大數據領域反壟斷規制的理論證成與制度構建

葉明 李鑫

摘??? 要：隨著大數據拓展領域加深，數據帶來的市場優勢價值凸顯出來，企業利用大數據實施壟斷行為的可能性也隨之增加。在國外，對于大數據領域是否需要反壟斷干預的問題仍存在不小的爭議。而現實中，企業對大數據的不當利用催生出大數據的反競爭效果，創新需要的呼應與反壟斷法規制特點的適配性反映出大數據領域反壟斷規制正當性，數據驅動型并購、算法共謀、濫用數據市場支配地位行為的危害，體現出大數據領域反壟斷規制的必要性。對此，建議從理念與路徑兩個層面審視，采取包容審慎態度，堅持鼓勵創新、適度干預，對傳統反壟斷法進行保留與創新，在嚴厲規制與創新激勵之間尋求平衡。

關鍵詞：大數據;反壟斷;規制;理論證成;制度選擇

中圖分類號：D 912.29???????? ???????? ???文獻標識碼：A????? ????????????? 文章編號：2096-9783（2021）01-0001-09

一、問題的提出

近年來，數字經濟已經成為推動全球經濟可持續發展的重要引擎。作為數字經濟的中樞神經，“大數據”的基礎性與核心性地位逐漸顯現。在我國，大數據不僅成為互聯網企業立足市場、占據鰲頭的關鍵資產，還上升成為國家發展規劃的重要部分。黨的十八屆五中全會提出“實施國家大數據戰略”，國務院印發《促進大數據發展行動綱要》，2020年3月中共中央、國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，提出“加快培育數據要素市場”，將數據與土地、勞動力、資本、技術并列為五大生產要素。在國家政策的推動下，我國大數據產業成長迅速，據統計數據顯示，“2019年我國大數據市場總體收益達96億美元，2019年至2023年預測期內的復合年均增長率為23.5%，均速高于全球平均水平。”1而且，2020年突發的新冠疫情推動了數字經濟的發展進程，電子商務、線上會議、網絡視頻、網絡游戲等領域迎來了新的繁榮，大數據產業發展形勢一片向好。

然而，隨著大數據的商用進程加快，圍繞著數據的爭議性事件也頻頻發生。在國內，從幾年前的“順豐與菜鳥數據之爭”、“騰訊華為數據之爭”、“新浪微博訴陌陌案”，再到疫情期間的“微信封禁飛書”事件，市場競爭不充分、用戶權益未得到有效保障等問題鋒芒畢現。如今，國內研究主要集中在對大數據領域壟斷行為的規制上，但在國外，對于大數據領域是否需要用反壟斷法進行干預仍存在不小的爭議。一些學者贊成在大數據領域采取更加積極主動的反壟斷執法[1]，另一派則反對對此類行為進行干預，認為反壟斷法不適合于大數據監管[2]。而大數據領域是否需要反壟斷法進行規制的爭議對大數據領域的經濟活動至關重要，關涉到市場競爭狀況與消費者福利。因此，本文從歸納大數據在應用中展現的特性談起，通過分析大數據領域反壟斷規制的正當性與必要性，對“大數據領域需要反壟斷規制”這一論點進行理論證成，并在此基礎上提出立足于我國國情的反壟斷法規制路徑，從而保障大數據領域持續高速增長態勢，驅動我國信息產業的健康發展。

二、大數據的應用特性引致反競爭效果

世界領先的咨詢公司麥肯錫率先提出“大數據”這一用語，并將其概括為大小超出常規的數據庫工具來獲取、存儲、管理和分析能力的數據集[3]。經過幾年發展，大數據也從一開始的“3V”、“4V”，成長到兼具大量（Volume）、高速（Velocity）、多樣（Variety）、低價值密度（Value）、真實性（Veracity）的5V屬性。透過大數據的5V屬性，可以窺知其在具體應用中展現的特性。而判斷大數據領域是否需要反壟斷干預的問題，有必要首先對大數據的應用特性進行客觀分析。

（一）數據控制者行為顛覆了數據的非排他性

在互聯網、移動終端普及率年年攀升的今天，使用網絡的人數增多、場景擴張，用戶不經意間的下載、瀏覽、點擊都會產生大量數據，數據仿佛“觸手可得”，極易獲取，而且數據易復制且成本低廉，在云儲存的不斷發展下，用提供云空間的應用軟件進行無線傳輸，打破了時間空間的限制，以高速度、永久性成為進行數據傳輸的主要方式。有學者提出，數據是非排他的、非對抗的、易于收集的[4];沒有任何協議（價格或其他非價格約定）可以阻止用戶僅與一個提供商共享他們的數據[5]。但實際上，在市場中數據控制者的行為下，數據的非排他性會被顛覆。2018年5月，歐盟出臺《通用數據保護條例》（General Data Protection Regulation，以下簡稱GDPR），其中第四條第（6）款規定，“個人數據的控制者是能夠單獨或與其他主體一起決定個人數據處理目的和方法的自然人、法人或者公權力機關、機構或者其他主體。”明確了數據控制者的數據處理權，申言之，數據控制者可以決定是否分享、披露數據，與誰共享數據。例如菜鳥順豐數據之爭，表面上是數據端口關閉引起的爭端，實際上是順豐拒絕從騰訊云切換到阿里云，阻止菜鳥通過阿里云獲取其所掌握的數據。可見，互聯網公司雖可以時刻獲取用戶原始數據，但數據控制者仍可以通過停止合作、排他協議等手段來拒絕相對方獲得自身已形成規模的細分領域數據庫，從而使大數據產生排他的效果。

（二）高處理成本削減了數據市場的低準入門檻

原始數據易獲得、數量大的特點，使得大數據市場的準入門檻較低，無論企業規模大小，均可獲得大量數據并針對其業務對數據進行處理。然而，數據形式繁復、產生快速，對處理數據的能力提出了更專業的要求。只有具備與快速增長數據量相應的數據處理速度，才能使得大量數據得到有效利用，否則不斷激增的數據不但不能為企業帶來優勢，反而成了迅速解決問題的桎梏[6]。這種專業要求帶來了沉重的成本負擔，而這種成本的承擔能力不具有普遍性。此外，大數據主要關聯非結構化數據使其價值密度偏低，進一步提高了數據處理成本。傳統的結構化數據，具有高度組織并使用統一結構表示，容易搜索到想要的信息。但是大數據往往采用全部原始數據，涵蓋各種圖片、文字、語音、視頻動畫信息，不定量不進行數據標記，這樣雖然可以處理分析更多的數據，能夠精準地描繪用戶個人肖像以及事物細節，但也帶來了許多無用甚至是錯誤數據，使得大數據的價值密度較低。而大數據的眾多應用場景需要在極短時間內得到結果，若在時間上拖延，一些處理過程則無意義，導致大數據的處理要求高難度大，相應的成本也居高不下。

（三）傳導優勢效應緩和了數據的價值遞減規律

數據數量及質量的價值會隨著數據控制者的增加及時間的推移而降低，即存在數據價值遞減規律。若某種數據人人均可獲得，則其能夠呈現的價值則微乎其微，反之則具備較高價值。例如順豐雖在菜鳥的流量占比處于下風，但順豐市場主要針對中高端用戶，與“三通一達”2的數據重合度低，因此其數據價值更高。此外，數據價值與其新舊也存在關聯。數據庫專家洛克伍德·里昂指出： “數據的使用壽命有限——舊數據不如新數據有價值，而且隨著時間的推移，數據的價值會大大降低。”[7]數據的時效性使得數據控制者只有緊追新數據，才能保持市場競爭優勢。

然而，大規模數據控制者能夠利用既存領域的相對優勢地位，進行優勢傳導，緩和了數據價值的遞減。隨著我國C端市場增長放緩，互聯網巨頭們開始探索“跨界生態商業模式”。其粉碎了傳統工業經濟清晰的邊界區分，通過縱向整合跨界產業鏈，橫向擴張用戶關系網絡，完成互聯網產業的生態重構。在此過程中，大數據的傳導優勢發揮了關鍵性作用，經營者在一個領域的優勢通過數據的互聯互通與低成本傳導到另一個領域，平臺企業的市場支配地位進一步增強，利用大數據實施壟斷行為的可能性也逐漸提高，例如谷歌通過操縱搜索結果偏袒自家對比購物服務。有學者指出，大型平臺利用數據強大的市場反饋與預測功能，通過算法和數據優勢傳導，打破基于工業經濟的相關產品市場和相關地域市場的明確界限，有效鏈接“不相關市場”或“未來市場”，形成在縱向與橫向市場上的跨時空競爭優勢[8]。

（四）用戶鎖定效應遏制了數據的多歸屬性

數據具有多歸屬性（muiti-homing）。同一用戶的數據信息可以被其使用的所有應用在合理范圍內收集，當用戶選擇同一細分領域的多個應用使用時，這幾個經營者便都可以獲得該用戶的數據信息。因此，相同的數據在很大程度是由多個主體所掌握，想要壟斷世界上的全部數據是天方夜譚。這種多歸屬性有助于降低企業利用數據形成優勢地位的可能性。但從另一角度看，大數據市場中的用戶鎖定效應對數據的多歸屬起到了遏制作用。由于用戶偏好與依賴的自然存在，用戶鎖定效應普遍存在在各類型市場中，任一產品都會存在鎖定效應。與傳統市場的產品、服務不同的是，用戶在互聯網中表現出來的鎖定效應更為明顯。在大數據市場中，用戶鎖定效應的形成因素有三：其一，企業在掌握用戶數據后對用戶偏好等進行分析，并對產品服務進行調整;其二，存在鎖定成本問題，在長時間使用某種應用后，用戶的習慣性使得轉換到其他服務商面臨著很高的成本;其三，互聯網行業中的領先企業在網絡效應的作用下往往會具有相對優勢，相應地，其擁有的數據數量更大、質量更優，這反過來又會吸引廣告商、消費者的側目，形成良性循環。進一步鎖定了用戶。這種用戶鎖定效應使先進入市場的企業得以維持其競爭優勢，穩固其市場支配地位。

綜上所述，為維護競爭優勢，數據控制者往往會采取不當行為設置市場壁壘，顛覆數據的非排他性，且大數據的高處理成本、傳導優勢與用戶鎖定效應打破了低準入門檻、價值遞減規律與多歸屬性為初創企業帶來的形成強市場競爭力的可能性。歐盟委員會競爭專員的瑪格麗特·維斯塔格（Margrethe Vestager）在接受《財經雜志》專訪時提到：大數據可以成為一個重要的市場進入壁壘，但有時候也可能因為數據的易得性、復制等而變得毫不重要，現實總是在這兩個極端之中游離[9]。因此可以說，大數據的不當使用會產生反競爭效果。

三、大數據領域反壟斷規制的理論證成

如今，大數據資源已然成為經濟發展的富礦。然而數據不僅是推動數字經濟發展和產業轉型升級的重要動力，也可能為壟斷提供新的介質和方法[10]。本部分從正當性與必要性兩個層面，證成大數據領域反壟斷規制的理論意義。

（一）大數據領域反壟斷規制的正當性

對大數據領域的壟斷行為進行規制，不僅能夠促進互聯網創新活力充分涌流，更能與反壟斷法的規制特點相匹配，具有正當性。

1.與激勵創新的需要相呼應

按照創新的內容分類，互聯網創新可以分為技術創新、商業模式創新、組織創新、產品服務創新四種。大數據作為經過分析、處理后產出的數據集，本身就包含技術創新的成果，大數據的合理利用，可以推動其他形式的創新，對各行業運作效率的提高與社會集約化程度的提升都具有重大意義。然而數據優勢企業的不當行為會降低創新的活力，引致創新受阻。一方面，在網絡效應的作用下，容易產生“贏家通吃”的局面，在這種情況下，小企業與數據優勢企業在用戶數量、流量大小之間的差距逐漸拉大，較少的收益使小企業難于創新，最終難逃被優勢企業收購的結果，而優勢企業面臨的威脅減少，則有可能不愿再花費高額成本改進服務、創新產品。另一方面，雖然擁有數據和算法的平臺可以通過多種方式使用數據來提高產品質量，但是濫用數據優勢可能會導致產品服務質量下降[11]。數據優勢企業為維護自身的強競爭力，往往會阻礙數據互流互通，建筑數據資源的壁壘。而反壟斷法的規制并不僅包括懲治違法行為，還能夠通過肯定正面效應大于負面效應、打擊負面效應大于正面效應的方式激勵創新[12]，回應大數據領域保護創新的需要。因此，大數據領域的持續創新需要反壟斷的激勵性規制發揮作用。

2.與反壟斷法的規制特點相匹配

首先，反壟斷法保護自由競爭。其作為經濟法體系的一部分，將市場之手與政府之手相結合，力求實質的公平正義。有學者指出，反壟斷法規范市場秩序及企業市場競爭行為，但其不僅是一種限制，而是通過禁止性的規定為企業的合同行為劃定了一個可以發展的范圍[13]。大數據作為新興領域，其成長需要足夠的空間與包容力，要求競爭執法機關與司法機關審慎決策。基于此，反壟斷法能夠在最大限度內促進數字經濟背景下大數據產業的有序、良性競爭。其次，《反壟斷法》的規則具有靈活性，規制大數據領域壟斷行為更為妥帖。《中華人民共和國反壟斷法》第1條3規定了其立法宗旨，決定了反壟斷法的規制應從競爭、消費者、社會三個維度為出發點，保護競爭秩序、消費者權益與社會公共利益，這種多元的屬性拓寬了反壟斷法的調控范圍。此外，一些大數據領域的壟斷行為雖可能關涉多部法律，但在如今我國數字經濟發展的重要時期，難以迅速針對層出不窮的商業模式及商業活動出臺普適性的預防性規定，與“一刀切”式的強制手段相比，從反壟斷角度提出規制進路則兼具靈活性與合理性[14]。因此，反壟斷法是為規制大數據領域壟斷行為的正當途徑。

（二）大數據領域反壟斷規制的必要性

大數據是信息技術發展到一定階段的產物，其本身是中性的，但對大數據的不當使用、處理則存在排除限制競爭、損害消費者合法權益的風險。如今，在數字經濟背景下，大數據領域的壟斷行為在傳統三種形式的基礎上衍生出新的形式，較之以往對競爭造成的侵害更深，有必要運用反壟斷法作為工具對大數據領域進行規制。

1.數據優勢濫用行為

如今的互聯網巨頭無不是以免費商業模式起家，他們在前期往往通過“燒錢補貼”、“免費服務”等方式吸引顧客，賺取流量，隨后推出增值業務。用戶信息——即數據逐漸被企業掌握，成為他們壯大的“籌碼”。在初期數據收集的基礎上，企業通過“使用者反饋”與“獲利反饋”兩種方式進行“正反饋循環”，提升用戶粘性[15]。一方面，利用大數據技術分析總結出用戶的性格愛好、偏好取向，提升產品與服務質量;另一方面，將數據分析結果應用到廣告投放中，通過“精準營銷”，提升廣告服務的利潤。在這個流程中，數據集中度逐漸提升，原本具有一定優勢的企業再次“發育”，少部分企業成長為互聯網巨頭，在數據市場中占據支配地位，然而為了鞏固、擴大現有的市場地位，一些濫用數據相對優勢地位的行為也隨之出現。德國競爭法將濫用市場支配地位行為按照侵害對象和行為目的，劃分為妨礙性濫用和剝削性濫用。大數據領域的濫用行為同樣可以按照此標準，現如今，在大數據領域，既存在以拒絕交易數據、“二選一”等典型的妨礙性濫用，也包括以不當收集使用用戶數據、不主張條款與不質疑條款等行為為典型的剝削性濫用。這些行為不僅擾亂了健康的市場競爭秩序，而且侵害了消費者的公平交易權、信息自決權等正當利益，最終會對社會的可持續發展造成負面影響。以“Facebook不當收集數據”案為例，Facebook作為德國社交網絡具有市場支配地位的企業，利用不正當隱私條款強迫用戶同意其收集數據，構成了對用戶的嚴重剝削，也在深遠意義上損害了競爭對手的競爭利益。

2.算法共謀

表面上，大數據的廣泛應用為消費者提供了更為透明的在線市場，消費者可以通過不同平臺之間價格的比較，挑選最符合自身要求的商品，在透明市場中獲利。但從另一個角度看，大規模數據積累導致大數據企業競爭者對其之間的各類信息也有所涉及，這一數據紅利在很大程度上會被企業利用來秘密地減損競爭。

實踐也表明，這一擔憂并不是杞人憂天。大數據企業往往利用大數據的核心技術之一——算法，有效收集、分析、預測各類商業信息，并通過對競爭對手信息的精準整合，實現對競爭對手定價策略的“追蹤”，進而調整自身產品與服務的定價，與競爭對手保持定價一致，達成秘密合謀。而隨著人工智能的不斷發展，大數據企業利用算法進行協同行為的隱秘性只會有增無減。有學者認為，利用大數據從事共謀有以下四種方式：其一，企業可能通過實時數據分析監視各個企業遵守共謀的執行情況，可視為以數據來維持傳統形式的卡特爾;其二，企業可能共同分享定價算法，并依據數據實時調整價格，實現固定價格的效果;其三，企業可能使用大數據實現默示共謀，即通過提高市場透明度或使彼此的行為變得更加相互依賴，如通過編程實時應對價格變動;其四，企業可能使用人工智能設置一種利潤最優的算法，并通過機器學習執法算法來實現默示的共謀[16]。由此，在各種策略的完善下，企業的默示合謀行為將愈發隱秘，難以發現。

3.數據驅動型并購

隨著數據在經濟發展中的重要性日趨提高，全球范圍內以增加數據資產來增強競爭優勢的數據驅動型并購也逐年增多。數據驅動型并購屬于經營者集中的一種，與傳統經營者集中不同的是，其并購的基點不在于公司規模、股權等方面，而在于大規模數據的集中整合。在大數據領域，數據驅動型并購行為通過橫向或縱向的合并，吞并有潛力、嶄露頭角的中小企業，形成細分領域數據優勢甚至支配地位，并通過數據傳導優勢構建多領域生態鏈，拓寬優勢領域。

數據驅動型并購已經引起了美國與歐盟反壟斷執法機構的關注。美國反壟斷機構傾向于考慮大數據在合并中的作用，合并各方更多地提出數據驅動的效率抗辯以保護合并，并取得了不同程度的成功4。而歐盟委員會則側重于對并購后產生負面影響的分析，例如在“Facebook收購Whatsapp”案與“TomTom與TeleAtlas合并”案中，都對并購后會產生的數據聚合問題進行了分析，并擔憂合并行為會對消費者利益造成損害。雖然在“Facebook 收購Whats App”案與“滴滴收購Uber”案中，均因被收購方營業額沒有達到申報數額而無需接受審查。但事實上，當Facebook愿以190億的高價收購WhatsApp這樣一個小微企業時，就應該引起反壟斷委員會的重視了[17]。在數據驅動型合并的場景中，中小企業的發展空間被壓縮，優勢企業在具有壟斷地位后也會疲于應對消費者，怠于創新，最終造成行業競爭減損、消費者福利降低的局面。

四、我國大數據領域反壟斷規制的制度構建

大數據的廣泛應用引發了較之傳統壟斷更為復雜的限制競爭行為，為市場公平競爭秩序的完善設置了阻礙。為保障大數據領域的充分競爭，維護競爭雙方與消費者的合法權益，應適用反壟斷法對相關壟斷行為進行規制。然大數據領域的壟斷行為利用技術創新，朝著隱秘化、智能化的方向發展，而由于法律滯后性等因素，導致現行反壟斷法在很多情況下“無從下手”，一些壟斷行為“逍遙法外”，逃離了反壟斷法的規制，給傳統反壟斷法的規制提出了挑戰。對此，本部分擬從理念和路徑兩個角度出發，通過規制原則與具體方法的確立，為大數據領域反壟斷法實施中出現的疑難問題提供解決方案。

（一）理念選擇：包容審慎、鼓勵創新

欲應對大數據領域壟斷為我國反壟斷法帶來的挑戰，首先要確立正確的理念作為引導。筆者認為，我國對于大數據領域壟斷的干預要以包容審慎作為總基調，堅持促進創新，適度規制。

GDPR被認為是解決數字時代數據保護所面臨挑戰的最全面和最具前瞻性的立法，但其仍然存在過于嚴苛的爭論。有學者從目的限制、數據最小化、特殊類別、自動決策四個方面論證了GDPR的度量與大數據可用性之間的不兼容性，認為在某些情況下，該法規將削弱大數據的分析能力[18]。2019年9月，金磚國家競爭法律與政策中心發布了關于數字時代競爭法的報告：《數字時代下的競爭：金磚國家視野》，其第一章提出，“各國在監管數字領域時應采取謹慎的思路，同時注意避免因過度監管扼殺新興市場和技術。”[19]王曉曄教授也指出：“互聯網時代不能過分擔心企業規模”[20]。因此，對于大數據領域壟斷的干預，必須秉持包容審慎的態度，避免過度干涉。大數據雖已經在各個行業“開花結果”，但其仍然處于發展的初始階段，規則的培育與調整都需要時間與經驗的推進，根據上述分析可知，大數據的收集與分析本不存在反競爭效果，關鍵要看使用大數據的行為是否正當，故包容審慎的基調應在未來較長的一段時間內持續，堅持“法無禁止即自由”的態度，在大數據領域營造寬松的法治環境。

其次，要鼓勵創新。大數據領域是具有高度創新性的新業態，持續創新的能力不僅是企業保持競爭優勢的條件，也是高度競爭市場提出的要求，持續性、突破性創新影響消費者的選擇，也與企業的經濟效益休戚相關，“創新驅動型戰略”的提出，更是強調了創新對于國家經濟轉型的核心作用。因此，在大數據領域，不妨以“創新為先”，在評估企業個案的具體行為時，對于其行為產生的反競爭效果與創新效果進行比較、考量，關注并購、濫用行為的效率提升效應，謹防過度干預，在最大程度上保持企業的活力與競爭力。

此外，包容審慎、鼓勵創新不代表對大數據壟斷“冷眼旁觀”，不監管。在2020年兩會上，高富平教授提出：“對于包容審慎原則，一方面，政府要探尋有效的監管方法，該出手時就出手;另一方面，對于非屬于法律紅線范疇的違法行為，政府應當給予‘改過自新的機會，給商業創新留有余地。”[21]可以看到的是，如今數據領域出現的多種行為雖樣態各異，但其同樣都會直接、間接地傷害了市場競爭秩序，例如具有市場支配地位的企業強制商家“二選一”、基于消費數據施行價格歧視等，這些行為損害了消費者合法權益，并給大數據領域的競爭造成了負面影響，因此，應堅持在創新激勵的前提下對具體行為產生的反競爭效果進行分析，從事前事中事后三個維度進行適度監管，回應數據經濟時代大數據反壟斷的新要求。

（二）路徑規劃：反壟斷法的保留與創新

目前，許多國家已經對反壟斷法進行了調整，例如正在進行中的《德國反限制競爭法》第十次修訂，其中創設了具有顯著跨市場競爭影響的企業濫用市場力量的行為;英國的競爭與市場監管局則提出設立“數字市場部門”的建議;我國國家市場監督管理總局2020年1月公布了《反壟斷法修訂草案 （公開征求意見稿）》，向社會公開征求意見。在理念確立之后，對大數據中出現的壟斷問題，還需逐一“對癥下藥”。這不僅需要反壟斷法的適當性調整，還需對其中的一些方法和手段進行創新。

1.數據驅動型經營者集中的規制

傳統反壟斷法中規定的經營者集中申報標準主要以“價格”為指標，然而數據驅動型市場中的產品服務往往都是免費的，甚至對消費者進行補貼，若堅持以價格為中心，對大數據市場中壟斷行為起不到實質的威懾效果。為契合大數據企業的發展特征，建議增加以交易價值為標準的門檻，在對營業額進行定量分析時，應根據大數據企業的特殊性，適當加入經濟特點、技術標準等非定量因素[22]。同時將營業額進行創新性定義，在銷售額的內涵中，增加數據資產這一指標，重視企業處理、控制數據的能力。具體操作中，可以引入第三方評估機構對并購雙方的數據資產進行客觀評估，靈活性地進行評判。

其次，在對數據驅動型經營者集中進行違法性審查時，應對集中效率進行評估。近年來，效率主張已經成為評估經營者集中的重要因素，而大數據領域的飛速發展與其產業效率的提升有很大關聯。在經營者集中審查時，必須權衡集中行為帶來的效率可否抵消其引發的排除限制競爭效果，包括市場力量在縱向產業鏈或橫向市場中傳導到相鄰數據市場和潛在的封鎖效果[23]，以及消費福利的損失與創新消減的情況。最后，應對集中后的未來市場進行預測。數字經濟是高度創新的經濟，但數據集中帶來的壟斷效果也很“脆弱”，執法機構需要結合當前與未來發展趨勢綜合評判，充分考量數據市場發生變化的可能性。由此，才能對并購企業及其所在市場的競爭狀況進行真實的反饋，有效地預防大數據企業合并帶來的壟斷風險。

2.算法主導壟斷協議的規制

算法技術引導下的壟斷協議極具隱秘智能性，在此前提下，反壟斷執法部門應從事前監督開始，對算法的設計環節進行嚴格把控，將算法設計中有利于形成合謀的技術減弱或去除，預防算法帶來的反競爭風險。而在具體規制中，由于達成和實施壟斷協議的主體為各種算法，導致在認定壟斷協議的時候不存在法律上適格的行為主體，也無法追責。對算法共謀的主體進行剖析可以發現，僅將算法程序定義為壟斷協議的參與者未免過于狹窄，因此，應轉變主體要件的認定思路，從算法落實到具體個體上來[24]。將參與者的范圍適當擴大，使算法背后的實際參與者——設計者、改進者或者使用者列入其中，通過對這些主體目的、行為等要件的判定，得出更符合實際的結論。其次，對于主觀要件的證明應從溝通證據向行為證據、經濟證據方向轉變[25]。算法具有一定的智能屬性，但仍不具有意思聯絡能力;同樣地，在算法合謀的達成與實施過程中，算法與算法之間也不會進行接洽行為，主觀證據之外的行為證據與經濟證據便會在算法合謀的證明中帶來更為顯著的作用。總的來說，對于算法合謀的認定上，可以轉變既有反壟斷法的決策思路，通過對圍繞算法的多主體意圖、行為、后果的分析，對其反競爭性進行判定，從而達致對算法主導的壟斷協議進行認定的目的。

3.濫用數據市場支配地位行為的規制

必要設施原則是規制濫用市場支配地位問題中的一個重要理論，指一旦某個設施被認定為必要以后，該設施的擁有者就必須承擔以合理條件開放使用該設施的義務[26]。在“HiQ 訴領英”案發生后，數據與必要設施原則引起廣泛討論。

數據資源對于市場公平競爭極為重要，為打破市場進入壁壘，必要設施原則確有其適用合理性，2010年12月出臺的《工商行政管理機關禁止濫用市場支配地位的規定》中第4條5引入了必要設施原則。但不得不提到的是，在數字經濟中，將數據完全與必要設施原則結合起來，存在對創新的阻礙以及對所有權侵害的風險，并不是很好的選擇。將數據作為必要設施必然會損害企業創新與投資的積極性，減損市場活力;而且雖然目前在我國數據資產的所有權還沒在法律上落實，但經過處理的數據必然要與其擁有企業以及每個提供數據的個體扯上聯系，必要設施原則若不加限制的適用，不可避免地會對所有權制度造成一定損害。因此，數據構成必要設施的適用，必須遵循嚴格限制的總體思路，設定嚴格的使用標準。有學者提出了數據構成必要設施的四個要件：數據對于競爭不可或缺，數據獲取具有不可復制性，拒絕開放沒有正當理由，數據開放具有可行性[27]。為數據構成必要設施的規范性適用奠定了理論基礎。

同時，市場支配地位認定標準需要調整。在大數據產業中，進入市場的難易程度與市場份額這兩個主要指標在規制相關壟斷行為時，均存在一定程度上的失靈，因此，從改進市場支配地位認定指標入手，是認定市場支配地位的對癥之策。其一，在考慮市場份額的基礎上，更多地考量企業控制市場數據的能力;增加平臺流量、活躍用戶數、付費會員數、廣告額度與數量等指標，通過多項指標的考察，深入了解大數據企業對于其所在細分市場數據的掌控能力。其二，在對進入市場難易程度進行考察時，應著重考慮三個因素：數據獲得成本;新競爭者從第三方獲取數據的難易程度;具備市場優勢的競爭者對后進入者帶來的的阻力大小。隨后對根據其行為的影響與未來市場趨勢的評估，對具有支配地位企業的行為進行認定，評估其行為是否達到了“濫用”的效果。

結? 語

時至今日，大數據領域是否需要反壟斷法干預，反壟斷法如何進行干預仍是值得關注的話題。在大數據應用實踐中，不當的使用行為會產生反競爭效果，使用反壟斷法對其加以干預存在正當性與必要性。我國大數據領域的反壟斷規制要從理念著手，樹立包容審慎、鼓勵創新的法治理念，并在保留傳統反壟斷法框架的基礎上有針對性的創新，探索出一條符合我國大數據產業特點的規制進路，最大限度地發揮大數據的正面效應，為“國家大數據戰略”的實現保駕護航。

當然，在大數據領域，仍有公共數據壟斷、算法黑箱、數據孤島等諸多問題值得探討，本文只選取了其中一個角度，證成大數據領域反壟斷法干預的正當性與必要性，并對其干預路徑進行探索。希望能夠對我國未來的相關司法實踐提供有益思路，為大數據領域的反壟斷法調整乃至競爭法的創新發展略盡綿薄之力。

參考文獻：

[1] Daniel L. Rubinfeld，Michal S. Gal.Access Barriers to Big Data[J].Arizona Law Review， 2017，59（2）： 339-382.;

Douglas M. Kochelek.Data Mining and Antitrust[J]..Harvard Journal of Law & Technology ， 2009，22（2）： 515-536

[2] Cooper J C . Privacy and Antitrust： Underpants Gnomes，the First Amendment， and Subjectivity[J]. George Mason Law Review， 2013，20（4）1129-1134.;

Ohlhausen M K ， Okuliar A P . Competition， Consumer Protection，and the Right （Approach） to Privacy[J]. Social ence Electronic Publishing， 2015， 80（1）：121-156.;

Joshua D. Wright，Elyse Dorsey. Antitrust Analysis of Big Data[J]. Competition Law & Policy Debate 2， 2016（4）： 35-41.

[3] McKinsey Digital.Big data：The next frontier for innovation， competition， and productivity[EB/OL].（2011-05-01）[2020-09-14].https：//www.mckinsey.com/business-functions/mckinsey - digital/our - insights/big - data - the - next - frontier-for-innovation#.

[4] 葉明.數據壟斷案件的幾個焦點問題[N].人民法院報，2018-12-05（7）.

[5] 任超.大數據反壟斷法干預的理論證成與路徑選擇[J].現代經濟探討，2020（4）：123-132.

[6] 馬建光，姜巍.大數據的概念、特征及其應用[J].國防科技，2013，34（2）：10-17.

[7] Lockwood Lyon， the End of Big Data， Database Journal[EB/OL].（2016-05-16）[2020-09-15].https：//www.databasejournal.com/features/db2/the-end-of-big-data.html.

[8] 楊東.論反壟斷法的重構：應對數字經濟的挑戰[J].中國法學，2020（3）：206-222.

[9] 歐委會競爭委員.并購審查重點關注大數據壟斷[EB/OL].（2018-01-04）[2020-08-28].http：//www.zggpjz.com/keji/shuma/2924.html.

[10] 陳兵. 如何看待“數據壟斷”[N]. 第一財經日報，2020-07-28（A11）.

[11] Daniel L，Rubinfeld，Michal S. Gal.Access Barriers to Big Data[J]. Arizona Law Review， 2017，59（339）：375-377.

[12] 吳太軒，李鑫.互聯網商業模式創新的經濟法激勵[J].西南石油大學學報（社會科學版），2019，21（6）：22-30.

[13] 王曉曄.經濟體制改革與我國反壟斷法[J].東方法學，2009（3）：74-87.

[14] 承上.人工智能時代個性化定價行為的反壟斷規制——從大數據殺熟展開[J].中國流通經濟，2020，34（5）：121-128.

[15] 曾雄.數據壟斷相關問題的反壟斷法分析思路[J].競爭政策研究，2017（6）：40-52.

[16] Ezrachi A ， Stucke M E . Artificial Intelligence & Collusion： When Computers Inhibit Competition[J]. Social ence Electronic Publishing， 2015， 2017（5）.

[17] 詹馥靜，王先林.反壟斷視角的大數據問題初探[J].價格理論與實踐，2018（9）：37-42.

[18]Zarsky， T. Z. Incompatible： The gdpr in the age of big data[J]. Seton Hall Law Review， 2017，47（4）：995-1020.

[19] 數字時代下的競爭：金磚國家視野（報告第一章）?[EB/OL].（2019-09-21）[2020-09-06].https：//www.sohu.com/a/342372705_120057883.

[20] 陳耿華，劉陽.2019年“互聯網領域反壟斷法前沿問題學術研討會”綜述[J].競爭政策研究，2019（3）：64-75.

[21] 李玲，黃莉玲.全國兩會上的反壟斷聲音：互聯網數據壟斷引擔憂，包容審慎不是不監管?[EB/OL].（2020-06-06）[2020-08-17].http：//wangluozhili.blogchina.com/989548679.html.

[22]鄒開亮，劉佳明.大數據企業合并的反壟斷審查初探[J].石家莊學院學報，2018，20（2）：116-119.

[23] 葉明.互聯網經濟對反壟斷法的挑戰及對策[M].北京：法律出版社，2019：112.

[24] 鐘原.大數據時代壟斷協議規制的法律困境及其類型化解決思路[J].天府新論，2018（2）：66-75.

[25] 劉繼峰.依間接證據認定協同行為的證明結構[J].證據科學，2010，18（1）：82-92.

[26] 李劍.反壟斷法核心設施理論的存在基礎——縱向一體化與提高競爭對手成本理論的解讀[M].經濟法研究（第七卷），北京：北京大學出版社，2008 ：77.

[27] 孫晉，鐘原.大數據時代下數據構成必要設施的反壟斷法分析[J].電子知識產權，2018（5）：38-49.

Theoretical Proof and System Construction of Anti-monopoly Regulation in the Field of Big Data

Ye Ming， Li Xin

（School of Economic Law， Southwest University of Political Science and Law， Chongqing 401120， China）

Abstract： With the development of big data， the market advantage value brought by data is highlighted， the possibility of enterprises using big data to implement monopoly behavior also increases. In foreign countries， there is still a lot of controversy about whether anti-monopoly intervention is needed in the field of big data. In reality， the improper use of big data by enterprises results in the anti-competitive effect of big data. The response of innovation needs and the adaptability of regulation characteristics of anti-monopoly law reflects the legitimacy of anti-monopoly regulation in the field of big data， while the harm of data-driven M&A， algorithmic conspiracy and abuse of dominant position in data market reflects the necessity of anti-monopoly regulation in the field of big data. Therefore， it is suggested that we should examine it from two aspects of concept and path， take an inclusive and prudent attitude， encourage innovation and moderate intervention， retain and innovate the traditional anti-monopoly law， and seek a balance between strict regulation and innovation incentive.

Key words： big data; antitrust; regulation; theoretical proof; system selection