在談論大數據時，大部分的人都會陷入了「數據樣本愈多愈好」的迷思，但其實，就像健康檢查一樣，我們沒必要將全身的血液抽出來做檢查，只要抽取數據樣本即可。
數據量多就是大數據嗎？
我大部分都在大企業或研究所裡工作，所以遇過很多這樣的人。
「樣本數要有1千人以上才可以」
「你以多少人為對象進行研究？有包含全部的人嗎？」
並不是樣本數多就是好數據，數量愈大，反而會導致族群特性消失。有很多時候，不管研究對象有數千萬人還是數十人，結果其實並沒有太大的差異。
「沒有針對全國民眾進行調查的話，結果值得信賴嗎？」
在一些公布統計數據或問卷調查結果的報導，經常可以看到這樣的回應。首先，要將全國民眾都納為調查對象這件事，根本就是無稽之談。如果能夠調查所有人的意見，那這世界就不存在通緝犯了。
以1千人為對象的標準，是誰訂定的？那1萬人呢？為什麼一定是10的倍數？這些不過都只是我們自己喜歡的數字罷了，只是我們自己想相信的數字而已。
解讀數據的常見誤解
在進行健康檢查的時候，我們大多都使用血液檢驗當作健康指標。難道我們要將所有的血液都抽出來做檢查嗎？並不是這樣的。難道我們會懷疑，從自己的手臂抽出來的血液，會與從腿部抽出來的不一樣嗎？
這就是所謂的「樣本分析」。我們沒有必要將全身的血都抽出來做檢查，同理可證，我們也不需要將所有人都當成樣本，才能確認數據真假與否。當然這其中，也有些數據無法表達全體意見，因此可能會有誤差，但除此之外，數據也可能會因為時間或其他因素，導致分析的結果不同。因此，我們不能只是單純的說出：「這個數據不是基於全體而是少數人，所以不可採信。」，這是一種誤解。
大數據之所以叫「大數據」，並不是因為數據量的多寡，一個單純的問題不會因為你問過很多人，所以它就變成了大數據。就算是問了很多人，這也不過是：一個以多數人為對象進行問卷調查後，所獲得的統計結果而已。這份調查結果必須與其他數據做連動、分析，一份達到理解消費者目的的數據，才可以讓大量搜集數據的意義，變得更加耀眼。
