您的位置: 首页  > 学术论文 > 理论前沿 > 市场规制法学 > 市场规则法专论

反垄断视角的大数据问题初探

詹馥静,王先林    2020-01-09  浏览量:369

摘要: 大数据对数字经济领域的市场秩序和竞争格局带来重大影响。大数据优势有助于提升企业的市场力量, 产生防御性合并、 价格合谋和滥用市场支配地位等垄断隐忧。在现有的反垄断法律框架下探讨大数据垄断的规制问题,必须结合大数据的经济特征和市场竞争的现实情况做出具体分析。 大数据产业处于起步阶段, 反垄断执法机构需因应技术发展, 提高执法专业化水平, 加强反垄断执法的国际合作与交流。 与此同时, 针对大数据的反垄断执法应秉持谦抑审慎的执法原则, 谨防落入反垄断规制万能主义的窠臼。

关键词: 大数据垄断 数据优势 市场秩序 反垄断执法

正文:

随着互联网和物联网的发展,数字经济正成为驱动全球经济发展和转型的重要力量。作为数字经济最核心的生产要素,数据的基础性和战略性地位逐步凸显,成为衡量企业未来竞争能力的关键资产。“大数据”发挥资源禀赋效应的同时,也催生出诸多垄断隐忧。探析大数据垄断的成因、挑战和影响,是当下数字经济发展亟待研究与解决的重要问题。
一、 大数据产业的发展与挑战
(一)全球化视野下大数据产业的繁荣与布局
当前全球正处于信息技术变革、经济模式转轨的关键时期,在大数据的驱动下,信息产业格局加速变革,经济增长和社会创新发展面临难得的机遇。掌握和运用大数据的能力将成为国家竞争力的重要体现,欧美各国也纷纷从国家战略层面抓紧大数据的布局和建设。
美国自2012年至今在推进大数据上已经实施了四轮政策行动,从发展战略、法律框架到行动计划均落实了相关举措。同年,韩国国家科技委员会针对大数据的未来趋势和发展方向发布了重要的战略规划。欧盟及其成员国也制定了包括数据价值链战略计划、实施数据开放政策、促进数据使用及再利用等一系列具体计划在内的大数据发展战略。英国政府在2013年发布了《英国数据能力发展战略规划》,指定专门机构推进数据的开发和基础设施建设,并投入近 4 亿英镑用于大数据的技术开发和政策研究。与此同时,日本把培育大数据相关的新兴行业作为提振国家经济、 优化社会治理的重要举措。
中国也高度重视大数据产业的发展。近二十年来,中国的互联网产业和技术飞速发展,带动了一大批数据驱动的互联网企业的兴起。据《中国大数据发展调查报告》显示,2016年中国大数据市场规模达到1168亿元,增速高达45%,预计2017-2020年增速保持在30%以上。
中国一直在积极探索适合本国国情的大数据发展战略。2015年9月5日,国务院正式印发《促进大数据发展行动纲要》。2017年1月,工业和信息化部印发《大数据产业发展规划(2016-2020年)》,全面部署“十三五”时期大数据产业发展的有关工作。规划指出,加快建设数据强国,是实现制造强国和网络强国的坚实基础和重要的产业支撑。为了引导企业和社会推动大数据发展,中国也制定了一系列大数据相关政策。到目前为止,已经有17个省市发布了大数据发展规划,设立了统筹推进大数据相关工作的大数据管理局。环保、国土资源、交通运输、农业、卫计、税务、检察等部门也相继出台了引导大数据产业发展的具体政策文件。
(二) 大数据——驱动经济增长的核心生产要素
Andrea DeMauro(2016)给出了大数据的定义,大数据是指“大体量、迅速、多样且需要特殊技术和分析手段才能产生价值的信息资产”。由此可见,大数据具有以下特征:第一,大数据的体量相当大 处理单位已经从TB跃升到PB级别;第二,大数据要求高速的数据处理速度,必须在短时间内精准挖掘和开发数据价值;第三,数据的类型多样,既包括结构化数据, 也包括地理位置、个人选择偏好等非结构化数据;第四, 大数据的价值来自于数据的分析处理,既取决于数据的采集和分析结果,又依赖于复杂设计的算法以及机器的深度学习能力。以上特点总结起来,就是目前普遍接受的大数据的“4V”概念,即大体量(Volume)、迅速(Velocity)、多样(Variety)和价值(Value)。
大数据和互联网相辅相成。互联网将社会经济解构为离散化的大数据, 而大数据则依托互联网实现基础数据的采集和分析。作为互联网时代的“通货”,数据的生产属性愈发凸显,甚至被称作第四次科技革命的“石油”。企业通过实时数据提高生产效率,预测市场趋势,细化消费者需求并实现产品创新。大数据所囊括的海量数据资源,以及数据背后的处理和开发技术,都对企业未来的发展和竞争格局产生重要影响。作为一项基础战略性资源,大数据是企业走向数据驱动型商业模式最关键的竞争性要素。
(三) 问题与挑战——大数据垄断
随着数据多元化开发和利用,数据权属、信息安全、个人隐私、企业间的数据流动和利益分配等问题也开始凸显。内容供应商、各类商家、网络平台(搜索引擎、社交网络等),作为大数据市场上的市场主体,在争夺和利用数据资源的过程中无可避免地引发许多冲突与矛盾。从美国的 HiQ v.LinkedIn 案、Facebook v.Power 案,到中国的大众点评诉百度案,以及新近发生的菜鸟裹裹与顺丰快递、 新浪与今日头条、微信与华为的数据之争,无一不说明数据已经成为重要的垄断资源。
数字经济蓬勃发展,带来有别于传统行业的全新垄断与竞争格局,以维护公平市场竞争和捍卫消费者利益为目标的反垄断法也面临全新的任务和挑战:首先,传统的并购评估标准难以适用于数字经济,大数据企业合并对反垄断的事前审查提出了更高要求;其次,大数据企业间达成共谋更加趋向隐蔽化,为反垄断执法增加了难度和压力;最后,大数据市场的相关市场界定、市场力量评估和竞争效果分析,均有别于传统认定思路,需结合大数据特点重新审视。

二、 数据的竞争优势与垄断隐忧
(一) 数据驱动企业的并购审查
在企业并购中,如果数据的种类、规模和范围达到竞争对手无法复制或超越的程度,企业就可能形成并加强市场支配地位,并滥用这种地位对上下游市场造成壁垒和进入障碍。而如果被单独一家企业垄断数据,不仅会降低行业创新力和消费者议价能力, 还可能引发巨大的信息安全威胁。仅仅依靠事后监管执法是不够的,但事前的并购审查也面临诸多问题。
一方面,如果只以营收规模为标准而不考虑交易价值(收购价格),数据市场的很多并购交易都无法落入竞争审查范围。各国的并购申报都有一定的门槛标准,当前绝大多数反垄断法域的执法机构采取的都是营业额或资产额标准, 而许多公司如滴滴,虽然在大数据市场已经是一个在场巨头,但其营业额却尚未达到申报标准。在 Facebook 收购 WhatsApp 案中,后者的营业额也没有达到欧盟合并规则的申报门槛。
另一方面,目前对数据市场的并购审查,缺乏实质性的竞争评估审查标准。欧盟委员会通过案件移送制度对 Facebook/WhatsApp 合并案进行了审查,最终并未得出该项交易可能有损竞争的任何结论。但事实上,在 Facebook 愿以高额代价(大约114亿欧元)收购 WhatsApp 这样一个小微企业时,反竞争担忧就已经存在了。根据 Facebook/WhatsApp 合并案的最新进展,WhatsApp于2016年8月宣布更改其服务条款和隐私政策以使Facebook用户与WhatsApp用户匹配共享电话号码信息。这一举措引起了欧盟委员会的关注,也导致Facebook在德国境内面临滥用市场支配地位的反垄断指控。Facebook/WhatsApp 合并案的后果暴露出目前并购审查存在明显弱点。如果并购规则和标准足够健全,这些问题理应在并购审查阶段就得到解决。
(二) 企业共谋的隐蔽化和技术化
大数据有助于提高市场透明度或增进企业之间经营行为的相互依赖性,助长合谋行为的发生。算法是大数据的核心技术之一,借助各种算法,公司能够有效采集、 整理和分析与消费相关的大量数据,了解竞争对手的商业策略,从而设计和调整商品价格与业务策略。随着大数据技术的引入和市场透明度的提升,企业对其他竞争对手降价行为的反应速度变快,为了匹配竞争对手的报价采取了同样的降价策略,而人工智能和算法技术又加速了策略的制定和实施效率, 最终实现价格合谋。数字化卡特尔的表现形式和行为特征较之传统垄断协议发生了很大变化。
首先,企业可以通过使用同一特定的定价算法和历史定价数据协调定价,达成价格合谋后,企业还可以利用实时数据监控一项卡特尔的实施。其次,企业之间进行数据的选择性共享,即部分共享其各自拥有的大数据,可以向其他经营者传递一种隐性信号,使得数据共享后产生市场分割。即便是匿名形式的大数据共享,也可能导致竞争企业间的隐性合谋。最后,企业可能利用人工智能、机器深度学习等实现算法改进,间接促成默示合谋(Tacit Collusion)。可以预见的是,默示合谋将成为大数据时代垄断协议的主要形式和执法重点。
2015年,亚马逊公司利用自己编写的价格算法程序协调了广告海报的销售价格变动,美国司法部以实施价格垄断协议为由提起指控。其后,Aston 与Topkins 利用特定定价算法与定价软件协调价格变化, 因涉嫌达成价格合谋协议,也被美国司法部提起调查。与大数据和定价算法有关的合谋案例已经在美欧国家引起关注。
(三) 滥用数据优势实施排他性行为
大数据是数据流通市场的重要原料,也是数据驱动商业模式下互联网行业的重要生产要素。拥有强大的数据资源和数据采集平台,可以让企业在大数据市场竞争中获得更多优势。但如果企业滥用其数据优势,在市场交易过程中实施排除、限制竞争行为,则可能引发反垄断法的关注甚至是干预。数据持有者滥用数据市场支配地位,主要体现为拒绝交易和价格歧视两种排他性行为。
拒绝提供数据。拥有市场支配地位的数据持有企业,拒绝向竞争对手或者第三方开放其拥有的特定数据资源,可能构成市场支配地位的滥用。2017年5月,LinkedIn 公司向 hiQ 发函,要求其立即停止抓取领英用户数据的行为,并在其后采取技术手段屏蔽了 hiQ 公司的数据访问。hiQ Labs 是一家雇员数据分析公司,通过分析职场用户数据,为企业提供员工技能情况和离职风险的评估报告。由于LinkedIn 公司在职场社交网络的主导地位,hiQ 多年来一直依赖于 LinkedIn 用户的公开数据资料。hiQ 认为 LinkedIn 不当滥用了其在职业社交平台市场的支配地位,在协商未果后将 LinkedIn 诉至地方法院。美国加州法院于2017年8月做出临时禁令,要求 LinkedIn 公司不得阻止 hiQ Labs公司访问其平台用户的公开资料数据。
利用数据实施价格歧视。企业通过大数据可以获知用户的消费倾向和购买习惯,在相关市场拥有支配地位的企业可能利用这种数据优势实施歧视性定价。“大数据杀熟”就是滥用大数据优势实行价格歧视, 榨取消费者剩余的典型例子。有消费者发现,在一些预定酒店、车票和电影票的在线平台上完成交易时,平台提供的价格高于酒店前台价格,甚至VIP 会员账号显示的价格也远高于其他普通会员的价格。借助大数据,企业得以实现“近乎完美的行为歧视”(Almost Perfect Behavioral Discrimination),在提升整体消费量的同时降低消费者剩余,从而获取更多垄断利润。这种价格歧视行为损害了消费者的公平交易权。
在现行的反垄断法框架下,大数据垄断呈现出全新的模式特征与行为方式:第一,营收规模标准难以适用于数据驱动企业的并购审查;第二,基于算法分析的企业共谋越发隐蔽化和技术化,数字化卡特尔的识别和认定更加困难;第三,滥用数据优势实施拒绝交易、价格歧视等行为对市场秩序和竞争格局的具体影响有待进一步考察。

三、 大数据垄断问题的解构与重建
(一) 大数据集中与企业并购审查
对于大数据市场的并购审查,目前世界范围内各大司法辖区所面临的挑战是,有无必要将交易价值纳入目前的并购申报标准, 或者更进一步讲,如何设置合理的交易阈值和实质性的竞争评估标准,从而有效识别出拟议交易对数据市场可能造成的竞争损害。解决上述问题,关键在于把握大数据市场的要素特征和竞争状况。
1.修订并购申报标准,识别出存在竞争问题的数据资产并购。数据分析可以帮助企业识别其市场和邻近市场的发展趋势,从而比传统市场更早地发现潜在竞争者。大型互联网公司收购小微企业, 除掌握其用户信息和数据技术等核心资源外,更重要的是以收购方式消除这些小微初创企业可能构成的潜在竞争威胁。这是数据市场常见的防御性合并(Preemptive Merger)战略。针对此类合并,可以适当考虑将交易价值纳入申报标准范围内,通过设定合理的交易价值门槛,防止数据驱动的创新型小微企业被吞并和消除。
2.对拟议并购交易的竞争评估,应区分大数据在行业中的角色和功能定位。如果数据是市场上直接销售的商品,合并双方或其中一方需承诺合并后不会对其他市场主体获得数据造成影响。2013年,美国教育市场的两家主要营销数据销售商Dun&Bradstreet 和 QED 计划进行合并,美国联邦贸易委员会审查后要求 Dun&Bradstreet 将部分数据销售给市场第三方主体。而 2011年 Google 收购航班比价软件 QPX 的开发商 ITA 时,美国司法部却未对数据本身做出如此限制。因为该合并所涉数据只是支撑软件功能的基础要素,作为辅助性的生产要素,不会对市场竞争造成直接影响。
3.数据集中可能给合并双方带来较强的市场优势,应重点审查合并是否可能造成数据市场供应的切断或封锁。2014年,Bazaarvoice 与 Power-Review 的合并遭到美国司法部的否决,司法部认为这两个企业作为“评级和审查市场”的两家主要企业,其横向合并后将拥有市场上的绝大部分数据,数据规模形成进入壁垒,会阻碍其他经营者进入相关市场。同样,在 Telefonica UK、Vodafone UK 和 Everything Everywhere 的合并决定中,执法部门指出,合并所涉数据涵盖个人的身份信息、定位数据、搜索数据和活动数据,形成广告市场独一无二、难以为竞争对手复制的数据库。因而这一合并可能会排除数据分析提供商或者广告提供商的竞争。
(二)大数据动态定价与企业合谋认定
基于大数据和算法分析形成的动态定价机制,使得企业间达成价格合谋越发隐蔽和技术化,识别和认定数字化卡特尔,要着重关注以下几种行为:
1.基于算法初始设计达成的价格协调。欧盟委员会的竞争专员维斯塔格指出,如果公司怠于采取有关防护措施,保证其算法中不存在可能与竞争对手的系统达成一致并从事价格协调等非法活动的设计,就有可能引发反垄断法的关注。当一个算法被设计用于经营者之间协调价格或进行信息交换,可以视为人类意思联络的延伸。按照竞争法的一般规则,企业对员工的反竞争行为或做法承担责任。这一原则也可以延伸至大数据及其算法分析,企业应对其算法固定、协调价格的竞争风险承担责任。
2.基于算法自主学习达成的价格协调。算法最初设计时并非用于执行价格协调命令,但在优化算法追求利润的过程中, 通过持续学习和改进,定价软件发现市场最优策略是协调价格,进而实施反垄断法所禁止的卡特尔活动。这意味着,在没有反竞争意图或人类意思联络的情况下也可能出现反竞争效果。这种情况能否构成数字化卡特尔,目前争议很大。一方面,机器学习导致的合谋结果只能通过效果去观察, 而无法从形式上加以判断。这种“虚拟合谋”(Virtual Collusion)与传统反垄断工具所规制的“默示合谋”有所不同,合谋行为是具备深度学习能力的机器人达成的,编程人员或技术方的初衷并不出于企业合谋。另一方面,查处数字化卡特尔要求对既定领域的行业知识和数据底层处理技术有深入了解,执法部门能否有效提供执法人员和执法资源还有待考察。因此,从技术创新和执法理性角度,应谨慎认定此类情形。
3.基于动态数据的价格平行行为。定价算法行之有效,越来越多企业发布实时价格,价格数据易于获得,市场透明度也随之提高。企业通过大数据追踪,监测竞争对手的价格变化并做出相应调整,属于一种“有意识的平行行为”。因没有达成价格协调的意思联络, 这种行为通常不构成对反垄断法的违反。价格平行行为建立在市场透明度较高的基础之上,只有在市场数据完整,价格信息披露充分的情况下,才有可能达成价格平行行为。一般认为,市场透明度对消费者有利,除非这种市场透明度已经高到足以让价格提示成为心照不宣的共谋,否则基于动态数据的价格平行行为不应受到反垄断法的责难。任何禁止平行行为或限制市场透明度的做法,所带来的问题并不比其可解决的问题少。
(三)大数据优势与滥用市场支配地位认定
大数据带来竞争优势,但这种优势能否实质提升数据持有企业的市场力量?滥用大数据优势的行为又应该在多大程度上引起反垄断法的关注?对这些问题的解答,需回到既有的反垄断法框架中,结合大数据的属性特征进行分析。
1.大数据规模并不必然导致市场支配力量。一方面,数据的采集并不具有独占性。这种非排他属性,意味着一个企业获得数据并不能当然排除其他企业获得同样数据。一项竞争要素构成市场进入障碍,要求该要素是稀缺的、有价值的、不可模仿的、不可替代的,仅仅持有大数据并不能使企业设置市场进入障碍,从而获得实质性的市场力量。如果数据随处可得,并且可以由多个企业同时获得,数据的集中程度就会被弱化。另一方面,数据规模并不代表绝对的数据优势。尽管大数据会产生网络效应和规模经济,但当数据达到一定数量或规模之后,其边际价值将迅速降低。美国联邦贸易委员会前竞争局局长Deborah Feinstein 指出,数据与市场状况的关联性,难以通过理论分析直接获得,即便从数据中间商中获得或接入数据,也并不意味着可以有效使用数据。Nils-Peter Schepp 等人也指出,算法和数据技术比数据本身更重要。概言之,大数据优势体现在——数据数量和多样性上的优势、数据采集渠道和范围上的优势,以及数据处理和分析技术上的优势。具体个案中应结合数据价值、种类和有效性等多个维度考察企业基于数据优势所产生的市场力量。
2.关键必要数据不得拒绝提供。在数据共享与开放趋势下,分析企业拒绝提供数据是否不当排除限制竞争,核心在于数据本身是否构成“关键必要设施”。欧洲最大的导航设备制造商 TomTom 收购电子地图公司 TeleAtlas 时,欧盟委员会指出,虽然电子地图数据库在个人导航装置(PND)的成本中仅仅占据有限的份额,但它们构成了一个关键必要设施,如果上游拒绝提供导航数据,下游的 PND 生产商就无法实现其服务目的。换言之,当上游市场的数据输入构成关键组成部分,没有它下游产品就无法进行生产或销售时,数据持有者拒绝提供数据就构成反垄断法上的滥用市场支配地位。
3.辩证看待“大数据杀熟”等价格歧视行为。价格歧视本质上是一种差异化定价,既有消极的一面,也有一定的积极效果。一方面,针对不同消费群体显示的产品信息,糅合了价格、质量等多种产品参数,提高了消费者评估和比较的复杂性,导致消费者很难识别出同一产品的不同定价策略。这种歧视性定价及差别待遇打破了用户的平等性,侵犯了消费者的公平交易权。但另一方面, 基于大量个人数据和分析结果的差异化定价,能够针对消费者倾向进行个性化的价格推荐。比如对于愿意付出精力和耐心的客户提供折扣,而对于愿意付出时间对价的人则优化交易节奏,从而使每一个客户都按照自己的价格预期完成交易。这种价格歧视实际上提升了价格竞争空间,促进了市场交易效率。在当前的反垄断法框架内规范大数据价格歧视,需要结合不同情形和个案做更加细致的经济学分析, 才能得出相应结论。

四、大数据反垄断执法的因应与调整
大数据垄断对数字经济领域的市场秩序和竞争格局带来重大影响,以互联网企业为代表的大数据市场不应成为反垄断法规制的法外之地。但另一方面,大数据与平台经济、双边市场、网络效应等概念耦合,使问题更加复杂的同时,也对反垄断执法提出了新的挑战。大数据的竞争执法,需因应数字经济的属性特征和市场竞争的现实情况做出新的调整。
(一)秉持谦抑审慎的反垄断执法原则
在转型国家竞争机制的建立与维护进程中,社会舆论对反垄断规制往往抱持着过高的推崇和期待,某种程度上已经超越了反垄断法所应有的功能范畴。针对大数据相关商业行为的竞争执法,必须秉持谦抑、审慎的执法原则,谨防落入反垄断规制万能主义的窠臼。在现有的反垄断法律框架下探讨大数据垄断的规制问题,必须结合大数据的经济特征,分析市场竞争的现实情况做出个案的具体判断。仅仅出于主观假设的竞争担忧就进行反垄断干预,将严重打击数字经济产业创新产品和商业模式的积极尝试, 削弱经营者之间的创新竞争,长远来看必将对消费者福利和社会总体福利造成损害。
规范、严谨、科学的经济学分析和法律论证非常必要。具体而言,对数据集中的并购审查,不仅要看到数据集中带来的市场力量的加强,也要看到数据集中对于降低信息不对称和提高动态效率的作用,结合个案分析权衡是否准予合并。大数据加强了市场的透明度,未来企业可能利用算法、人工智能和数据共享等工具从事新型合谋,判断是否达成默示合谋仍需参考传统的反垄断分析框架,结合更加细致化的分析要件和具体案件情形进行详细论证。对于中国而言,在数字经济高速发展,数据驱动型产业不断繁荣的背景下,修订申报门槛和并购审查标准,无疑会对行业创新和经济效率带来诸多挑战,应结合本土情况和经济学的精细论证做出审慎决定。
(二)提升反垄断执法的专业化水平
构建专业高效的反垄断执法体系,人才保障是基础。大数据涉及的知识领域广泛、技术内容复杂,单一的知识结构和技术背景将成为执法人员的重大掣肘。处理大数据等新兴产业的垄断问题,需要执法人员具备法律、经济、会计和计算机等学科领域的相关知识和专业背景。在具体案件的调查和推进过程中,又要求办案人员对大数据市场有一定的研判能力、经济分析能力和法律论证能力。故此,在人员配备和队伍组成上,应适当补充复合型高端人才和各技术领域的专门人才,优化执法队伍的知识结构和能力素养。此外,还应当围绕数字经济和数据驱动商业模式,加强专门领域的执法技能培训,培养大数据反垄断执法的专家型人才。
促进大数据反垄断执法的精细化和专业化,科学执法是关键。反垄断执法工作本身的专业性和技术性较强,需要执法人员对市场发展、竞争格局和竞争效果有充分的理解和把握。大数据市场技术更新快, 不确定因素多,反垄断执法过程中的新问题、新情况不断涌现,而传统的执法工具又存在一定局限性。新型垄断行为的层出不穷,要求执法机构集中精力对大数据市场的基础性问题、理论前沿问题进行深入研究和探索。在了解和把握大数据市场的竞争状况,以及真正理解大数据商业模式的前提下,反垄断执法机构可出台相关指南或者执法指引,提升执法效能,统一执法评判标准。同时,健全和完善专家咨询制度与重大案件专家论证机制,提高执法的科学性和权威性。
值得注意的是,根据第十三届全国人大一次会议通过的《国务院机构改革方案》,我国原有三家反垄断执法机构在新组建的国家市场监管总局的平台上实现了统一。执法机构的统一有利于整合此前多个部门的执法经验,组建更加稳定、高效、专业的执法队伍,提高竞争执法活动的透明度。执法机构的合并和职能优化,也将促进大数据领域反垄断执法专业化水平的提高。
(三)加强反垄断执法的国际合作与交流
数据产业尚属于新兴产业,各类技术性、专业性问题尚未得到解决,要求执法机构和学界学者结合数据产业发展的特性, 进行更加深入的分析,确定反垄断法的基本适用原则及具体衡量标准,以提高经营者对自身行为法律效果的预见性。
最近几年,世界范围内一些成熟的司法辖区已经开始关注大数据的反垄断问题,并陆续发布与大数据有关的研究成果。2014年9月15日,美国联邦贸易委员会(FTC)举行了题为“大数据:包容或排斥的工具”的专题研讨会,并结合新近研究成果形成同名报告,于2016年1月正式对外发布。同年5月,法国和德国的竞争法部门联合发布了《竞争法律与数据》 的研究报告。2017年6月,日本公正交易委员会(JFTC)的竞争政策研究中心(CPRC)发布了《数据与竞争政策研究报告书》。与此同时,一些国际组织和区域性组织也加入了研究行列,如世界经济合作与发展组织(OECD)和欧美数据保护监督委员会(EDPS)在2016年相继发布了《大数据:竞争政策走向数字时代》、《大数据时代背景下隐私与竞争力:数字经济环境下数据保护、竞争法和消费者保护之间的相互影响》等等与大数据相关的研究报告。这些报告都较为系统和全面地梳理了近几年来有关大数据的诸多观点和看法,展示了各个司法辖区对大数据相关的反垄断执法问题的具体考量,为中国的大数据反垄断执法提供了丰富的理论借鉴。
事实上,数据问题并不属于反垄断法中的新问题,国内外反垄断执法实践中已经产生许多涉及数据问题的案例,关于互联网、双边市场的研究成果也能迁移到大数据的反垄断分析中。加强大数据研究的国际化交流, 促进研究成果的分享和转化,不仅是中国问题的因应之策,也是打破研究领域的大数据垄断,促进知识开放和人类共享的应有之义。

五、 结语
数字经济时代,大数据逐渐演变成为驱动经济增长的核心生产要素,甚至作为一种重要的垄断资源进入到相关行业的市场经济活动中。与大数据产业的迅猛发展不相适应的是,国内针对大数据的立法进程仍显滞后, 相关的产权归属、交易规则尚未得到明晰和确认,开放、公平的大数据交易体系也还未形成。正因如此,反垄断法以竞争为导向的市场矫正功能才得以凸显。反垄断法通过对数据市场相关垄断主体的行为规制,构建起公平、自由的市场竞争环境,从而推动数据产业的创新与发展。规制目标的选择、规制方法的创新以及规制程序的公允和有效,无疑将成为接下来大数据市场反垄断的重要命题。

 

作者简介: 王先林,法学博士,上海交通大学凯原法学院教授。

参考文献:[1]ManyikaJ. Chui, M. and Brown B. et al , Big Data: The Next Frontier for Innovation,Competition, and Productivity [R] , McKinsey Global Institute, 2011.
[2]D.S. Tucker and H.B. Wellford, Big Mistakes Regarding Big Data, Antitrust Sourse ,2014.
[3]Salil K. Mehra, Antitrust and the Robo-Seller: Competition in the Time of Algorithms,Minnesota Law Review, 2015.
[4]Graef, Inge, Market Definition and Market Power in Data: The Case of Online Platforms,World Competition, 2015.
[5]Deborah Feinstein, Big data in a Competition Environment, Antitrust Chronicle, Competition Policy International, 2015.
[6]Daniel Sokol, Tensions between Antitrust and Industrial Policy, George Mason Review,Vol.22.2015.
[7]Andrea De Mauro, Marco Greco and Michele Grimaldi, A Formal Definition of Big Data Based on its Essential Features, Library Review,2016.
[8]D. Daniel. Sokol and R. Comerford, Antitrust and Regulating Big Data, George Mason Law Review ,2016.
[9]Nils-Peter Schepp and Achim Wambach, On Big Data and Its Relevance for MarketPower Assessment, Journal of European Competition Law & Practice, 2016.
[10]韩伟、 李正.大数据与企业市场力量[J].中国物价,2016(2).
[11]工信部.大数据产业发展规划 (2016-2020 年) ,工信部规 [2016] 412 号.
[12]中国信息通信研究院.中国大数据发展调查报告[R].2017.
[13]Lambrecht, A.Tucker, C. E. Can Big Data Protect a Firm From Competition? [R],Competition Policy International,Inc, 2017.
[14]刘乃梁.反垄断规制功能的行业限定——兼论银行业反垄断规制的功能定位[J] .法制与社会发展,2017(4) .
[15]韩伟.算法合谋反垄断初探——OECD 《算法与合谋》 报告介评 (上) [J] .竞争政策研究,2017(5).
[16]林平.经济分析在反垄断中的作用以及数据经济和大数据[J].竞争政策研究,2017(5).
[17]邓志松.数字经济的垄断与竞争:兼评欧盟谷歌反垄断案[J].竞争政策研究,2017(5).
[18]李正.竞争法视角下大数据对企业市场力量的影响问题研究[D].中国青年政治学院硕士学位论文, 2017(6).
[19]曾雄.数据垄断相关问题的反垄断法分析思路[J].竞争政策研究,2017(6).
[20]杨建辉.对数据垄断的几点思考[J].中国证券期货,2017(7) .
[21]深入贯彻国家大数据战略,加快建设数据强国[N].中国电子报 2017.
[22]黄燕芬、 王淳熙、 张超.大数据在价格研究中应用:现状与展望[J].价格理论与实践,2017(9).
[23]黄晓锦.大数据时代数据分享与抓取的竞争法边界[J].财经问题研究,2018(2).
[24]丁文联.数据竞争的法律制度基础[J].财经问题研究,2018(2).
[25]钟原.大数据时代垄断协议规制的法律困境及其类型化解决思路[J].天府新论,2018(2).
[26]费方域、 闫自信.大数据经济学视域下的竞争政策[J] .财经问题研究,2018(2) .
[27]Stutz.R, An Examination of the Antitrust Issues Posed by Google’ s Acquisition of ITA[J/OL]
[28]刘继峰、 曾晓梅.论用户数据的竞争法保护路径[J].价格理论与实践,2018(3).

版权声明: 《价格理论与实践》2018年第9期