在大数据计算MaxCompute中，如果发现数据有点不准确，这并不一定完全是因为走的MR（MapReduce）任务导致的。数据不准确可能由多种因素引起，以下是一些可能的原因：
数据源问题：如果数据源中的数据本身存在错误或不准确，那么无论使用何种计算任务，查询结果都会受到影响。确保数据源的质量和准确性是首要任务。
数据处理逻辑问题：在数据处理的逻辑中可能存在错误或不合理的地方，这可能导致查询结果不准确。这包括MR任务中的数据处理逻辑，但也可能涉及其他数据处理环节。
SQL查询语句问题：如果SQL查询语句编写得不正确或使用了错误的数据表、字段名，也会导致查询结果不准确。这与是否使用MR任务无直接关系，但同样是影响数据准确性的重要因素。
系统配置问题：MaxCompute的配置可能不正确或者系统资源不足，导致查询结果不准确。这包括计算资源、存储资源等的配置，以及系统本身的限制和最佳实践。
数据质量问题：数据本身可能存在异常值、缺失值或格式不正确等问题，这些问题会对查询结果的准确性产生影响。数据清洗和处理是提高数据质量的关键步骤。
MR任务特定问题：虽然MR任务本身不一定会导致数据不准确，但它在执行过程中可能遇到资源竞争、数据倾斜、网络问题或定时任务配置错误等问题，这些问题都可能影响数据处理的准确性和效率。
数据更新延迟和异步操作：MaxCompute的数据地图信息可能存在更新延迟，某些操作（如分区的新增或删除）是异步执行的，这可能导致数据地图中的统计信息与实际数据不一致。
为了解决这个问题，可以采取以下措施：
检查数据源，确保数据质量。
仔细检查数据处理逻辑和SQL查询语句，确保逻辑和语句的正确性。
优化系统配置和资源分配，确保系统配置正确，资源充足。
加强数据管理和质量控制，建立数据管理和质量控制规范。
利用工具和算法进行数据质量评估和改进。
对于MR任务，检查其作业配置、资源竞争情况、数据倾斜问题等，并进行相应的优化。
综上所述，大数据计算MaxCompute中数据不准确的原因可能是多方面的，不一定完全是因为走的MR任务。需要从多个角度进行分析和排查，并采取相应的措施来提高数据的准确性。