2006年，某知名化妆品牌因被检测出重金属含量超标而下架，新浪上的网络调查显示，95%的网民表示不会再购买该品牌产品。但是该品牌产品重新调整上架后，销量虽然下降了40%，但远不及新浪的网络调查的糟糕程度。

上述网络调查虽然有足够多的样本，陈宇新说，但是网民不能代表该品牌的全部消费者，如果该品牌以上述网络调查作为决策依据，就有可能产生偏差。

第二是信息缺失陷阱。在拥有大数据的情况下，一家企业能够轻易地知道自己与顾客之间的交易信息，但却不知道竞争对手或者其他类型公司与顾客的交易情况。这种信息断层，会对大数据营销带来一定的效果壁垒。

国内一家航空公司把一年乘坐40次航班以上的旅客确定为金卡顾客，20次以下的确定为普通卡顾客，并决定给金卡顾客更多体验。他们后来查验了公司所有持卡顾客的情况，并把竞争对手的常旅客订单进行对比后发现，在该航空公司界定的普通卡低端顾客中，有相当一部分顾客实际乘坐次数都在20次以上，但他们对价格不敏感，且分散乘坐不同公司的航班，导致在每家航空公司都没有金卡、银卡。

这些具有高的潜在价值的顾客，航空公司只有进行更全面的数据分析后才能察觉，并促使他们改变一些策略，提前把银卡寄送给这部分潜在的高端客户，让他们体验到相关服务，但是维持这样的服务需要同一航空公司的里程积累，逐渐把这些客户培养成该公司的忠诚客户。

第三个陷阱是，内生变量可能模糊因果关系，使得企业对顾客的了解可能会因为大数据的分析反而减弱。

国内一家电商消费品企业用大数据软件判断得出，某个消费者可能是价格敏感者，但这一判断也许是错的或者不完全正确，企业根据这个判断进行打折促销、发放折扣券，确实诱发了该消费者的购买行为。但这样的数据可能是被企业的促销信息“污染的数据”，而不是该消费者内生的“干净的行为”。

对此，陈宇新表示，营销人员可以通过故意改变营销条件来验证这种因果关系正确与否。比如过一段时间后折扣改变为15%，看看消费者是否继续购买，如果他不购买的话，之前的判断就是正确的，如果还是继续购买，那说明前面判断是错误的，这样就能产生更好的数据流，使得测量更加精确，更好地为管理决策提供帮助。