Esta contribución explora la delgada línea entre las expectativas sobreestimadas y los momentos subrepresentados de incertidumbre que se correlacionan con la prevalencia de los grandes datos. Los grandes datos prometen una multitud de opciones innovadoras para mejorar la toma de decisiones mediante el uso del poder algorítmico para extraer información valiosa de grandes conjuntos de datos no estructurados. La datificación, la explotación de datos en bruto en muchos contextos diferentes, puede verse como un intento de abordar la complejidad y reducir la incertidumbre. Las perspectivas para aplicaciones innovadoras que permitan obtener nuevos conocimientos y valiosa información en una variedad de dominios, que van desde la estrategia empresarial, la seguridad hasta la salud y la investigación médica, son prometedoras. Sin embargo, los grandes datos también conllevan un aumento en la complejidad que, junto con la creciente automatización, puede desencadenar no solo eventos sociales inciertos, sino también no intencionados. Como una nueva fuente de poder de conexión, los grandes datos tienen riesgos inherentes de crear nuevas asimetrías y transformar posibilidades en probabilidades que pueden afectar, entre otras cosas, la autonomía del individuo. Para reducir estos riesgos, los desafíos que se presentan incluyen mejorar la calidad de los datos y la interpretación, apoyados por nuevas modalidades que permitan el escrutinio y la verificabilidad de la analítica de grandes datos.