빅데이터에 기록된 값은 정확한 값이 아닌 대략적인 값일 수 있기 때문에 수집된 데이터의 완전성과 정확성이 중요하다. 예를 들어, 소셜 미디어에서 고객 감정을 면밀히 조사해야 하는 비즈니스라면 언어의 미묘함 때문에 작업이 어려울 수 있다. 트위터나 블로그 글 뒤에 숨은 진정한 동기를 이해하기란 어려운 일이다. 또 요즘에는 이모티콘을 많이 사용하기 때문에 소셜 미디어의 글을 해석하기가 더욱 어렵다.
기업은 빅데이터의 신뢰성에 대해서도 염려해야 한다. 빅데이터가 소셜 미디어 봇과 같은 잘못된 값을 포함하거나 정보가 편향될 수 있기 때문이다.
데이터 일관성 또한 중요한 문제다. 빅데이터 시스템에서는 두 사람이 동일한 질문에 다른 해답을 얻을 수도 있다.
유용한 정보를 생성하려면 광범위한 데이터 처리, 해석 및 알고리즘 사용이 필요하다. 이것은 전통적인 데이터 베이스 시스템과 비교했을 때 편향되고 잘못된 결론을 초래할 수 있다.
예를 들어 자율주행 자동차는 알고리즘과 이미지 인식을 사용해 교통 표지판을 읽지만 기호가 손상됐거나 표지판이 파손된 경우 잘못 인식할 수 있다.
결국 빅데이터의 타당성 여부를 결정하려면 인간이 개입해야 한다.
기업은 빅데이터를 활용해 가치를 창출할 수 있는지 평가하고, 데이터가 신뢰할 수 있는지, 그리고 얼마나 많은 투자가 필요한지 검토해야 한다.
또 빅데이터의 정보 수명 주기를 모니터링하고 기업의 거버넌스 및 보안 요구 사항을 충족하는 데이터 통합 시스템을 설치해 기존 데이터 베이스 시스템을 통합해야 한다.
빅데이터는 투명해야 하며 데이터 부정확성 및 편향은 기업에서 즉시 수정할 수 있어야 한다.
빅데이터 분석은 데이터 과학자에게 맡기는 것이 가장 좋지만 비전문가더라도 빅데이터를 의사 결정에 사용했을 때의 결과를 이해할 수 있어야 한다.
빅데이터와 사물 인터넷(IoT)은 각 비즈니스 분야에 전례없는 기회가 될 수 있지만 직원, 고객 및 사회에 악영향을 미칠 수도 있다. 소비자들이 수많은 회사가 자신들의 일거수 일투족을 알고 있다는 불안감을 느껴서는 안 된다.
