在互聯網時代，大數據已充斥了我們生活和工作的方方面面。有了大數據，人們對于經濟社會的認識與把握進入到一個全新的時代，即進入到一個較信息經濟更高位階的新階段，也就是“數字經濟”。日前發布的《中國數字經濟發展白皮書(2017)》中指出，2016年中國數字經濟總量達到22.6萬億元，同比名義增長接近19%，占GDP的比重超過30%，同比提升2.8個百分點。數字經濟已成為近年來帶動經濟增長的重要動力，“大數據”、“人工智能”已經深深改變了當代人的生活方式。
　　數字經濟時代，似乎“誰”“掌握”了大數據，就能夠對經濟活動乃至經濟社會做到“全知”，進而能夠“預知”經濟社會的未來，甚或能夠“全能性”地主宰經濟社會，但其實這些都是關于“大數據”的認識誤區。

　　誤區一：大數據終將主宰經濟社會，消除個體差異，成就一元化的經濟體系。
　　網絡經濟時代，人們在經濟社會中的諸種活動通過網絡賬戶體系來實現，這些活動也就是所謂的網絡賬戶活動，其基本內容更多地體現為賬戶間的關系。這些賬戶活動及其賬戶關系是由數字網絡程序所設定的、驅動的，且被實時地記錄下來。這就形成了所謂的“大數據”。因此，大數據來源于大量的網絡賬戶的活動及其有效的記錄，簡言之，大數據是網絡賬戶數據。
　　有人認為，大數據意味著“全知”，進而“全知”意味著“全能”，發展開去，大數據終將主宰經濟社會，消除個體差異，成就一元化的經濟體系。這是關乎大數據最大的謬誤。
　　“大數據”是“經濟自由”所投射下的數字影像，它無法反噬掉“經濟自由”，成為經濟社會的主宰。經濟社會中的大數據，是經濟活動的網絡化、賬戶化、數字化的產物，是經濟人自由意志的集合映射。換言之，沒有高度的經濟自由，沒有充分而多樣化的經濟選擇，就無所謂“大數據”。
　　大數據就是社會經濟活動的一層“數據化的外衣”而已，不管它多么服帖、合體或隨心，活動著的是里面的“身體”，且這個“身體活動”是自由意志所決定的。如果認為掌握了大數據就能影響乃至決定人們的經濟決策，將自身的意志貫徹到別人的頭上去，這就是本末倒置了。
　　誤區二：大數據是全量數據，能夠預知未來。
　　“大數據”并不能“全能性”地預設未來，但是能否“先知”般地預知未來？同樣，做不到。因為，大數據在時間上是有約束條件的。依憑歷史數據，能夠預知未來嗎？
　　大數據是全量數據，源于事實，也是事實，它并非既有經濟理論變量性的函數分析，并不能在時間軸上理所應當地延展開去。在時間軸上，大數據終歸是局部的，遠非全量，它是實然的，是已發生的，即其性質上仍然是歷史數據而已。
　　大數據本身不是先知，也沒有誰能通過大數據成為先知。基于大數據并不能建構所謂的“歷史規律”，更談不上把同大數據有所謂“關系”的某人或某類人嵌入到這一所謂的歷史規律中去，進而使其發揮主觀能動性，擔綱某種角色。歷史數據對于未來有一定的作用，但是根本上講，歷史數據并不能決定未來。沒人能夠憑依大數據而可預知未來，成為先知。
　　誤區三：大數據包攬一切信息。
　　數據的標準化與格式化，決定了大數據不是“全息”的。
　　全知是指在一定標準或口徑下的全量數據，但并不意味著包攬所有信息。信息的完整性是一個抽象而復雜的問題。數據信息往往是靜態的，是在一定時間點下的結論，其被有效地獲取甚或表達出來，就意味著一部分信息是確定的、靜態的，而另一部分則是不確定、動態的。這就好像貓的眼睛一樣，當你用相機去拍攝它時，它便發生變化，也就是必然丟失掉或隱去一部分信息。所以，全知是就對象自身而言的，并非是與對象有關的全部信息而言的。
　　現實中，人們對于大數據的感受確是非常豐滿有力、醒目而刺激的，這種情況一時間使人們感性上誤以為這就是全息的。事實上，這種情形以往也反復出現過，有如第一次聽到電話聽筒里傳來另一端親友的話語，便以為那是真聲音。
　　誤區四：把“大數據”當作“小數據”用，分析采用部分局部數據。
　　經濟社會中，如果取得的數據樣本有限，就需要確立有效的分析框架，建立模型，確立函數關系，做回歸分析。然而，如果樣本不僅是充分的，而且是完整的，是全量的，那么數據分析就要擺脫既有的舊模式了。從全樣本的大數據中，收窄樣本數量，只選取部分樣本用來分析，是一種縮量的方法，縮量樣本分析后的結論又要適用于總量，這就是對大數據的“小用”。
　　舉例來說，如果能夠獲得一個城鎮全部機動車以及全部外埠入城車輛的運行狀況，我們就可依所設議題來直接抓取數據，獲得結論。抽樣建模分析及其回歸分析，就不僅累贅，而且極有可能鑄成大錯。簡單來說，大數據，就是扳手指頭數不過來的狀況，交給機器與程序去“扳”，不僅數得過來，而且數出來了。大數據往往更多地可以直接抓取并使用，而非在數理化、模型化、函數化等“加工”后再使用。
　　大數據具有完整性和全局性的特質，如果采用部分局部數據，然后試圖得出超出部分局部數據范圍的結論，這種既有的思維慣性，并不適用于大數據的邏輯和現實。大數據不能當作小數據用，小數據終歸拼不出完整的大數據。