大数据时代风险的高危害性主要表现在以下几个方面：
1. 数据泄露风险：在大数据时代，企业和组织需要处理大量的敏感数据。如果这些数据被未经授权的人员访问或泄露，可能会导致个人隐私和商业机密的泄露，给企业带来巨大的经济损失和声誉损害。例如，2017年美国“脸书”公司的数据泄露事件导致约5亿用户的个人信息被泄露，严重侵犯了用户隐私权。
2. 系统故障风险：大数据系统通常涉及复杂的数据结构和算法，如果系统出现故障，可能导致数据丢失、系统崩溃等问题。例如，2018年美国“WannaCry”勒索软件攻击全球范围内的计算机系统，导致大量企业和个人电脑无法正常运作，严重影响了人们的日常生活。
3. 数据质量风险：在大数据时代，数据的质量和准确性对于决策至关重要。如果数据存在错误、缺失或不一致等问题，可能导致错误的决策和损失。例如，2016年英国航空公司的航班数据丑闻，由于航空公司未能及时纠正错误数据，导致数百名乘客的航班延误或取消，给航空公司带来了巨大的经济损失。
4. 数据安全风险：随着大数据技术的应用，数据存储和处理的安全性成为一个重要的问题。黑客攻击、恶意软件等威胁可能导致数据泄露、篡改或丢失，给企业和组织带来严重的法律和经济后果。例如，2017年法国“Equifax”数据泄露事件导致超过1.43亿人的个人信用信息被泄露，引起了全球对数据安全的广泛关注。
5. 法律法规风险：大数据时代的数据收集和使用涉及到多个领域的法律法规，如隐私法、反垄断法等。企业在进行数据分析和挖掘时，必须遵守相关法律法规，否则可能面临法律诉讼和罚款等严重后果。例如，欧盟的通用数据保护条例（GDPR）要求企业在处理个人数据时必须遵循严格的规定，否则将面临巨额罚款。
6. 伦理道德风险：大数据时代的数据收集和使用涉及到许多伦理道德问题，如数据歧视、隐私侵犯等。这些问题可能导致社会不公、信任危机等严重后果。例如，2018年美国的“剑桥分析”丑闻揭示了一些大型科技公司在数据处理过程中可能存在的偏见和歧视行为，引发了公众对数据伦理的广泛讨论。
综上所述，大数据时代风险的高危害性主要体现在数据泄露、系统故障、数据质量、安全、法规、伦理等多个方面。为了应对这些风险，企业和组织需要采取有效的风险管理措施，加强数据安全管理、提高数据质量、遵守法律法规、加强伦理道德教育等。同时，政府和社会各界也需要加强对大数据技术的监管和规范，确保大数据应用的健康发展。
