失敗為成功之母，沒關係，經過修正後（主要是刪除掉一些無用的預測變數），谷歌研究團隊於2011年又在另一知名的研究期刊PloS ONE 發表修正後模式。由圖3來看，新模式已將2009年後的偏差修正回來，其應用前景又再度被看好。但在兩年後的2013，這模式的預測結果又再度破功。前一次是低估很多，這次則是高估很多，如圖4。這下子美國的學界與輿論界可不再客氣了。老美有句話：「fool me once, shame on you; fool me twice, shame on me.」（被你愚弄一次，是你可恥；被你愚弄兩次，那就是是我可恥了。）曾經首先刊登谷歌流感趨勢預測的Nature 期刊批判：When Google got flu wrong.（谷歌誤解流感了！），如圖5所示。 紐約時報抨擊更猛烈：Disruptions: Data without context tells misleading story.（全盤瓦解：不探索資料的來龍去脈，只能告訴你誤導的故事），如圖6。自此谷歌也封鎖了Google Flu的一些功能，並且未再更新資料。
隨著大數據應用的加快與增廣，以前為它設立的定義似乎也不必那麼拘泥。但在一些攸關安全與健康的應用，則不能因追求快速而忽略對變異的控制。在這一點上，大數據的分析不能只講究資料存取的效能，更應該加強與統計界的合作，才能做出更好的決策與應用。（文中部分圖表經哈佛大學Dr Samuel Kao同意下使用）（本文由科技部補助｢新媒體科普傳播：遇見無所不在的生活科學｣執行團隊撰稿）
