傳統的樣本分析師們都很難容忍錯誤數據的存在，因為他們一生都在研究如何防止和避免錯誤的出現。

在收集樣本的時候，統計學家會用一整套的策略來減少錯誤發生的概率。

在結果公布之前，他們也會測試樣本是否存在潛在的系統性偏差。這些策略包括根據協議或通過受過專門訓練的專家來采集樣本。但是，即使只是少量的數據，這些規避錯誤的策略實施起來還是耗費巨大。

尤其是當我們收集所有數據的時候，這就行不通了。不僅是因為耗費巨大，還因為在大規模的基礎上保持數據收集標準的一致性不太現實。就算是不讓人們進行溝通爭吵，也不能解決這個問題。

大數據時代要求我們重新審視精確性的優勢。如果將傳統的思維模式運用于數字化、網絡化的21世紀，就會錯過重要的信息。

執迷于精確性是信息缺乏時代和模擬時代的產物。在那個信息貧乏的時代，任意一個數據點的測量情況都對結果至關重要。所以，我們需要確保每個數據的精確性，才不會導致分析結果的偏差。

如今，我們已生活在信息時代，我們掌握的數據庫越來越全面，它不再只包括我們手頭現象的一點點可憐的數據，而是包括了與這些現象相關的大量甚至全部數據。我們不再需要那么擔心某個數據點對整套分析的不利影響。我們要做的就是要接受這些紛繁的數據并從中受益，而不是以高昂的代價消除所有的不確定性。

在華盛頓州布萊恩市的英國石油公司切利博因特煉油廠里，無線感應器遍布于整個工廠，形成無形的網絡，能夠產生大量實時數據。酷熱的惡劣環境和電氣設備的存在有時會對感應器讀書有所影響，形成錯誤的數據。

但是數據生成的數量之多可以彌補這些小錯誤。隨時監測管道的承壓使得BP能夠了解到，有些種類的原油比其他種類更具有腐蝕性。以前，這些都是無法發現也無法防止的。

有時候，當我們掌握了大量新型數據時，精確性就不那么重要了，我們同樣可以掌握事情的發展趨勢。

大數據不僅不再讓我們期待精確性，也讓我們無法實現精確性。

然而，除了一開始會與我們的直覺相矛盾之外，接受數據的不精確和不完美，我們反而能夠更好地進行預測，也能夠更好地理解這個世界。

值得注意的是，錯誤性并不是大數據本身固有的。它只是我們用來測量、記錄和交流數據的工具的一個缺陷。

如果說哪天技術變得完美無缺了，不精確的問題也就不復存在了。

錯誤并不是大數據固有的特性，而是一個亟需我們去處理的現實問題，并且有可能長期存在。

因為擁有更大數據量所能帶來的商業利益遠遠超過一點精確性，所以通常我們不會再花大力氣去提升數據的精確性。

這又是一個關注焦點的轉變，正如以前，統計學家們總是把他們的興趣放在提高樣本的隨機性而不是數量上。如今，大數據給我們帶來的利益，讓我們能夠接受不精確的存在了。