2013年3月，发生了Uber司机因其平均用户评级低于最低值而被平台开除后进行抗议的事件，该抗议在当时是很不寻常的。该事件后，GigaOm（美国一个科技博客网站）的创始人欧姆·马利克（Om Malik）发布了一篇博客日志，其中他提出我们看到的也许是新型的劳资纠纷：“在工业时代，当工人觉得老板从他们身上不正当地获利时，就会发生劳资纠纷。我想在网络时代，我们会看到劳资纠纷发生在当人们被毫不客气地从按需劳动力市场中被排除出来的时候。”

马利克的评论似乎有点开玩笑的意味，但它却奇妙地对未来几年会发生的事情有了预见。更重要的是，他的日志中有一个更深刻的观点。马利克预测了他称之为“数据达尔文主义”的出现，而且暗示这在未来的数年内将是一个重要的社会和劳工问题。

那么数据达尔文主义究竟是什么？关键理念在于我们如何评估我们的供应者、分享经济的劳动力，以及这些数字化的评价如何影响劳动者获得工作的机会。

想想2013年被平台除名的Uber司机的例子，也许事实上，这些都是在Uber的点对点反馈系统中应该被淘汰的“坏苹果”。但是，如果这些司机只是被消费者所丑化了呢？如果这个司机只是这天工作心情不好，导致一些消费者对他的评价很差呢？如果某个社区的居民有组织地不喜欢某个特定种族的人，而这位司机碰巧在某天到了这个社区。或者如果如同乔希·德兹扎（Josh Dzieza）在他2015年的文章《评级的游戏》（The Rating Game）中提到的，在线反馈系统使用范围的扩大只是使我们的客户变成了非常坏的老板。马利克的文章中有一个很简单的观点：也许Uber的评级系统不应该太急于做出判断。

但更重要的一点是，现在的工作机会也影响一个未来的工作机会。早期在Yelp上获得好评价的餐馆，往往会由于被认为更有价值而得到更多的认同，使他们（如果他们的确很好）获得一个更牢固的好名声。如同哈佛商学院的教授迈克尔·卢卡曾表示，人们倾向于受到他们已经看到的评级的影响从而产生偏见，对评价高的餐馆进行高评价仅仅是因为它一开始就有了一个较高的分数。而且，正如沃顿商学院的卡提克·霍桑纳格（Kartik Hosanaga）和丹尼尔·弗莱德（Daniel Fleder）展示的，自动推荐系统可以放大这种偏见，促使潜在的消费者选择此前已经有了较高分数的产品，在小范围内使其更加受欢迎。

这是基于用户反馈数据的评级系统的进化论的一面。强者愈强，适者生存。即使这些适用性评估可能太繁杂了。

当我们开始将这些产品和商业评级系统应用到寻找工作谋生的个人身上时，情况又是怎样呢？2015年，TaskRabbit开始为每个潜在客户推荐特定的任务人，而不是让客户和任务人简单地基于请求和标的而相互寻找。很可能“推荐参考”会偏向于那些已经建立了良好声誉的任务人。随着时间的推移，对我们获得工作机会影响更大的将是在线反馈系统的“公平性”，而不是现实世界的审查机构提供的资格认定或LinkedIn上的档案列表。

正如Button（通过移动应用程序使交流更无障碍的平台）的联合创始人迈克·杜达斯（Mike Dudas）（其创始人还包括纽约大学斯特恩商学院的坦纳·哈科特[Tanner Hackett]）在一篇博客文章中所讨论的：“这样的公平性来自于市场参与者在市场中向消费者提供商品或服务时其表现转化成的评价性数据。这些数据可以采取排名、评论、成品、图片以及收入报告等形式。这些数据是该系统的核心，今天的市场就是利用它来建立信用的。”

在这样一个世界里，“平台事业”的几个早期的失误可能会产生严重的后果，特别是分享经济平台开始变成重要的工作渠道（就像现在亚马逊成为了通过邮购销售小众商品的必不可少的渠道）。

随着世界的工作开始更多地依赖这些数据，另一个使用上的障碍可能是当你想进入另一个平台或另一个渠道工作时无法“带上这个数据”。现在，当你在Airbnb或Etsy上开始创业时，你是在没有任何评价的状态下开始的。根据杜达斯所说，有一种可能是对社会更好的选择：下一步计划是允许市场服务提供者在他们选择离开特定的平台或市场时可以将数据（评级、评论、图片、损益表等）带走。我称之为雇员数据的可移植性。雇员数据的可移植性将赋予劳动者力量，为他们再就业装备强大工具和有价值的数据，这些数据可以用来直接提供给市场的潜在客户。

在本章一开始，我就描述了分享经济可能为工作带来的两个截然不同的未来：一个使企业家更强大，而另一个却使缺少社会保障的自由职业者更有力量。本章讨论的内容说明，我们必须主动进入这个激动人心而又不确定的未来，努力准备应对复杂的社会问题，包括工作的重新分类、社会保障体系的筹资、新所有权结构的创建等。

重要的是，我们意识到没有哪种未来是由经济基础决定的。分享经济还处于婴儿阶段，我们一定会看到两种情况的混合体。但我们做出的决定，将决定在未来十年哪一个占主导地位。