由于大数据涉及的内容十分庞杂，很多业务口径，即使是市场人员也不一定能够说清楚。举个例子，王小强要计算昨天彩铃的收入是多少。那么什么样的用户算是彩铃用户？是指订购了彩铃业务的用户，还是指使用了彩铃业务的用户？所谓收入是指应收收入还是实收收入？这些不同的口径会导致计算结果相差甚远，而王小强可能也无法完全说清楚自己需要的统计口径。

一旦确定了口径之后，还要保证数据准确，这里也有时间窗口的问题。例如，昨天的时间是指到夜里12点吗？那么那些12点还没有完成批价的收入是否算？……

好在口径确定后，就可以比较相对值，就可以看出彩铃市场的真实变化。

同样地，在大数据处理过程中，会产生很多数据质量问题，80%都是这种口径差异导致的。所以，市场人员在看到结果数据时，有时会质疑数据是否准确；而数据分析师也要正确面对这种质疑，用技术手段证明自己手里的数据没有错误，其分析结果是真实可靠的。

在大数据投入使用初期，有时也会出现“假数据、真分析”的状况。这种假数据的出现，有很多原因，主要是缺乏检测稽核手段。一些数据源提供方有时会有意无意地提供一些改进后的数据，“包装”自己的业务业绩。

在大数据建立之初，就要考虑这种数据质量的监控问题，通过多维度、多角度的数据检测规则，及时识别造假数据。