的來源 － 從電子健康病例，付款人索賠，到移動健康平臺等等 － 蜂擁而入， 並以指數比例增長。大數據具有這樣的潛能，即以三種至關重要的方式促進藥物研發的效率。
1. 大數據幫助公司理解研究形勢
如今，科研工作的主要分享來源於其他公司和科研機構。因此，具備識別在特定興趣領域工作的專家的能力會給公司帶來競爭優勢和聯盟關係。
類似於數據挖掘，自動化學習和研究的工具可以允許公司精確定位在某領域的重量級選手，通過提前買進有前途的研究－在它還相對比較便宜之時，從而領先其他公司。
2. 大數據也能幫助製藥者解密一種疾病的生物衍生物或者一種藥物的作用原理
這也許包括識別一種靶定的代謝途徑，或者理解一種療法的可能影響。
舉個例子，治療慢性病藥的真正好處比如他汀類用了多年時間才得以顯現。開展一項臨牀試驗去測試這些末端結果將是耗時又耗錢的。相反，存在很多平臺使得公司可以用系統生物學和衆包去核實模型，並測量一種產品在長期範圍內可能帶來的影響。
3. 最後，大數據可以用來正確匹配藥物和患者人羣
數據挖掘和機器學習使得公司去識別哪些人羣 對於某些特定的藥物反應最強烈，通過變量組合比如性別，種族，病史或更多。
當然，在當今只注重結果的大環境下，此種分析也會對財務產生深遠影響。通過分析一種藥物的療效以及在哪種病人身上療效最優，公司能夠識別額外的干預措施-包括其他治療和藥物遞送機制-也許會被用來提高產品功效。
小公司和大數據
在資源受限的情況下，新興的生物科技公司如何利用大數據的潛能？
一個不幸的現實是，醫療健康大數據沒有完全民主化，這意味着數據訪問權依然很昂貴。一個公司可以輕而易舉花上幾百萬美元，僅僅爲了獲取數據 - 這對於小型、資源受限公司來說是一個令人沮喪的障礙。如果你對大數據開發感興趣，想系統學習大數據的話，可以加入大數據技術學習交流扣羣：458數字345數字782獲取學習資源，另外，只有當和強有力的數據分析搭配使用時，大數據纔會產生洞察力。如今，相比幾年前，深微奧妙的算法和系統能夠分析更多數據維。
然而，此類數據處理能力並不便宜，一般情況下也超過了小型公司的內部系統處理能力。不僅如此，當高端、基於雲的數據分析開始形成，獲取這樣的處理能力還未滲入到小型機構。隨着數據量的增長以及越來越多實體創造出分析能力，得到獲取權將變的很容易。數據的來源不再僅僅侷限於以盈利爲目的的商業機構。疾病基金會，政府機構和其他相關機構也可以提供數據，並有興趣與其他也同樣致力於相關任務的公司合作。
競爭前的合作以及其他方式的合作也會擔任重要角色。諸如此類的共同努力，比較典型的像是，聯合起來一起解決科學或者方法論挑戰，經常需要混合數據並且設計機制用來在成員間公開分享。參與此類努力給了新興生物科技公司獲取數據的機會，而這些數據通常無法以其他方式獲取。
的確，將大數據轉換成有用的信息是一個共同挑戰，而且需要一批耐力和實力都超羣的成員。由聯合機構掌握的數據應該逐步和基於基礎平臺的數據分析能力相結合。爲這些努力提供資金的多數都是大玩家。但是能把這些融合在一起的是具有創造力和新思維的創業型，活力型的生物科技公司。
