首先，数据有时会被人为操纵，导致绩效扭曲。虽然大数据分析技术可以降低政府绩效管理普遍面临的博弈问题，但是这个问题可能仍将继续存在。大数据分析容易发生“见物不见人”的问题，即虽然大数据分析技术可以帮助政府部门采集海量数据，但是这些数据的真实意涵和具体指向可能会被错误解读。被评部门可能会采取一些弄虚作假的方式制造用于政府绩效管理的绩效数据，甚至产生绩效改进的假象。一旦一项数据被用于政府绩效管理，就可能使其陷入被操纵的风险。因此，作为工具的大数据分析技术可以缓解政府绩效管理面临的博弈和造假问题，但是只要强激励和强问责的压力型体制不进行相应转变，大数据分析技术的应用就可能会进一步助长而不是消弭这些问题。加强大数据分析技术对数据失真、弄虚作假、目标偏差等博弈问题的识别和应对，使政府绩效管理能够推动绩效改进而不是助长弄虚作假，可能是未来特别需要强化的实践方向。
其次，大数据算法比较复杂，容易导致“黑箱”现象。由于大数据的复杂性和算法的神秘性，政府绩效管理进一步“黑箱化”，绩效数据向绩效信息的转化过程不可见和不可测，这使政府绩效管理进一步神秘化。基于海量数据和复杂算法而得出的绩效分值或绩效指数，是对政府绩效的高度浓缩和抽象，可能无法对应公共管理人员的实际感知。与此同时，掩藏在算法背后的主观故意和偏见，也可能被算法“封装”而难以察觉，并使政府绩效信息失真问题进一步凸显。对于绝大多数人而言，他们往往很难进入大数据分析的“黑箱”，也很难参透其背后所隐含的秘密，而这会使政府绩效管理趋于神秘化。大数据时代的政府绩效管理使具备大数据分析的技术人员处于更加核心的位置，而作为“消费者”或用户的公共管理人员，则失去了对政府绩效管理过程的控制。如何加强对大数据分析算法的监管，避免算法本身带来的歧视和错讹，是大数据时代政府绩效管理需要特别关注的问题。
最后，绩效管理体制变革滞后，加剧造假风险。大数据时代的政府绩效管理在上述许多方面都迥异于传统政府绩效管理，并反过来要求政府绩效管理体制和政府组织模式进行深刻的组织变革和管理革命。比如，政府绩效信息的产生方式和流动方向会发生变化，而这有赖于官僚制自身的规则转变，否则就可能阻碍政府绩效管理的转型。如果其他功能模块和组织环境无法同政府绩效管理相适应，那么就会极大地限制政府绩效管理可能发挥的作用，并使大数据时代的政府绩效管理前景沦为空想。
