希爾沃還舉例說明為何當初信用評級機構無法預判次貸危機。排除一些主觀因素，比如信用機構為自己牟利可以不顧實際情況，不負責任地給出AAA的評級等，其實真正問題在於，信用評級機構根本就沒有意識到，準確性和精準性是不同的概念。雖然其評價模型林林總總，包括了各種可能性下的各種細節，但這些模型本身就錯得離譜。這就好比在足球比賽中，有一名球員每次射門都能射中門框，這名球員的精準性可謂萬裏挑一，但他對球隊的貢獻有多大呢？
很多大數據的研究者往往會忽略一個問題：數據並不能自我證明，不管數據規模有多大，數據仍是人類設計的產物。無論什麼樣的大數據工具，如計算軟件框架等，並不能讓人們的思維避免偏移、中斷或出現錯誤假設。在大數據試圖反映我們的真實情況時，這些因素特別重要，然而我們經常被愚弄，“執著地”認為，計算結果比人類的觀念更客觀。
真正有用的預測，首先要收集大量信息，並作出客觀的假設，其後根據事實的發展，予以不斷調整。
事實也印證了希爾沃的說法，一些從事大數據研究的公司表示，篩查數據可以提供信息，但其前提是使用時要了解數據不能揭露的信息，大數據有大數據的偏見，因為它低估了測量不了的東西，比如直覺和感召力。由電腦係統做主是大勢所趨，但不能消除人的判斷，客觀真實的人為判斷是對係統進行修正的基礎。
希爾沃的忠告
令人鼓舞的是，近期一項對64個國家及地區1700名首席營銷官開展的調查顯示，麵對大數據時代的到來，71%的企業還沒有做好充分準備來應對挑戰，這對國內的企業尤其是創新型企業來說，不啻為天賜良機。
但機遇並不等於成功，打算在大數據領域有所作為的企業管理者們應謹記希爾沃的忠告：社會的進步是一個艱辛的過程，而想要成為進步的推動者更是艱難無比。當你們著手解決一個問題時，切記保持專注。在多數情況下，我們無法處理龐雜無序的數據，擁有更多的信息並不意味著我們能更好地預測，也就是說，我們並不能夠對所有的東西進行很精準的預測，每當你給產品添加一項新功能時，你距離自己想要的回報就遠了一步。
“如果你是初創企業，不妨嚐試一些還沒有人涉足的領域，如果企業在這些領域擁有有效的數據，並可以提供相應的分析手段，那麼更容易獲得成功。”希爾沃說。