在处理非平衡数据时，不同的采样技术都有各自的优缺点。让我们分析每个选项：

- **A: 过采样技术对数据质量要求不高，且容易过拟合**
- 过采样技术（如简单复制少数类样本）确实容易导致过拟合，因为它增加了少数类样本的数量，但并没有增加其多样性，因此模型可能学到样本的噪声。
- 对数据质量要求不高的说法不完全准确，因为过采样过程中，如果数据本身质量不佳，可能会放大问题。

- **B: 欠采样技术容易丢失重要的信息**
- 这是正确的。欠采样通过减少多数类样本来平衡数据集，可能会丢失一些重要的信息，尤其是在原始数据中已经相对稀少的多数类样本。

- **C: SMOTE采样技术的优点是不易过拟合**
- SMOTE（Synthetic Minority Over-sampling Technique）通过在少数类样本间插值生成新样本，能够有效缓解过拟合问题，因为它增加了少数类的多样性，而不是简单复制样本。

- **D: SMOTE采样技术可以对缺失值做处理**
- SMOTE主要用于生成新的少数类样本，并不处理缺失值。如果数据中存在缺失值，需要预先进行处理（如填补缺失值等），再使用SMOTE。

综上分析，错误的说法是 **D: SMOTE采样技术可以对缺失值做处理**。SMOTE本身不具备处理缺失值的功能。