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。

數據倉庫，英文名稱為Data Warehouse，可簡寫為DW或DWH。數據倉庫，是為企業所有級別的決策制定過程，提供所有類型數據支持的戰略集合。它是單個數據存儲，出于分析性報告和決策支持目的而創建。 為需要業務智能的企業，提供指導業務流程改進、監視時間、成本、質量以及控制。

數據倉庫設計步驟如下：(1)選擇合適的主題（所要解決問題的領域）；（2)明確定義事實表；（3)確定和確認維；（4)選擇事實表；（5)計算并存儲fact表中的衍生數據段；（6)轉換維表；（7)數據庫數據采集；（8)根據需求刷新維表；（9)確定查詢優先級和查詢模式。

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。