要重视医药大数据的质量

现在是大数据时代了！都这么说。

因为云计算，云存储......因为各种新的计算方法、网络抓取工具、信息碎片化的格局，因为自媒体，因为医药大健康......品牌，需要更多、更大、更广泛的覆盖。

参加过很多次的医药健康大数据相关的论坛、研讨之类的活动，台上的很多发言者不是谈他们的技术如何先进，如何鹤立鸡群，就是谈他们的大数据监测、分析的如何准确、如何预言成真，感觉跟药品推介会有点相似，广告成分的居多。可听来听去，很多事情都还是云里雾里，真应了“云计算”这个概念。医疗机构信息化建设、医药企业的数据化管理、各种“云”的流动......处方数据化，各种“G*P”的运行，电商和物流管理.....大数据，真的很管用。

医药界国际上有IMS，用大数据或者用很多数据库的数据，单纯卖卖行业分析报告，就不得了了，于是乎，国内诞生了诸多公关、咨询、科技服务类的公司来拷贝IMS的经营模式，弄一大堆数字，然后按照某些要求开始做分析，做报告......数字，真的很吃香。

值得注意的是，不管怎么计算、怎么分析、怎么出报告......数据这东西，不用就是一堆散在的数字，硬要拉郎配，也能有一些所谓的关联结果，但这些关联，仅仅是数据上的一种运算结果而已，没有什么现实意义。

有数有据，才是数据。如今，网络上的信息海量，通过很多抓取方法将各种关键词、数字等搜集起来，按照某种组合排列方式进行叠加，或是某种算式进行归类、梳理和计算，似乎可以得出很多的N多结果。搜索引擎就是一个典型的范例，可你要真的就依赖于搜索引擎，不管你搜索网页、还是搜索新闻，或是学术，在关键词不是绝对的唯一，或是多个关键词的搜索结果，就会给你一个错觉，那显示有多少条的数字，其实已经饱含了水分。

在医药行业，在健康领域，用大数据做行业排名、产品排名、学术排名......已经是一种时尚，单纯的搜索，就得出排名结果，或是所谓能从论坛、BBS里或是电商数据中巴拉巴拉出大量数据来的排名，似乎就可以挂上全网数据的大数据应用来头了，可，真的能巴拉巴拉出多少论坛、多少电商、多少时间段、多大的网站范围，他们之间的数字或关键词的含义是否一致，如何挑选合适的和剔除无用的干扰？

做统计分析的人都知道要用于分析的数字，是有特定定义的。不管什么统计分析方法，都有对数据的假设前提和数字采集的基本框架要求。而云计算时代，似乎都可以忽略不计。这样的大数据分析、大数据分析结果，你信吗？数字大到你无法想象，就可以弥补和填平数字之间的一些差异？如果你是这么看待大样本，那还真不是这样的概念哦。样本，就是样本，多大的样本也必须符合样本的定义。不然，大数据就是一大堆、很大一堆的数字，不是样本，不能分析。

金杯银杯，不如口碑，在媒体覆盖面越来越广、影响力越来越深的情况下，自媒体成为“手机一族”几乎形影不离的今天，口耳相传，已经被微信朋友圈子给拓展了，朋友圈子里的口碑影响力越来越大，而基于朋友圈的大数据来反映的口碑，更是一种新的品牌塑造、评价和变化的重要因素。

2014年底，我国《广告法》的修订进入倒计时，企业和产品的广告传播将发生大幅度调整，传统的广告代言，利用明星和社会公众人物的影响力来影响口碑的情形会有很大变化；政府部门、社会组织主办的各种金杯银杯奖项，各媒体、企业自行设置的各种杯、各种奖，也在新形势下有了诸多限制，其市场地位的影响和传播功效也大打折扣。在网民时代，在移动互联网时代，人们认识和购买产品，了解企业和认可品牌，一方面更加重视熟人之间的口耳相传（微信营销），另一方面就是网络口碑。

不管数据如何纷繁复杂，不管大数据分析如何时髦创新，但运算方法、数据资源和质量、考虑的维度以及分析的视界高度，都是值得非常仔细仔细的研究和实践的。

大数据加自媒体时代，各种分析和各种结果都甚嚣尘上，数据质量，反而容易被忽视。就跟淘宝上商品极为丰富，在家点点键盘就可以轻松收到购买的物件非常方便一样，它的问题也是方便，是造假的方便和监管的不方便。在国家工商总局的调查结果显示其正品率不到40%。大数据分析的质量过硬结果，有这个比例吗？