在大数据时代，数据驱动技术仅仅是政府、工业企业、民间社会做出重大决定的因素之一，而误用或滥用数据甚至比无数据所造成的结果更糟糕。

不当负担

大数据到底是否利大于弊并不是我们现阶段所关心的问题，而能否识别其益处的非显性局限才是技术人员最应该关注的。

大数据支持者的核心主张是，但凡数据，必定有正面价值。然而这个想法是错误的，对公司管理层而言，看起来似乎无伤大雅的信息搜寻，却往往对数据收集的主体带来了不当负担。

比如，全球大学排名与联邦量刑指南是两大复杂社会系统演变而成的量化值，该方面的相关人员均表示，这样的全方位大数据归集整理无疑损害了他们原本系统的秩序。

而第一个提出“大数据时代”这一概念的麦肯锡公司(McKinsey)也曾坦言，“事实上，截至目前，并没有有效的证据表明数据的强度与特定部门生产力之间存在一定积极的联系。”在随后的几年内，尽管信息量化的浪潮已开足马力，但相关证据依然少之又少。

易被操控

数据往往比人们想象的更易被操控。据Target前经理表示，公司管理部门曾尝试通过收集分析顾客问卷打分表以期提升顾客满意度，然而此举却造成员工伪造客户信息以夸大自己的工作表现。不受监管的可编制数据一旦被伪造，那么用它分析出的结果便不具任何意义。

而先前拥有自主执行权的负责数据编制的员工，此时却倍感压力重重，因为他们不得不接受不间断的中央监控。

不可量化

许多重要的问题是根本不适合也无法定量分析的，它们需要对价值、驱动力、所处环境及其他种种核心因素的评判。而找到一个绝对中立不偏不倚并受众人尊重信任的人，制定量化指标来对所有因素进行评定打分，是决计无法实现的。这便是一切社会机制中固有的难题。

衡量知识?

新基础科学知识对经济结构的影响过于分散和复杂，经济学家很难进行量化衡量。

当然，社会和经济制度的定量分析在最近几年存在系统性的缺陷，但这并不意味着未来的深入研究会遭遇同样的短板。然而，若是沿袭相同的基础方法论，那么即便收集再多的数据，这些缺陷也将持续存在。

D1Net评论：

随着大数据技术蕴含的价值逐渐凸显，大数据正被广泛应用于各个领域，然而，如果大数据运用不当，造成的后果不堪设想，因此，发挥大数据的价值，前提就在于正确运用大数据。