数据垄断相关问题的反垄断法分析思路的探索

黄诺洲

同济大学法学院，上海 200092

虽然数据作为商品还没有先例，加上本身的非对抗性，但是假如一旦形成规模庞大的数据平台，或者被某一企业掌握，就可能出现市场垄断，之后滋生一些比如搭售、高价策略或者供应歧视等违法现象。而且随着人工智能以及其他先进技术的出现，想要对数据垄断问题按照反垄断法的要求处理，是相关工作人员面临的严峻考验。有鉴于此，需要在处理具体问题时，考虑和结合实际情况，根据数据的特殊性，采用科学的方法解决。

一、数据应用现状

目前，大数据虽然涉及到日常生活的方方面面，但并非意味着其使用就合情合理，虽然大数据为人们的生产生活提供了极大的便利，但是个人隐私也在无形中泄露出去。无论电子商务，还是微博互联网等多个领域，都在对用户行为数据进行挖掘，由此获取商业利益，在此过程中不可避免的对群众个人信息构成了威胁。在过去，人们可以匿名或者化名进入网络，避免个人信息泄露，但是在大数据背景下，数据交叉检验会丧失匿名功效。随着技术的不断进步，数据的新功能被开发出来，而个人可能并不知情，不但如此，利用大数据还能够预测、控制人类的潜在行为，如若在缺乏有效理论机制的背景下，很可能对公平、尊严、自由等人性价值造成侵害。

其次，数据越多并非越好，对数据盲目依赖会导致思维僵化，陷入到只注重数据的误区当中，不再单纯的针对简单表面问题进行探讨，而是拓展到更加框定的领域当中。另外，如若企业、政府等在决策的过程中，由于使用错误数据而产生了决策失误，将会对群众安全与利益带来巨大损失，如何避免成为数据奴隶，成为目前需要解决的首要问题[1]。

大数据中有限接入产生了新的垄断与数码沟，在大数据背景下，谁接入其中？有何种目的？将受到怎样的限制？这些在数据积累的过程中，也将不可避免的产生数据垄断困境。很多企业为了维护自身利益限制了信息的流动，此举不但造成了大量的数据资源浪费，还会阻碍创新步伐。与互联网时代数码沟相同，在大数据时代背景下已经存在着技能、接入双重问题。只有具备计算机开发与使用技能的专业人士才具有数据挖掘与使用的能力，由此产生了数据垄断，在数据使用中更加占据优势。

二、数据垄断竞争中存在的问题

(一)认定由数据产生的市场支配地位面临的问题

从当前各个企业控制数据形式来看，通常情况下都是为了对其原有产品进行改进。但是数据种类不仅多种多样，而且具有一定的复杂性，而且在众多数据中，由于一些数据功能比较相似，在一定程度上可以互相替代，这就为数据界定带来了难度。与此同时，数据还具有独特性，如非对抗性、广泛性等特点，所以一般情况下都不会被独家垄断。但是在市场发展中，数据垄断的现象又比较频繁，其中主要有两方面原因。一方面是该垄断现象在数据上游业务阶段中是比较容易出现的；另一方面，在数据市场运行过程中，是比较容易出现数据垄断问题的。

例如，有关德国Facebook案中，就充分体现了数据市场中的控制、垄断问题。相关机构在调查过程中，对其数据收集与应用的合理性有很大的质疑，尤其是在数据使用过程中，对其在市场的支配地位有很大怀疑。而且在hiQ控诉Linkedln这一过程中，还发现一些不正当的行为都与数据息息相关。可见，企业在收集数据与使用数据时，为了逃避滥用市场支配的责任，极有可能采用转换市场的方式。例如，一些企业很可能将一个市场的支配地位，向其他市场进行转移。而且通常情况下，这个市场和相关数据是有很大关系的。例如，由于Linkedln传导市场支配地位的行为，对hiQ数据公开环节造成了很大困扰和不利影响，因此hiQ向其起诉，并且提供了Linkedln市场支配地位从网络市场转移到数据分析市场的有关证据，相关法律部门对其数据公开权利进行了保护，并对Linkedln发布了禁令。

可见，大数据所涉及的是双边市场，不仅在数据之间难以进行界定，而且市场的边界也是非常模糊的，在很大程度上虚弱了市场份额分析企业力量指标的效果。另外，数据具有独一无二的特点，即使对其数量进行充分考虑，但是还是难以对市场份额进行有效的计算[2]。

(二)界定数据市场面临的主要问题

在应用反垄断法分析法对数据垄断进行探究时，必须要确保其进行了实际交易，才能对数据市场进行合理界定。若未出现交易，也是难以进行界定的。例如，Facebook对WhatsApp进行收购过程中，因为没有向第三方提供数据的记录，也就是未搜集到数据交易的相关凭证，所以无法对其界定数据市场。从数据未进行交易的具体原因来看，主要有三个：一是在收集数据中，并没有对其所有权进行调查和分析，这种情况下是不能进行交易的；二是即使是明确了数据所有权，但是由于一些数据数属于保密型数据，与个人隐私有关，所以也是不能进行交易；三是虽然近年来数据市场有了进一步发展，但是还未建立统一的交易规定与标准。这些原因都为界定数据相关市场带来了难度。

除此之外，界定数据相关市场的方法也比较少，而且还存有一定的缺陷与漏洞，所以很难进行有效的界定。在实际界定中，主要以需求替代分析法为主。相对其它方法而言，该方法是最有效的。但是该方法的应用要求和条件比较多，缺乏一定的通用性。必须要确保在向客户销售产品的市场条件下，才适合运用需求替代分析法。但从当前数据市场发展形势来看，限定向客户销售的因素是比较多的，所以很多时候是不适用该方法的，很难有效界定数据相关市场。

另外，当前由于数据界定还在初步完善阶段，至今也没有单独为数据市场界定相关市场的案例，不仅缺少有效的方法，而且还没有经验可借鉴，难以反映出企业从数据获得价值的合理性。

虽然当前已经针对界定数据市场面临的问题提出了很多观点。例如，提出需要界定一个假设的数据市场，然后在这个假定市场中，对数据进行评估，为其市场界定提供依据，或者利用数据的替代性特点，对其进行衡量与判断。但是还未进行具体的实施，对其可能性难以预测[3]。

三、数据经济特征与企业市场力量分析

分析掌握大数据资源的企业，需要明确数据的经济性和它呈现的业务特点，比起常规实物商品，数据可复制性、传播性更大，但是它体现的经济价值又很大。这些特征在一定程度上影响了对企业竞争力、价值的判断，同时数据可驱动实体规模经济效应，极大程度提升了企业的竞争力。

(一)数据引起的网络效应、规模经济效应

首先数据带给企业的影响，呈现数据正反馈的循环。比起实体企业，线上的企业能够根据数据实时反馈，及时调整自身的产品功能和服务，这种典型的数据驱动模式能引起较大规模的网络效应。大致呈现这样的良性循环：通过资金投入，然后某产品向客户提供服务和使用功能；在客户层面则根据使用过程，反馈相应的数据给管理后台，企业获知这些改变需求，就会了解客户的主要构成；然后进行定位广告宣传由此收获广告收入，企业由此得到发展资金；再继续开发和扩充产品功能，或提供更好的服务，以此吸引、扩大客户群。

这种数据的正反馈模式，在市场竞争中呈现较为明显的“马太效应”，因为新进入者很难与拥有庞大用户数量的老牌企业进行竞争。以腾讯出品的游戏为例，基于自身的社交软件微信、QQ，聚拢起大量的用户，然后借此平台对自身游戏进行推广和宣传，在与市场同质化游戏相竞争时，天然具有大用户数量的优势。而普通企业，在竞争初期需要扩大自身的用户数，同时还要兼顾改进游戏，进行升级和更新以此稳固当前的用户数量。但是腾讯早早就依靠掌握的大数据和庞大的广告营收，完成游戏更新和升级，而它的竞争者还停留在开拓用户数量这一环节，同时没有获得支撑企业发展的广告收入，未能进行游戏升级和更新，流失现有用户。久而久之，在这种“不平等”的竞争下，腾讯的竞争者被市场淘汰。

(二)收集、使用数据趋于零的边际成本

网络平台关于数据的成本结构，呈现出投资和开发前期高的投入成本，以及接近零的边际成本的特点，正是这一特点促使数据更加集中。对于运营大数据产品以及服务的企业来说，前期需要耗费大量的资金建设数据中心、采购服务器、技术人员招聘等。但是企业在建立起良好运转的商业模式后，能够以较低的成本获取数据，并在算法改进以及其他方面提升产品质量，并由此形成数据正循环反馈。

正是前期大的资金成本，使得做大做强的企业依靠现有的数据规模，以趋近于零的低成本获取经济价值，以此作为企业发展的雄厚资本，在股市、银行贷款等方面获取大量资金，用于开发新产品或提升原产品竞争力，在“马太效应”下构建起企业的资金、技术以及人才壁垒。类似的企业有脸书、腾讯、谷歌公司，都是在掌握一定规模的数据后，在各自领域成就自身垄断性地位[4]。

四、结论

综上所述，对数据进行市场的界定以及赋予科学的属性，是规范整个数据市场的必然手段，由于数据的类型不同，并且获得的渠道也不一致，这难免会使一些企业从中获利，并占有绝对优势，但是通过对企业的技术能力以及市场分布情况进行分析，结合数据产生和流动的效率，从而打破信息的垄断，让消费者获得更多的知情权。值得注意的是，数据本身有着正反两方面的效果，当遇到隐私保护的问题时，反垄断法可以很好地解决隐私保护与企业竞争的冲突，保证交易市场的合理和透明。