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。

即时获取实时数据可能看起来像是一个理想的场景，但具有优势，也有缺点。

在这个数据爆炸时代，组织正在以越来越多的速度收集和存储数据。但是，只需为您的组织收集数据就没有任何商业价值。这种大数据的实时分析和可视化将大量数据转化为有价值的统计数据。虽然这种实时洞察可以对您的组织有很大的价值，但它既有利弊。

什么是大数据，以及与实时大数据分析有何不同？

在进一步研究之前，我们来讨论大数据 - 究竟是什么？传统上，数据被储存得更加容易，因为数量少得多。当需要以更大的数量存储数据集时，大数据就会存在。它不仅是数据或数据集，而且是工具，技术，方法和框架的组合。

1、数据真实性。大部分数据有毒。

2、数据的全面性。姚明和潘长江都不具代表性。

　　近年来，有关大数据的热点话题一浪高过一浪，关注大数据应用的人也越来越多。总体来说，人们对大数据的前景持乐观态度，比如谈到大数据的技术特征，人们最容易想起的就是4个“v”：vast(数量庞大)、variety(种类繁多)、velocity(增长迅速)和value(总价值高)。这些都没错，但仔细一想，它们都是偏重说明大数据的正面优势的。但其实，大也有大的难处，大数据也不可避免地存在着一些负面劣势。这些负面劣势可以概括四点：

　　inflated——大数据是肥胖的。大数据的大不仅仅体现在数据记录的行数多，更体现在字段变量的列数多，这就为分析多因素之间的关联性带来了难度。哪怕是最简单的方差分析，计算一两个还行，计算一两百个就让人望而生畏了。

　　unstructured——大数据是非结构化的。大数据的结构也是非常复杂的，既包括像交易额、时间等连续型变量，像性别、工作类型等离散型变量这样传统的结构化数据，更增添了如文本、社会关系网络，乃至语音、图像等大量新兴的非结构化数据，而这些非结构化数据蕴含的信息量往往更加巨大，但分析手段却略显单薄。