另外一個大數據的明顯風險：如果大家都擁有一樣的大數據，那麼就沒有人有相對優勢
這個正是現在上市股票交易最大的挑戰。過往只有付費給彭博社安裝終端機、或者在紐約證交所擁有席位的專業投資人能夠擁有即時的價量資訊，但隨著網路的發達，大多數的使用者都能免費獲得足夠新的價量資訊，有興趣獲得歷史資訊的也可以用有限的代價訂購遠比彭博社便宜的服務，例如標準普爾的Capital IQ。在這種背景下，再加上演算法交易軟硬體成本的大幅下降，讓上市股票交易速度越來越快，價量越來越透明，套利空間則越來越小——大家都有的數據是無法給任何人帶來優勢的。
最後——也是對新創最重要的——並不是所有的數據都是可以轉換成策略執行、進而換成鈔票的。一般消費者最熟悉的大數據應用是谷歌、臉書、LinkedIn和亞馬遜，這四者使用大數據提供更準確的產品和服務給不同的消費者，但前提是這四者都早就超越臨界質量，可以直接從它們大量的使用者身上拔羊毛。大數據的新創大多得把自己的服務架在這些主流服務上，寄望能分一杯羹。問題是這樣的商業模式有嚴重的平台風險（platform risk），而且要說服使用者付費得花上更大的功夫。
這大概也是為什麼截至目前為止，大數據相關新創裡除了「處理大數據」的商用軟體如Tableau和Atlassian以外，很少有其他已經成功的例子。
總結來說，大數據理想國雖然並非遙不可及，但在經過十多年的討論和炒作，我們似乎並沒有離它更近，從川普的當選看起來我們甚至可以說理想國更遠了。對於在乎人性的正常人來說，這提供了一些安慰，證明數據無法取代人。而對於大數據新創來說，在一開始就想清楚自己在價值鏈的位置和對應到的談判籌碼，可能遠比產品的準確度和效率重要也說不定。
*作者為台灣大學電機畢業，在台灣、矽谷和巴黎從事IC設計超過十年，包含創業四年。在巴黎工作期間於HEC Paris取得MBA 學位，轉進風險投資領域，現為Hardware Club合夥人
