大數據可提升準確率，卻使美國聯邦儲備系統誤判通膨情形。美聯儲根據40年來累積的數據分析，錯以為通膨將會快速消退。而在疫情和通膨的雙重壓力下，也讓許多以歷史紀錄為基礎的數據資料庫的預測失準，影響數據品質，讓大數據顯得「盲目」。
被數據綁架
根據《Data Center Knowledge》報導，Google會根據過去的交通數據來推估人們的通勤時間，設定推薦路線；Netflix也會從相似品味的人的選擇中，給我們推薦影音；美聯儲則使用過去市場和經濟的數據來預測通膨，調整匯率。
然而，數據卻可能使人們成為奴隸，當世界面臨大規模的疫情、通貨膨脹等鉅變，使得依賴過去資料的大數據比起以往更不可靠。人們依賴過去的經驗行事，無法一一套用於未來的狀況，數據何嘗不是？
大數據有時並不科學
大數據可提高預測的準確率，當人們在買鞋之前，就已經被電腦運算出會買哪一雙、運輸業可提前預測需求，以調節庫存、航空公司則因為更清楚旅客人數而售出更多座位。不過這些流程其實沒有我們想像得科學。
學者表示，就像經濟學家假設投資利率會回到歷史平均水平，卻沒有跡象表明這種情況很快會發生，如果歷史匯率都會出錯，那麼難保依照歷史來預測的大數據能安然無恙，美聯儲也因此誤判，根據40年累積的數據，讓他們以為這次的通膨只是短暫性的通膨。
供應和勞動力的短缺讓現下的經濟變得比以往混亂，所以人們很難知道大數據會讓自己多失望，更何況人們也不清楚應該使用何時的數據進行判斷。
低品質的數據
此外，根據《Data Center Knowledge》報導，數據庫的品質也會影響大數據的判斷，低品質的數據反而讓公司收入減少、團隊效率降低，乃至風險評估錯誤、誤判商機。這股大數據的流行風潮顯得「盲目」，許多的公司對數據越來越依賴，但處理數據的能力卻也因此顯得更差。
像是AI、流程自動化（RPA）以及機器學習（ML）等等數據需求龐大的工作，都必須先確保數據品質，才有機會進一步改善決策。
