目前，大数据技术在交通运行管理优化、面向车辆和出行者的智能化服务，以及交通应急和安全保障等方面都有着重大发展。
在出行方面，面向公众出行信息需求，整合交通出行服务信息，在公共交通、出租汽车、道路交通、公共停车，以及公路客运等领域扩大信息服务覆盖面，使公众出行更便捷。可以提供综合性、多层次信息服务，包括交通资讯、实时路况、公交车辆动态信息、停车动态信息、水上客运、航班和铁路等动态信息服务以及出行路径规划、出租召车等信息交互服务。例如，滴滴、Uber打车软件提供出租车、快车、专车、顺风车服务，同时接入地图、路线查询、实时路况、在线支付等相关服务。智能停车软件也进入市场，如停简单、好停车、PP停车等，实现停车行业与动态交通的有效衔接。
在物流方面，物流数据可以为物流市场预测、物流中心选址、优化配送线路、仓库储位优化等提供支撑，甚至能够提供交通路况、车辆运行、社会经济发展动态的信息。对于跨境物流，整合集口岸监管、物流运输、航运信息，可以实现物流产业链的业务单据、车辆船舶动态、通关状态等要素信息的跨行业、跨区域贯通，提高物流效率。
在管理方面，利用交通行业数据，支撑交通管理与决策。利用数据挖掘技术可以深入研究交通网优化，为行业发展趋势研判、政策制定及效果评估等提供支撑保障。此外，交通与公安、建管、环保等相关职能部门的大数据平台对接，可以提高跨领域管理能力。
在运营方面，整合行业数据，形成地面公交、出租汽车、轨道交通、路网建设、汽车服务、港口、航空等领域的一体化智能管理。通过车载、运营数据的精确、实时采集，可以实现公交调度、行车安全监控、公交场站管理，支持公交安全、服务、成本管控的全过程管理和交互。通过打通出租汽车电调平台与互联网召车平台之间的信息渠道，可以提供多渠道便捷的召车服务，实现对出租汽车服务质量的动态跟踪、评估和管理。对轨道交通线网基础设施、运行状况、运营数据、服务质量、隐患治理、安全保护区等进行监测，可以实现安全管理和应急协同。
5 医疗领域
医疗卫生领域每年都会产生海量的数据，一般的医疗机构每年会产生1TB-20TB的相关数据，个别大规模医院的年医疗数据甚至达到了PB级别。
从数据种类上来看，医疗机构的数据不仅涉及服务结算数据和行政管理数据，还涉及大量复杂的门诊数据，包括门诊记录、住院记录、影像学记录、用药记录、手术记录、医保数据等，作为医疗患者的医疗档案，颗粒度极为细致。所以医疗数据无论从体量还是种类上来说都符合大数据特征，基于这些数据，可以有效辅助临床决策有效支撑临床方案。同时通过对疾病的流行病学分析，还可以对疾病危险进行分析和预警。
临床中遇到的疑难杂症，有时即便专家也缺乏经验，做出正确的诊断和治疗更加困难。临床决策支持系统可以通过海量文献的学习和不断的错误修正，给出最适宜诊断和最佳治疗。大数据分析技术将使临床决策支持系统更智能，这得益于对非结构化数据的分析能力的日益加强。
大量的基因数据、临床实验数据、环境数据以及居民的行为与健康管理数据形成了“大数据”，同时随着人类对疾病与基因之间映射关系的认识加深，基因测序成本的下降，可穿戴设备的普及，监控设备的微型化，移动连接和网络覆盖范围的扩大和大数据处理能力的大幅提升，针对患者个体的精准医疗和远程医疗成为可能。通过收集和分析数据，医生可以更好地判断病人病情，可实现计算机远程监护，对慢性病进行管理。通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。
公共卫生部门可以通过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。百度通过对全国各地用户产生的搜索日志的分析，提供全国331个地级市，2870个区县的疾病态势。百度还准备将社交媒体数据、问答社区数据、甚至是各地区天气变化、各地疾病人群迁徙等特征数据融合到预测里，进一步提高预测的准确性。
总结
以上便是从电信、金融、政府、交通和医疗健康等5个行业，分析行业大数据应用的典型模式、发展状况。