数据分析 师在对阿里巴巴内衣销售数据进行分析后发现，购买大号内衣的女性往往更“败家”。其根据是，65%B罩杯的女性属于低消费顾客，而C罩杯及以上的顾客大多属于中等消费或高消费买家。这一结论是否成立姑且不论，但首先传递了一个信息，今天人们已经进入数据为王的时代，其中 大数据 似乎又是王中之王。
无论是商业网站还是搜索网站，人们的所搜所看所买都成为 大数据 的组成部分，无论之于商业，还是之于公共卫生，抑或国家 安全 ，它们都是有用的信息。有心人已经意识到，因为拥有大量未经充分研究的中产阶层，中国成为世界上最重要的数据市场之一。研究这些数据，对社会各方面都是多赢。当然，保护人们个人隐私的代价需要考虑。
2008年谷歌推出“谷歌流感趋势”（GFT） 数据分析 工具，谷歌的工程师根据这个工具的 数据分析 ，预测了2009年H1N1流感将要暴发，甚至具体到特定的地区和州。这一结论在流感暴发前发表在英国的《自然》杂志上。后来，情况果真如此，这与美国疾病控制和预防中心（CDC）的预测完全一致，但时间上比CDC早了近两周。从2010年起，阿里巴巴利用其数据建立的信用记录，向小微企业提供融资，也取得了不错的效果。
这些结果表明，数据为王时代早就到来。其实，这并不奇怪。人类文明的三大支柱是材料（物质）、能量和信息，数据又是信息中的核心部分。古希腊的毕达哥拉斯早就说过，“一切皆数”，尽管其所说的“数”与今天的数据有所不同，但在某些方面是相似的。所以，在今天也就有了“一切皆信息”，也即数据为王。
不过，数据为王并不意味着 大数据 为王，或数据越多越好，还要看如何分析和利用数据，进而得出最契合实际的结论，并且有效利用这一结论。因此，如果要承认阿里巴巴基于内衣销售的 数据分析 得出的女性胸越大越“败家”的结论，就需要有符合客观实际的解释，不幸的是，这一结论还处于见仁见智的阶段。网友的各种分析就提供了佐证：一是“大胸都被有钱人娶了，所以才有能力败”；二是“说明青春期的营养状况确实会影响胸的大小”，“胸大的确实普遍嫁得好”；三是“胸大并不败家，集中在网上打折的时候买东西，只会旺家。”
这笔混乱账目前肯定掰扯不清，但已有事实证明，数据越大并不意味着越好。就算是谷歌，一旦他们的 大数据 处理和分析不当，也会得出错误的结论。2013年1月，美国又发生流感，但GFT的预测比实际数据高两倍。这并非偶然出现错误，而是在过去一再发生。2011年8月~2013年9月，GFT高估流感流行长达108周。
谷歌的 大数据 为何预测不准呢？发表在2014年3月14日《科学》杂志上的一篇文章指出了两个主要原因。一是 大数据 浮夸，二是 算法 变化。 大数据 浮夸指的是，以为 大数据 可以完全取代传统的数据收集方法，而非作为后者的补充。 大数据 浮夸的最大问题在于，绝大多数 大数据 与经过严谨科学试验得到的数据之间存在很大的差异。
另外，谷歌对 算法 会进行不断的调整和改进，搜索引擎 算法 的改变和用户的搜索行为会影响到预测结果，比如媒体对于流感流行的报道会增加与流感相关的词语的搜索次数，进而影响GFT的预测；相关搜索 算法 也会对GFT造成影响。例如，搜索“发烧”，相关搜索中会给出关键词“流感”，而搜索“咳嗽”则会给出“普通感冒”。
如果没有严谨的科学试验数据做后盾，现阶段就不能得出女性胸越大越“败家”的结论。同样，也需要得到科学试验数据后，才能解释为何在2012年的“双十一”，中国比基尼销量最高的地区是并不沿海的新疆。对 大数据 浮夸的两种解决之道则是： 大数据 并不能代替严谨的科学试验得到的数据，这两者之间需要互补，而且要使 算法 更符合实际情况。
