2013年3月，發生了Uber司機因其平均用戶評級低於最低值而被平台開除後進行抗議的事件，該抗議在當時是很不尋常的。該事件後，GigaOm（美國一個科技博客網站）的創始人歐姆·馬利克（Om Malik）發布了一篇博客日誌，其中他提出我們看到的也許是新型的勞資糾紛：“在工業時代，當工人覺得老板從他們身上不正當地獲利時，就會發生勞資糾紛。我想在網絡時代，我們會看到勞資糾紛發生在當人們被毫不客氣地從按需勞動力市場中被排除出來的時候。”
馬利克的評論似乎有點開玩笑的意味，但它卻奇妙地對未來幾年會發生的事情有了預見。更重要的是，他的日誌中有一個更深刻的觀點。馬利克預測了他稱之為“數據達爾文主義”的出現，而且暗示這在未來的數年內將是一個重要的社會和勞工問題。
那麽數據達爾文主義究竟是什麽？關鍵理念在於我們如何評估我們的供應者、分享經濟的勞動力，以及這些數字化的評價如何影響勞動者獲得工作的機會。
想想2013年被平台除名的Uber司機的例子，也許事實上，這些都是在Uber的點對點反饋係統中應該被淘汰的“壞蘋果”。但是，如果這些司機隻是被消費者所醜化了呢？如果這個司機隻是這天工作心情不好，導致一些消費者對他的評價很差呢？如果某個社區的居民有組織地不喜歡某個特定種族的人，而這位司機碰巧在某天到了這個社區。或者如果如同喬希·德茲紮（Josh Dzieza）在他2015年的文章《評級的遊戲》（The Rating Game）中提到的，在線反饋係統使用範圍的擴大隻是使我們的客戶變成了非常壞的老板。馬利克的文章中有一個很簡單的觀點：也許Uber的評級係統不應該太急於做出判斷。
但更重要的一點是，現在的工作機會也影響一個未來的工作機會。早期在Yelp上獲得好評價的餐館，往往會由於被認為更有價值而得到更多的認同，使他們（如果他們的確很好）獲得一個更牢固的好名聲。如同哈佛商學院的教授邁克爾·盧卡曾表示，人們傾向於受到他們已經看到的評級的影響從而產生偏見，對評價高的餐館進行高評價僅僅是因為它一開始就有了一個較高的分數。而且，正如沃頓商學院的卡提克·霍桑納格（Kartik Hosanaga）和丹尼爾·弗萊德（Daniel Fleder）展示的，自動推薦係統可以放大這種偏見，促使潛在的消費者選擇此前已經有了較高分數的產品，在小範圍內使其更加受歡迎。