大约30%的人认为公司可以根据顾客的个人和行为数据提供交易和折扣。但是大约50%的人认为刑事司法系统可以使用算法来预测假释犯是否会犯下另一项罪行。
大萧条时期，美国联邦政府成立了Home Owners’ Loan Corporation（HOLC）来提供低息房屋贷款，联邦住房管理局（FHA）为私人银行的抵押贷款提供担保。由于HOLC的运营人员不了解当地贷款者的情况，所以他们构建了“住宅安全地图”，将街区按A到D等级进行分级，D等级的街区采用红色标记，表示这一区域属于不良高风险等级。
这些“红线”地图也被FHA和私人企业所使用，并逐渐蔓延至银行、保险公司和零售商店，从而导致了服务受限和街区恶化的恶性循环。
许多私人银行都有自己的红线地图。例如，
在加州，Security First National Bank创建了洛杉矶街区评级系统。
洛杉矶市中心的大多数街区都被标有红线，通常还会有关于“日本人和黑人集中地”的明确标记。
Boyle Heights被标记为“充满了各种颠覆分子的蜂巢”。
Watts也被标记为红色，因为它不仅是黑人和日本人的聚集地，德国人、希腊人、意大利人和苏格兰人都集中在这一区域。
1968年的《公平住房法》禁止了红线划分行为。然而，在大数据时代，就业、保险和贷款申请越来越多地受到数据挖掘模型的评估，这些模型并不公开，但却可能产生更为有害的影响，因为它们不受地理边界的限制，而且公众也无法得知其内部原理。
即使是编写代码的程序员，也无法确切知道黑盒算法是如何进行评估的，但是几乎可以肯定的是，这些算法直接或间接地考虑了性别、种族和性取向等因素，这就是我们所称的高科技红线。因为一个人
