聽一家国际著名保险公司与提供大数据的公司合作，推出一款针对不同驾车群体的保险计划。这一计划的要点是，由大数据公司对不同潜在客户的驾车习惯进行分析，如果数据表明某位客户是白天上班，路也近，而且所经过的地带是安全路线，客户驾车习惯良好，没有特别情绪化举动，那么，给其所卖的保险可以打折；反之，如果数据表明某位客户是上夜班，上班地点也远，所经过的路线有风险，客户驾车习惯也不好，常无法控制自己的行为，那么，保险公司将提高其所缴纳保费额度。从商业角度看，保险公司这样做，是为了更精确地细分市场，赚取更高利润，这是无可厚非的，甚至还算得上大数据时代商业营销的成功案例。但就是这一行为，在欧洲引发了一场关于大数据时代社会平等问题的讨论。
在使用大数据分析后发现，在欧洲上夜班、且上班地点远、驾车经过路线复杂的，大多是低收入者和有色人种。由于长距离驾车，且夜班易疲劳，这部分人群的驾车习惯相对不那么好，驾车时情绪也不那么好控制，不少人甚至一路骂骂咧咧。而那些中产阶层以上人群，一般都上白班，上班地点近，路线也很安全，驾车习惯也好。如果按照保险公司的方案，这就意味着在社会学意义上本应该得到同情甚至帮助的低收入者，反而要缴纳更高的保费；而本来收入就高的人群，反而在获得保险上能得到优惠。如此一来，如何谈得上社会公正？
其实不仅仅是保险业，当下在欧美，大数据与金融行业的结合正越来越受到重视。一些商业银行利用大数据，寻找最合适的放贷对象，排除潜在的可能违约者。而事实上，所谓最合适的放贷对象，往往就是那些收入有保证、信用记录好、能还得起贷的高收入者；而潜在的可能违约者，多是那些本来就生活在社会底层，很难有好的信用记录的人。恰是后一部分人，他们有心创业时，更需要得到金融方面的支持，而由于大数据时代任何个人收入情况、信用情况、创业成败记录以及家庭背景等等，都一览无余。于是，与大数据时代以前任何一个时代相比较，低收入者更可能被排斥在资本市场之外，他们与有产阶层的财富鸿沟无疑也将进一步扩大。
美国一个黑人学者研究大数据库后还担心，在大数据时代，将强化种族歧视，且不给任何一个犯过错误的人以改过自新的可能性。在谷歌为某些企业定制的就业数据库中，这位黑人学者填入一些姓名后发现，与白种人相比，数据库中对黑人提供了更为详细的信息，这些信息中包括了家庭是否离婚、性取向、宗教和政治观点、智力水平、成瘾药物使用等等，这使得企业对使用黑人更加谨慎。不仅如此，数据库还特别搜集到联邦警务、检察和法院系统发布的各种信息源，一旦所查询的对象曾有公开的违法记录，就会自动触发一个警告设置，告诫企业人力资源部门：这个人有不良记录，小心雇用。因此，经过大数据的筛选，凡有过违法记录的人，几乎很难靠自身在市场上获得就业机会。
有人曾一度以为，因为大数据是匿名的，且互联网上的个体身份被确认的可能性并不大，即使有歧视，但不是针对特定的人。研究大数据时代歧视问题的学者发现，通过大数据分析技术，仅仅4项参照因素，就足以认定互联网上95%的匿名者身份。由于商业利润巨大的诱惑，大数据公司高度个人化的大数据集，已成为黑客与"揭秘"者觊觎的主要目标。所以，与此前相比较，在大数据时代，阶层歧视、种族歧视可能被强化，更具体地针对个人的"区别性对待"，也将更加泛滥。
在大数据时代，除了此前的权力面前的不平等和财富面前的不平等，人类社会可能还会面临"大数据面前的不平等"。而不平等问题，却是市场与技术本身永远无法解决的。这也为政府管理的必要性预留下更大空间。简单地说，市场每借助于技术革命拓展一步，政府管理也必将如影随形。因此，既要更好发挥市场作用，也要发挥好政府作用。即使是大数据时代，也是一条不变的"铁律"。
