社交媒体数据创新驱动力形成机制及规制探析

黄 磊

(1.中国科学技术发展战略研究院科技与社会发展研究所，北京 100038；2.南开大学 经济与社会发展研究所，天津 300071)

一、引言

大规模数据资源正在成为引导新知识和价值创造的驱动力，并广泛应用于新产品和新市场的孵化过程之中。这一过程被称为“数据驱动型创新”[1]。一方面，在进入 Web 2.0后，社交媒体平台迅速崛起，进而导致了大规模社交媒体数据的出现；另一方面，大规模数据资源也成为了社交媒体产业创新的重要驱动力。因此，以大规模数据资源为构建基础的社交媒体平台也可以称为“数据驱动型社交媒体”。大规模的个人数据在社交媒体平台上实现了聚合，由用户生产的社交媒体内容已经成为了数字劳动的重要内容[2]。

数据驱动型社交媒体的兴起，使得社交媒体平台服务内核正在发生转变。数据作为一种产品服务，可以根据用户的需求进行定制化的准入许可授权[3]。数据质量与数据的聚集程度存在正向相关。即数据的聚集程度越高，数据的存储、处理及传输能力越强，“数据即服务”的质量越高。当前，“数据即服务”是数据销售及发布的基本框架，该框架已经被广泛应用于服务提供商与终端用户建立实时联系的过程中。

值得注意的是，随着社交媒体平台的发展，其作为应用开发平台的功能日益明显。即社交媒体平台本身也可以提供作为商品的数据产品。从“软件即服务”到“数据即服务”的转变有赖于信息通信技术的创新与扩散， 移动计算和云计算等新的信息通信技术促使了用户产生更大的数据量，同时也对数据产生了更大的需求。数据作为一种用户需求驱动力，同时也是一种厂商的供给驱动力。社交媒体作为这两种驱动力交互作用的平台，也因此获得了更大的发展驱动力。但是，处于产业领先地位的社交媒体平台掌握着大规模的个人数据资源，也导致了潜在的产业结构性资源的垄断风险。

二、基于个人数据资源聚集的数据驱动型社交媒体形成机制

(一)计算能力聚集与分散的演变

数据的聚集(Centralization)与分散(Decentralization)是数据形态的动态转换过程，这一转换源自于对信息资源管理架构的变化。聚集与分散在本质上是一个市场控制力平衡的问题[4]。例如，从信息资源管理系统的角度来看，区块链的非线性特征也从其分散的技术架构得到体现[5]。信息的聚集在三个方面得到体现：控制的聚集、计算资源的聚集以及关联数据库的聚集[6]。所谓控制的聚集，是指管理信息系统中的单元的中心控制程度。一般而言，控制的聚集程度越高，处于中心位置的单元权力越大，对整个系统的影响力也越大。一旦形成控制单元的中心结构，整个系统的控制权就难以实现分化。所谓计算资源的聚集，是指管理信息系统中的计算资源在空间上的集中程度。通常情况下，计算资源包括了计算硬件资源及计算软件资源。当前，计算机仍然是主要的计算硬件资源。计算的软件资源则包括了操作系统及软件应用。在现有的技术框架内，计算软硬件资源在空间上越集中，计算能力越强，则计算资源的聚集程度越高。所谓关联数据的聚集，是指管理信息系统中的数据在数据库中的集中程度。数据库的数量、数据库中非关联数据的比例以及子数据库中的数据内容差异都会对关联数据的聚集程度产生影响[7]。关联数据库中的数据集中能够用来区分来自不同应用的数据并实现不同程序对数据的分享使用。

在计算能力的第三次聚集进程中，技术的进步解决了聚集伴随的逻辑问题。随着网络的平台化，用户数据所依赖的网络服务器已经纳入各类数据中心的计算资源体系之中，主要原因有以下几个方面：一是，数据中心能够提供比终端用户更好的软硬件支撑；二是，数据中心能够提供更好的数据物理安全保护措施，对服务器数据的准入和保护提供更专业的服务；三是，数据中心为数据管理系统提供集成服务，提高数据的利用效率；四是，与终端用户相比，数据中心能够大幅度降低数据的管理成本。聚集的计算资源体系使得大规模的数据分析及应用得以成为现实[8]。在过去三十年中， 基于大规模数据的商业情报及分析(Business Intelligence and Analytics，简称 BI&A)在学术研究与产业领域发挥着巨大的作用。在互联网快速发展的三十年，商业情报及分析经历了三个发展阶段，即BI&A 1.0、BI&A 2.0及BI&A 3.0。基于BI&A技术，相关的应用领域也呈现出多元化的发展趋势，包括电子商务与市场情报分析、电子政务、科技情报分析、智慧医疗以及公共安全情报分析等。BI&A分析的对象也从结构化的关系型数据发展为非结构化的用户生成内容数据[9]。聚集的数据资源结构使得BI&A正在发挥着越来越大的影响力，以数据为核心资源的商业计算能力聚集趋势日趋显著。

(二)社交媒体平台个人数据资源聚集过程

毫无疑问，绝大部分终端设备上的个人数据必须通过社交媒体平台才能实现真正的社交化应用。社交媒体应用程序开发接口(Application Programing Interface， 以下简称API)是社交媒体平台进行用户个人数据收集最重要的途径之一。通常情况下，社交媒体平台的个人数据来源有以下几个方面。

首先，通过社交媒体网站与社交媒体 App直接获取用户个人数据。从 Web 1.0时期开始，社交网站就已经开始为用户提供个人数据存储、发布和交流服务。在进入 Web 2.0时期之后，功能更丰富的社交网站获取用户个人数据的能力得到了大幅度的提升，也因此承载了大规模的用户个人数据。HTML 5和 XML 等技术的快速应用，使得社交网站的用户数据交互能力通过多维的媒体应用实现了飞跃。随着移动终端设备的迅猛发展，越来越多的终端设备具备了用户个人数据的获取权限。移动终端设备上的 App通过各类网络通讯协议，为用户提供了新的社交媒体使用体验，即用户可以通过移动终端上的 App直接访问社交媒体平台，并获取社交媒体平台的各种内容。更为重要的是，用户在使用这些 App 的时候，也留下了大量的“社交数字足迹”，即用户在访问社交媒体内容，上传和下载社交媒体平台多媒体文件的同时，都需要提供个人数据准入授权。这意味着只要用户使用社交媒体网站或App，就必然会产生个人数据，这些个人数据必须在实现数据准入授权之后方可使用。该类授权是双向的，即社交媒体网站在提供服务时必须获取用户个人数据的准入权限，而用户在获取社交媒体平台上其他用户的个人数据，也必须获取社交媒体平台提供的准入权限。

其次，通过关联厂商和第三方开发者间接获取用户个人数据。一方面，关联厂商通过社交媒体平台获取了用于产品和服务开发所必需的用户个人数据。在产品和服务开发完成并推送给终端用户之后，用户在使用关联厂商的产品和服务时，也会产生大量的个人数据，并作为关联厂商进行产品和服务开发、升级的关键资源。这些反映关联厂商产品和服务的个人数据并不需要通过社交媒体平台，能够直接反馈至关联厂商。而关联厂商在开发社交媒体应用时，需要进一步与社交媒体平台网络服务器进行数据交换。另一方面，第三方开发者在开发 App 时，需要先从社交媒体平台获取用户个人数据的准入权限。在得到数据使用授权后，通过对个人数据的分析，获取用户的使用偏好及应用需求，开发出具有针对性和市场竞争力的第三方应用程序。通过将这些应用程序集成至社交媒体平台或直接通过 App 推送给终端用户，第三方开发者实现了在社交媒体平台的用户个人数据交换。关联厂商和第三方开发者对于社交媒体平台个人数据贡献，主要体现在其推出的产品、服务和应用刺激了用户对社交媒体的使用强度，进而实现了更大规模的个人数据交换和聚集。

最后，通过API从其它社交媒体平台间接获取用户个人数据。跨平台的个人数据交换是社交媒体平台大规模数据交换的主要形式。社交媒体平台之间的个人数据交换是数据流的交换。单个社交媒体平台获取的用户个人数据只有通过跨平台的数据流动才能够真正进入流通市场，并实现规模经济。对于社交媒体平台而言，处于离散状态的终端用户提供的个人数据实现了平台上的聚集之后，基于不同的社交媒体平台之间的规模差异，跨平台的个人数据会实现进一步的汇聚，进而实现社交媒体平台个人数据的进一步聚集。

综上所述，个人数据在社交媒体平台上实现了进一步的聚集。在进一步聚集的过程中，三种不同的个人数据获取渠道都发挥着重要的作用，使得多维度的个人数据通过市场的作用得以聚集，实现个人数据的规模经济。社交媒体平台既是个人数据聚集的载体，也是个人数据聚集的实现形式。

三、数据驱动型社交媒体个人数据资源聚集的创新驱动力来源

(一)个人数据资源聚集的溢出效应

社交媒体个人数据聚集为个人数据的经济价值的实现奠定了基础。个人数据作为社交媒体产业发展最重要的市场资源，其产生、流动及消费都会对整个市场及其他社会领域产生深远的影响。这些影响通过个人数据聚集的溢出效应得以体现。公共选择理论重要奠基人之一的布坎南(J.M Buchanan)认为，经济活动中经济单位的消费或者盈利活动对其他经济单位产生了影响，却没有承担相应的责任或者获利的现象是经济单位外部性的具体表现[10]。社交媒体个人数据聚集是一个动态持续的经济行为过程，反映了不同的用户、社交媒体平台和平台之间的经济联系。因此，社交媒体个人数据聚集必然产生溢出效应。基于个人数据的开放性，公共及社会产品的供给受到了社交媒体个人数据聚集溢出效应的影响。

溢出效应的规模与社交媒体个人数据聚集的程度正向相关。个人数据的开放性是社交媒体个人数据聚集的重要原因之一。社交媒体个人数据开放的程度越高，其聚集的可能性就越高，也意味着社交媒体平台掌控更大规模的个人数据资源。社交媒体通过现实社交网络产生了巨大的影响力，并进一步提升了社交媒体平台上的个人数据规模。一般而言，社交媒体的社会影响力越大，市场份额就越高。市场份额的大小取决于用户数量的规模大小。这意味着，更大的用户数量规模将导致更多的个人数据在社交媒体实现聚集。因此，社交媒体个人数据聚集程度越高，其通过社交媒体产生的溢出效应规模越大。反之亦然。

个人数据聚集的溢出效应影响在社交媒体平台之外逐渐减弱。个人数据聚集在社交媒体平台之内的溢出效应较强。其主要原因是社交媒体平台的构建与发展都必须依赖个人数据这一核心资源。然而，由于来自社交媒体的个人数据的准入权限划分，在社交媒体平台之外的个人数据使用和传播受到限制。因此，社交媒体个人数据在社交媒体平台之外体现出较低的溢出效应。离社交媒体数据中心越远的位置，受到个人数据聚集溢出效应的影响越小。

溢出效应的反馈对社交媒体平台个人数据的聚集起到促进作用。社交媒体平台个人数据聚集的溢出效应并非仅仅是单向的。无论是社交媒体平台内部，还是社交媒体平台外部的其他社会部门，都会对社交媒体个人数据聚集的溢出效应产生反馈。而且，正面溢出效应和负面溢出效应的反馈都会产生更大规模的社交媒体个人数据。外部效应反馈促生的社交媒体个人数据仍然通过社交媒体平台发挥作用。因此，社交媒体平台个人数据的聚集受到来自溢出效应反馈的持续作用，并进一步增强其聚集程度。

(二)新一代信息通信技术 R&D的需求

社交媒体个人数据规模的迅速扩大与信息通信技术的 R&D 密切相关。信息通信技术发展带来的数据相关技术成果，为社交媒体个人数据的产生与收集提供了技术支撑。与此同时，信息通信技术的 R&D需要大量的数据资源的投入，信息通信技术R&D 绩效也因大规模社交媒体个人数据的聚集得到显著提升。信息通信技术的快速发展，使得大规模的个人数据能够被应用于高性能计算领域，并通过其溢出效应，影响整个信息通信技术产业的发展。当前，数据驱动型创新已经成为信息通信技术R&D的新趋势之一。

云计算体现了依托网络的计算能力提升，并成为处理大规模计算和复杂计算的重要技术。云计算的出现使得IT软硬件维护成本大幅下降，同时也提升了处理的数据规模。大规模社交媒体个人数据的出现，使得越来越多的企业和组织采用云计算的方式存储、处理以及分析这些数据[11]。云计算能够有效改善大规模社交媒体个人数据处理所必须的存储和计算环境。一方面，本地服务器存储空间相对有限，而云计算服务则提供了性价比更高的存储空间[12]；另一方面，云计算服务提供了并行数据处理的集成框架，大幅度地提高了用户访问网络数据资源的效率[13]。与此同时，更大规模的社交媒体个人数据的持续增长，也对云计算技术的发展提出了新的要求。例如，在数据库管理系统方面，传统的数据库管理系统(DBMS)架构正在专向 Hadoop 等大规模数据管理系统[14]。社交媒体个人数据的聚集则有助于这一转变的实现。

当前，增强现实(Augmented Reality)和虚拟现实(Virtual Reality)已经成为大规模数据分析和应用的重要领域之一。大规模数据的可视化相关技术需要得到进一步的发展，即数据的可视化技术需要具有更强的互动性[15]。同时，以用户需求为导向的高效率数据可视化技术是数据可视化技术发展的关键。 在数据可视化领域，人类的认知能力存在局限性[16]。增强现实和虚拟现实技术的出现成为突破这一局限的重要技术[17]。与此同时，社交媒体平台也是增强现实和虚拟现实技术的重要领域。一旦社交媒体与这两种技术相结合，就会产生更大规模的个人数据。同时也对这两种技术的发展与融合提供更有价值的个人数据资源支撑。例如，中国的阿里巴巴集团已经将虚拟现实技术应用于旗下的社交购物平台，用户可以直接访问平台提供实体商品的虚拟影像，以提升用户的购买体验及效率。

人工智能(Artificial Intelligence) 已经广泛应用于获取海量数据以及构建大规模数据环境，并成为大规模数据分析的关键技术之一。人工智能的发展离不开大规模数据资源的投入。基于大规模数据资源，尤其是大规模社交媒体个人数据资源，人工智能在认知、学习以及其他应用领域获得了突破性进展。社交媒体为人工智能提供了大量非结构性的数据资源，用于人工智能对人类认知、情感以及行为的分析[18]。同时，人工智能通过多元化的社交媒体应用产生了更大规模的结构性数据， 进一步促进了社交媒体个人数据规模的进一步增加，也进一步提升了社交媒体个人数据聚集的程度。得益于人工智能技术在社交媒体平台上的应用，社交媒体的用户体验得到大幅度的提升。社交媒体平台也因此增强了与其他网络平台的个人数据交流。

(三)社会创新需求

公共部门对社交媒体个人数据聚集的创新需求，包括各类组织和政府在内的社会公共部门通过社交媒体生产和收集大规模的数据，这其中也包括大量的社交媒体个人数据。公共部门已经成为了社会经济中最主要的数据密集型部门之一[19]。公共部门通过社交媒体获取的大规模聚集的个人数据，在经济、社会以及公共管理领域发挥了巨大的作用。聚集的社交媒体个人数据已成为公共部门的重要资源[20-22]。

通过社交媒体平台，公共管理部门提供的个人数据能够产生直接的社会价值。能够大幅度降低管理成本，提高公共部门的管理效率。越来越多的组织和政府部门在社交媒体平台上建立了面向社会公众的社交媒体账号。在社交媒体平台上，各类组织和政府部门通过这些社交媒体账号与用户进行直接的数据交换，为用户提供公共服务和公共信息。社交媒体个人数据的聚集也对公共部门的数据管理能力创新提出了挑战，公共部门需要在保护隐私、公开部门数据以及提升社会管理效率等方面进行协调，以保证聚集的社交媒体个人数据在创造社会价值的同时，最大限度地降低数据公开化带来的隐私保护问题。同时，社交媒体个人数据聚集引起的社会文化的改变，也促进了公共部门不断进行管理能力创新。

来自于企业对社交媒体个人数据聚集的需求。聚集的社交媒体个人数据正在成为企业创新的重要资源。首先，聚集的社交媒体个人数据为企业提供了市场分析的有效信息。企业通过社交媒体上的个人数据可以获取消费者的使用偏好、兴趣爱好、群组划分以及行为特征等信息。一般而言，个人数据规模越大、聚集程度越高对于企业的市场营销和技术改进越有利。其次，聚集的社交媒体个人数据为企业提供了有效的人力资源信息。越来越多的企业通过社交媒体获取企业发展急需的人力资源。这主要源于社交媒体平台具有开放、低成本和高效率的人力资源匹配特征。企业通过社交媒体平台发布招聘信息的同时，也从社交媒体平台获取了大量的潜在人力资源的个人数据。最后，企业通过聚集社交媒体个人数据的分析，可以对目标消费者群体进行精准的产品和服务推送。不同的消费者群体对产品和服务的需求不尽相同。聚集的社交媒体个人数据有利于企业对目标消费者群体进行细分，并有利于相关产品信息的精准推送。

来自于科研机构对社交媒体个人数据聚集的需求。聚集的社交媒体个人数据正在成为科研机构研究的重要资源。一方面，聚集的社交媒体个人数据成为了数据驱动型科研的重要组成部分。社交媒体个人数据聚集使许多零散的数据经过社交媒体平台得到了初步的处理，降低了科研机构收集数据的成本，节省了大量的数据采集时间。通过聚集的社交媒体个人数据，可以对社会结构、个体、组织的心理和行为进行有效的分析，并提取出更准确的研究成果。另一方面，大规模聚集的社交媒体个人数据也对数据驱动型科研提出了新的挑战。个人数据规模的不断增加，使得原有的研究方法、工具和环境都发生了巨大改变。例如，用于科研的软硬件设备需要不断更新才能满足大规模数据处理的需求，大规模数据分析结果的可视化手段对于科研成果的展示越来越重要。个人数据的聚集也促进不同领域的科研机构之间的协作，增加了不同学科的交叉与融合。值得注意的是，社交媒体平台也正在成为科研机构对公众进行科学知识传播的重要平台，对于提高公民的科学素养有着积极的促进作用。

四、社交媒体个人数据的潜在垄断风险及对其进行反垄断规制的必要性

(一)社交媒体个人数据的潜在垄断风险

企业的垄断行为对于单个企业而言往往起到一定的技术创新推动作用。社交媒体个人数据聚集，使得数据资源进一步集中在少数社交媒体平台，有利于这些平台进行技术创新和产品 R&D。然而，垄断行为也会对整个市场的资本、技术、劳动力资源配置产生负面的影响。一般情况下，常见的企业垄断行为包括价格操控、价格歧视、价格锁定、提高产业进入门槛和排他性交易等。在数据产业领域，企业的垄断行为直接表现为对数据的垄断，包括对数据的强制垄断与数据独裁[20]。在信息通信技术产业，数据垄断行为在大厂商间的竞争较为常见。例如，百度与淘宝网之间通过数据端口的控制来实施彼此之间数据访问的限制。同时，数据的垄断不仅仅局限于产业领域，同样也存在于公共部门对数据的垄断。公共部门的数据垄断会导致公共部门管理权限的增强，不利于数据驱动型市场的发展。因此，数据垄断将成为影响数据相关产业发展的重要因素。同时，也需要平衡数据垄断对市场竞争的破坏与短时间内对技术发展的促进之间的关系[23]。

首先，作为经济资源的社交媒体个人数据聚集导致市场竞争下降。社交媒体个人数据的聚集反映了市场资源投入和集中的情况。聚集程度越高，说明作为市场资源的个人数据越集中于特定的社交媒体平台。这将使得社交媒体产业的市场结构趋于集中。市场结构的集中则会导致市场份额的改变。一般而言，市场结构越集中，处于领先地位的社交媒体平台所占有的市场份额就越高。处于领先地位的社交媒体平台往往会采取协议的方式进行产业内部的个人数据资源交易。虽然社交媒体平台对个人用户往往提供的是“零价格”服务，但是对于多边市场结构中的其他市场往往存在价格操纵行为，并通过常见的法定垄断权力(如专利许可等)对关联厂商和第三方开发者的数据使用权限进行限制。同时，基于上述的市场垄断行为，社交媒体平台产业的进入门槛也随之上升。从长远来看，社交媒体个人数据聚集不利于市场的充分竞争。

其次，社交媒体个人数据聚集增加了政府规制的难度。虽然社交媒体的垄断行为对市场的竞争产生抑制作用，但是由于社交媒体平台存在多边市场，政府难以采用传统的反垄断方法对其垄断行为进行规制。由于个人数据是社交媒体平台垄断权力的重要来源之一，且个人数据主要来自于社交媒体平台在个人用户市场提供的“零价格服务”，因此难以采用市场份额测定(即威廉森测试)和价格操控行为来评估其实质性垄断行为。个人数据聚集增强了社交媒体平台的资源配置控制能力，然而目前政府却缺乏有效的市场规制手段对其进行管理。在中国，政府更多的是采用行政手段对社交媒体的个人数据聚集进行限制。随着聚集程度的增强，政府的反垄断规制措施有待进一步改进。

第三，社交媒体个人数据聚集增加了用户隐私泄露的风险。 社交媒体平台具有较强的网络效应，在进入移动通讯时代后，其用户群体规模持续扩大。这意味着，个人用户在社交媒体平台产生的“数据足迹”也越来越多。虽然社交媒体平台在用户注册使用社交媒体平台服务和产品之前都会需要用户对数据采集和使用权限进行确认授权，但是社交媒体平台并不能完全避免用户个人数据的被动泄露。所谓数据的被动泄露，是指社交媒体平台在不主动提供数据的情况下，个人或组织通过非法的途径获取社交媒体平台数据。黑客攻击是数据被动泄露的主要形式之一。聚集的个人数据意味着大量的用户数据集中于社交媒体平台，一旦发生数据的被动泄露，用户隐私泄露的风险远高于处于离散状态下的个人数据泄露。而且，由于聚集的个人数据往往具有更高的经济价值，也使得社交媒体平台成为网络攻击的主要对象之一。

(二)社交媒体个人数据制定反垄断规制的必要性

毫无疑问，社交媒体个人数据聚集是数据科学与技术创新的主要动力之一。然而，由于社交媒体产业具有较强的网络效应，一旦个人数据聚集就会导致整个产业的结构性成本上升。同时，随着个人数据聚集程度的提高，必然会导致数据资源集中少数社交媒体平台，使得整个社交媒体产业的进入门槛上升，进而破坏社交媒体产业的竞争环境。因此，有必要针对社交媒体个人数据聚集的垄断风险进行防范与规制。

首先，对社交媒体个人数据聚集的潜在垄断风险进行规制有利于产业创新驱动力的保持。大规模个人数据成为了社交媒体产业发展的结构性资源，这些数据不再通过人工的方式进行采集，而是由算法取而代之。通过一定的算法，这些个人数据可以按照预设的方式进行组合、排序以及输出[24]。不同类型的社交媒体平台对用户个人数据的使用目的和具体方式存在区别，因此算法也存在着差异。聚集的社交媒体个人数据意味着大量的个人数据资源集中于少数几个社交媒体平台，处于边缘的社交媒体平台无法获取足够的个人数据资源进行算法、设备以及其他技术的创新，继而导致整个产业的持续创新动力不足。通过对社交媒体个人数据聚集的反垄断规制可以有效降低结构性资源的垄断风险，有利于整个产业的持续创新。

其次，对社交媒体个人数据聚集的潜在垄断风险进行规制有利于市场竞争环境的保持。用户的个人数据已经发展成为市场竞争的关键因素，社交媒体多边市场提供的产品与服务源自于个人数据资源的投入。对聚集的社交媒体个人数据进行反垄断规制能够降低社交媒体平台使用个人数据资源的成本，进而降低多边市场中的产品和服务的价格。新进的社交媒体平台可以获得反垄断规制的溢出效应提供的创新动力，主要体现在市场准入障碍的减少及创新资源配置能力增强。长远来看，社交媒体的适度竞争可以促进社交媒体产业的多元化发展。

第三，对社交媒体个人数据聚集的潜在垄断风险进行规制有利于保护用户的隐私。在社交媒体平台上，用户的隐私与个人数据密切相关。社交媒体个人数据聚集虽然能够在短期内通过知识产权保护、数据库安全措施以及大规模数据备份对用户隐私进行保护，但是从长远来看聚集的社交媒体个人数据却更容易被处于垄断地位的社交媒体平台操控。具体表现为强制性或者在用户不知情的情况下，获取用户的行为数据，并且随着用户个人数据上传的规模上升，增加用户使用某一社交媒体平台的频率。用户黏性的增加，虽然对社交媒体平台而言是有利的，但是对于用户而言则增加了数据迁移的成本，无法自由实现不同社交媒体平台的转换使用。个人数据聚集程度越高的社交媒体平台，往往越难以实现用户个人数据的迁移。个人数据的自由迁移是用户隐私权利的重要组成部分。因此，反垄断规制能够有效促进用户隐私的保护。

第四，对社交媒体个人数据聚集的潜在垄断风险进行规制有利于反垄断规制手段的创新。反垄断的规制手段及相关政策并非一成不变。不同产业的垄断行为存在较大差异，同一产业在不同的发展阶段的潜在垄断风险也有所区别。随着信息通信技术产业的发展与成熟，多边市场的概念已经被广泛接受。社交媒体产业虽然与ICT高度相关，但又并不完全等同。由于多边市场的复杂结构以及个人数据价值难以界定，针对电信产业的反垄断政策与规制并不能够完全适用于数据驱动型社交媒体。对于个人数据聚集引起的潜在垄断风险进行防范与规制，能够为政府在新的市场环境下对反垄断政策与规制措施进行创新，以满足新的市场竞争保护要求。

五、结论与展望

基于个人数据资源聚集的数据驱动型社交媒体带来了新的产品、新的知识以及新的竞争优势。在产业领域，基于大规模社交媒体个人数据分析及挖掘的新一代商业情报分析系统使得全球制造服务业产业链变得更为高效，形成了更优的市场资源配置机制。在社会治理领域，数据驱动型社交媒体与其他技术的融合，使得城市的规划和建设变得更为合理，实时的地理信息数据使得每个人的出行变得更为简单和高效。在教育科研领域，数据驱动型社交媒体的应用使得更多的知识以更容易接受的方式得到传播。通过数据资源的开放获取，使得公众能够更多地了解科学技术的发展，并参与到创新的过程中。在未来，人工智能、量子计算和自动驾驶汽车等技术的发展和应用都将更倚赖社交媒体平台上的大规模个人数据资源。

随着大规模个人数据的进一步集中，应警惕数据资源市场配置机制失灵的发生。首先，由于互联网平台的开放性，使得数据资源源源不断地汇聚于各类平台。在市场机制的作用下，数据资源会集中到处于产业领先地位的平台上。这些平台通过对数据流动方向的控制，形成了一定的市场控制力。其次， 根据产品生命周期理论，产品或服务市场化应用的早期阶段，需要企业投入大量的资源以实现产品和服务的推广应用。因此数据资源的集中是数据驱动型产品和服务推广应用的必经阶段。最后，当相关的产品和服务的市场化应用相对成熟后，数据资源的过度集中将不利于市场竞争以及可持续创新。值得注意的是，各类数据中心已经成为网络攻击的重要对象，一旦发生网络攻击，携带大量用户信息的隐私数据将面临泄露的风险。因此，有必要对个人数据聚集引起的潜在垄断风险进行规制和干预。