必须承认，我们处于一个不确定的世界里，有许多事件是无法预测的。过分依赖大数据和预测模型是危险的，因为有许多决定性的影响因素都不能纳入模型参数的覆盖范围之内。从天气预报、地震预测、足球比赛到金融危机等等，都对这一点做了很好的诠释。
8、误导性：数据也会说谎
与大数据的代表性、真实性、完整性、解释性等局限性相关的，对统计现象只看结果不重解释，很可能导致错误甚至危险的结论。二战时期英国与德国的空战中，工程师发现，每次战斗机回来机翼上都带有很多枪眼，因此认为机翼是最容易受到攻击的地方，需要进行特别防护。可是增加防护之后，飞机的损失率不但没有降低，反而提高了。问题究竟出在哪呢？原来工程师们被这一统计结果误导了，从而采取了错误地防护措施。对机翼枪眼的统计只针对成功返航的飞机，而那些不幸的飞机被击落的原因并没有被统计和发现。相反，机翼受损还能飞回来，说明机翼被攻击并不是飞机被击落的主要原因。至于为什么增加防护后飞机损失率反而提高了，原因很简单，因为负荷增加降低了飞机的灵活性和航程。后来，工程师们反其道而行之，在没有枪眼的部位加强防护，因为这些部位被击中的飞机都没有返航，事实证明效果良好。
9、合法性：数据安全与隐私保护
大数据本身及其采集、使用过程都极有可能会涉及个人隐私、商业机密、公众权益和国家信息安全。因此，安全性和合法性问题构成了大数据价值发挥的限制性因素之一。
商业和技术很重要，但商业和技术背后的价值观更重要。
Google曾将"不作恶"作为自己的公司价值观；百度为了短期商业利益售卖多个贴吧，公然践踏公众隐私，结果遭千夫所指，万人唾骂。这些都充分反映了公众对隐私和信息安全的关注和重视。
白宫曾在2014年发表书面声明称，大数据创造的社会价值与经济价值得以遵从该国提倡的“隐私、公正、平等、自主”。中国政府在此方面虽然尚未立法，也从来没有明确的说法，但民众的基本权益和诉求理当被审慎考虑。
诚然，安全性、合法性要求限制了大数据的使用和商业价值的充分发挥，但从社会价值的角度来看，是值得的，也是必须的。
10、价值性：投入与收益的平衡
价值密度低是被公认的大数据特征之-，这也在一定程度上限制了大数据的研究和应用。
一方面，因为大数据的低密度价值特征，那么要使其价值达到可用的程度，就必须有足够规模的数据积累和有效的价值提取。以常规的监控视频为例，连续24小时的视频监控中，有用的数据可能仅有数秒。如何优化存储，并通过强大的机器能力迅速完成数据的加工处理和价值呈现，到目前为止还是大数据面临的一大难题。另一方面，大数据边际效用递增规律的存在，使许多企业、组织的数据无法达到基本的规模要求，从而也使其数据价值无法充分显现。
同时，前面讲到的大数据代表性、真实性、完整性、解释性上的不足及由此引起的结论误导，不仅会降低数据的价值，甚至可能产生负面作用。
除此之外，大数据的采集、存储、加工和使用所耗费的资金和时间成本都是非常高昂的。作为大数据投资主体，应该在投入和收益之间进行合理平衡。当前的确存在那么一种势力，为了某种目的极力鼓动企业进行大规模的大数据投资，如果不审慎评估，很可能得不偿失。
在此讲了这么多大数据的局限性，最后再次重申，并非要以此否定大数据的价值；同时，也要再次强调，大数据代表的只是信息，而非智慧。对世界的改造仅凭有限的信息是远远不够的，更需要人类取之不尽、用之不竭的智慧。只有用好了项上这颗六斤四，才能逐步突破大数据的局限性，更好地发挥大数据价值。