論經濟學分析視域下的大數據競爭*

方燕 / 阿里研究院專家

一、引言

隨著很多活動被數字化以及線下活動的線上連接服務日益普及，虛擬網絡空間產生的用戶數據呈現爆炸式膨脹，其中很多數據都被互聯網通信運營商、互聯網服務提供商，以及專門收集處理和銷售數據資料的數據運營公司所掌控。數據作為在線平臺中的投入要素和有價商品的重要性日益凸顯。要從法律視角評判大數據競爭，必須深刻理解在線平臺運營商收集、處理和使用數據的經濟學特征和方式，以及運營商借助數據開展的競爭經濟學性質和方式。本文將詳細提煉經濟學視角下大數據的特征和能力，關注大數據的反壟斷經濟學分析，為互聯網大數據領域的反壟斷法實施提供對策建議。

二、經濟學視域下大數據的特質與影響力

（一）大數據的公共品特性

很多用戶數據都是非競爭性和非排他性的，1See Goerge, R.M., “Data for the Public Good: Challenges and Barriers in the Context of Cities”, In: Lane, J., V.Stodden,S.Bender, and H.Nissenbaum (eds.), Privacy, Big Data, and the Public Good: Frameworks for Engagement, Cambridge,Cambridge University Press, 2015; Renda, A., “Searching for Harm or Harming Search? A Look at the European Commission’s Antitrust Investigation Against Google”, CEPS Special Report No.118, September 2015; Martens, B., “An Economic Policy Perspective on Online Platforms”, JRC Technical Reports, Institute for Prospective Technological Studies Digital Economy Working Paper 05, 2016.或者說具有公共品特性，即用戶數據能同時被多個經濟主體所用；也難以明確界定特定數據的獨家產權所屬。2See Martens, B., “An Economic Policy Perspective on Online Platforms”, JRC Technical Reports, Institute for Prospective Technological Studies Digital Economy Working Paper 05, 2016.比如，在位者和新創者都能收集和使用用戶數據，互不影響。3See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014.這點對于能為所有人免費得到的公開數據尤其如此。當數據能加總后使用時，數據收集通常來自不同渠道和源頭，且來自不同源頭的數據之間有時容易相互替代。可見，用戶數據的收集相對簡單，耗費的成本代價相對較少，數據收集本身的進入壁壘就很低。

而且，隨著互聯網和移動智能終端的普及，網絡用戶時刻“播撒”自己需求和偏好方面的“蛛絲馬跡”，在時刻創造和撒播各種數據信息。4See Lambrecht, A., and C.E., Tucker, “Can Big Data Protect a Firm from Competition”, In: Aitor Ortiz (ed.), “Internet:Competition and Regulation of Online Platforms”, Competition Policy International, 2015, pp.155-166.由于用戶經常多歸屬，即用戶向多個服務商共享自己的數據，沒有任何企業能控制所有數據。

各企業有時能從多個渠道輕易收集到足量的、幾乎等效的用戶數據。格雷夫（Graef）(2015)5See Graef, I., “Market Definition and Market Power in Data: The Case of Online Platforms”, World Competition: Law and Economics Review 38 (4), 2015, pp.473-505.發現，搜索引擎借助搜索排序記錄“交叉復現或驗證”揭示出的對特定群體的音樂偏好結果，與社交網絡對同一群體在社交平臺共享記錄揭示出的音樂偏好信息基本相同。亞馬遜（Amazon）收集到的購物記錄數據，在提升廣告精準化方面與谷歌（Google）擁有的數據一樣高效。6See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014.移動智能終端ISP能獲得大量用戶實時定位記錄數據，這些數據的信息量接近于科技巨頭谷歌和臉書掌控的信息量。7See Manne, G.A., and B.Sperry, “The Problems and Perils of Bootstrapping Privacy and Data into an Antitrust Framework”,CPI Antitrust Chronicle, May 2015.如果能借助不同手段從不同數據來源中提煉出幾乎相同信息量的新知識，這些數據認為不僅是可獲取的（Accessible），還是可替代的（Substitutable）。只要數據可獲取且可替代，主導平臺運營商因數據控制而帶來的潛在壟斷能力，將因此大打折扣。企業能從多個渠道購買到足量的相關數據，數據存儲和分析工具也能從大量的第三方來源取得。8See Lambrecht, A., and C.E., Tucker, “Can Big Data Protect a Firm from Competition”, In: Aitor Ortiz (ed.), “Internet:Competition and Regulation of Online Platforms”, Competition Policy International, 2015, pp.155-166.可以說，大數據的生產和流通是一個幾乎零邊際成本過程，9See Shapiro, C., and H.R.Varian, Information Rules: A Strategic Guide to the Network Economy.MA, Harvard Business School Press, 1999.有關數據及其搜索的轉移成本很低。10See Edlin, A.S., and R.G.Harris, “The Role of Switching Costs in Antitrust Analysis: A Comparison of Microsoft and Google”, Yale Journal of Law and Technology 15, 2013, pp.169-213.

并購重組是一種輕易獲得更多數據的常用手段。北美和歐洲競爭執法機構在涉及數據的并購審查中意識到，通過并購增加對特定類型數據的獲取量的嘗試，在其他競爭對手仍然能從其他替代性渠道獲取足以替代的海量數據的前提下，是不會引發太多競爭關注的。數據的可獲取性和可替代性是歐盟競爭委員會和美國聯邦貿易委員會在2007年前后無條件批準google收購DoubleClick的一個理由。2012年的西班牙電信英國分公司(Telefonica,UK)/英國沃達豐（Vodafone）/英國EE公司（Everything Everywhere, UK）合資案和2014年的臉書（Facebook）并購瓦次普（WhatsApp）案，也因類似邏輯而得到批準。

從獨立第三方和并購等多渠道獲得相關數據的事實，意味著無論是大平臺企業還是小平臺企業，都有機會從有關消費者偏好數據信息中獲益，并及時加以調整應對。這里要說明的是，原始數據的收集相對較簡單，但是分析和處理數據需要耗費成本和時間資源。同時，開采原始數據這座金礦也是各個企業的商業秘密，需要商業頭腦。原始數據的開采加工本身就可算作為數據使用過程的一部分。隨著開放科學和開源運動的不斷深入人心，已經出現越來越多的開源分析代碼和軟件，為處于初創期的中小平臺運營商開發和利用海量數據提供了一個很好的業務啟動助推器。當然，在某些情況下，法律（如知識產權法和數據保護法規）和商業策略（如商業秘密）等也會限制對某些特殊數據的獲取和利用。

關于大數據的公共品屬性問題，有兩點尤其值得關注。

第一點是，數據異質性、數據可獲取性(Accessiblity/Availability)不等于可替代性(Substitutability)。或者說，由于異質性原因，可通過多渠道獲取的數據包含的信息數量和質量常常是有差異的，格雷夫(Graef,2015)有關從不同渠道獲取的等量數據包內含等量信息的論斷并非總是成立。顯然，擁有更多同類信息量的數據集或數據來源，能對擁有較少信息量的數據集或來源實現完全替代。數據集（或來源）A與數據集（或來源）B共有的重合信息量占數據集B總體信息量的比重，可度量A替代B的能力和強度。評估不同來源數據的可替代性有時很重要。評估工作又與供給側替代性和進入壁壘有關聯。2008年湯姆森（Thomson）公司并購路透社（Reuters）集團案就牽涉許多金融服務市場的特定數據庫的重大重疊問題。該并購引起的競爭擔憂，不單來自于并購后的新實體擁有很高的市場份額，還來自于重新構建一個類似的數據庫所用的時間精力成本很高。

第二點是，依據數據的不同用途，數據集的范圍或者說多樣性有時與其規模同樣重要。某個數據集內含的知識或信息量同時取決于其數據規模量和多樣性。具體而言，一個數據集的真實價值不單單依賴于提供這些數據的個體數量，還依賴于每個個體透露的信息數量。數據的多樣性對信息量的正面影響可以直觀地視為數據的范圍經濟效應。11See Martens, B., “An Economic Policy Perspective on Online Platforms”, JRC Technical Reports, Institute for Prospective Technological Studies Digital Economy Working Paper 05, 2016.用戶數據的范圍經濟性具體體現為：一方面，越大量和更多樣的數據集常能比更少量和同一性的數據集揭示出更多有價值的信息。另一方面，通過向消費者提供各種服務而收集而來的用戶數據，讓集服務提供和數據收集于一身的企業，能揭示出有關這些消費者的行為和品味等多方面的信息，讓企業能更深刻和全面地了解潛在顧客，進而更準確地推斷某個老用戶在某個時點可能會購買某個產品的幾率。將從不同來源渠道獲取的數據相整合有時能揭示出一些新內涵，這一點在谷歌并購雙擊（DoubleClick）案中已有體現。當時歐盟競爭委員會就指出，基于數據質量的競爭狀況不應單單看各競爭主體擁有的數據集規模，還要看競爭者獲得數據的不同渠道和類型，以及哪些渠道和類型的數據對于互聯網廣告業務而言是最有用的。同樣地，英國信息委員會辦公室(Information Commissioner’s Office, ICO)也指出，根據諸多行業人士的理解，在大數據的5個（或7個）V中，多樣性是一個不可或缺的甚至最重要的特征。12See Information Commissioner’s Office (ICO), Big Data and Data Protection, ICO, 2014.網絡歐盟軟件和服務倡議（Networked European Software and Services Initiative, NESSI）也表達了類似的觀點。13See Networked European Software and Services Initiative (NESSI), Big Data: A New World of Opportunities, White Paper of NESSI, 2012.

其實，并非所有數據都有多個渠道來源，也并非所有來自不同渠道的數據都存在一定程度的替代性。只能通過唯一渠道獲取唯一的數據的情況下，數據就不能輕易復制，數據是由一對獨特的互動行為所引起時尤其如此。比如，臉書平臺對注冊用戶留下的“痕跡”信息挖掘而來的情感數據透析會影響到網民的網絡行為，復制這樣的情感互動數據是很困難和高成本的。14See Boyd, D., and K.Crawford, “Six Provocations for Big Data”, Symposium on the Dynamics of the Internet and Society,October 30, 2012.構造這樣一個數據收集點和渠道是數據收集者夢寐以求的，這也將提升進入壁壘。

各運營商對用戶數據的索取競賽并非一個零和博弈，而是正和博弈。數據的公共品特性與用戶多歸屬性有著緊密的關系。用戶多歸屬性，允許網民在消費多個平臺運營商提供的多個服務時，有意無意地向它們散布了個人數據信息。主導性平臺運營商不可能就用戶數據擁有顯性的或事實上的排他性能力。因為，運營商不能就向用戶提供的服務附帶有關用戶數據的排他性條款，也不能鎖定用戶使其只能與自己分享個人數據。15See Renda, A., “Searching for Harm or Harming Search? A Look at the European Commission’s Antitrust Investigation Against Google”, CEPS Special Report No.118, September 2015.另一方面，多歸屬性讓互聯網領域子行業里的在位者繼續壯大時，也能預留出市場空間給新進入者專注于特定內容或子領域。新進入者能借助自己收集或購買到的用戶數據，開發出差異化產品，謀求生存之道。比如，在由臉書主導的全球社交網絡領域，照片墻（Instagram）、推特（Twitter）和拼趣（Pinterest，即P站）等跟隨者就專注于圖片分享和微博客等特定內容交互，紅迪網（Reddit）專注于新聞交互，領英（LinkedIn）、玻璃門（Glassdoor）和千真萬確（Indeed）專注于職場交互等子領域。在國內，由QQ和微信主導的中文社交網絡領域，新浪微博、易信、陌陌甚至今日頭條、快手等跟隨者，也同樣專注于特定子領域或內容。當然，這些會無形之中突破了靜態市場邊界的范圍，讓反壟斷法實施中界定相關市場和測度市場力量的工作趨于復雜化。

（二）數據價值在很多情形下具有加速遞減性

數據這個金礦某種程度上誰都能開采，但是數據很快變老的有限生命周期特性，讓其瞬間就成為“歷史”數據(Lyon, 2016)。這一點緊密相關于刻畫大數據五大特性中有關“高速周轉性（Velocity）”，反映了數據收集和處理的實時性和即時性。也就是說，用戶數據的有效價值，總是隨著時間的推移而快速衰減。數據統計網 (Statista,2015)16See Statista, “Google’s Annualized Advertising ARPU from the 1st Quarter of 2012 to the 1st Quarter of 2014 (in US Dollars)”, last visited on 7 December 2015.對谷歌廣告數據研究顯示，當今世上現有數據中90%創自于近2年，而那些仍未經加工的原始數據中70%過90天就將過時。數據信息貶值快的背后原因是外界世界變化快。現有數據只反映過去的狀況，在瞬息萬變的世界里規律性的東西或許已改變。歷史數據或許在分析市場趨勢方面有點用，但是在指導即時決策方面的價值很有限。比如，過去的廣告數據就無助于廣告商在實時投標過程中決定展示哪個廣告。同時，在像搜索引擎這樣數據差異性大且更新率高的領域，歷史數據的價值更低。據谷歌披露，其每天用戶的搜索關鍵字和搜索結果排名記錄中有15%是最新的，17See Renda, A., “Searching for Harm or Harming Search? A Look at the European Commission’s Antitrust Investigation Against Google”, CEPS Special Report No.118, September 2015.這意味著搜索算法不斷需要新數據才能提供最相關的搜索結果排名。鑒于這兩點，塔克(Tucker)& 韋爾福德（Wellford, 2014）18See Tucker, D., and H.Wellford, “Big Mistakes Regarding Big Data”, Antitrust Source, December 7, 2014.有點極端地說，歷史數據最多只能用于分析趨勢，但無助于指導實時決策。新創者重走成功者的成功之路再也不能成功，新創者更需要的是獲得與在位成功者同等的機會和機遇，并把握住。在位者的數據優勢是短暫的，也是非決定性的。

進一步地，數據價值遞減的速度是不斷增加的，也就是說數據呈現規模報酬遞減的規律。19See Terdoslavich, W., “Big Data and the Law of Diminishing Returns”, InformationWeek, November 27, 2015.勒納（Lerner, 2014）20See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014.對在線搜索和在線廣告市場的研究發現，用戶數據用于改善搜索結果的質量提升的效果越來越差，用于提高廣告投放到目標受眾的精準度的效果也如此。鑒于規模報酬快速遞減的特性，大規模平臺運營商可能在數據規模突破某個臨界值后從額外新增數據中獲得邊際價值趨于零，而中小平臺運營商更可能從新增給定量的數據中獲得嚴格正的邊際價值，從而誘導其競相通過投資服務質量和研發環節，來吸引用戶接入本平臺。21See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014.數據貶值很快且規模報酬也遞減，僅憑借數據獲得的競爭優勢和市場支配地位會很短暫，很不穩固。進入者在數據收集和分析中不可能長期相對于在位者處于明顯的競爭劣勢。22See Chiou, L., and C.Tucker, “Search Engines and Data Retention: Implications for Privacy an d Antitrust”, NBER Working Paper No.23815, 2017.

因大數據而獲取的競爭優勢，也會因數據貶值快和規模報酬遞減性而削弱，甚至消失，這一論斷能刻畫大數據在某些情景的應用。例如，用于培育搜索引擎算法的數據，或更一般的，作為預測決定的一個要素的數據，基于不確定性和風險來預測未來形勢變化，而概率是描述不確定性和風險的常用手段。對當前和過去數據掌握量越多，概率測度越可信，預測結果也越可信。然而，預測準確性的提升幅度會隨著所用數據規模的增加而遞減：基于數據集推斷的統計樣本偏差總是會隨著樣本數據集的規模而遞減，但是遞減的速度在不斷降低。23See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014.絕大多數搜索引擎都很重視用戶就搜索結果排名下的實際點擊結果的數據信息，以不斷改進和提升今后搜索結果排名與用戶輸入的關鍵字間的相關度。用戶搜索和點擊記錄方面的數據量越多，搜索引擎運營商就擁有了一組更具代表性的樣本觀察值，有助于弱化異常數據帶來的潛在擾動影響，改善搜索結果排名的相關性和科學性。但是，隨著樣本量的不斷增加，每條基于搜索關鍵字的搜索結果排名記錄及其實際點擊數據中帶有的邊際信息量及其價值在不斷降低。

不斷需要更新的異質性數據，意味著海量通用性數據本身不一定當然對數據擁有者有利，而對潛在挑戰者不利。基于數據的規模報酬遞減性，競爭要點不在于新創者是否獲得與在位者等量的數據，而在于是否能獲得足量的高質且實時數據。24See Schepp, N.P., and A.Wambach, “On Big Data and Its Relevance for Market Power Assessment”, Journal of European Competition Law and Practice 7 (2), 2016, pp.120-124.例如，在搜索引擎領域，確保一個互聯網搜索引擎富有競爭性所需要擁有的搜索數據量，應該會低于Google和百度等全球性或區域性的搜索巨頭們多年累積的數據量。但是，相對于雅虎（Yahoo）、必應（Bing）、問答（Ask）和國內的360搜索、搜狗搜索等挑戰者而言，這些主導性搜索引擎的搜索結果的優越性（主要是結果相關性）程度并不與其手握的數據量成正比，這一點很大程度上與數據規模報酬遞減有關。

在2010年微軟并購雅虎搜索業務案中，歐盟競爭委員會引用了微軟提交的一份研究報告。該研究報告顯示，對于絕大多數頻繁使用的關鍵詞，微軟Bing搜索算法下的搜索結果與關鍵詞間的相關度，與Google和Yahoo搜索下的相關度的總體差距并不大。

全面客觀來看，并非所有數據信息貶值都那么快，也并非所有數據的邊際價值（規模報酬）都會遞減，這取決于相關市場的具體特性。像性別、名字、地址、出身日期、工作等有些用戶數據并不會隨著時間而貶值，至少貶值速度沒有那么快。在其它條件相同的情況下，對這類數據的持有量上的優勢可能有助于企業維持長期的優勢地位。但由于這類貶值慢的數據占比較少、或者價值優勢很有限，這種因數據而獲得優勢地位的現象相對較少。

當然，勒納(Lerner,2014)25See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014.等文獻基于數據用于統計推斷目的而得出數據規模報酬遞減的結論有時可能也值得推敲，因為有一些數據的獲取并非只用于推斷目的，用于其他目的時其價值或許不具有規模報酬遞減的特性。更何況，做出某個推斷所需要的數據量有時可能并不是很多，當然對于像搜索引擎和在線購物推薦之類的市場情形，的確需要一定量級的數據才能保證足夠高的推斷準確率，以及搜索結果排名與用戶輸入的關鍵詞間的足夠高的相關度。26See Newman, N., “Search, Antitrust and the Economics of the Control of User Data”, Yale Journal on Regulation 31(2),2014, pp.401-453.因此，一個相對大規模的數據的確可能正向提升在線平臺的競爭力。但提升程度和作用是個需要個案分析的理論問題。所以，競爭分析中，應結合不同應用場景來客觀分析大數據的能力，不能高估也不能低估其影響。

（三）平臺異質性與數據個性化

在線平臺之間常常是高度差異性的，即便提供的是同一類型的在線服務。當每個進入者擠入在位者留下的市場空隙時，對自己最有用處的數據越來越不同于對競爭對手最有用的數據，各自都在努力更加準確地迎合市場狹縫中那一小部分目標用戶的需求。其實，個性化的線上（和線下）平臺收集到的用戶數據往往是個性化和異質性的。不同于社交網絡數據，搜索引擎收集到的數據更能識別那些搜索服務或產品的消費者。相比于通過優惠卡和退房收據手段獲取數據的線下零售服務商，線上零售商獲得數據，從數量和質量上都更有優勢。同樣地，通過臺式電腦和筆記本電腦收集到的數據，可能不能與通過智能手機和平板等智能終端獲得的數據相替代。除了這兩個數據來源的用戶群體的差異性之外，通過智能終端獲取的數據還帶有關于用戶實時定位等額外信息。

當然，通過在線平臺獲得的數據的可替代性更強，但并不是完全的。即便提供同類服務，在線平臺之間的異質性也很大，最合適其發展所需要的數據也不盡相同。消費者傾向于使用更能準確滿足自己需求的平臺，這就使得專業性平臺更受特定群體歡迎。27See Schepp, N.P., and A.Wambach, “On Big Data and Its Relevance for Market Power Assessment”, Journal of European Competition Law and Practice 7 (2), 2016, pp.120-124.比如，想預定航班機票，消費者更可能會用客涯（Kayak）、億客行（Expedia）、旅程網（Orbitz）、去哪兒和攜程等旅行類搜索引擎，購物會用淘寶搜索、京東商城內部的搜索板塊，有關在線購物、約會、社交和產品服務等在線平臺也會有偏向于本領域的搜索業務，而百度、谷歌和必應等通用性搜索引擎也開拓了學術類搜索板塊。

平臺的差異化和個性化定位導致的一個必然結果便是，對某平臺企業很重要甚至關鍵性的數據，對于其他平臺企業可能價值有限，甚至毫無價值。28See Schepp, N.P., and A.Wambach, “On Big Data and Its Relevance for Market Power Assessment”, Journal of European Competition Law and Practice 7 (2), 2016, pp.120-124.需要新的差異化數據本身就意味著，持有海量的一般性數據并不必然會讓持有者獲益，而讓潛在挑戰者處于劣勢。潛在競爭者不需要手握與在位者同等數量級的數據庫，只需采取策略積累適量的高度相關且實時的數據就行。29See Chiou, L., and C.Tucker, “Search Engines and Data Retention: Implications for Privacy and Antitrust”, NBER Working Paper No.23815, 2017.

（四）大數據并不當然具有市場進入的決定性

即便是在位主導性企業，收集、處理和使用用戶數據的行為本身，也不意味著創建了一個高不可攀的進入壁壘。要正視大數據的能力，但擁有大數據并不能主導一切。正如蘭博瑞(Lambrecht) & 塔克(Tucker,2015)30See Lambrecht, A., and C.E., Tucker, “Can Big Data Protect a Firm from Competition”, In: Aitor Ortiz (ed.), Internet:Competition and Regulation of Online Platforms, pp.155-166.Competition Policy International, 2015.論述的，從策略管理理論的資源驅動視角來看，一種資源只有同時滿足四個原則或特性才可能長期維持競爭優勢：不可仿效性(Inimitability)、稀缺性(Scarcity)、高價值性(Valuablity)和不可替代性(Non-substitutability)。當大數據不能同時滿足這些特性時，也就不能當然依靠大數據獲得或維持長期競爭優勢。在有些特定互聯網經濟的子行業，用戶數據甚至可能不單單是可仿效，相對并不稀缺，還可能是可替代的。

用戶數據作為生產要素用于提升和改善服務質量和用戶體驗，是大數據的一個重要用途。但是，用戶數據僅是互聯網在線業務通往成功路上的一種生產要素，但不一定是決定性要素。作為21世紀的“原油”，作為生產要素的大數據，有助于向顧客提供有針對性的信息推薦服務和新產品，讓用戶群體間的交互更加有效率。對于基于廣告的媒體或搜索平臺而言，大數據讓廣告發布和推送更有針對性和更有價值，進而有助于平臺向廣告商索取更高的廣告費。越多完備的用戶數據讓平臺更能滿足用戶（包括廣告商這樣的用戶）偏好需求，獲利也就越豐厚。當然，這里會形成正反饋閉環，即這種高質服務吸引新顧客，實現需求側規模經濟，進而又讓市場極化至在位的主導性平臺。使用更多和更好的用戶數據來提高產品和服務，本身就滿足競爭的本質要求。31See Lambrecht, A., and C.E., Tucker, “Can Big Data Protect a Firm from Competition”, In: Aitor Ortiz (ed.), Internet:Competition and Regulation of Online Platforms, pp.155-166.Competition Policy International, 2015.

需要重點強調的是，單獨手握海量用戶數據本身往往不具有多大的經濟價值和戰略價值。單單數據本身，即便量級再大，也無法確保競爭上的成功。必須結合工程師天賦、服務質量、研發速度和對消費者訴求的滿足等要素，這些海量數據才能激發出應有的價值。大數據的價值通常取決于能從這海量數據中提煉出來的新知識和信息，而不取決于大數據本身。或者說，從數據海洋中提煉出有用信息的能力，并不單單取決于可獲取的數據量，更取決于數據分析要用到的算法和能力。正如范里安(Varian,2009)32See Varian, H.R., “Economic Aspects of Personal Privacy”, In: Lehr, W.H., and L.M.Pupillo.(eds.), Internet Policy and Economics: Challenges and Perspectives, Second edition, Springer, 2009.所言，相對于大數據的收集和獲取更為重要的一環是，解讀海量數據和從中提取價值的能力。企業擁有知識產權保護或作為商業秘密的算法是異質性。33See Schepp, N.P., and A.Wambach, “On Big Data and Its Relevance for Market Power Assessment”, Journal of European Competition Law and Practice 7 (2), 2016, pp.120-124.

不同企業在數據驅動型市場上的服務質量和競爭力的差異性，并不能完全歸責于各自手握的數據量的差異上。在微軟并購雅虎搜索業務案中，歐盟競爭委員會認為，盡管Google在搜索結果排名的相關性上表現更優異，但是這一點本身并不能證明數據規模必然帶來更高的搜索結果相關度。因為，還需要考慮數據之外的搜索算法和技術因素。因此，數據分析處理技能與經驗，在評估小規模數據集的價值和影響時不容小覷。

鑒于作為生產要素的大數據的非決定性作用，手握最多數據者不一定是獲勝者。34See Lambrecht, A., and C.E., Tucker, “Can Big Data Protect a Firm from Competition”, In: Aitor Ortiz (ed.), Internet:Competition and Regulation of Online Platforms, pp.155-166.Competition Policy International, 2015; Tucker, D., and H.Wellford, “Big Mistakes Regarding Big Data”, Antitrust Source, December 7, 2014; Sokol, D.D., and R.E.Comerford, “Does Antitrust Have a Role to Play in Regulating Big Data”, In: Blair, R.D., and D.D.Sokol (eds.), Cambridge Handbook of Antitrust, Intellectual Property and High Tech, Cambridge, Cambridge University Press, 2017.例如，大數據在個性化經驗重要的領域（如在線約會）很有價值，但是大型在線約會平臺Tinder并非依靠大數據發家，而是依靠有效的解決方案發展壯大。再如，在通訊應用領域，后起之秀WhatsApp成功地抵擋住了手握海量用戶數據的長期在位者AOL的激烈競爭，憑借低成本又易使用的用戶接口和對用戶訴求的關注得以發展壯大。國內的典型平臺軟件微信/淘寶等的成長秘籍，都不是大數據而更多的是對用戶訴求的關注和對痛點的克服。

大數據的作用并非總是關鍵性的。即便手握海量用戶數據，能否運用和如何運用數據都更重要。35See Tucker, D., and H.Wellford, “Big Mistakes Regarding Big Data”, Antitrust Source, December 7, 2014.要建立大數據帶來的持續競爭優勢，數據掌握者至少應開發出兩個方面的新能力：

其一是吸引專業化人才，集中開發培訓數據算法或設計搭建有意義的實驗，以獲取智慧或條件幫助將大數據轉變為一個有意義的競爭優勢。正如波特（Porter） & 米拉 (Millar,2011)36See Porter, M.E., and V.E.Millar, “How Information Gives You Competitive Advantage”, Harvard Business Review 36 (4),2011, pp.149-174.所言，信息技術能搭建起競爭優勢，但是單單擁有數據信息并不足以保證能從競爭中勝出。還需要具備管理工具包和獲得組織上的競爭力，以此壓榨出大數據的應有價值，而非一味地囤積海量數據。

其二是需要使用大數據去前瞻性地理解消費者訴求的動態演化過程，而不單單利用過去的歷史數據去對當前服務或產品做一些增量性的提升和改進。互聯網數字經濟的不穩定的演化歷史并不能提供任何支撐，也就不能認為單單手握大數據就足以讓在位者抵擋住提供更優質產品和工藝的進入者的挑戰。數據持有企業應關注的是，如何利用數字技術以一種前所未有的方式向消費者提供雙贏的交易。

當然，向用戶私人定制性提供服務也可能提升價格歧視能力。37See Fudenberg, D., and J.M.Villas-Boas, “Behavior-Based Price Discrimination and Customer Recognition”, In:Hendershott, T.J.(ed.), Handbook on Economics and Information Systems, Ch.7, Elsevier, 2007; Esteves, R.B., “A Survey on the Economics of Behaviour-Based Price Discrimination”, NIPE Working Paper No.5, 2009; McAfee, R.P., “Price Discrimination.” In: ABA Section of Antitrust Law (ed.), Issues in Competition Law and Policy, pp.480-483.2008; Bergemann,D., and A.Bonatti, “Selling Cookies”, American Economic Journal: Microeconomics 7 (3), 2015, pp,259-294; Colombo, S.,“Behavior- and Characteristic-Based Price Discrimination”, Journal of Economics and Management Strategy, 2018, pp.237-250.首先要說明的是，有關水平差異的單邊供給市場上的價格歧視可能會傷害企業而惠及消費者的傳統認識，在雙邊市場領域不再是鐵律。因為，雙邊市場的價格歧視事實上會軟化競爭，使得價格歧視有利于社會福利的傳統認識在雙邊市場環境不見得再成立。38See Liu, Q., and K.Serfes, “Price Discrimination in Two-Sided Markets”, Journal of Economics and Management Strategy 22 (4), 2013, pp.768-786.數字平臺不能用相關數據去迎合個性化需求，在無形之中測度出了每個消費者針對特定產品或服務的支付意愿，這就為向高支付意愿者提高索價，而向低支付意愿者降低索價提供了前提條件。價格歧視傷害了原本在統一定價下索中度價格的高支付意愿者，也讓那些支付意愿介于統一價格和邊際生產成本之間的消費者能消費得起。這兩種效應的相對大小取決于目標行業的特定條件。也就是說，如果不關注從消費者身上向平臺運營商的剩余轉移問題，大數據帶來的價格歧視意圖或行為的凈福利效應是事實依賴型的。換言之，大數據誘導的價格歧視問題的利弊是不明朗的，需要進行個案分析。

三、與大數據相關的反壟斷經濟學分析

（一）網絡效應和網絡外部性

網絡效應和網絡外部性，不單是由法瑞爾(Farrell) & 薩洛納(Saloner) (1985, 1986)39See Farrell, J., and G.Saloner, “Standardization, Compatibility and Innovation”, Rand Journal of Economics 16 (1), 1985,pp.70-83; Farrell, J., and G.Saloner, “Installed Base and Compatibility: Innovation, Product Preannouncements, Predation”,American Economic Review 76, 1986, pp.940-955.和卡茨(Katz) & 夏皮羅(Shapiro)(1985, 1986)40See Katz, M., and C.Shapiro, “Network Externalities, Competition, and Compatibility”, American Economic Review 75(3), 1985, pp.424-440; Katz, M., and C.Shapiro, “Technology Adoption in the Presence of Network Externalities”, Journal of Political Economy 94, 1986, pp.822-841.等經典文獻開創的網絡產業經濟學的核心概念，更是當前熱門的互聯網經濟中的核心詞匯。網絡效應是指，某個消費者接入某個網絡系統的效用，直接相關于同樣接入該系統的其他消費者數量，或者間接相關于兼容于該系統的互補性產品種類數。這兩種情形下的網絡效應依次被稱為是直接和間接性的，其中間接網絡效應亦稱為交叉網絡效應。根據這個相關性是正還是負的，網絡效應也可分為正網絡效應和負網絡效應。由于這種（正或負）網絡效應來自于消費者這一側，因而在諸如專著夏皮羅(Shapiro) & 范里安(Varian) (1999)和范里安(Varian), et al.(2013)等相關的經典文獻41See Shapiro, C., and H.R.Varian, Information Rules: A Strategic Guide to the Network Economy, MA, Harvard Business School Press, 1999; Varian, H.R., J.Farrell, and C.Shapiro, The Economics of Information Technology: An Introduction,Cambridge, Cambridge University Press, 2013.中又被稱為需求側規模經濟（或不經濟），以區別于來自于供給者這一方的傳統的供給側規模經濟（或不經濟）。

正網絡效應（直接和間接）常被視為許多互聯網數字平臺趨于集中甚至是形成贏者通吃格局的最重要原因，但這種認識不能解釋所有情形。因為，當網絡效應較弱時，市場均衡結果并非總是獨家壟斷。同時，像在線搜索服務等諸多數字服務，根本就無法用正交叉網絡效應或者需求側規模經濟來解釋。使用用戶歷史數據去了解消費者需求，并以低成本提供更優質的個性化服務，是對這類平臺服務的供給側解釋。這種解釋背后機理不單是呈現為平均提供成本遞減的規模經濟效應，還有由經驗積累和技能熟練引起的所謂干中學(Learningby-Doing)和學習效應(Learning Effects)。根據歐盟數據保護指引（European Union’s Data Protection Directive, EUDPD），個人數據可以是相關于一個可界定或已界定的自然人或實體（如私人和公共組織）的任何信息，這里主要指用戶數據。從海量的用戶數據中學習和提升，可能抵消因規模過大引致的擁堵效應，但是需要事先進行批量的容量投資，同時還面臨因技術變革所致的數據貶值等潛在風險。此外，利用數據驅動的正反饋效應可能具有潛在反競爭效應，會受到反壟斷執法機構的關注。

依靠數據開展商業活動并非新智慧，包括利用線下渠道銷售有形產品在內的很多產業和商業模式，都會不同程度地利用到收集的相關數據。在新經濟出現前的所謂舊經濟(Old Economy)里，用戶數據也是企業追求利潤目標最大化的一個重要的信息來源。然而，由于在線業務常要比線下業務更易收集到更多相關數據，同時在線業務借助自動處理軟件和算法更能在短時間里處理和使用這些數據，數據的收集和使用是否會影響競爭和效率的問題，在互聯網數字經濟領域就更突出。用戶數據的收集和使用，當前主要集中在諸如搜索引擎、社交網絡和在線銷售等在線服務子領域，并開始滲透至其他子領域，因而可以說大數據42大數據雖然是隨著數據產生和存儲從小(Small)到大(Big)的轉換過程而出現，但是基本上大數據不單單意味著大體量(Huge/Large Volume)，還包括有別于Huge/Large Data的新特征。大數據最初由Gartner公司提出時，主要指具有高體量、高速和多樣的信息資產，需要經成本有效的、創造性的信息處理過程才能揭示其應有價值。2010年Apache Hadoop將之界定為無法直接借助于一般電腦進行收集、管理和處理的數據集，而次年麥肯錫將之視為無法通過經典數據庫軟件進行獲取、存儲和管理的數據集，是有關研發、競爭和生產力的前沿陣地。NIST和TechAmerica基金會隨后也給出類似的界定。對于大數據特征屬性，IBM總結性地提出大體量性(Volume)、高速性(Velocity)、多樣性(Variety）、低價值密度性(Value）和真實性(Veracity)這 5個V字打頭的單詞來刻畫(Grunes & Stucke, 2015, 2016; Feijoo, et al.,2016)。Grunes & Stucke (2016)新增復雜性(Complexity)和多變性(Variability)。總而言之，大數據可以視為滿足這些特性的數據集：(1)數據規模超過百萬兆字節(terabytes)或 10的15次方字節 （Petabytes）甚至更多；(2)可呈現為可結構化、不可結構化、半結構化或其中的混合等任何數據形式；(3)數據產生、收集和處理速度之快；(4)任何單條數據記錄價值微不足道而數據全體價值無窮；(5)單個數據的內容含義會隨情景做多種解讀；(6)對來自不同源頭的數據進行跨系統的連接、匹配和轉換等操作之復雜等(Mary & Arockiam, 2015)。時代(Big Data Era)或者說大數據社會已到來。每個企業都想盡辦法收集、處理和使用海量數據，以透析消費者的興趣點和痛點，便于改進產品、提供個性化服務或精準化廣告投放等。

有關用戶歷史記錄和基本屬性的大數據，儼然成為21世紀的新“原油”，成為當今和未來互聯網的新“貨幣”43See Kanter, J., “Antitrust Nominee in Europe Promises Scrutiny of Big Tech Companies”, New York Times, October 3, 2014.，甚至可能成為繼佛教、伊斯蘭教和基督教之后的“第四大宗教”。44《人類簡史》作者耶路撒冷希伯來大學歷史系教授尤瓦爾赫拉利持有“數據宗教的崛起”的觀點，認為數據將會與基督教、伊斯蘭教和佛教這三大宗教那樣成為一種新的宗教，統治人類的衣食住行等各方面，其核心思想是：“只要給予足夠的數據和計算能力，一個外部實體就能夠比我自己更了解我，并且能為我作出更好的決定。”如果說石油是工業時代最重要的大宗商品，那么數據將會是后工業時代或者說數字經濟時代數一數二的大宗商品。作為數字經濟的核心資源，對大數據的搜集、提煉、流轉、分析乃至消費，將貫穿整個數字經濟產業鏈，尤其是對數據的收集環節。可以說，誰掌握了數據產業鏈的關鍵環節，就將成為數字經濟的核心參與者，將占據著具有戰略性意義的競爭優勢地位，因而針對數據收集環節的爭奪異常激烈。

微軟旗下的職業社交網站領英（LinkedIn）以用戶隱私保護為名阻止雇員評估服務提供商HiQ Labs未經授權抓取其公開的用戶數據而被hiQ Labs起訴、京東旗下“京東微聯”智能家居應用軟件將用戶個人WIFI密碼上傳至京東服務器而被起訴、華為新款手機榮耀Magic收集用戶的微信聊天記錄而被騰訊訴訟等都是國內外互聯網巨頭或相關制造商爭奪（或控制）收集用戶數據引發爭議的具體例證。再如，2017年6月，阿里系下子公司菜鳥網絡和國內最大的綜合性民營快遞公司順豐速遞之間，就順豐的豐巢自提柜物件數據信息共享而爆發的“豐鳥大戰”，直接原因便是對快遞物流數據信息的控制權和話語權的爭奪。當下正是一個從石油時代向大數據時代過渡的歷史階段，像通用電子（GE）、西門子（Siemens）、亞馬遜（Amazon）和阿里等諸多工業制造或電商公司都認為自己是一家數據公司的現象，就能在一個側面說明數據在未來競爭中的核心地位。一個爭奪數據及其貨幣化的競賽開始了45See Stucke, M.E., and A.P., Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016.，但與數據緊密相關的隱私保護競賽還沒有到來。

“數據不是萬能的，但是沒有數據是萬萬不能的”。在數據為王的互聯網數字信息經濟和大數據時代，數據競爭已經取代了傳統工業經濟時代下的產品服務價格、數量和質量等要素的競爭，成為核心競爭形態。阿里巴巴創始人馬云甚至強調，數據將成為主要能源（或土壤），離開了數據任何創新都是空談。2017年6月亞馬遜以137億美元的大手筆收購全食超市背后的原因，被業界解讀為亞馬遜看中了全食超市積累的大量顧客數據，其在為亞馬遜IoT+AI戰略積累實體的實踐場景。微軟、IBM、GAFA和BAT等科技巨頭也已經“爭先恐后”布局大數據產品和服務，但至今無人站在大數據產業鏈的“高端”，大家基本還處于同一水平。大數據應用是一個競爭又合作的復雜關系，需要大數據與應用場景相結合，尤其是與云計算、人工智能進行深度融合。在學術界，在線業務以及包括大數據、網絡效應、多歸屬性和市場競爭動態性等經濟特征，從過去二三十年開始一直是產業經濟學術爭論的前沿領域。

數據成為了商業和科研的基石。當然，作為國內消費者的我們，在享受著推進算法、語音識別、圖像識別、無人駕駛等智能技術帶來的便利的同時，數據在背后擔任著驅動算法不斷優化迭代的角色。互聯網數字經濟的技術進步，變革著幾乎所有部門收集、處理和商業化用戶數據的方式和理念。隨著數字平臺中存有的幾乎無限的用戶數據的收集和處理能力，與有限的用戶認知能力間鴻溝的不斷擴大，在惠及用戶群體的同時，也提出了有關人身自由喪失、數據算法工作原理不夠透明、算法運營商的責任擔當缺乏，以及被濫用于危害用戶利益的風險等擔憂46See Martens, B., “An Economic Policy Perspective on Online Platforms”, JRC Technical Reports, Institute for Prospective Technological Studies Digital Economy Working Paper 05, 2016.(Martens（馬汀）, 2016)。從這個意義上來說，大數據社會就好比是一個黑箱社會(Black Box Society)。

顯然，大數據時代帶來了諸多新的理論和現實問題需要探究。從學術研究角度來看，大數據時代下對海量個人數據的收集、分析和使用衍生出三大類不得不面對的理論性問題：47See Martens, B., “An Economic Policy Perspective on Online Platforms”, JRC Technical Reports, Institute for Prospective Technological Studies Digital Economy Working Paper 05, 2016.

（1）數據產權問題。海量的用戶數據究竟應該屬于平臺還是用戶？從經濟學角度來看最佳的產權歸屬應該按照社會福利最大化目標和成本收益權衡原則來配置。將數據配置給平臺企業，會產生更大的數據規模和范圍經濟，創造出經濟價值，48See Varian, H., “Big Data: New Tricks for Econometrics”, Journal of Economic Perspectives, 2014, 28 (2): 3-27; Lewis, R.,and J.Rao, “The Unfavorable Economics of Measuring the Returns to Advertising”, Quarterly Journal of Economics 130 (4),2015, pp.1941-1973.但是也可能侵犯用戶隱私和安全，以及有助于其進行反競爭行為。49See Acquisti, A., C.R.Taylor, and L.Wagman, “The Economics of Privacy”, Journal of Economic Literature 54 (2), 2016,pp.442-492.將數據配置給用戶則不存在這些收益和成本問題。直接比較這兩種劃分下的福利依然很困難。按照科斯定理，在交易成本足夠低時，初始產權劃分并不重要，通過交換對物品評價最高的一方將獲得產權。借助思想實驗發現即便那些宣稱對隱私很重視的人也會以很低的價格出讓自己的隱私信息，這印證了數據對于個體用戶的價值低于對平臺的論斷。這也許意味著將數據產權界定給平臺可能是更有效率的，但這一點又與后面講到的隱私困境緊密相關。

（2）壟斷化(Monopolization)或體現多用途性的集中多樣性(Concentric Diversification)問題。集中多樣性換用現代經濟學術語表述，便是數據的范圍經濟。與之緊密相關的是問題是，如何預防平臺濫用占有的數據？數據濫用出現時如何應對和懲處？

（3）包括機器學習、搜索引擎和社交網絡等在內的先進算法和技術帶來的責任和義務(Accountability)。比如確保在使用數據時保護用戶隱私50科學研究上普遍將隱私界定為單個用戶的某一些屬性，而非某群用戶的共有屬性。顯然，從隱私保護角度來看，隱私是針對單個用戶的概念，公開群體用戶的信息本身不算是隱私泄漏，但是如能從中準確推測出個體信息，就算是隱私泄漏。理論上而言，隱私保護常包括兩種典型情形：(1)公司為了學術研究和數據交流開放用戶數據，學術機構或個人可向數據庫發起查詢請求，公司返回對應的數據時需保證用戶的隱私；(2)作為服務提供商的公司為了提高服務質量而主動收集用戶的數據時需保證這些數據的隱私性。這里所指主要是后者。用戶數據的公開屬性基本可分為三大類：(a)關鍵性屬性（key attributes）：一般是個體的唯一標示，比如姓名、地址和電話等，這些內容需在公開數據時刪除；(b)準標識符（Quasi-identifiers）：類似郵編、年齡、生日和性別等非唯一的內容，這些有助于關聯相關數據的關鍵標示；(c)敏感屬性（Sensitive attributes）：比如購買偏好、薪水等內容，這些是商家最為關心的，常直接公開。安全，防止隱私泄露。51學術界提出了多種保護隱私的辦法和測量隱私是否泄漏的工具，諸如k-匿名化（k-anonymity）、I-多樣化（I-diversity）、t-封閉（t-closeness）、ε-差分隱私（ε-differential privacy, ε-DP）、同態加密（homomorphicencryption）和零知識證明（zero-knowledge proof）等。k-匿名化保護是保證公開的數據中包含的個人信息至少k-1條不能通過其他個人信息確定出來，也就是公開數據中的任意準標識符信息，相同的組合都需要出現至少k次。k-匿名化可采用刪除對應的關鍵性屬性數據列（并用星號代替），也可用概括化辦法讓其無法區分（如將年齡數字概括為一個年齡段、郵編數據抹去最后一位數字等），這似乎都使得攻擊者無法知曉某個人是否在公開的數據中，也無法確認特定個人是否擁有某項敏感屬性，更無法確認某條數據對應的是哪個人。其實，僅經k-匿名化處理仍無法規避攻擊者從中對應到特定個人，比如經k-匿名化后的公開數據記錄如與原始記錄順序一致時、用不同的k-匿名化方法形成多種類型的公開數據時、敏感屬性在同一類準標識符中缺乏多樣性或者能獲取其他背景知識等情況下。應對辦法顯然是在公開數據前打亂原始數據的順序、盡量采用相同處理辦法、增加多樣性和控制背景知識等。I-多樣性正是出于提升敏感屬性多樣性而提出，保證相同類型（即準標識符相同）數據中至少有I種內容不同的敏感屬性。除了簡單I-多樣性，還能新增引入其他統計方法提出基于概率（或熵）的I-多樣性、和遞歸（c,I）-多樣性，其中基于概率的I-多樣性（probabilistic I-diversity）是在一個類型中出現頻率最高的值的概率不大于1/I、基于熵的I-多樣性（entropy I-diversity）是在一個類型中敏感數據分布的熵至少是log(I)，而遞歸（c,I）-多樣性（recursive (c,I)-diversity）是要保證最常出現的值的出現頻率不要太高。各種形式的I-多樣性處理也可能面臨缺乏意義、難以實現、缺乏敏感屬性語義和遭受偏斜性攻擊等問題。為了克服保證在同一類型數據中敏感信息出現概率相同下因缺乏敏感屬性總體分布而導致的隱私泄露問題，t-封閉（分布近似）是保證在相同的準標識符類型組中敏感信息的分布情況與整個數據的敏感信息分布情況接近，不超過閾值t。即便同時保證了k-匿名化、I-多樣化和t-封閉，仍有可能通過引入背景知識等辦法揭示出隱私信息。差分隱私是確保通過比較公開數據和既有知識推測出個人信息的差分攻擊失效的辦法，比如通過加入隨機性讓查詢公開數據和既有數據記錄而輸出相同值的概率相同。更進一步的概念是ε-差分隱私（ε-DP），即對于差別只有一條記錄的兩個數據集，查詢他們獲得結果相同的概率很接近，確保隱私和記錄可用性間的合理平衡。總之，這些方法先從直觀角度去衡量一個公開數據的隱私性，再到使用密碼學和統計學等工具保證數據的隱私性。

數據產權問題是法學家更應考慮的問題，而后兩個問題直接相關的是競爭政策和消費者權益保護議題，這兩個問題背后的一個更基本問題是，強力的數據收集和處理系統與有限的人類認知能力、人類個體自由和自治價值后果之間的信息不對稱性的不斷擴大，那么追求透明和強調責任和義務是否能解決這些問題？本章重點關注這兩個理論問題。

首先，關于壟斷化問題。從整個社會角度來看，在數據收集和分析上的規模和范圍經濟，應該是促進經濟效率的一個來源。因為，它不僅降低了搜索和匹配成本，還讓一些原本不可能的新式交易得以發生，并促進了研發創新活動。52See Martens, B., “An Economic Policy Perspective on Online Platforms”, JRC Technical Reports, Institute for Prospective Technological Studies Digital Economy Working Paper 05, 2016.數據的范圍經濟支持了“數據越多、縱向一體化越好”的論斷。

手握不完全重疊數據資源的企業之間的并購重組，會壯大數據庫容量和提升數據庫信息量，進而是有利的。這也說明，數據交易可能潛在地對企業和消費者帶來益處。收集到更多的用戶數據，讓數據擁有者能更好地對在線用戶的差異化和個性化服務訴求，做出及時又準確的預測和應對。這種并購交易將帶來數據重組和實現服務提升、價格降低和研發激勵的數據驅動型效率論斷，正是評分評論平臺運營商巴扎聲(Bazaarvoice)并購其競爭對手PowerReviews（2012）時向美國司法部和法院提供的理由，也是微軟2010年并購雅虎搜索業務時主張的理由。最大的不同是，前者被禁止而后者得到批準。因為前案交易促成一個壟斷者，而后案交易培育和壯大了一個能更有效地與行業領導者谷歌搜索進行競爭的對手。西班牙電信英國分公司(Telefonica,UK)/英國沃達豐（Vodafone）/英國EE公司（Everything Everywhere, UK）并購案（2012）和陽獅(Publicis)/宏盟(Omnicom)并購案（2014）均涉及數據分析服務提供商的競爭，無關于大數據濫用問題。

與每個硬幣都有兩面一樣，大數據亦然。互聯網數字經濟時代下的企業，不單單是采用數據驅動策略來提升運作效率，53See Lambrecht, A., and C.E., Tucker, “Can Big Data Protect a Firm from Competition?”, In: Aitor Ortiz (ed.), Internet:Competition and Regulation of Online Platforms, pp.155-166.Competition Policy International, 2015.有時甚至可能借此獲得和維持一個不公平的競爭優勢。54See Stucke, M.E., and A.P., Grunes, “Debunking the Myths over Big Data and Antitrust”, CPI Antitrust Chronical, May 2015; Stucke, M.E., and A.P., Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016.正如OECD(2014)55See OECD, Data-Driven Innovation for Growth and Well-being: Interim Synthesis Report, October 2014.報告顯示，大數據經濟學傾向于形成市場集中和支配化。當集中化是市場成功的結果時，數據驅動型市場能帶來贏者通吃的局面。

這里要強調的是，作為系統產品的互聯網服務產品，必定是由處于多個環節的提供商相互合作的結果。這里所關注的企業不單單是提供互聯網服務的互聯網科技企業（如微軟、GAFA和國內BAT等），還包括互聯網產業鏈上下游各環節中的企業，特別是包括作為互聯網接入和數據傳輸管道提供者的電信運營商，56數字經濟時代的掌控者被多數人認為是GAFA和BAT等互聯網服務提供商。原本作為互聯網服務提供商合作者的電信運營商，天然擁有超強的跨領域數據采集能力，天然地成為了互聯網服務提供商們的最大威脅。在美國互聯網科技巨頭們的公關和游說之下，奧巴馬政府倡導出臺了2016年10月正式生效的《寬帶克服隱私保護規則(Rules to Protect Broadband Consumer Privacy)》，以及2015年6月正式生效的《開放互聯網法令(Open Internet Order)》，這是兩個只針對電信運營商的法令。前一法令的核心內容是客戶有權決定自己的互聯網使用數據是否允許電信運營商使用和如何使用，這是對電信運營商采集和使用客戶互聯網數據戴的鐐銬。而后一法令的核心是網絡中立原則，要求寬帶服務提供商“不得屏蔽、不得限制、不得提供有償的差異化接入服務”，具體是規定禁止寬帶提供商屏蔽訪問有些網站的用戶或降低用戶訪問這些網站的速度，同時阻止這些公司針對高質量流媒體和其他服務向用戶收取額外費用。這一原則給互聯網科技公司法律背書，并剝奪了電信運營商在數字化消費環節對互聯網企業和客戶的掌控權。但奧巴馬在電信監管領域這兩份最重要的政治遺產在特朗普總統上任百日后就面臨全面廢止。這兩個法律的出臺和廢止背后是美國電信行業（如AT&T和Verizon等）和互聯網行業（如微軟和GAFA等）為贏得數據經濟時代的激烈博弈。2017年11月FCC推出一個旨在廢除確保互聯網接入服務平等性的網絡中立法規的計劃，為寬帶服務提供商向用戶收取更多費用以查看某些內容或遏制用戶訪問某些網站的舉動掃清障礙。以及智能移動終端制造商（如華為、蘋果、微軟、小米、三星等），而其中有些企業“身兼多職”。本章重點關注提供互聯網服務的互聯網科技企業，但是許多議題同樣適用于電信運營商和移動智能終端制造商等其他相關主體。要評判消費者數據信息的反壟斷含義，必須深刻理解在線平臺運營商收集、處理和使用數據的方式，以及各運營商借助數據開展的競爭性質和方式。

某工程是1座常見的磚煙囪，高45 m。工程位于山西省孝義市，建設單位為西山呂梁德威公司德順煤礦。工程采用國家標準建筑設計圖集《磚煙囪施工標準圖集》G611(六)中編號為45/1.4-508-250-15型號的煙囪。基礎直徑為7 m，筒身入口外徑4.41 m，入口內徑3.33 m，出口內徑1.4 m。煙囪基礎為C25混凝土。

（二）大數據的多用途性和反壟斷初探

絕大多數的傳統經濟分析方法與手段，不足以直接套用于分析以互聯網為代表的多邊在線平臺市場，由此提供的規制和反壟斷建議也不再適用。導致這種結果的重要原因，不單單市場多邊性及其跨邊需求依賴性，另外一個無法規避的原因是原有理論和智慧對大數據的核心角色和重要性的忽視。57See Monopolies Commission, Competition Policy: The Challenge of Digital Markets, Special Report No.68.Bonn:Monopolies Commission, 2015.本章將專門探索大數據帶來的反壟斷問題和隱私保護問題，以及解答用反壟斷手段來規避數據隱私損害問題的可行性和合理性問題。

1.數據的多用途性與反壟斷

從雙邊數字平臺視角理解大數據及其相關問題，是關鍵的切入點。58采用雙邊市場分析視角來看待大數據的合理性并非無異議。Mattiuzzo (2015)指出，有些平臺并不滿足雙邊市場模型，采用其他框架去進行反壟斷分析或許更合理。當一個網絡服務提供商同時迎合位于同一網絡服務平臺兩邊的兩組消費者群體需求時，雙邊平臺市場就出現。59See Evans, D.S., and R.Schmalensee, “The Industrial Organization of Markets with Two-Sided Platforms”, Competition Policy International 3(1), 2007, pp.150-179; Evans, D.S., and R.Schmalensee, “The Antitrust Economics of Multi-Sided Platform Businesses”, In: Blair, R., and D.Sokol (eds.), Oxford Handbook on International Antitrust Economics, pp.404-450.Oxford, Oxford University Press, 2013; Evans, D.S., and R.Schmalensee, Matchmakers: The New Economics of Multi-Sided Platforms, MA, Harvard Business Review Press, 2015.比如，社交網絡平臺給用戶免費進入平臺一邊的社交網絡服務的同時，依仗于提供另一邊的廣告發布服務獲利。對任何雙邊數字平臺的反壟斷評估，都應當全面考慮平臺各邊的競爭關系和狀況。某一個對平臺某邊而言屬于反競爭的經濟行為，從整個平臺而言可能是促進競爭的，因而有關大數據的反壟斷分析要綜合權衡相關平臺的利弊得失。60See Salinger, M.A., and R.J.Levinson, “Economics and the FTC’s Google Investigation”, Review of Industrial Organization 46 (1), 2015, pp.25-57.

相對于線下渠道(或線下縱向一體化)等其他商業模式而言，借助現代通信技術而實行的線上縱向一體化甚至是數字平臺模式運營的互聯網科技企業，獲得有關消費者全方位信息的能力和激勵更強，也更能多目的性地處理和使用這些數據資源。用戶數據至少能用于三個目的：61See Manne, G.A., and J.D.Wright, “Google and the Limits of Antitrust: The Case Against the Case Against Google”,Harvard Journal of Law and Public Policy 34 (1), 2011, pp.171-244.作為提升服務能力和服務品質的生產要素；作為出售給那些缺乏數據或數據處理能力的企業的價值商品；作為平臺維持優勢地位，限制對手進入或誘導退出的策略性資源。

不同用途下的大數據帶來的競爭效應是不同的，受到反壟斷法規制的態度也應當是不同的。需要重點說明的是，作為生產要素的大數據和作為有價商品的大數據雖然都被認為是促進競爭的，無需外界干預，但是實質性區別是很大的。

對于作為有價商品的大數據，反壟斷執法機構不宜貿然介入干預的一個重要原因是，界定數據的相關市場存在內在困難性。相關市場界定和市場勢力評估是進行反壟斷經濟分析的基礎。相關市場確定了哪些產品或服務是潛在競爭的；市場界定后就能測度一個企業實施市場勢力的能力大小。這種市場輪廓的界定即便可行，也是很困難的。在美國、歐盟和中國三大司法轄區里，借助假定壟斷者測試(SSNIP)的替代性分析是界定相關市場的一個最基本和主流的方法。62See Tucker, D., and H.Wellford, “Big Mistakes Regarding Big Data”, Antitrust Source, December 7, 2014.將這種邏輯應用于廣告產業分析，會發現數據本身在在線廣告銷售過程中并不是一個相關產品，廣告服務才是一個相關產品。因為大多數情況下，在線運營商都是將數據當作為產出其他服務的一個重要要素，而不是將它作為一個有價商品出售給其他需求方。因而，運營商們在數據銷售中不存在競爭關系，也就不存在相互替代的問題。總之，如某些法律實施者所倡導的那樣，將數據收集當作一個相關產品市場63See Harbour, P.J., and T.I.Koslow, “Section 2 in a Web 2.0 World: An Expanded Vision of Relevant Product Markets”,Antitrust Law Journal 76 (3), 2010, pp.769-797.不單是不科學合理的，也是不具可操作性的。即便有可能準確勾勒出這個產品市場，也會是很困難的。64See Graef, I., “Market Definition and Market Power in Data: The Case of Online Platforms”, World Competition: Law and Economics Review 38 (4), 2015, pp.473-505.在當前反壟斷法框架下，消費者數據收集的相關市場難以界定。在2014年的臉書/WhatsApp并購案中，歐盟委員會（European Commission, EC）就以兩個當事企業都不會向第三方出售數據為由，拒絕將數據收集或數據分析服務界定為一個市場。當然，歐盟競爭委員會并沒有忽視并購后的數據集中化帶來的潛在問題。65See Graef, I., “Market Definition and Market Power in Data: The Case of Online Platforms”, World Competition: Law and Economics Review 38 (4), 2015, pp.473-505.

2.競爭分析中數據的潛在影響探析

（1）大數據作為市場勢力的來源

只要手握海量數據能確保或有助于確保在某個市場獲得一定的競爭優勢，收集和處理數據就可能搭建起一個進入壁壘，成為市場勢力的一個源頭。如果新進入者不能收集數據或購買到等量級和同等質量的數據，就更可能如此。這里有必要澄清一下大數據市場里的獲取壁壘(Access Barriers)概念的內涵和分類。66See Rubinfeld, D.L., and M.Gal, “Access Barriers to Big Data”, Arizona Law Review 59(2), 2017, pp.339-381.大數據可分為數據產生、收集、存儲、分析處理以及使用這五階段，或者說組成了數據價值鏈(Data-Value Chain)。在數據價值鏈的開始階段即數據收集中，理論上存在技術性的、法律性的和行為性這三種相互平行又相得益彰的壁壘類型。

當消費者數據信息是在位平臺運營商開展或改進相應服務的一個有用要素時，不讓競爭對手獲取這些數據信息，并依靠信息優勢來拓展市場勢力邊界是很容易的。比如，擁有大量在線注冊購買者的大型購物入口或平臺（如amazon、淘寶/天貓、京東商城等），獲得了很大份額的消費者數據，有助于自己相對于其他中小型的競爭購物平臺獲得在產品營銷和廣告銷售方面的優勢地位。像購物入口等數字平臺有動力并購(或聯盟)那些手握較多用戶數據的平臺或企業，壯大用戶數據資源庫，為己所用。2014年美國司法部(DOJ)否決點評類平臺Bazaarvoice和其主要對手Power-Reviews的并購申請，其理由是兩者的水平并購會在評級與審查平臺市場創造一個幾乎處于壟斷地位的巨頭。這個巨頭控制的海量數據，在網絡效應、轉換成本和聲譽機制的共同作用下，壘建起了一個幾乎不可突破的進入壁壘。這個進入壁壘，在原本就市場集中度較高和市場特點便于默契合謀的經濟環境下，會潛在地形成對競爭的嚴重削弱。

對于像搜索引擎和社交網絡等數據驅動型產業，市場集中度較高，往往由少數幾家運營商把持很高的市場份額。這點類似于具有強網絡效應的網絡型產業。67See Economides, N., and F.Flyer, “Compatibility and Market Structure for Network Goods”, New York, 1997,11: 1-41.其實，大數據能同時讓需求側規模經濟（網絡效應）和供給側規模經濟（學習效應和自然壟斷性）的影響出現倍增效應。大數據的收集和使用，提升在位者的市場勢力，讓（需求側和供給側）規模經濟對競爭強度的限制或抑制性作用放大。

（2）大數據影響市場透明度

海量數據的收集和使用，經常可以顯著地提升在線市場的透明度，讓虛擬網絡空間里的幾乎任何產品或服務能幾乎同時地被消費者、競爭對手和監管機構等各方利益主體所知曉。互聯網數字經濟里的服務價格、質量評價和信用誠信等重要數據易獲取和實時更新的特性，讓在線數字市場的透明性達到空前水平。

從經濟角度來看，這個市場透明度對市場功能的影響卻不是那么明確和清晰。一方面，消費者能從更輕易地對比各種同類產品或服務間的價格等屬性特征，從更高的市場透明中獲益。比如，價格比對軟件(貓途鷹Tripadvisor和國內的如意淘和惠惠購物助手等)，使消費者能在掌握更多信息條件下進行購買決策，導致這類在線平臺（甚至包括實體店）間的物品價格和質量競爭異常激烈，使消費者能從更低價和高質服務中獲益。國內許多瀏覽器（如搜狗瀏覽器、UC瀏覽器、獵豹瀏覽器和360瀏覽器）和電商平臺（如淘淘搜比價和亞馬遜購物助手）也推出了比價板塊或插件。有時，更高的市場透明度，也便于掌握更多有關消費者訴求和市場條件方面信息的新競爭者進入目標市場。

另一方面，隨著掌握的有關消費者和競爭對手的重要信息的不斷增多，企業越加有條件和動力將之用于排斥限制競爭。一個最基本的表現是，市場透明化提升了默契或顯性合謀的穩定性。通過讓相關成員企業更能偵查合謀契約偏離行為，市場透明性降低了偏離行為的預期利潤或者說是單方面偏離某個合謀協議的激勵。大數據時代下的市場透明化讓合謀更穩定的一個典型表現是，價格數據在算法助推下能用于聯合固定價格。通過處理所有可得的海量數據，以及監控、分析和預測其他競爭者對當前和未來價格的反應，競爭企業能輕易找到一個可維持和協調的超過競爭水平的合謀價格。68See Stucke, M.E., and A.Ezrachi, “Artificial Intelligence and Collusion: When Computer Inhibit Competition”, University of Tennessee Legal Studies Research Paper No.267, 2015.數據驅動型算法也能用于維持一個協議和偵查偏離行為，以及讓一個合謀價格以更準確的方式對外界市場條件的變動做出反應。另一個重要的表現是，擁有顯著的數據優勢的在位主導企業就相當于獲得了一個獨特的聲吶系統，能在其他（直接或潛在）競爭對手剛“起航飛行”時就即刻追溯和跟蹤到競爭威脅的“飛行軌跡和路徑”。并且，在這些競爭者遠未達到能被規制者和其他人感覺到之時，這種威脅就被壟斷者“擊落”或“收編”。當前國內互聯網領域普遍出現的主動或被動“站隊”現象或許就是一個體現。

正如斯塔克(Stucke) & 格倫斯(Grunes)(2016)所言，主導企業發起的反競爭的數據驅動型并購和濫用行為完全可能帶來顯著的損害，比如缺乏選擇余地、研發創新、隱私和信任、個人自主與自由等。更進一步，隨著企業更能濫用社會上更多的脆弱之人（如弱勢群體）的隱秘數據，會進一步擴大收入差距，促使數據公正(Data Justice)作為一個不平等問題更加凸顯。OECD (2014)甚至說，這種深度損害已經觸犯到一個民主市場經濟體和所有民眾狀況的核心價值理念。

的確，由龐大的各色各樣數據形式組成的數據池可能形成護城河，帶來諸多潛在風險。同時，數據驅動下的市場透明化也會帶來某些潛在益處。首先，由單一企業提供的簡單定價算法，即便無需明確的橫向協調行為的配合，也能降低不確定性和行為偏差，從而促進競爭的開展。此外，數據驅動型的算法，能依據有關價格變動的歷史數據，在設計價格固定機制的過程中將競爭者們的反應活動考慮進去。即便是由多家合謀企業聯合設計的算法，也能準確地識別出任意一個成員企業的私下提價行為，并作出相應的懲處。從博弈和演化經濟角度來看，在依靠數據及其數據驅動型算法運行的經濟環境下，默契合謀行為也是復雜的機器學習過程的自然結果。問題是，懲處顯性和默契合謀行為并沒有那么簡單。當消費者擁有與企業們對等的數據信息時，市場透明化常被認為是對消費者有利的。同時，在互聯網經濟和大數據時代下，實現超越競爭性水平的合謀結果不是非要經過協調一致的過程。

因此，從競爭執法機構和消費者角度來看，大數據既可能是促進競爭和經濟福利的“天使”，也可能是主導企業用于損害競爭和經濟效率的“惡魔”。至于到底是天使還是惡魔，主要看數據的用途和具體行業特性。總之，大數據是把雙刃劍，關鍵在于握劍之人如何使用、用于干什么。

（三）作為策略性資源的大數據和反競爭效應

1.大數據與質量惡化

顯然，有關用戶特征的大數據，被用于作為阻撓進入或引誘退出的策略性資源的目的，是反競爭性的。69See Lambrecht, A., and C.E., Tucker, “Can Big Data Protect a Firm from Competition?” In: Aitor Ortiz (ed.), Internet:Competition and Regulation of Online Platforms, pp.155-166.Competition Policy International, 2015; Stucke, M.E., and A.P., Grunes, “Debunking the Myths over Big Data and Antitrust”, CPI Antitrust Chronical, May 2015; Stucke, M.E., and A.P.,Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016.大數據促使在線平臺運營商擁有激勵和能力，去構建進入壁壘和維持支配地位，通過限制競爭對手獲得數據、避免對手共享數據、反對出臺任何威脅到數據引致競爭優勢的諸如數據可攜帶之類的政策。70See Newman, N., “Search, Antitrust and the Economics of the Control of User Data”, Yale Journal on Regulation 31(2),2014, pp.401-453; Stucke, M.E., and A.Ezrachi, “Artificial Intelligence and Collusion: When computer Inhibit Competition”,University of Tennessee Legal Studies Research Paper No.267, 2015.這樣導致的結果或許不必然是價格居高不下，而是產品質量、研發創新和用戶隱私安全等方面上的損害。71See Stucke, M.E., and A.P., Grunes, “Dancing around Data”, The Hill: Cong.Blog., December 10, 2014; Stucke, M.E., and A.P., Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016; Rubinfeld, D.L., and M.Gal, “Access Barriers to Big Data”, Arizona Law Review 59 (2), 2017, pp.339-381.紐曼(Newman) (2014)認為，GAFA和BAT等科技巨頭們，會專注于通過利用海量數據去延展壟斷勢力和精準廣告營銷來獲利，不再重視研發創新和增強服務技術等生產性活動。

海量的用戶數據信息，讓在位的主導性平臺企業（如google和百度）能做出基于信息的產品服務提升，這一點是缺乏足夠高質數據的其他中小型競爭對手（如FairSearch和360搜索等）難以做到的。換言之，中小平臺企業往往不能充分地與大平臺企業相競爭，往往是由于缺乏與大平臺同等多量的高質數據信息可用。在大數據時代，主導性平臺和競爭性平臺之間的數據量的差距，及其產品質量差距在進一步擴大，競爭性平臺給主導性平臺施加的競爭約束將會弱化。這就無法迫使大平臺企業去研發創新和為消費者提升服務質量。72See Stucke, M.E., and A.P., Grunes, “Dancing around Data”, The Hill: Cong.Blog., December 10, 2014; Stucke, M.E., and A.P., Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016; Stucke, M.E., and A.P., Grunes, Data-Opolies, University of Tennessee Legal Studies Research Paper No.316, March 3, 2017; Stucke, M.E., and A.Ezrachi, “When Competition Fails to Optimize Quality: A Look at Search Engines”, Yale Journal of Law and Technology 18, 2016, pp.70-110.搜索引擎的搜索服務質量被相關文獻近似為搜索用戶獲取一個滿意的搜索結果所需花費的預期時間長度，這取決于搜索算法優劣、硬件質量和數據質量等多個影響因素，其中數據質量既包括在互聯網上免費獲取的數據也包括先期收集到的搜索引擎專用的數據。73See Argenton, C., and J.Prufer, “Search Engine Competition with Network Externalites”, Journal of Competition Law &Economics 8 (1), 2012, pp.73-105.理論上硬件和互聯網數據的獲得性在競爭者間不應差異很大，主要的競爭問題是專用和高質的搜索數據獲取的限制，而這又可歸于市場份額上的顯著優勢，如谷歌和百度獲得了遠超其他搜索引擎的搜索數據和消費者點擊行為數據。

主導性平臺運營商有關投資選擇和對用戶數據的行為背后的策略考慮顯示，這些主導性平臺愿意獲取更多數據；獲取越多搜索數據，越能改進搜索算法和提供高質的搜索服務，從而奪取或維持搜索市場的領導地位。在某種意義上講，數據收集的規模和廣度被企業們視為競爭的重要維度。74See Newman, N., “Search, Antitrust and the Economics of the Control of User Data”, Yale Journal on Regulation 31(2),2014, pp.401-453.但問題是，并不清楚擁有的數據達到多少水平時才能讓使用新增數據帶來的邊際收益超過因此增加處理負擔帶來的邊際成本，75See Manne, G.A., and J.D.Wright, “Google and the Limits of Antitrust: The Case Against the Case Against Google”,Harvard Journal of Law and Public Policy 34 (1) ,2011, pp.171-244; Haucap J., and T.Stuhmeier, “Competition and Antitrust in Internet Markets”, In: Bauer, J.M., and M.Latzer (eds.), Handbook on the Economics of the Internet, pp.183-210.Edward Elgar, 2016.但讓邊際成本高于邊際收益的數據規模臨界點不完全由google(和百度)等主導性搜索引擎決定，還受到其他大型搜索引擎(如必應、雅虎和搜狗等)的影響。76See Manne, G.A., and J.D.Wright, “Google and the Limits of Antitrust: The Case Against the Case Against Google”,Harvard Journal of Law and Public Policy 34 (1), 2011, pp.171-244.

似乎絕大多數搜索引擎在改進搜索算法時只使用其掌握的搜索數據的一部分，并非所有可獲得的數據。斯塔克(Stucke) & 扎拉奇(Ezrachi) (2016)就發現，數據獲得量之間的差距導致了搜索引擎市場對搜索用戶的搜索結果質量的潛在傷害現象。大的搜索引擎平臺運營商有很強的激勵和能力，去將付費廣告排名優先于更相關、更高質的搜索結果。同時，數據差距也意味著用戶往往無法察覺到服務質量的小幅惡化。全球搜索用戶只知道谷歌給了一個優于必應和雅虎搜索的搜索結果，但是到底優質多少并不可知。在國內，大家也只知道百度給了一個優于360搜索和搜狗搜索的搜索結果，但不知道優質的具體程度。這樣就使得谷歌和百度能有益地惡化一定程度的搜索服務質量。或者說，只要能保持自己的服務優于其他直接的主要競爭對手就行，沒有十足的動力去追求極致，爭取將服務性能和用戶體驗做得更好。

另外一個問題是，目前美國聯邦貿易委員會和歐盟競爭委員會等全球各地競爭執法機構都未發現，谷歌獲得用戶數據并有意地部分惡化搜索結果之舉是反競爭的證據，更沒有就這樣一個問題形成共識，那就是大搜索平臺在保持搜索結果優質于競爭對手的前提下，就搜索結果質量的增量性降低是否應受到反壟斷的關注。77See Manne, G.A., and J.D.Wright, “Google and the Limits of Antitrust: The Case Against the Case Against Google”,Harvard Journal of Law and Public Policy 34 (1), 2011, pp.171-244; Haucap J., and T.Stuhmeier, “Competition and Antitrust in Internet Markets”, In: Bauer, J.M., and M.Latzer (eds.), Handbook on the Economics of the Internet, pp.183-210.Edward Elgar, 2016.一個企業有責任全身心地提供絕對最高質的產品，即便這樣做并非利潤最大化原則所要求的？沒有任何法院和執法機構會強加這樣的責任要求，更何況質量本身難以測度。

數據惡化質量的論斷和政策主張，忽視了綜合分析雙邊平臺市場兩邊的重要性。增加廣告空間無疑對廣告主有利，卻會導致搜索用戶的搜索結果的質量降低和搜索服務的用戶體驗下降，這就需要反壟斷經濟分析時綜合考慮和權衡這一行為對平臺各邊的影響。此時，判定依據應該是經濟效率，而不應該是經惡化后的搜索質量水平是否低于搜索用戶偏好的水平。78See Stucke, M.E., and A.Ezrachi, “When Competition Fails to Optimize Quality: A Look at Search Engines”, Yale Journal of Law and Technology 18, 2016, pp.70-110.

2.大數據與研發阻礙

大數據不僅可能會讓數據支撐的服務質量被人為有意地惡化，還涉嫌阻礙研發創新活動，損害動態競爭的實現。當一家企業的價值體現是基于對用戶數據的收集和貨幣化時，只要它手握足量用戶數據，就獲得能力和激勵憑借這些數據排除潛在挑戰者。作為競爭者的其他中小平臺運營商就被排斥在必要數據之外或者只能付出高代價才能獲得必要數據，缺乏研發并與大平臺相競爭的激勵動力。79See Stucke, M.E., and A.P., Grunes, “Dancing around Data”, The Hill: Cong.Blog., December 10, 2014; Stucke, M.E., and A.P., Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016; Stucke, M.E., and A.P., Grunes, Data-Opolies, University of Tennessee Legal Studies Research Paper No.316, March 3, 2017.在財力雄厚的主導性平臺運營商能并購潛在或現實的新進入者或初創者時，發起研發創新的一個來源可能被消除，競爭有可能被扼殺。但從另一角度來看，這種由主導平臺并購進入者或初創者的所謂“大魚吃小魚”式并購也可能促進競爭和研發。因為在位主導者會被迫親自加大研發投入，特別是利用數據來驅動研發活動。正如OECD(2015)關注到的，數據驅動型研發對社會福利和經濟發展是個有利的推動。甚至，這些并購行為還可能誘導進入的頻繁發生。所以，對中小競爭性平臺的并購本身并不能當然表明對競爭的顯著減低，也不應先入為主地認為當然要被反壟斷法所禁止。

數字經濟背景下，中小型平臺也能并購大型平臺，比如在線婚介領域，新銳百合網低價并購本領域的市場開拓者和主導者世紀佳緣，可謂是“小魚吃大魚”或者說是“蛇吞象”之舉。其實，在大數據時代，由于數據的規模經濟和范圍經濟效應的戰略性作用的存在，無論是“大魚吃小魚”式并購，還是“蛇吞象”式并購都可能發生，這兩種并購后的數據庫共享會給當事企業在數據競爭中獲取顯著的競爭優勢。從整個社會福利角度來看，這些并購的經濟效應并不能當然得出結論。

由于大多數傳統競爭工具都是基于價格和產出數量方面的影響展開分析，對質量的評估缺乏明確標準，對研發創新的關注并不足夠。同時，考慮質量因素還存在增加競爭執法主體主觀性風險的擔憂，考慮研發創新因素面臨很大不確定性的擾動，因而在有關大數據的競爭分析中引入質量和研發維度會面臨很大挑戰。同時，在大數據時代，企業的價格和產出競爭的重要性已經讓位于數據驅動的競爭（即數據競爭）。某種意義上而言，服務質量和研發創新競爭也都是數據競爭的自然衍生產物。雖然數據競爭逐漸扮演著戰略性作用并被業界所廣泛認同，但是現在對數據競爭的學術研究仍不足以匹配現實對其的要求。80See Sokol, D.D., and R.E.Comerford, “Does Antitrust Have a Role to Play in Regulating Big Data?” In: Blair, R.D., and D.D.Sokol (eds.), Cambridge Handbook of Antitrust, Intellectual Property and High Tech, Cambridge, Cambridge University Press, 2017.正如OECD(2014,2015)81See OECD, Data-Driven Innovation for Growth and Well-being: Interim Synthesis Report, October 2014; OECD, Data-Driven Innovation: Big Data for Growth and Well-Being, OECD Publishing, Paris, 2015.報告所言，不管怎樣，隨著大數據的日益重要，企業越來越多地利用數據驅動型策略獲取運營效率82See Lambrecht, A., and C.E., Tucker, “Can Big Data Protect a Firm from Competition?” In: Aitor Ortiz (ed.), Internet:Competition and Regulation of Online Platforms, pp.155-166.Competition Policy International, 2015.的同時，無法排除其也會利用這些策略獲取和維持不公平競爭優勢的可能。83See Grunes, A.P., and M.E.Stucke, “No Mistake about It: The Important Role of Antitrust in the Era of Big Data”, Antitrust Source 2 (13), 2015, pp.1-14.

（四）作為要素或商品的大數據和促進競爭效應

數據用途是有關數據的反壟斷案件分析認定的一個關鍵點。盡管數據用途的認定有時也不容易，但是基本上可以將之界定為三大類用途，每種用途背后的反壟斷分析區別很大，競爭影響也不同。

1.作為有價商品的數據與反壟斷

在2012年的西班牙電信英國分公司(Telefonica, UK)/英國沃達豐（Vodafone）/英國EE公司（Everything Everywhere, UK）合資案中，歐盟競爭委員會指出，相關消費者常能同時向多家市場運營商披露個人數據信息，這些數據常經處理后被商業化出售。因而，這些用戶數據應被視為一種有價值的商業產品。自從2013年的美國尼爾森(Nielsen)并購阿比創(Arbitron)案后，大數據作為生產要素的反壟斷案與數據作為可出售的價值產品的案件的內在區別性才開始正式被意識到，84See Tucker, D., and H.Wellford, “Big Mistakes Regarding Big Data”, Antitrust Source, December 7, 2014; Sokol, D.D.,and R.E.Comerford, “Does Antitrust Have a Role to Play in Regulating Big Data?” In: Blair, R.D., and D.D.Sokol (eds.),Cambridge Handbook of Antitrust, Intellectual Property and High Tech, Cambridge, Cambridge University Press, 2017.但是這兩個用途的結果可能都是促進了經濟效率和社會福利。85See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014; Stucke, M.E., and A.P., Grunes,“Debunking the Myths over Big Data and Antitrust”, CPI Antitrust Chronical, May 2015; Stucke, M.E., and A.P., Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016; Stucke, M.E., and A.P., Grunes, Data-Opolies, University of Tennessee Legal Studies Research Paper No.316, March 3, 2017; Sokol, D.D., and R.E.Comerford, “Does Antitrust Have a Role to Play in Regulating Big Data?” In: Blair, R.D., and D.D.Sokol (eds.), Cambridge Handbook of Antitrust, Intellectual Property and High Tech, Cambridge, Cambridge University Press, 2017.互聯網平臺獲得的用戶及其數據越多，能更早地聚焦于研發重點和縮短研發周期，能更有效率、更有利可圖地優化服務和推出新服務。作為生產要素的數據的影響效應幾乎沒有多少異議。

在一個基于廣告的雙邊市場機制下，在線平臺（如搜索引擎）扮演中介組織角色，幫助從消費者處收集數據，以及將廣告版面或時間等資源有償出售給有廣告發布需求的企業。通過分析來自消費者的用戶數據信息，平臺運營商能為目標企業的產品或服務設計出個性化的廣告策略。廣告主理論上更能精準地投放廣告和提升廣告投放的擊中率，而消費者也更能獲得與自己興趣點和疼點緊密相關的推薦服務。理論上講，個人數據的使用所產生的價值不單惠及在線平臺運營商，還惠及作為客戶的企業和消費者。個人數據減輕了信息不對稱性，實現了在線交易的有效性。同時，讓廣告商更能擊中目標受眾、節約廣告費用和因提供更具針對性的服務而提升利潤，更讓消費者獲得了更契合個人品味和需要的服務推薦，節約了搜索合意服務的成本和精力。

作為有價值商品的數據，則可做出兩個方面的解讀：

其一是，從消費者自身角度來看，就像用花費時間和精力看完廣告換取無需貨幣支付的所謂“免費”產品或服務消費一樣，用戶只需提供個人信息數據換取“免費”消費某些數字產品或服務。有時，消費者自愿地分享個人數據也能得到一點貨幣回報或促銷性優惠。比如個人隱私收集購買平臺獵云網(Datacoup)就以某個正比例于相應廣告商需求的價格向用戶有償購買個人數據，這樣就使得廣告商能獲取到海量的經聚集和匿名性處理的Datacoup用戶數據。采取貨幣購買個人數據的商業模式的典型應用還有屏幕趨勢面板(Screenwise Trend Panel)和握手網(Handshake)等應用軟件。顯然，這種明顯有償獲取用戶數據的策略模式，對不基于任何貨幣回報的隱藏性數據收集這種主導性模式是一種有力的挑戰。這還說明即便從消費者角度來看，個人數據也能當作是一個了解其在線活動和交易行為的交易媒介，也就存在或隱或現的對價標的。由此衍生出的一個重要問題是，消費者是否愿意分享個人數據以換取：（1）個性化服務、更相關的廣告或推薦；或者（2）貨幣回報、折扣等促銷優惠。諸多問卷調查給出了肯定的答案。不管怎樣，用戶的個人特征和消費記錄信息都能理解為被用于交換有價產品。86See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014; Walker, R., From Big Data to Big Profits: Success with Data and Analytics, Oxford, Oxford University Press, 2015.進一步地，個人數據的（有形或無形）價格會受到吸引消費者資源的潛在競爭壓力的影響。

其二是，從互聯網企業角度來看，收集和加工后的用戶數據對于某些潛在雇主或保險公司擁有很大價值。將這些數據出售給雇主、保險公司或在線經紀公司實現變現，也是數字平臺企業很重要的收益來源之一。用戶數據商業化和變現能力，也是平臺運營商能免費對外提供高質量產品和服務的基本保障。當然這里還涉及一個用戶信息隱私和安全問題。

大數據時代普遍實現的一個利好是，科技企業能提供經高度補貼后的服務（常為免費服務）給消費者，只要能從消費者中獲準允許將消費者數據在多邊服務平臺其他邊上進行貨幣化(Monetization)。87See Evans, D.S., and R.Schmalensee, Matchmakers: The New Economics of Multi-Sided Platforms, MA, Harvard Business Review Press, 2015.消費者被索取低價甚至免費享用，從競爭法角度無疑讓這些消費者獲益。以富有目的的廣告營銷的形式進行的數據貨幣化是個經濟上理性的利潤最大化之舉，也讓消費者利益得以實現。88See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014.Newman (2014)等人批判免費服務提供，認為這樣做會讓原本就不能與在位者同等有效地貨幣化數據的競爭對手的處境更困難。這種論斷完全忽視了反壟斷的本質精神：能免費地向消費者提供高質量的服務是大數據貨幣化的促進競爭效應，而不是反競爭損害。89See Evans, D.S., and R.Schmalensee, “The Antitrust Economics of Multi-Sided Platform Businesses”, In: Blair, R., and D.Sokol (eds.), Oxford Handbook on International Antitrust Economics, pp.404-450.Oxford, Oxford University Press, 2013.

當然，退一步而言，單基于消費者能從免費服務中獲益而主張競爭執法機構不應關切數據驅動型產業的論斷也是站不住腳的。90See Stucke, M.E., and A.P., Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016.因為，消費者畢竟不可以真正得到“免費的午餐”，至少需要付出個人數據和隱私等方面的代價來交換。由于缺乏相應的透明度，消費者往往不知道自己為享用免費服務究竟付出了多少。

2.作為生產要素的數據與反壟斷

用戶數據不但能作為能直接貨幣化的有價商品，還能作為提供新產品服務或改良現有服務的生產要素而存在。91See Farboodi, M., R.Mihet, T.Philippon, and L.Veldkamp, “Big Data and Firm Dynamics”, NBER Working Paper No.25515, January 2019.很多有關大數據的競爭損害論斷的背后邏輯都依賴于反饋閉環的強度，以及手握海量數據的在位大平臺運營商擁有的網絡效應強度。大數據導致網絡效應，而網絡效應在反壟斷分析中扮演重要角色。92See Graef, I., “Market Definition and Market Power in Data: The Case of Online Platforms”, World Competition: Law and Economics Review 38 (4), 2015, pp.473-505; Stucke, M.E., and A.P., Grunes, “Debunking the Myths over Big Data and Antitrust”, CPI Antitrust Chronical, May 2015.但是，競爭執法機構、政策制定者和學者不能因此就武斷地認為，在大數據中網絡效應的存在自動導致反競爭性傷害的結果。嚴格而言，作為生產要素的大數據主要通過反饋閉環來實現需求側和供給側規模經濟，提升經濟效率，從而促進有效競爭。這里的反饋閉環主要包括兩種：93See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014; OECD, Data-Driven Innovation:Big Data for Growth and Well-Being, OECD Publishing, Paris, 2015.

（1）從用戶反饋閉環（User Feedback Loop）視角，當一個平臺擁有更多用戶資源時，能收集到更多用戶的數據信息，進而能對更多用戶及其喜好有個更好的洞察，這就讓該平臺運營商能提升服務質量，進而又吸引更多用戶接入。

首先，用戶數據通過學習效應可以提升企業的現有產品或服務的質量。比如，更多的搜索記錄和更能了解到每個搜索用戶具體點擊的關鍵條目，能幫助改進和精煉搜索引擎及其背后算法。這將提升搜索結果的科學性和搜索服務質量，進而吸引更多用戶使用這個搜索引擎。94See Salinger, M.A., and R.J.Levinson, “Economics and the FTC’s Google Investigation”, Review of Industrial Organization 46 (1), 2015, pp.25-57.類似地，安裝在個人電腦或移動智能終端設備里的很多軟件產品（比如網頁瀏覽器和操作系統等），都會在后臺收集關于本軟件使用情況的詳細信息。很多門戶網站也會在后臺收集用戶在該網站的瀏覽軌跡的詳盡信息，并用這些信息來確定已廣泛被瀏覽的板塊，或者診斷或預防技術故障等。顯然，更多數據的重要性對于那些數據本身是服務或與服務產品緊密聯系的服務類別尤其明顯。前者是資訊類(如Reddit)或知識類平臺（如Quora、知乎、喜馬拉雅與得到、在行和分答等），而后者的典型例子是社交網絡、電商和共享出行等。

其次，獲取用戶數據不僅能提高現有產品或服務的質量，還能幫助企業們開拓新的商業機會，通過再利用在某個服務提供過程中積累的用戶數據，企業能開發出新產品或服務。國內即時通訊領域領先企業騰訊利用QQ和微信app應用里沉積下來的海量數據，揭示全國各地的道路交通和旅游景點的擁堵狀況，在春運期間全國各地人民流動情況等新的有償或公益性服務。特別要提及的是，借助數據來更好地“命中”或“狙擊”潛在消費者，并為之提供個性化產品服務和廣告，起到幫助平臺運營商增收而廣告商又降低廣告負擔的目的。

（2）從貨幣化反饋閉環（Monetization Feedback Loop）角度，隨著一個平臺擁有更多用戶資源和收集到更多用戶數據，平臺運營商更能從有針對性地出售廣告中獲益。更好的商業化平臺帶來的高收益能進一步投資于提升服務質量，和吸引更多用戶接入。總之，經濟學文獻顯示，事實上收集用戶數據能有助于提供改善版的產品或服務95See Acquisti, A., and H.R.Varian, “Conditioning Prices on Purchase History”, Marketing Science, 2005, 24 (3): 367-381.、產品推薦甚至免費內容96See Goldfarb, A., and C.Tucker, “Privacy Regulation and Online Advertising”, Management Science, 2011, 57 (1): 57-71.。當然，對消費者而言，并不存在所謂的“免費的午餐”，任何所謂的免費服務或內容都是噱頭，并非真正不需要消費者有所付出，只是這種付出是以提供個人數據或觀看廣告等形式來呈現的。

需要說明的是，盡管大數據理論上可以用于作為致力于提升服務品質的生產要素，也能用于作為可直接變現的有價商品，還能用于作為阻擾競爭和維持（或鞏固）優勢地位的策略性工具，但是直接辨別特定數據具體被用于何種意圖的難度，不亞于判定特定行為是促進競爭還是反競爭的難度。手握海量的歷史搜素數據和用戶點擊行為數據的確可能有利于改進搜索算法，但是在新增單位數據的新增收益超出處理這單位數據的增量成本前，需要多少數據量才能改進搜索算法的問題仍不清楚。這就使得研究搜索引擎的文獻出現這樣一個爭論，那就是google的海量數據是否使其維持了市場地位，97See Pollock, R., “Is Google the Next Micorsoft? Competition, Regulation in Internet Search”, Review of Network Economics, 2010, 9 (4): 1-31; Crane, D.A., “Search Neutrality and Referral Dominance”, Journal of Competition Law and Economics 8 (3), 2012, pp.459-468.還是代表了一種優質的發明，促使其能提供高質搜索服務。98See Evans, D.S., “Competition and Regulatory Policy for Multi-sided Platforms with Applications to the Web Economy”,Law and Economics, Concurrences 2, 2008, pp.57-62; Devine, K.L., “Preserving Competition in Multi-sided Innovative Markets: How do You Solve a Problem Like Google?” North Carolina Journal of Law and Technology 10 (1), 2008, pp.59-117; Manne, G.A., and J.D.Wright, “Google and the Limits of Antitrust: The Case Against the Case Against Google”, Harvard Journal of Law and Public Policy 34 (1), 2011, pp.171-244; Bork, R.H., and F.G.Sidak, “What does the Chicago School Teach about Internet Search and the Antitrust Treatment of Google?” Journal of Competition Law and Economics 8 (4), 2012, pp.663-700; Argenton, C., and J.Prufer, “Search Engine Competition with Network Externalites”, Journal of Competition Law &Economics 8 (1), 2012, pp.73-105.總體而言，Google基于海量的用戶點擊行為數據分析來投放廣告的高人一等的能力，以及投放和監控廣告進展的固定成本共同導致了從搜索用戶到廣告商間的間接網絡效應，最終讓谷歌搜索引擎成為一個雙邊市場。

盡管不同行業的進入壁壘相差很大，還會隨時間而變化，但是諸多堅持雙邊平臺領域存在強大網絡效應的實踐者認為，表明了數據驅動型市場的規模經濟和網絡效應，在用戶和貨幣化反饋閉環作用下會導致贏者通吃結果，構建起一個無法穿越的進入壁壘。事實上，反饋閉環的強度總體上是被高估的。因為大數據的經濟學特征會弱化反饋閉環的強度。除了研發創新、擁堵效應、跨平臺網絡效應、定價結構等一般性特征之外，有關大數據的個性特征也會如此，99See Sokol, D.D., and R.E.Comerford, “Does Antitrust Have a Role to Play in Regulating Big Data?” In: Blair, R.D., and D.D.Sokol (eds.), Cambridge Handbook of Antitrust, Intellectual Property and High Tech, Cambridge, Cambridge University Press, 2017.比如在線運營商有時能采用一種無關于用戶數據的辦法做大規模，單單手握數據并不足以能提升服務和做大規模，能從用戶之外的渠道獲取數據，以及能通過策略性配置安排等辦法做大數據體量等等。

（五）大數據反競爭效應分析之復雜化

需要重點說明的是，由于理論工具儲備有限性和對大數據及其背后機理的認識的相對有限，有關大數據的反競爭效應分析是異常復雜的。首先體現的是，數字網絡平臺領域對用戶數據信息的強調，會讓表面上的縱向經濟行為帶有橫向意味。橫向行為(如橫向并購)具有反競爭性的可能性要高于縱向經濟行為（如縱向并購），這樣就讓該領域原本就復雜的反壟斷認定和執法進一步復雜化。100See Manne, G.A., and J.D.Wright, “Google and the Limits of Antitrust: The Case Against the Case Against Google”,Harvard Journal of Law and Public Policy 34 (1), 2011, pp.171-244.

涉及大數據的反壟斷分析異常復雜的另外一個重要體現是，這樣一個富有直觀性的普遍論斷并不總成立。那就是許多學者和執法人員認為的有關數據驅動型市場普遍存在的規模經濟和網絡效應導致的贏者通吃結局，無形之中建造了一個難以逾越的進入壁壘。101See Stucke, M.E., and A.P., Grunes, “Debunking the Myths over Big Data and Antitrust”, CPI Antitrust Chronical, May 2015; Stucke, M.E., and A.P., Grunes, Big Data and Competition Policy, Oxford, Oxford University Press, 2016; Stucke, M.E.,and A.P., Grunes, Data-Opolies, University of Tennessee Legal Studies Research Paper No.316, March 3, 2017.顯然，這種論斷基于這樣一個邏輯，那就是中小競爭對手和挑戰者，由于缺乏可匹敵的用戶量和數據量而無法推出高質服務和吸引更多用戶資源，從而無法向在位平臺施加有效的競爭壓力。

這個論斷不總成立的第一點也是最重要的原因是，這種邏輯缺乏現實證據的有力支持。無論是對諸多的反壟斷案例和競爭執法機構行為的整體回顧，還是對相關大數據的案例(如谷歌并購DoubleClick案、谷歌并購ITA案和臉書并購WhatsApp案)和執法機構庭外調解實踐的分析，都沒有明確找到用戶數據構成一個進入壁壘的有力證據。競爭執法機構和法院只是懷疑，在那些無法從消費者身上或大數據市場獲得的數據銷售過程中，與數據相關的進入壁壘可能會出現。顯然，對于那些能借助互聯網手段從消費者身上收集到的數據，他們也得到同樣的判斷。

在2007年美國聯邦貿易委員會和歐盟競爭委員會都無條件批準兩大搜索廣告巨頭谷歌和DoubleClick的并購申請。競爭執法機構的判定依據是，谷歌和DoubleClick雖然都掌握著有關用戶搜索和瀏覽記錄信息的海量數據，但是在在線廣告和搜索服務市場都不是緊密的（直接或間接）競爭對手，在位者谷歌通過并購DoubleClick實現在在線廣告市場獲得海量用戶數據并不構成一個進入壁壘(美國聯邦貿易委員會, 2007)。兩大執法機構都認為，即便谷歌今后在“精準化”廣告業務時能使用DoubleClick原來的用戶數據，但是這些數據并不是一個成功的在線廣告服務產品的不可或缺要素。更何況，其他競爭對手也能從其他渠道取得類似的數據。

美國司法部(DOJ)在2011年附條件批準谷歌收購在線電子定價、航班信息軟件和購物平臺ITA軟件(ITA Software)時稱，由于ITA的基礎數據是億客行（Expedia）、品橙旅游(Travelocity)、必應旅游(Bing Travel)、客涯（Kayak）、Farelogix和旅程網（Orbitz）等旅行類網站和搜索平臺開展相關業務的一個生產因素，涉及的數據獲取問題是一個潛在的縱向限制行為，其核心問題被認為是谷歌是否有能力和動力實施數據驅動的排他性行為，以排斥那些旅行類搜索平臺。具體而言是并購后谷歌是否能惡化或提升這些旅行類搜索平臺使用基礎數據的成本。最終批準并購的附加條件主要包括：谷歌保證繼續以公平、合理又非歧視的（FRAND）交易條件向其他相關公司授權ITA系統數據獲取，且不會使用ITA系統內的數據進行盈利運作；谷歌不得與航空公司簽署協議不適當地限制航空公司與谷歌的競爭對手共享座位和訂購類別信息的權利，同時要求谷歌自主建立一個防火墻，防止谷歌自己接觸競爭對手在ITA服務器上運行的專有軟件等。

美國聯邦貿易委員會和歐盟競爭委員會在2014年批準臉書收購基于網頁的通信應用軟件WhatsApp。期間數個消費者群體向美國聯邦貿易委員會提出，這起并購會鞏固臉書的數據獲取及其借助廣告進行貨幣化的能力，而這點違背了WhatsApp事先的承諾。美國聯邦貿易委員會在不到兩個月里就批準并購申請，同時申明數據的隱私安全問題是屬于消費者保護法律規范的范疇，并向消費者保護局主任發信提醒，今后要在隱私安全法律框架下持續關注該起并購后的隱私保護問題。

歐盟競爭委員會在此案中引入了一個有關大數據產業排他性行為的分析框架，并無條件批準該并購申請。歐盟競爭委員會指出，雖然在通信市場領域網絡效應有時的確會引起進入壁壘，但是這宗交易不可能提高進入壁壘。其依據主要有兩點：首先，消費者能同時使用多個類似的app且能輕易更換使用其他app；再則，除了臉書之外，當前歐盟市場里存在包括谷歌、蘋果、亞馬遜、Ebay、微軟、AOL、雅虎、Twitter、IAC、領英、Adobe和Yelp等在內足夠多的強大市場參與者，都能收集和使用用戶數據信息。102See Tucker, D., and H.Wellford, “Big Mistakes Regarding Big Data”, Antitrust Source, December 7, 2014.歐盟競爭委員會認識到，在信息通信這樣的變化快速的在線市場里，網絡效應作為進入壁壘事實上是不存在現實依據支撐的。除了該起并購案，美國聯邦貿易委員會在2011-2012年間對谷歌的調查，也關注到了數據在競爭上的重要性，發現谷歌互聯網搜索行為（包括組合型搜索和廣告業務）總體上并不如大家認為的那樣富有反競爭性。

另外一個重要原因是，忽視了大數據內在的經濟特征帶來的抑制效應和對抗作用。103See Lerner, A., “The Role of Big Data in Online Platform Competition”, August 26, 2014.大數據的一大特征是，在線運營商能采取一個無關于用戶數據的方式做大用戶規模，單單數據本身并不足以提高服務質量和做大用戶規模。同時，運營商的數據來源不局限于消費者，也能從數據經紀機構獲得，還能通過策略性配置安排等其他手段獲取。因此，大數據在網絡效應和規模經濟下阻撓競爭的背后機制被高估了。微軟在2010年就搜索結果和廣告與雅虎進行的戰略合作得到歐盟競爭委員會的認可。這背后的邏輯便是，被并購主體雅虎通過研發和接入到一個更大索引（這里是指必應）能提供個性化搜索結果，更好地迎合搜索用戶的偏好。

（六）大數據的凈競爭效應

數據收集和使用并非互聯網經濟時代下的新現象。在先前的非數字市場競爭執法機構對數據優勢進行過了競爭審查。保留顧客資源和開展消費者回訪和市場調研，長期以來都是任何一個商業企業的必做工作。只是隨著新信息技術的變革和整個經濟從深度和廣度范圍的不斷數字化，不斷拓展了數據的性質、來源、應用和數量。過去線下調研或通過電腦收集的單維度、片段化數據到現在由智能終端（比如智能手機、智能穿戴設備等）提供的多維度、實時全方位數據。一個用戶在網絡虛擬空間的所有“旅行”蹤跡，都能跨設備地被追蹤和記錄。新式的用戶數據不局限于企業直接決策之用，還用于機器決策和學習。

新式數字化數據獲取帶來的競爭優勢程度及其對最終的競爭結果的影響，將要比非數字市場下傳統式用戶數據帶來的影響要深遠。數字化數據帶來的競爭影響主要取決于兩個方面：（1）數據的稀缺性程度或者數據復制的難易程度；(2)數據收集的規模和多樣性的重要程度。由于這兩方面的原因，這個影響不都是決定性的，至少在有些互聯網子領域是這樣的。

一方面，用戶數據要結合其他要素和能力才能發揮應有作用，單單手握海量數據并不保證就能成為獲勝者。一個運營商獲取了某些用戶的數據，本身不能阻擋其他競爭者也獲取這些用戶的數據。用戶的多歸屬性連同單個運營商同時提供多種服務的事實，為實時收集用戶依賴型的數據提供了可能。然而，收集這些數據必須基于運營商能掌握足夠多的用戶基礎，而這一點反過來又取決于何種程度上網絡效應和學習效應扮演了進入壁壘的作用。數據經紀業務的發展更是讓數據獲取更容易，阻擋和控制數據更困難。這個第三方數據來源的具體影響，還要取決于數據性質、保護用戶隱私安全的合約性或規制性規則，以及運營商們與競爭對手有償共享各自的數據優勢的意愿程度。總體而言，這些因素，及其數據規模報酬加速遞減、迅速貶值和異質性的特點，通常會讓數據獲取能力差異對競爭產生傷害的風險大打折扣。

另一方面，經濟數字化和線下活動的線上連接，顯著地增加了可獲取的數據量。“數據無處不在”的觀念本身并不說明容易囤積數據會排斥他人，這個論斷取決于兩個條件：其一是相關數據是否能獲取，具有可獲取性；其二是各種類型數據是否具有可替代性，或者即便不具可替代性，各類數據要能廣泛獲取。數據能否作為一個策略性手段和排斥競爭，部分地取決于數據的臨界水平：達到這個水平，運營商就能收獲數據帶來的諸如提升服務質量、開拓新業務和價格歧視增收等各種潛在裨益；而遠遠超出這個水平，這些規模報酬將下降甚至消失。

在許多行業里，有關消費者溝通和社會人口統計方面的數據信息的邊際價值，相對于更新要求而言基本是穩定的。但是，用于統計推斷目的的數據價值，可能在數據量突破某個臨界值之后就開始下降。因為，統計樣本誤差率會隨著每額外新增一單位的數據而降低。但是，對于那些需要高頻率地調整變動才能維持競爭力的業務而言，在數據量突破臨界水平之前要不斷收集和更新數據庫。此外，數據范圍和多樣性與數據規模量同樣重要，這兩個維度共同決定著數據內涵的信息量。數據的可獲取性和可替代性問題成為對涉及數據的反壟斷案中的爭議焦點。104See Martens, B., “An Economic Policy Perspective on Online Platforms”, JRC Technical Reports, Institute for Prospective Technological Studies Digital Economy Working Paper 05, 2016.在蛙跳式競爭而非增量性改進下，消費者福利才能最顯著地提升。反壟斷法要培育和維持一個讓穩健而又快速的研發創新成為可能和得到激發的外界環境，而對大數據采用家長式管理和處理辦法既不能培育也不能維持這樣的環境，而可能導致市場停滯和平臺運營商之間的相互猜忌和憂慮。

總之，有關消費者個人特征和消費記錄的海量用戶數據的競爭效應定性，尤其判定其是否搭建起了一個限制競爭和反效率的進入壁壘，關鍵要看使用數據驅動型策略的目的和效果，以及具體的行業環境。換言之，大數據促進運行效率還是獲得或維持不公正的競爭優勢，很大程度上取決于如何使用大數據和效果如何。在位者擁有更多數據并不是“原罪”，需要正視大數據的能力及其極限，不要過于神化，也不要過于妖魔化。一句話，大數據是“天使”還是“惡魔”，關鍵在于數據用途和行業特點。

目前，深入和全面探索反壟斷法能夠或應當如何用于涉及大數據的特定問題的理論性分析成果還相對匱乏。而且，反壟斷法限制收集和使用大數據以及強迫分享數據等補救措施還可能傷害競爭和研發創新，也會帶來數據隱私和安全問題的擔憂。

四、結論

隨著新信息技術的變革和整個經濟從深度和廣度范圍的不斷數字化，拓展了數據的性質、來源、應用和數量。一個用戶在網絡虛擬空間的所有“旅行”蹤跡，都能跨設備地追蹤和記錄。顆粒化數據不局限于企業直接決策之用，還用于機器決策和學習。數據獲取帶來的競爭優勢程度及其對最終的競爭結果的影響，比非數字市場下傳統式數據帶來的影響深遠。用戶數據要結合其他要素和能力才能發揮應有作用，單單手握海量數據不保證能成為獲勝者。數據規模報酬加速遞減、迅速貶值和異質性的特點，通常讓數據獲取能力差異對競爭產生傷害的風險大打折扣。

經濟數字化和線下活動線上連接，顯著地增加可獲取的數據量，但不能說明囤積數據可以輕易排斥他人。此外，數據范圍和多樣性與數據規模量同樣重要，共同決定著數據內涵的信息量。數據的可獲取性和可替代性問題則是涉及數據的反壟斷案中的爭議焦點。而有關消費者個人特征和消費記錄的海量用戶數據的競爭效應定性，關鍵要看使用數據驅動型策略的目的和效果，以及具體的行業環境。大數據是“天使”還是“惡魔”，關鍵在于數據用途和行業特點。

反壟斷法對大數據應用的規制應審慎，尤其是對數據隱私和安全保護作用有限。競爭執法機構應關注限制收集和使用大數據以及強迫分享數據等反壟斷救濟措施可能也會傷害競爭和研發創新，還會帶來新的數據隱私和安全問題。