但是大数据只是数据。就算你的数据100%匹配，你就是不给他打电话。再合适，你就是不爱。所以我们可以把大数据当做辅助工具，参考它的数据，但是不要太相信数据。相对于一个小的数据集，大数据的情况下比较的标准太多了。大数据时代的一个特点是，重大发现的数量被数据膨胀带来的噪音所淹没。
大数据顾名思义是指无法在一定时间内用常规软件工具对其内容进行抓取管理和处理的数据总合。它对人类的贡献是好的，是有益的。大数据有五大特点即大量Volume高速Velocity多样Variety低价值密度Value真实性Veracity。它并没有统计学的抽样方法，只是观察和追踪发生的事情。
大数据的用法倾向于预测分析用户行为分析或其它领域发生的事件运用高级数据分析所获取的数据。现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。有人把数据比喻为蕴藏能量的煤矿。也相当于煤炭按照性质有焦煤无烟煤肥煤贫煤等分类，有点类似，大数据并不在大，而在于有用。
大数据有什么缺陷？
大数据的发展存在一个节点，及互联网同步现实世界信息的占比，是否达到较为全面反映现实世界的运行规律。越过这个比率，研究大数据就会有价值，反之，研究大数据只会得到失真的结论。所以大数据存在虚拟化的最小值。1信号噪声增大当审视数据当中的某个表象的时候，常常需要考虑这种表象是否是偶然产生的。如果这种表象看起来不太可能是随机产生的时候，就称统计上显著的。
如果做足够多不同的相关性测试，偶然产生的结果就会淹没真实的发现。有很多办法可以解决上述的问题，然而在大数据中这种问题会更加严重。和一个小规模的数据集合相比，大数据的情况下有太多可以用作比较的标准。如果不做仔细的分析，那么真实的表象与虚假表象之比——相当于信号噪声比——很快就会趋近于0。2数据型干草垛纳西姆.塔勒布Nassim Taleb提出随着我们掌握的数据越来越多，可以发现的统计上显著的相关关系也就越来越多。
在这个庞大的干草垛里，我们要找的那根针被越埋越深。大数据时代的特征之一就是，重大发现的数量被数据扩张带来的噪音所淹没。3直觉的价值如果每个人都求助于数据，都利用大数据工具的话，那么不可预测性——例如人类的本能冒险意外甚至失误——也许将会成为差异的关键。如果真是这样的话，那么需要专门为人为因素辟出一席之地——即为直觉常识运气留出空间，以确保它们不会被数据和机器生成的答案挤走。
4数据不懂社交大脑在数学方面很差劲请迅速心算一下437的平方根是多少，但是大脑懂得社会认知。人们擅长反射彼此的情绪状态，擅长侦测出不合作的行为，擅长用情绪为事物赋予价值。在社交关系的决策中，情感大于数据。5数据不懂背景人们擅长讲述交织了多重原因和多重背景的故事。数据分析则不懂得如何叙事，也不懂得思维的浮现过程。
即便是一部普通通的小说，数据分析也无法解释其中的思路。 6数据偏爱潮流当大量个体对某种流行产品迅速产生兴趣时，数据分析可以敏锐地侦测到这种趋势。一些重要的也是有收益的产品在一开始就被数据摈弃了，仅仅因为它们的特异之处不为人所熟知。7褒贬分析的局限褒贬分析只提供舆情的一个概览，它本身并不是 actionable insights。
贬损的舆论过于抽象，无法提供有价值的信息。8理解为主，解读为辅。大数据是资源，也是工具。其目的是告知，而不是解释。意在促进理解，但还是会导致误解——关键在于人们对它的掌握。人们必须以一种不仅欣赏其优点，而且承认其局限性的态度来接受这项技术。9最好是预测，而不是总结。大数据分析不应该复习，更适合预测。
