Bij datamining is het niet zo dat er verkeerde conclusies getrokken kunnen worden. Het is zo dat, zeker in het begin, er verkeerde conclusies getrokken zullen worden. Vergelijk het met lerende spamfilters. Het is altijd een afweging tussen false-positives en false-negatives. In de anti-spam wereld wil je het aantal false-positives zo klein mogelijk hebben. Daar heb je als eindgebruiker het minste last van. Bij de FIOD zal echter het aantal false-negatives zo klein mogelijk willen hebben. Met als resultaat dat het aantal false-positives omhoog gaat. Als je de gegevens van 1.000.000 mensen bekijkt en 0,1% daarvan is fraudeur, dan heb je het over 1000 mensen. Als je dat met 90% zekerheid kunt bepalen, dan mis je dus 100 mensen. Als je van de niet-fraudeurs echter in 99% van de gevallen goed zit, heb je er 10.000 vals beschuldigd. Zelfs als je de nauwkeurigheid omhoog brengt naar 99,99%, zul je net zo veel mensen vals beschuldigen als dat je echte fraudeurs niet beschuldigt. Resultaat: FIOD en overheid ...