數據挖掘平臺在醫療領域和公共衛生領域有廣泛的應用。例如，將疾病預測模型，應用于癥狀監測，快速采集急診、門診、處方與非處方藥銷售、動物疾病等多方位的信息數據，建立數據倉庫，通過綜合、分析、比較、聚類等數據挖掘技術，能夠及早地發現突發公共衛生事件征兆，為啟動有效的應對措施贏得寶貴的時間。
數據是一種寶貴的資源。利用新技術新方法挖掘現有數據的價值，找到數據間的關聯關系，提高基礎數據的利用率，并預測未來趨勢及行為，是國內面臨的迫切問題。一批新興的數據處理、挖掘與分析技術不斷涌現，使分析處理海量數據變得更加容易、更加便捷。
通過建設大數據基礎平臺，對已有海量數據進行整合、挖掘和分析，由傳統的經驗決策模式逐步轉變為數據決策模式，可以進一步提升國內管理水平以及決策效率，并充分挖掘數據資產的重要價值。大數據基礎平臺采用模塊化結構，模塊高內聚、松耦合，應滿足高可靠、實時響應快、安全性好、開放性好，系統應易于操作、易于維護、可擴展性好。
大數據平臺進行數據采集時通常要面對數據結構、業務規則、技術特性（網絡、安全、性能約束）等方面的綜合挑戰。如果數據源和大數據平臺處于相同的網絡環境，具有類似的數據結構和編碼映射，可以通過工具配置或腳本進行采集，如使用Sqoop。當需要面對和對接第三方的數據生產系統，需要遵循對方的抽取協議，以及跨網段的數據訪問，從而需要對采集應用進行一定程度上的定制，可以使用Java NIO、Netty或Mina。
Hadoop是一個成熟的大數據處理框架，允許在集群中使用簡單的編程模型對大規模數據集進行分布式計算。它被設計為可以從單一服務服務器擴展到數以千計的本地計算和存儲節點，并且Hadoop會在應用層面監測和處理錯誤，而不依靠硬件的高可用性，所以Hadoop能夠在一個每個節點都有可能出錯的集群之上提供一個高可用服務。
Hadoop集群主要由兩部分構成:分布式文件系統HDFS和統一資源管理和調度系統YARN。分布式文件系統主要用于海量數據存儲，YARN主要是管理集群的計算資源并根據計算框架的需求進行調度。構成HDFS集群的主要是兩類節點，以主從(master/slave)模式，即一個NameNode（管理者）和多個DataNode（工作者）。構成YARN集群的是兩類節點：ResourceManager和NodeManager，也采用主從（master/slave）架構。
基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。
