صنعت مراقبت‌های بهداشتی هرگز از نظر داده کسری نداشته است. مشکل اینجاست که سازمان‌های مراقبت بهداشتی برای استفاده‌ی موثر از این داده‌ها در پیکار بوده‌اند.
قسمتی از این چالش به طبیعت بدون ساختار داده‌ها برمی‌گردد.
ترکیب سنجه‌های ساختار یافته مانند هزینه‌های سربار و میزان داروهای تجویز شده در یک الگوریتم، واقعا ساده است ولی توجیه داده‌های ارزشمند موجود در منابعی مانند نمودارهای پزشکی (که برخی از آنها هنوز هم به صورت دست نوشته‌اند) بسیار سخت‌تر است و حتی قبل از مسائل مربوط به انطباق با حریم خصوصی بیمار، که یکی از چالش‌های اصلی کلان داده در مراقبت‌های بهداشتی است، مورد توجه قرار می‌گرفتند.
همانطور که بهبود تجزیه و تحلیل کلان‌ داده‌ها با استفاده از هوش مصنوعی و یادگیری ماشینی ادامه دارد، با این حال سازمان‌های مراقبت‌های بهداشتی در حال یافتن راه‌های متعددی هستند تا از این مجموعه داده‌ها سود ببرند.
نمونه‌های مختلفی از کلان داده در مراقبت‌های بهداشتی وجود دارد که ارزش اشاره دارند. تجزیه و تحلیل طولانی مدت روال تشخیص بیماری، درمان و نتایج سلامتی می‌تواند در نهایت هزینه‌ی مراقبت را از طریق حذف عادات بی‌فایده یا زائد، به طور قابل ملاحظه‌ای کاهش دهد.
متخصصان مراقبت‌های بهداشتی نیز می‌توانند مدل‌های پیش‌بینی دقیق‌تری برای انواع مختلف شرایط و درمان‌ها ایجاد کنند که به آنها اجازه می‌دهد در زمان مراقبت از بیمار، تصمیماتی آگاهانه‌تر بگیرند.
با افزایش دستگاه‌های پزشکی اینترنت اشیا که قابلیت پوشیدن دارند، سازمانها قادر خواهند بود که حتی داده‌های بیشتری از بیماران جمع‌آوری کنند تا تجزیه و تحلیل کلان داده‌هایشان را به طور مداوم بهبود بخشند.