執迷於精確性是資訊缺乏時代和模擬時代的產物。只有5%的資料是結構化且能適用於傳統資料庫的。如果不接受混亂，剩下95%的非結構化資料都無法被利用，只有接受不精確性，我們才能開啟一扇從未涉足的世界的窗戶。

允許不精確——資料量的大幅增加會造成結果的不準確，與此同時，一些錯誤的資料也會混進資料庫。然而，重點是我們通過努力避免這些問題，學會接受它們。混雜性一方面來自錯誤的資料（測量的不準確），也來自格式的不一致（如不同的日期格式、同義詞）。為了擴大規模，我們接受適量錯誤的存在，有時得到2加2約等於3.9的結果，也很不錯。為了瞭解大致的發展趨勢，我們願意對精確性做出一些讓步。

“大資料”通常用概率說話，而不是板著“確鑿無疑”的面孔。當我們試著擴大資料規模的時候，要學會擁抱混亂。

大資料的簡單演算法比小資料的複雜演算法更有效——簡單演算法+大資料

紛繁的資料越多越好，如今，我們已經生活在資訊時代。我們掌握的資料庫越來越全面，它不再只包括我們手頭現象的一點點可憐的資料，而是包括了與這些現象相關的大量甚至全部資料。我們不再需要那麼擔心某個資料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資料並從中受益，而不是以高昂的代價消除所有的不確定性。

大資料不僅讓我們不再期待精確性，也讓我們無法實現精確性。錯誤並不是大資料固有的特性，而是一個亟需我們去處理的現實問題，並且有可能長期存在。

要想獲得大規模資料帶來的好處，混亂應該是標準途徑，而不是竭力避免。

今年大轉變是非關係資料庫的出現，它不需要預先設定記錄結構，允許處理超大量五花八門的資料。因為包容了結構多樣性，這些資料庫設計就要求更多的處理和儲存資源。

據估計，只有5%的數字資料是結構化的且能適用於傳統資料庫。如果不接受混亂，剩下97%的非結構化資料都無法被利用，比如網頁和視訊資源。通過接受不精確性，我們打開了一個未涉足的世界的視窗。

社會將兩個折中的想法不知不覺地滲入了我們的處事方法中，我們甚至不再把這當成一種折中，而是把它當成了事物的自然狀態。第一個折中是，我們預設自己不能使用更多地資料，所以我們就不會去使用更多的資料。但是，資料量的限制正在逐漸消失，而且通過無限接近“樣本=總體”的方式來處理資料，我們會獲得極大的好處。第二個折中出現在資料的質量上。在校資料時代，追求精確度是合理的。因為當時我們收集的資料很少，所以需要越精確越好。如今這依然適用於一些事情。但是對於其他事情，快速獲得一個大概的輪廓和發展脈絡，就要比嚴格的精確性要重要得多。

大資料要求我們有所改變，我們必須能夠接受混雜和不確定性。精確性似乎一直是我們生活的支撐，就像我們常說的“釘是釘，鉚是鉚”，但認為每個問題只有一個答案的想法是站不住腳的，不管我們承不承認。一旦我們承認了這個事實甚至擁護這個事實的話，我們離真相就又近了一步。