有人说，大数据时代的到来改变了传统的科研方法。无论是大型望远镜列阵收集回来的各种宇宙星系图像，还是从DNA测序仪形成的各种基因组，或是社交网站的点击次数都可以成为数据收集目标，大数据已经成为科研基础。但是，澳大利亚新南威尔士大学生物地理学高级讲师马尔特·艾巴赫3月17日在该校网站发表文章认为，这是对大数据的误解，大数据不可能代替传统科研方法，只能是传统科研方法的补充。

数据往往被视为科学实验成功的基准，拥有的数据越多，研究就会越成功。但是艾巴赫却不这么认为，他对本报记者举例说，2004—2006年，美国生物技术学家克雷格·文特尔带领探险队对北大西洋海洋生物样本基因组进行研究，随后他断定发现了1800种生物。事实上，他测试出来的基因组成千上万，但为了能够把它们真正确定为生物，文特尔和他的团队对每个基因组都进行了分析和对比，并最终给它们命名。所以，从大数据角度，文特尔发现了10.45亿组基因，但是却没有10.45亿种生物。数据的大小不重要，真正能够达到科研要求的数据才是最重要的。

之前，大数据在某些领域也存在预测错误的情况。例如，谷歌公司曾经想通过用户搜索流感相关内容的次数和频率来预测下一次流感到来的时间。事实证明，这种非传统的数据分析方式最终导致谷歌公司错过了对2009年流感疫情爆发的预告，而对2012年和2013年流感趋势的预告比真实的情况严重两倍。艾巴赫说，大数据预测失败之后，有统计学家指责数据采集样本有偏颇，还有人将失败的结果归咎于谷歌搜索缺乏透明度。而学者却没有想到可能是因为使用了非传统的数据收集方式而导致问题的出现。如何正确使用大数据应该成为大家重视的问题，正是因为学者对大数据存在误解，才限制了学者从大数据中找到有意义的内容。

艾巴赫说，与传统数据相比，大数据可以帮助学者打开探索未知领域的大门，学者应该在适当情况下将大数据与传统科研方法结合，在传统的科学研究中融入大数据。