数据隐私是另外一个有待考虑的重大问题。随着人们把它和大数据威力之间画上等号，这个问题变得愈发的突出，对于医疗健康的信息，我们要有严格的管理，规定那些可以做哪些可以做。对于其他数据来说，尤其是在美国，管理就没有那么严格了。然而社会大众还是非常担心个人数据使用不当，尤其是把个人数据和不同数据源相联系的情况。实际上，隐私管理既是技术问题，又是社会学问题，问题的解决一定要从这两个方面入手，以便很好地实现大数据的价值。

以位置服务收集的数据来说，新的建筑需要用户通过提供商分享他们的位置，显然这将带来隐私顾虑，仅仅隐藏用户的ID而暴露位置信息并不能很好地解决这些隐私问题。

位置服务商能够通过用户的位置信息推测出查询来自哪个ID。例如，可以通过几个固定的接入点追踪到用户的位置信息，一段时间之后，用户就像撒落面包屑一样不经意留下一窜轨迹，进而他们可以或得到用户的住所或所在的办公位置，据此来推断用户的身份。

还有几种类型的隐私信息，例如健康信息或者宗教偏好，通过观测匿名用户的运动情况及使用方式，一段时间之后这些问题都能暴露胡来。

另外，利用现有的平台想要用户的位置信息比隐藏用户的信息要困难的多。这是用户与位置服务互动的结果。为了成功地获取或收集数据。用户的位置信息很有必要，但没必要获取用户的身份。

除此之外，在研究的过程中还有很多的挑战和困难，比如分享私人数据的限度，在分享私人数据的同时要限制信息暴露以及确保分享的数据能够物尽其用，目前已有的差分隐私方法是向前迈出的重要一步，但不幸的是，它极大地消弱了数据的负载能力，导致其并不能应用在大多数实际案例中。

现实世界的数据本身就不是静止不动的，相反，他们变得越来越大并随着时间一直在变。对于未来的数据分析而言，有用数据的规模是不可衡量的，因此一味地渲染流行技术几乎无济于事。我们必须重新思考应该如何定义大数据应用案例中信息分享的安全性问题，如今很多在线忘要求我们分享私人信息，但是超出了记录级别的访问控制范围，我们不知道这对数据分享来说意味着什么，分享数据是如何被联系起来，又如何给用户的分享提供精细的控制。

这些问题必须得到解决，以保证用户安全的几乎商仍然为大户数据分析提供强大的数据集。