人的本性认为更具体的东西更准确，如下午3：12比下午某个时间更准确。
但事实正好相反。在许多情况下，更精确的预测不太可能是准确的。例如，一个客户买了一台特定配置的笔记本电脑，而过去购买该配置笔记本电脑的唯一的客户，还买了一双粉红色的高跟鞋。
“热门粉红色高跟鞋的推荐可能很具体，但可能太具体，导致很高的误差，”位于加利福尼亚州圣莫尼卡的营销公司Retention Science首席执行官Jerry Jao说。
所以，通常看起来漂亮的东西，实际上可能无助于业务和营销管理。
误区7：大数据等同于Hadoop
Hadoop，针对非结构化数据的一个流行的开源架构，最近已经得到了很多关注。但企业还有其他的选择。
“有整个的NoSQL运动，”SAP大数据总经理兼高级副总裁Irfan Khan说。“有MongoDB，Cassandra等其他完整的技术。”
其中有些技术可能更适合特定的大数据项目。尤其是Hadoop的工作原理是将数据划分成多个块并行处理。此方法适用于许多大数据的问题，但不是所有的问题。
“虽然YARN和Hadoop 2解决了一些问题，但有时你需要处理的方式，Hadoop不是理想的选择，”大数据咨询公司LucidWorks首席技术官Grant Ingersoll说，“人们需要保持冷静的头脑，并决定什么是最适合自己的，而追随时尚。”
误区8：最终用户不需要直接访问大数据
大数据往往太过复杂，以至于需要专门的员工来处理。但是，这并不一定如此。
举个例子来说，由重症监护病房中的设备所产生的全部数据。心脏速率，呼吸数据，心电图读数。虽然，很多时候，医生和护士就只能看到病人的当前读数。
“我看不到在10分钟前的情况，也不能绘制未来一个小时之内的趋向线，”飞利浦医疗保健患者护理和临床信息首席营销官Anthony Jones表示。
但能够看到病人的历史数据对于一个医生做决定非常有价值。“这些家伙有一个核心的数据科学团队，他们缺少一个巨大的机会，”Jones说。
现在的问题是让所有不同的设备生成的数据能够交互，即使它们并非为此设计，并使用不同的平台、操作系统和编程语言。一旦你这样做，医生和护士能够在需要的时候得到一个有用的数据表单。
误区9：大问题才用到大数据
一家大银行的首席信息官最近发表了关于大数据的谈话，并被询问关于最终用户自助服务的问题。
“这位首席信息官说，"我不相信"，”Birst首席执行官Peters回忆说。
这是一个共同的态度，他说，一些高管认为大数据只回答了某些类型的问题。这种态度可以这样概括：“我们的大数据目标是解决极少的高价值的问题，通过核心的数据科学家团队。我们不希望数据混乱，让普通人有机会访问这些信息，因为我们不认为他们需要它。”
Peters不同意这种观点，但表示这常见于很多行业。“这是大型保险（放心保）公司里面猖獗的神话，但业务用户都没有足够的智慧处理它。”
误区10：大数据泡沫终将破灭
炒作周期可能来回反复，但技术始终坚持变革。互联网泡沫的破灭，并非互联网终结的信号。
即使在炒作平静下来，公司仍将有大数据需要处理。事实上，由于呈指数增长，他们将有预计比以往任何时候更多的大数据处理 - IDC预计，直到2020年，累计收集的数据数量，每两年将增加一倍。
并且它不只是公司目前收集的东西。相反，新的数据类型可能还会出现，需要大量的存储。
宾夕法尼亚州互动营销公司Cadient集团首席技术官Bryan Hill表示，认为“大数据”只是一个阶段，企业可能错过机会捕捉到可能对他们的业务产生影响的数据元素。
“所谓"大数据"很可能会改变，就像云计算和以前的web其实没有什么不同，”他说，“这个词可能会改变，但大数据的精神会在里面留下来。”