在大多数情况下，对某种自然、社会现象的深入研究或者对用户的超级刻画，信息广度和信息深度缺一不可。从这个意义上讲，真正的大数据应是建立在共同的标准基础之上，融合了企业、政府、科学研究等跨领域、跨行业、跨平台数据的集合，是社会大数据。
然而，当前的大数据依然以独立孤岛的形式存在，没有任何一个组织能够获取在广度和深度上都足够充分的数据。应该大力推进全社会的数据公开和共享，其中政府数据开放尤其重要。毫不夸张地讲，真正核心的数据绝大部分掌握在政府手中，没有政府参与，就没有真正的大数据。
5、时效性：秒级价值存在
任何数据都位于一个连续的时间轴上，都有其时间属性，即数据年龄。不同年龄的数据有着不同的价值特性，往往老数据具有总体或趋势分析价值，新数据则更具有个体应用价值。大数据时代，信息更新速度非常快，从应用的角度看，大数据的时效性往往非常短。
用于探测地震和海啸的传感器所产生的数据时效往往只有几秒钟，在此之后就基本失去意义了。美国国家海洋局的超级计算机能够利用传感器传输的数据，在日本地震后9分钟内计算出海啸的可能性及强度。短短的9分钟，基本反映了当前人类计算的最高水平，但这对于瞬间消失的生命来说还是太长了。
实时营销对用户状态信息的时效性也有很高的要求，试想想，如果你的目标用户在离开店面500米后才收到你所谓“量身定做”的促销信息，他（她）是不是会对此嗤之以鼻？
大数据时效性的要求对数据的实时采集、实时加工、实时分发提出了极高的要求。数据处理上有一个著名的“1秒定律”，即要在秒级的时间范围内计算出分析结果并分发出去，超过这个时间，数据就失去价值了。这在许多时候还很难做到，从而在相当程度上限制了大数据的应用。
6、解释性：不能没有因果关系
对于舍恩伯格关于大数据的另一个核心观点，“不是因果关系，而是相关关系”，只需要了解是什么或未来会发生什么，而不是为什么和事情发生的内在原因，笔者同样不敢苟同。
相关关系仅代表着过去和个案，没有解释性，有时甚至是错误的，而且不能推而广之。只有掌握了事物之间的因果关系、原因机制和科学原理，才能举一反三，迭代更新，持续推动社会进步。这是很简单的道理，不必赘言。
关于相关性，一直为人津津乐道的便是啤酒与尿布的故事。然而，沃尔玛商品品种成千上万，相关关系数十亿之多，我想类似的绝妙组合尚有不少，为什么再也难见？更何况，人们仍然对啤酒与尿布的相关关系进行了合理的因果逻辑解释。试想，如果首先发现了这样的因果关系，再通过相关关系予以验证，是否可以发现更多的“啤酒和尿布”？
大数据分析需要借助机器来完成，而机器从来就只能给出数据间的相关关系，而不能说明因果逻辑。因果关系需要人的思考和判断，电脑现在没有、将来也不可能完全替代人脑。玩笑一下，如此急迫地强调相关关系而不是因果关系，难道我们真的不需要脑子了吗？
7、预测性：让过去决定未来
大数据分析无论被赋予多么绚丽的光环，从根本上讲都只是对过去和现实的归纳和总结，其本身并不具有趋势和方向性的特征。决定趋势的是事物发展的内在因素及相互作用，在此方面大数据无能为力，这是大数据的先天性缺陷之一。
舍恩伯格也坦言，与大数据同行是有一定风险的，大数据有可能会把我们锁定在以往的错误当中，使我们堕入让过去决定未来的陷阱。
现在有些基金公司推出大数据指数基金，期望通过大数据对股票行情进行准确的预测。历史行情走势只是过去已经发生的影响股票市场的诸多因素共同作用的结果，以此来预测未来的市场根本不靠谱。普林斯顿大学经济学教授伯顿·麦基尔早在1973年的畅销作品《漫步华尔街》中就指出，把一只猴子蒙上双眼后让它向报纸的金融版掷飞镖而选中的投资组合，和那些专家经过大量研究而谨慎选择的投资组合相比，盈利性可能一样好。近几年甚至有研究者提出，麦基尔的这种看法低估了猴子（应该是高估了基金经理吧）。2008年，好事的俄国人更是用实验证明了这一点。俄罗斯《财经周刊》从马戏团找来一只猴子，让它从代表不同股票的牌子中选择8支进行模拟投资组合，并投入100万虚拟卢布。一年后，当金融专家再次观察猴子所选股票的表现时不由大吃一惊，其市值上涨了近3倍，跑赢了94%的基金。