数据经纪商并不是地下组织，而是公开运营的公司，服务对象包括：
广告平台：用于人群分群、精准投放；
金融机构：用于信用评分、贷款审核；
零售品牌：用于消费趋势预测；
政府机关：用于社会治理和风险预警。
这些公司通过收购App SDK、浏览器插件、运营商数据流、线下扫码系统等方式，持续收集“匿名行为包”，并打包出售。例如：
经纪商名称 收集维度 应用领域
Cuebiq（意大利） GPS轨迹、Wi-Fi环境 城市交通分析
X-Mode（美国） SDK实时定位 广告和军方合同
TalkingData（中国） App行为、金融行为 金融风控模型
SafeGraph（美国） POI行为、移动轨迹 疫情流动性建模
这些公司自称“只出售匿名数据”，但事实上，精准到家庭住址的“匿名”数据，仍然等于暴露真实身份。
七、社会结构变迁：从“人群社会”到“算法社会” 1. 数字时代的“新型阶级划分”
以往社会的阶级划分依赖于财富、职业、教育，而在算法社会中，“数据画像”成为新型标签。例如：
常浏览母婴网站、信用评分偏低、夜间活跃度高 → 被归为“高风险年轻母亲”；
长时间浏览股票、消费能力强、位置在CBD → 被标记为“潜在理财高客”；
这种标签一旦固化，就会体现在你收到的广告、银行提 線上商店 供的产品、平台给你的定价乃至招聘公司是否“主动联系”你。
算法社会正将人群细化到极致，并基于匿名数据与预测标签进行分层服务——这本质上是一种看不见的“社会信用等级制度”。
2. 看不见的排除机制：你根本不知道自己被排除在哪个“推荐池”外
一个“低活跃度”“冷门兴趣”的用户，可能永远不会出现在推荐算法的曝光页面；一个“行为轨迹异常”“收入偏低”的人，可能在后台被风控模型静默地标为“高拒贷风险”。
问题是，这一切都是匿名操作，没有任何人通知你、允许你申诉，也无法修改你被打下的标签。这就是“数字时代的新型社会排除”：看不见的，不代表不存在；不能抗争的，不代表合理。