一家國際著名保險公司與提供大數據的公司合作，推出一款針對不同駕車群體的保險計劃。這一計劃的要點是，由大數據公司對不同潛在客戶的駕車習慣進行分析，如果數據表明某位客戶是白天上班，路也近，而且所經過的地帶是安全路線，客戶駕車習慣良好，沒有特別情緒化舉動，那么，給其所賣的保險可以打折；反之，如果數據表明某位客戶是上夜班，上班地點也遠，所經過的路線有風險，客戶駕車習慣也不好，常無法控制自己的行為，那么，保險公司將提高其所繳納保費額度。從商業角度看，保險公司這樣做，是為了更精確地細分市場，賺取更高利潤，這是無可厚非的，甚至還算得上大數據時代商業營銷的成功案例。但就是這一行為，在歐洲引發了一場關于大數據時代社會平等問題的討論。
在使用大數據分析后發現，在歐洲上夜班、且上班地點遠、駕車經過路線復雜的，大多是低收入者和有色人種。由于長距離駕車，且夜班易疲勞，這部分人群的駕車習慣相對不那么好，駕車時情緒也不那么好控制，不少人甚至一路罵罵咧咧。而那些中產階層以上人群，一般都上白班，上班地點近，路線也很安全，駕車習慣也好。如果按照保險公司的方案，這就意味著在社會學意義上本應該得到同情甚至幫助的低收入者，反而要繳納更高的保費；而本來收入就高的人群，反而在獲得保險上能得到優惠。如此一來，如何談得上社會公正？
其實不僅僅是保險業，當下在歐美，大數據與金融行業的結合正越來越受到重視。一些商業銀行利用大數據，尋找最合適的放貸對象，排除潛在的可能違約者。而事實上，所謂最合適的放貸對象，往往就是那些收入有保證、信用記錄好、能還得起貸的高收入者；而潛在的可能違約者，多是那些本來就生活在社會底層，很難有好的信用記錄的人。恰是后一部分人，他們有心創業時，更需要得到金融方面的支持，而由于大數據時代任何個人收入情況、信用情況、創業成敗記錄以及家庭背景等等，都一覽無余。于是，與大數據時代以前任何一個時代相比較，低收入者更可能被排斥在資本市場之外，他們與有產階層的財富鴻溝無疑也將進一步擴大。
美國一個黑人學者研究大數據庫后還擔心，在大數據時代，將強化種族歧視，且不給任何一個犯過錯誤的人以改過自新的可能性。在谷歌為某些企業定制的就業數據庫中，這位黑人學者填入一些姓名后發現，與白種人相比，數據庫中對黑人提供了更為詳細的信息，這些信息中包括了家庭是否離婚、性取向、宗教和政治觀點、智力水平、成癮藥物使用等等，這使得企業對使用黑人更加謹慎。不僅如此，數據庫還特別搜集到聯邦警務、檢察和法院系統發布的各種信息源，一旦所查詢的對象曾有公開的違法記錄，就會自動觸發一個警告設置，告誡企業人力資源部門：這個人有不良記錄，小心雇用。因此，經過大數據的篩選，凡有過違法記錄的人，幾乎很難靠自身在市場上獲得就業機會。
有人曾一度以為，因為大數據是匿名的，且互聯網上的個體身份被確認的可能性并不大，即使有歧視，但不是針對特定的人。研究大數據時代歧視問題的學者發現，通過大數據分析技術，僅僅4項參照因素，就足以認定互聯網上95%的匿名者身份。由于商業利潤巨大的誘惑，大數據公司高度個人化的大數據集，已成為黑客與“揭秘”者覬覦的主要目標。所以，與此前相比較，在大數據時代，階層歧視、種族歧視可能被強化，更具體地針對個人的“區別性對待”，也將更加泛濫。
在大數據時代，除了此前的權力面前的不平等和財富面前的不平等，人類社會可能還會面臨“大數據面前的不平等”。而不平等問題，卻是市場與技術本身永遠無法解決的。這也為政府管理的必要性預留下更大空間。簡單地說，市場每借助于技術革命拓展一步，政府管理也必將如影隨形。因此，既要更好發揮市場作用，也要發揮好政府作用。即使是大數據時代，也是一條不變的“鐵律”。
京公網安備 11010502049343號