论文部分内容阅读
【摘 要】 从反垄断法的角度看，数字经济时代，大数据在数据驱动型企业竞争中的地位日益凸显。为防止数据驱动型企业滥用大数据优势带来的市场支配地位以损害市场竞争甚至消费者利益，应当关注大数据与数据驱动型企业的市场支配地位来源之间的关系，考虑数据驱动型企业在相关市场的界定和市场支配地位的认定时的多方面因素，为数据驱动型企业的滥用市场支配地位的反垄断法规制打下基础。其中，数据驱动型企业的相关市场界定可以采取改良传统假定垄断者测试的方法，数据驱动型企业的市场支配地位的认定应当考虑数据获取的稀缺性问题以及数据收集的规模与范围问题。
【关键词】 大数据 数据驱动型 市场支配地位 市场力量
随着数字经济及大数据时代的到来，新的经济形势已经对反垄断法发出了新的挑战，数字经济领域可能存在的竞争法问题，尤其是大数据相关的反垄断法问题开始成为各国竞争法理论界与实务界关注的新热点。与此同时，近年来我国大数据产业发展迅速，势头正猛，数据交易日益频繁。2016年发布的《中华人民共和国国民经济和社会发展第十三个五年规划纲要》明确了“实施国家大数据战略”的提法。这意味着国家大数据战略将成为推动中国全方位深化改革的强劲动力之一。目前，不仅是国外学者开始讨论大数据相关的反垄断法问题，一些国家的竞争执法部门和竞争咨询机构等也开始关注与大数据相关的反垄断法问题。尤其是伴随着2015年5月欧盟委员会发布的《数字化单一市场战略》，欧盟委员会积极推动数字经济市场的竞争执法活动，包括法国、德国等在内的主要成员国也都积极进行数字经济领域的反垄断研究和调查。但是，我国学者对大数据相关的反垄断法问题的研究尚处在开始讨论的阶段，相关理论上存在很大空白。由于数据产业尚属于新兴产业，各类技术性、专业性问题对反垄断法的适用带来了诸多挑战。在此背景下，我们应当开始关注作为数据驱动型企业竞争性要素或“原料”的大数据与该类企业竞争力之间的直接关系，有必要从保护市场公平竞争乃至维护消费者利益的角度，对数据驱动型企业的市场支配地位问题进行探讨和分析。这需要我们结合数据驱动型企业的特点和大数据对数据驱动型企业的价值等問题，进行更加深入的分析，确定反垄断法视野下数字驱动型企业市场支配地位的认定方法和具体衡量因素。这对我国大数据产业的公平健康发展以及数字经济市场的企业公平竞争是大有裨益的，且具有一定现实意义。
一、大数据时代下的数据驱动型企业
（一）大数据的界定
互联网产业的深度发展使人类步入了大数据时代。大数据之父维克托·迈尔·舍恩伯格早就在其著作《大数据时代》中前瞻性地指出大数据带来的信息风暴将会带来思维变革，并提出了三大原则：不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。[1]
而按照2011年麦肯锡发布的《大数据：创新、竞争和生产力的下一个前沿领域》报告，“大数据”指的是一种数据集，且这种数据集的规模远超于传统数据库软件工具所能抓取、存储、管理和分析的数据范围。我们主要从大数据的海量（Volume）、高速（Velocity）、多样（Variety）和价值大（Value）四大特征来直观地理解大数据的内涵。其中，“海量”是指目前能够被收集到的各类数据种类多、数量大。“高速”是指收集、积累和分析、使用数据的速度快。“多样”是指大数据的来源和形式十分广泛。“价值大”是指企业通过大数据的分析和利用，以实现更为广泛的商业信息和商业价值为目的， 对海量而价值密度低的数据进行更为深入的挖掘和分析。
（二）大数据时代孕育数据驱动型企业
在互联网技术迅速发展的背景下，数字产业的勃发所带动的大数据时代，孕育了数据驱动型企业的出现——（数字）市场上出现了一些以收集和商业化使用数据（通常是个人数据）为商业模式进而实现巨大收益的公司。[2]2016年5月，法国竞争管理局与德国联邦卡特尔局联合发布的题为《竞争法与数据》的研究报告中则提到数据驱动型网络行业（data-driven online industries），报告指出，许多行业都会受到收集和使用数据所带来的影响。不过，目前（数字驱动型网络行业的）争论集中于在线服务，尤其是搜索引擎、社交网络和线上零售业。由于网络行业的特点，其往往比传统的实体店能收集到更多的数据，并且基于自动处理技术可以很快利用这些数据，用于营销或个性化推荐。[3]
同时按照互联网企业所提供的产品或服务的差别，我们可以将互联网企业分为互联网接入服务提供商（Internet Service Provider，简称ISP）；互联网内容提供商（Internet Content Provider，简称ICP）；互联网应用服务提供商（Application Service Provider，简称ASP）和互联网数据中心（Internet Data Center，简称IDC）。[4]而互联网内容提供商主要是提供具有网络效应的网络新闻、搜索引擎、网络广告、游戏娱乐、社交网络（如微博）、网络通讯（如即时通讯、微信） 、电子商务（如网上购物、交易平台）、网络服务（如软件下载） 等产品或服务的企业。
因此，总结起来，数据驱动型企业是指在互联网和数字经济时代中产生的，采取数据驱动型商业模式提供在线服务的一类互联网企业，它凭借网络行业特点（如双边市场、网络效应等），依托大数据技术以收集和商业化使用数据（通常是个人数据）用于营销或个性化推荐且主要集中于搜索引擎、社交网络和线上零售业行业。数据驱动型企业依托大数据技术来收集、分析、使用各类数据从而改进产品或服务的质量、增加企业的商业收益，这些数据是数据驱动型企业提供产品或服务的原料（input）。目前数据驱动型企业主要分布的行业集中于提供在线服务的行业，尤其是搜索引擎（search engines）、社交网络（social networking）和线上零售业（online retailing）。 数据驱动型企业具有双边市场以及网络效应的特点。数据驱动型企业是一类具有“媒介”特征的平台型互联网企业，其典型特点是具有双边市场特性，即企业向超过一边的用户提供产品或服务，一边向用户提供免费的产品或服务以获得大量用户数据，一边则通过向广告商、应用程序开发设计者等提供数据以获得盈利，两边市场相互影响。[5]而且数字驱动型企业竞争的激烈程度常常由直接或间接网络效应决定（direct or indirect network effects）。直接网络效应与网络规模有关，是指用户使用某项产品或服务所获得的价值直接取决于使用这一产品或服务的用户数量。间接网络效应是指用户使用某项产品或服务所获得的价值取决于使用该项产品或服务的其他不同群体的用户数量，平台一边市场的用户数量的增多使得平台对另一边市场用户变得更具吸引力。[6]两种网络效应可能同时存在。网络效应作为一种积极的外部效应可以使一个产品或服务变得更加有价值，但是网络效应也可能提高进入壁垒或增加用户转换成本以锁定用户进而对竞争造成负面影响。
（三）大数据对数据驱动型企业竞争的价值
概括来说，大数据对数据驱动型企业竞争的价值包括改进产品或服务质量、开发新的商机、提供定制化产品或服务等三个方面。
1.改进产品或服务质量
数据可以为企业提供改进产品或服务的机会。一方面通过学习效应（learning effect）进行，数字经济下的学习效应得益于各式各样的智能设备及嵌套其中的算法程序，数据驱动型企业在线平台的相关算法程序不断通过观察、追踪及其得到的反馈对产品或服务的功能进行优化和改良，从而提供更好的服务进而吸引更多的消费者用户同时获得更多的用户数据，取得规模效应带来的商业效益。另一方面，更多的数据对企业提供的服务本身来说就是至关重要的，即数据驱动型企业平台产品所承载的数据规模将可能影响平台本身的价值，例如某一数据驱动型企业同时提供地图导航、搜索引擎、社交网络、线上购物等产品或服务，那么该企业就可以通过所获得的多样数据进一步把握用户的兴趣和偏好，为用户提供更加个性化的搜索结果，[7]提升其产品或服务质量，在此情况下，企业产品或服务的改进在一定程度上取决于企业提升其产品的深度和广度以及维护数据库和提升用户体验的能力。
2.开发新的商机
大数据的一大特点在于多样，而“不同个体数据之间的关联，以及针对同一个个体不同数据类型之间的关联，将彻底改变以前我们熟悉的商业模式”。[8]大数据能够让企业通过挖掘、分析不同用户数据之间的关联性开拓新的商机，企业基于不同的目的对某一项产品或服务所收集的数据进行重新利用，可以提供新的产品或服务。例如，企业通过用户线上购物的历史记录或者社交平台上的言论取向等数据，可以评估用户的收入、社会地位、价值取向等各方面信息以“勾勒（profiling）用户的形象”，进而推断用户偏好并预测用户行为。
3.提供定制化产品或服务
个性化是大数据时代最显著的商业特征之一，是指为每一个终端消费者提供专属性的产品和服务。[9]数字经济时代，每个消费者用户的上网习惯、消费能力以及兴趣和偏好等都可以通过大数据工具进行挖掘和分析，数据驱动型企业就是利用线上交易的各类数据，分析线上市场供需状况以更好地进行用户定位、分析用户的需求，根据用户需求为用户提供定制化产品或服务。而为消费者用户提供更为准确且更具相关性的个性化广告，数据驱动型企业也可以获得更多的广告收入。与此同时，更多的消费者用户因其提供的定制化产品或服务而使用某一平台，提供该线上平台的数据驱动型企业也会吸引更多的广告商，产生滚雪球效应（snowball effect）。
二、数据驱动型企业相关市场的界定
相关市场的界定作为分析企业竞争行为的逻辑起点，在企业市场支配地位的认定中至关重要。在反垄断司法实践中，市场竞争效果和市场地位的分析主要基于对市场范围的确定，而确定企业竞争的市场范围需要先界定相关市场，因此，要判定企业是否拥有市场支配地位，必须以相关市场的界定为前提。
由于数字驱动型企业双边市场以及网络效应的特点，因此传统界定相关市场的方法在数字市场中遭遇到了困境。早在10多年前，欧盟部分专家在更特定的情形下已经警告过竞争执法部门，不要将单边的逻辑适用于双边市场。[10]既然传统方法不能准确界定数字驱动型企业相关市场的边界，这就需要对传统方法进行改良以准确界定相关市场。
假定垄断者测试法以经济学上的需求交叉价格弹性概念为基础，采用数据分析法，尽可能地避免了界定相关市场时反垄断执法机构可能带有的主观性，是相关市场界定的基本分析思路之一。假定垄断者测试通常是通过一个假设的“小幅度但很显著且非临时性的价格上涨”（幅度一般为5%—10%，期限一般为1年）来考察消费者对某一产品的该种价格上涨的反应，来考察消费者是否转向其他具有紧密替代关系的产品，直到该价格上涨不再使其消费者改变需求为止。如果是，则将该替代产品加入到相关产品市场中，直到出现某一个产品集合，假定垄断者通过价格上涨有利可图，由此界定出相关产品市场。假定垄断者测试的分析基础是产品的价格，假定垄断者测试关注的是具有“经济性”即有“价格”的商业关系。
虽然目前互联网行业普遍对消费者用户采取产品免费的模式，假定垄断者测试在消费者市场的分析基础看似不再存在，但是事实上在互联网行业中仍可以通过适用假定垄断者测试测试来界定相关市场。原因在于，在假定壟断者测试的基本阐释上，经济学家通常假定质量保持不变，然后来测度价格变化时产生的影响。不过数据驱动型企业所在行业的消费者需求的变化通常是取决于产品价格和产品质量两个因素。因此，我们也可以保持价格不变而改变质量。只有当消费者用户没有什么替代的产品可以选择时，一家企业才能够显著地降低质量从而节省开支，但销售额并没有明显下降。[11]所以尽管假定垄断者测试只使用价格上涨的方法，但产品质量的下降与价格的上涨其实是可以相等同的，因为在消费者一边的用户市场，消费者获得的产品价值随着质量的下降和价格的上涨而减损，从而引起消费者用户转向其它类似平台提供的产品或服务作为替代。[12]另外，数据驱动型企业向消费者用户提供的免费产品或服务不能等同于公益性的免费产品或服务，因为它仍然可以通过吸引消费者用户并借助广告来获得现实的或者可能的商业利益。[13]在双边市场中，向消费者提供“免费”服务就意味着还存在“双生”的补充产品。这两个产品的经济价值是相互交融的。由于利润最大化的企业如果不能够在其他地方获得利润，就不会免费提供服务或者产品，[14]而企业获得的利润就是消费者在一定程度上所放弃的个人隐私信息，正是消费者的信息数据提升了数据驱动型企业在广告商中的价值。因此，其实数据驱动型企业和消费者用户之间也存在着合同关系，[5]这种双边的合同关系是一种用户提供信息数据和数据驱动型企业提供产品或服务之间的交换。因此应该明确的是，免费的商品或服务构成反垄断法意义上的相关市场，消费者用户数据不仅可以被视为支付工具，而且也是数据驱动型企业竞争的因素之一。这一点在2016年7月1日公布的《德国反对限制竞争法》（GWB）第九次修订案中得到了印证。在此次修订案中，德国确立了相关市场界定的新指标：在§18市场支配地位的判定中新增2（a）和3（a）——2（a）规定经营者提供免费服务或产品可以被纳入相关市场。3（a）明确在认定多边平台和网络的市场地位（力量）时，应当考虑直接和间接网络效应、网络效应导致的规模效应、获取数据能力、多归属的可能性（同时使用多个平台服务和转换服务成本）以及创新压力。（§18，9.GWB—?ndG.） 总结来说，我们在对数据驱动型企业进行相关市场界定时不能忽视数据驱动型企业的双边市场特性。如果关注焦点仅局限于付费用户的广告市场，就会忽视该相关市场商业行为对处于“免费”市场的消费者所带来的影响。因此，首先在免费一边的用户市场，由于消费者获得产品或服务存在免费的现象，数据驱动型企业实际不向消费者用户要求货币对价，我们不直接适用以价格为基础的假定垄断者测试，而是遵循假定垄断者测试的分析思路——用质量下降代替价格上涨的方法将消费者一边的用户市场纳入相关市场审查，进行免费一边用户市场的相关市场界定。假设某一平台提供的产品或服务的质量下降或者小幅度但很显著且非临时性地提高潜在价格（如增加广告数量等），继而考察消费者是否会转向其他具有产品替代性的平台，如果是，则该其他平台提供的产品或服务进入相关候选市场，将假定垄断者的产品与该替代产品界定为同一相关市场。[15]其次在收费一边的用户市场，即以利用数据驱动型企业的平台投放广告的经营者构成的用户市场，由于这一边市场仍然以有价格的商业关系为基础，故可以继续遵循具体的传统假定垄断者测试法，运用“小幅度但很显著且非临时性的价格上涨”确定其他替代产品，界定相关市场。最后将双边市场中运用假定垄断者测试所确定的两边的相关市场进行合并，得出的市场范围即为该互联网产品的相关市场。该方法既遵循了传统假定垄断者测试的可取之处，也关注到了数据驱动型企业的双边市场特性，不失为界定数据驱动型企业相关市场的科学方法。
三、数据驱动型企业市场支配地位的认定
在考虑数据与市场支配地位的相关性即分析认定大数据优势是否会成为数据驱动型企业的市场支配地位的来源或者是否会强化数据驱动型企业的市场支配地位时，我们主要考虑两个因素：一是数据获取的稀缺性即数据可得性问题；二是数据收集的规模与范围问题。可以想见，如果某一数据驱动型企业拥有的数据能够无障碍地被其他企业获得，或者其他企业能够从第三方数据掮客那里获得进行有效竞争的替代数据，那么大数据优势成为数据驱动型企业市场支配地位的来源或其强化作用就会弱化。[16]而如果某一数据驱动型企业可以通过其大数据的优势战胜竞争对手，那么在大数据收集和开发方面处于劣势的其他数据驱动型企业将在竞争中无立足之地可言。
1.数据获取的稀缺性
如前文所述，“海量”是大数据的一大特征，大数据无处不在并且能够被广泛获取，数据驱动型企业能够收集到海量且广泛的用户数据。同时，至少从理论角度说，某个企业拥有和使用数据并不必然排斥其他企业对数据的拥有和使用。一家数据驱动型企业通过它提供的平台收集消费者用户的性别、年龄、社会阶层、职业、地理位置等客观信息很难成为商业秘密信息，因其并不能阻止其他竞争对手或者新的市场进入者获得同样的信息。[17]由此，大数据存在非排他性。但是，大数据的非排他性并不能表明所有竞争者都可以获取这些数据、都可以获得进行有效竞争所需的特定数据，比如用户在某一特定平台上所呈现的兴趣和偏好或线上购物的历史记录等并不能轻易被其竞争对手获取——技术、法律、合同的限制可能会削弱甚至去除数据固有的非排他性，使之具有排他性。[10]在一些反垄断案件中，竞争执法部门已经考虑到，尽管数据是非排他性的，但是获得这些数据在经济上可能是不可行的，所以排他性拥有这些数据可以被认定是拥有很强的竞争优势。[3]
具体来说，首先，获取数据的固定成本高。为了收集和开发海量数据，企业需要大额投资进行平台建设，而这种成本负担可能会限制小公司和新的市场进入者对数据的充分利用。其次，数据拥有者会对数据进行保护。既然数据收集和开发需要大额固定成本，那么拥有第一手（first-hand）数据的企业就有动机保留其所收集的数据而不对外公开或出售，愿意花费大量的财力和人力保证自身数据的安全。这些企业要保持大数据优势势必要确保对特定重要数据保有独享地位，为此，他们可能会选择以知识产权保护或合同条款来限制其他同类企业获得其用户隐私信息，排斥竞争对手获得特定数据，从而提高新进企业的市场准入难度。最后，不同渠道收集数据存在差异性。目前市场上已经广泛出现了数据掮客（data broker）。数据掮客是指在大数据经济中，通过收集用户个人信息并转售或者分享给其他公司的企业。数据掮客通过政府公开信息、社交网络等多种途径收集个人数据，并通过多种数据分析方法预测个人喜好、选择取向等信息，并将分析所得的信息出售给有需要的企业。从数据掮客这样的第三方那里固然可以获得数据，但是这并不意味着可以有效使用数据，第三方数据也会存在缺陷。相比于直接获得数据、拥有第一手数据的企业来说，第三方提供的数据可能面临数据质量不可控、第三方数据商转移数据购置成本等问题。关键在于，相比于第一手数据，第三方数据可能已经经过了清洗、脱敏、分析、挖掘等过程，数据的信息量会不完整，[9]虽然经过前期处理后的数据可能对于企业需求更有针对性，但在前期处理后第一手数据所包含的信息已经做了选择性处理，这其中丢失的信息可能会影响企业分析用戶数据的结果，影响企业决策甚至用户体验。
2.数据收集的规模与范围
大数据收集的规模与范围的优势也能够对企业的市场支配地位产生影响。首先，就数据收集的规模来说，虽然对从事搜索引擎服务业的数据驱动型企业来说，他们所收集的用作分析推断的数据的边际价值可能会随着数据达到一定数量之后而降低，因其预测的准确度可能会随之降低。但是并非所有的数据都只被用于分析推断，在另一些市场如线上零售业，企业所收集的数据常用作编译联系信息与使用信息，他们对数据集的每一次观察都会因为体现新的信息而拥有同样的价值，因为每次观察都能体现新的信息。[3]此时，对于从事线上零售业的数据驱动型企业，收集和分析的数据则是越多越好。另外，为了获得有价值的数据分析和推断结果，企业除了关注对数据集（dataset）得出的推断结果的质量，也会关注从数据集能够获得的观察值的数量。比如，一个小的数据集也可能足以帮助广告商或广告中介机构推断出消费者用户的购物偏好，但是要想让这一推断结果有价值，企业还需要拥有涉及大量个体的匹配性信息。[3]因此，小企业或者新的市场进入者即便拥有数据分析的能力，但是由于没有获得大量消费者用户的数据信息，就很难提供有针对性、相关性高的信息，消费者很难转向新进入市场者提供的平台和其提供的产品或服务。其次，就数据收集的范围来说，一个数据集的范围（scope）与其规模（scale）同样重要。数据集的价值不仅取决于其收集和分析的对象的数量，还取决于其从每个对象那里能够收集到的信息量。通过提供不同类型的服务，可以让企业收集到用户行为、兴趣偏好等多方面的信息，从而更好地了解用户，做出更为准确、更有价值的数据预测和推断结果。由于大企业平台上流动的数据量更多，产品类型更加丰富，从单个用户那里收集到的数据信息更多，那么相比于小企业或新的市场进入者而言，拥有大数据数量和规模优势的企业所作出的数据分析推断结果对企业的价值可能更大。 总之，执法部门在作数据驱动型企业的市场支配地位认定的分析时，应当考虑大数据的特点以及大数据在不同的市场上优势不尽相同的特点，进行个案分析。
四、结语
不可否认，数字经济时代，大数据日益成为一种基础性战略资源，并且大数据日益成为数字经济时代数据驱动型企业增强企业竞争势力甚至市场支配地位的一个新的重要变量。为营造和维护自由公平的数字市场竞争环境，也为了今后反垄断执法机构能够及时准确地对未来我国数字市场上可能存在的反竞争行为如滥用行为进行反垄断法规制，对数据驱动型企业市场支配地位进行认定必不可少。
由于数据驱动型企业有其特有的特性，因此数据驱动型企业市场支配地位的认定也应当在充分考虑该类企业特性的基础上来寻找、选择和完善相应对策，即反垄断执法机构应当考虑数字市场和数据驱动型企业的特点，结合新的经济形势，在认定数据驱动型企业的市场支配地位时进行具体分析，为该类企业实施滥用行为时进行反垄断规制打下基础。
【参考文献】
[1] [奥]维克托·迈尔·舍恩伯格.大数据时代（中译本）[M].杭州：浙江人民出版社，2012：30-60.
[2] 韩伟.数据驱动型并购的反垄断审查——以欧盟微软收购领英案为例[J].竞争法律与政策评论，2017（3）：143-170.
[3] Autorité de la concurrence， Bundeskartellamt. Competition Law and Data[EB/OL].（2016-5-10）[2017-12-20].http：//www.autoritedelaconcurrence.fr/doc/reportcompetitionlawanddatafinal.pdf.
[4] 张静敏.互联网络的经济学分析[M].北京：中国金融出版社，2010：13-14.
[5] GRUNES A. Another Look at Privacy[J]. Geo.Mason L.Rev.，2013，20（4）：1107-1127.
[6] Monopolkommission. Competition policy：The Challenge of Digital Markets[EB/OL].（2015-7-1）[2017-12-20].http：//www.monopolkommission.de/images/PDF/SG/s68_fulltext_eng.pdf.
[7] STUCKE M，EZRACHI A. Looking Up in the Data-Driven Economy[EB/OL].（2017-5-30）[2017-12-20]. http：//ssrn.com/abstract=2975510.
[8] 周濤.《为数据而生——大数据创新实践》[M].北京：北京联合出版公司，2016：35.
[9] 宁宣凤，吴涵.浅析大数据时代下数据对竞争的影响[J].汕头大学学报（人文社会科学版），2017，33（5）：90-98.
[10] BOURREAU M， STREEL A， GRAEF I. Big Data and Competition Policy：Market power， Personalised Pricing and Advertising[EB/OL]. （2017-3-7）[2017-12-20].https：//www.researchgate.net/publication/314261931.
[11] BAKER J. Market Definition：An Analytical Overview[J].Antitrust Law Journal，2007，74（1）：129-174.
[12] 徐炎.互联网领域相关市场界定研究——从互联网领域竞争特性切入[J].知识产权，2014（2）：68-75.
[13] 蒋岩波.互联网产业中相关市场界定的司法困境与出路——基于双边市场条件[J].法学家，2012（6）：58-74.
[14] EVANS D. The Antitrust Economics of Free[J].Electronic Journal，2011，7（1）：1-29.
[15] 李丹.互联网企业市场支配地位的认定[J]. 河北法学，2015，33（7）：170-180.
[16] 韩伟，李正.大数据与企业市场力量[J].中国物价，2016（7）：49-52.
[17] GRAEF I.Market Definition and Market Power in Data：The Case of Online Platforms[J].World Competition：Law and Economics Review，2015（38）：473-506.
作者简介：金逸权（1993-），女，汉，浙江杭州。硕士研究生在读，浙江理工大学，310018，经济法方向。
【关键词】 大数据 数据驱动型 市场支配地位 市场力量
随着数字经济及大数据时代的到来，新的经济形势已经对反垄断法发出了新的挑战，数字经济领域可能存在的竞争法问题，尤其是大数据相关的反垄断法问题开始成为各国竞争法理论界与实务界关注的新热点。与此同时，近年来我国大数据产业发展迅速，势头正猛，数据交易日益频繁。2016年发布的《中华人民共和国国民经济和社会发展第十三个五年规划纲要》明确了“实施国家大数据战略”的提法。这意味着国家大数据战略将成为推动中国全方位深化改革的强劲动力之一。目前，不仅是国外学者开始讨论大数据相关的反垄断法问题，一些国家的竞争执法部门和竞争咨询机构等也开始关注与大数据相关的反垄断法问题。尤其是伴随着2015年5月欧盟委员会发布的《数字化单一市场战略》，欧盟委员会积极推动数字经济市场的竞争执法活动，包括法国、德国等在内的主要成员国也都积极进行数字经济领域的反垄断研究和调查。但是，我国学者对大数据相关的反垄断法问题的研究尚处在开始讨论的阶段，相关理论上存在很大空白。由于数据产业尚属于新兴产业，各类技术性、专业性问题对反垄断法的适用带来了诸多挑战。在此背景下，我们应当开始关注作为数据驱动型企业竞争性要素或“原料”的大数据与该类企业竞争力之间的直接关系，有必要从保护市场公平竞争乃至维护消费者利益的角度，对数据驱动型企业的市场支配地位问题进行探讨和分析。这需要我们结合数据驱动型企业的特点和大数据对数据驱动型企业的价值等問题，进行更加深入的分析，确定反垄断法视野下数字驱动型企业市场支配地位的认定方法和具体衡量因素。这对我国大数据产业的公平健康发展以及数字经济市场的企业公平竞争是大有裨益的，且具有一定现实意义。
一、大数据时代下的数据驱动型企业
（一）大数据的界定
互联网产业的深度发展使人类步入了大数据时代。大数据之父维克托·迈尔·舍恩伯格早就在其著作《大数据时代》中前瞻性地指出大数据带来的信息风暴将会带来思维变革，并提出了三大原则：不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。[1]
而按照2011年麦肯锡发布的《大数据：创新、竞争和生产力的下一个前沿领域》报告，“大数据”指的是一种数据集，且这种数据集的规模远超于传统数据库软件工具所能抓取、存储、管理和分析的数据范围。我们主要从大数据的海量（Volume）、高速（Velocity）、多样（Variety）和价值大（Value）四大特征来直观地理解大数据的内涵。其中，“海量”是指目前能够被收集到的各类数据种类多、数量大。“高速”是指收集、积累和分析、使用数据的速度快。“多样”是指大数据的来源和形式十分广泛。“价值大”是指企业通过大数据的分析和利用，以实现更为广泛的商业信息和商业价值为目的， 对海量而价值密度低的数据进行更为深入的挖掘和分析。
（二）大数据时代孕育数据驱动型企业
在互联网技术迅速发展的背景下，数字产业的勃发所带动的大数据时代，孕育了数据驱动型企业的出现——（数字）市场上出现了一些以收集和商业化使用数据（通常是个人数据）为商业模式进而实现巨大收益的公司。[2]2016年5月，法国竞争管理局与德国联邦卡特尔局联合发布的题为《竞争法与数据》的研究报告中则提到数据驱动型网络行业（data-driven online industries），报告指出，许多行业都会受到收集和使用数据所带来的影响。不过，目前（数字驱动型网络行业的）争论集中于在线服务，尤其是搜索引擎、社交网络和线上零售业。由于网络行业的特点，其往往比传统的实体店能收集到更多的数据，并且基于自动处理技术可以很快利用这些数据，用于营销或个性化推荐。[3]
同时按照互联网企业所提供的产品或服务的差别，我们可以将互联网企业分为互联网接入服务提供商（Internet Service Provider，简称ISP）；互联网内容提供商（Internet Content Provider，简称ICP）；互联网应用服务提供商（Application Service Provider，简称ASP）和互联网数据中心（Internet Data Center，简称IDC）。[4]而互联网内容提供商主要是提供具有网络效应的网络新闻、搜索引擎、网络广告、游戏娱乐、社交网络（如微博）、网络通讯（如即时通讯、微信） 、电子商务（如网上购物、交易平台）、网络服务（如软件下载） 等产品或服务的企业。
因此，总结起来，数据驱动型企业是指在互联网和数字经济时代中产生的，采取数据驱动型商业模式提供在线服务的一类互联网企业，它凭借网络行业特点（如双边市场、网络效应等），依托大数据技术以收集和商业化使用数据（通常是个人数据）用于营销或个性化推荐且主要集中于搜索引擎、社交网络和线上零售业行业。数据驱动型企业依托大数据技术来收集、分析、使用各类数据从而改进产品或服务的质量、增加企业的商业收益，这些数据是数据驱动型企业提供产品或服务的原料（input）。目前数据驱动型企业主要分布的行业集中于提供在线服务的行业，尤其是搜索引擎（search engines）、社交网络（social networking）和线上零售业（online retailing）。 数据驱动型企业具有双边市场以及网络效应的特点。数据驱动型企业是一类具有“媒介”特征的平台型互联网企业，其典型特点是具有双边市场特性，即企业向超过一边的用户提供产品或服务，一边向用户提供免费的产品或服务以获得大量用户数据，一边则通过向广告商、应用程序开发设计者等提供数据以获得盈利，两边市场相互影响。[5]而且数字驱动型企业竞争的激烈程度常常由直接或间接网络效应决定（direct or indirect network effects）。直接网络效应与网络规模有关，是指用户使用某项产品或服务所获得的价值直接取决于使用这一产品或服务的用户数量。间接网络效应是指用户使用某项产品或服务所获得的价值取决于使用该项产品或服务的其他不同群体的用户数量，平台一边市场的用户数量的增多使得平台对另一边市场用户变得更具吸引力。[6]两种网络效应可能同时存在。网络效应作为一种积极的外部效应可以使一个产品或服务变得更加有价值，但是网络效应也可能提高进入壁垒或增加用户转换成本以锁定用户进而对竞争造成负面影响。
（三）大数据对数据驱动型企业竞争的价值
概括来说，大数据对数据驱动型企业竞争的价值包括改进产品或服务质量、开发新的商机、提供定制化产品或服务等三个方面。
1.改进产品或服务质量
数据可以为企业提供改进产品或服务的机会。一方面通过学习效应（learning effect）进行，数字经济下的学习效应得益于各式各样的智能设备及嵌套其中的算法程序，数据驱动型企业在线平台的相关算法程序不断通过观察、追踪及其得到的反馈对产品或服务的功能进行优化和改良，从而提供更好的服务进而吸引更多的消费者用户同时获得更多的用户数据，取得规模效应带来的商业效益。另一方面，更多的数据对企业提供的服务本身来说就是至关重要的，即数据驱动型企业平台产品所承载的数据规模将可能影响平台本身的价值，例如某一数据驱动型企业同时提供地图导航、搜索引擎、社交网络、线上购物等产品或服务，那么该企业就可以通过所获得的多样数据进一步把握用户的兴趣和偏好，为用户提供更加个性化的搜索结果，[7]提升其产品或服务质量，在此情况下，企业产品或服务的改进在一定程度上取决于企业提升其产品的深度和广度以及维护数据库和提升用户体验的能力。
2.开发新的商机
大数据的一大特点在于多样，而“不同个体数据之间的关联，以及针对同一个个体不同数据类型之间的关联，将彻底改变以前我们熟悉的商业模式”。[8]大数据能够让企业通过挖掘、分析不同用户数据之间的关联性开拓新的商机，企业基于不同的目的对某一项产品或服务所收集的数据进行重新利用，可以提供新的产品或服务。例如，企业通过用户线上购物的历史记录或者社交平台上的言论取向等数据，可以评估用户的收入、社会地位、价值取向等各方面信息以“勾勒（profiling）用户的形象”，进而推断用户偏好并预测用户行为。
3.提供定制化产品或服务
个性化是大数据时代最显著的商业特征之一，是指为每一个终端消费者提供专属性的产品和服务。[9]数字经济时代，每个消费者用户的上网习惯、消费能力以及兴趣和偏好等都可以通过大数据工具进行挖掘和分析，数据驱动型企业就是利用线上交易的各类数据，分析线上市场供需状况以更好地进行用户定位、分析用户的需求，根据用户需求为用户提供定制化产品或服务。而为消费者用户提供更为准确且更具相关性的个性化广告，数据驱动型企业也可以获得更多的广告收入。与此同时，更多的消费者用户因其提供的定制化产品或服务而使用某一平台，提供该线上平台的数据驱动型企业也会吸引更多的广告商，产生滚雪球效应（snowball effect）。
二、数据驱动型企业相关市场的界定
相关市场的界定作为分析企业竞争行为的逻辑起点，在企业市场支配地位的认定中至关重要。在反垄断司法实践中，市场竞争效果和市场地位的分析主要基于对市场范围的确定，而确定企业竞争的市场范围需要先界定相关市场，因此，要判定企业是否拥有市场支配地位，必须以相关市场的界定为前提。
由于数字驱动型企业双边市场以及网络效应的特点，因此传统界定相关市场的方法在数字市场中遭遇到了困境。早在10多年前，欧盟部分专家在更特定的情形下已经警告过竞争执法部门，不要将单边的逻辑适用于双边市场。[10]既然传统方法不能准确界定数字驱动型企业相关市场的边界，这就需要对传统方法进行改良以准确界定相关市场。
假定垄断者测试法以经济学上的需求交叉价格弹性概念为基础，采用数据分析法，尽可能地避免了界定相关市场时反垄断执法机构可能带有的主观性，是相关市场界定的基本分析思路之一。假定垄断者测试通常是通过一个假设的“小幅度但很显著且非临时性的价格上涨”（幅度一般为5%—10%，期限一般为1年）来考察消费者对某一产品的该种价格上涨的反应，来考察消费者是否转向其他具有紧密替代关系的产品，直到该价格上涨不再使其消费者改变需求为止。如果是，则将该替代产品加入到相关产品市场中，直到出现某一个产品集合，假定垄断者通过价格上涨有利可图，由此界定出相关产品市场。假定垄断者测试的分析基础是产品的价格，假定垄断者测试关注的是具有“经济性”即有“价格”的商业关系。
虽然目前互联网行业普遍对消费者用户采取产品免费的模式，假定垄断者测试在消费者市场的分析基础看似不再存在，但是事实上在互联网行业中仍可以通过适用假定垄断者测试测试来界定相关市场。原因在于，在假定壟断者测试的基本阐释上，经济学家通常假定质量保持不变，然后来测度价格变化时产生的影响。不过数据驱动型企业所在行业的消费者需求的变化通常是取决于产品价格和产品质量两个因素。因此，我们也可以保持价格不变而改变质量。只有当消费者用户没有什么替代的产品可以选择时，一家企业才能够显著地降低质量从而节省开支，但销售额并没有明显下降。[11]所以尽管假定垄断者测试只使用价格上涨的方法，但产品质量的下降与价格的上涨其实是可以相等同的，因为在消费者一边的用户市场，消费者获得的产品价值随着质量的下降和价格的上涨而减损，从而引起消费者用户转向其它类似平台提供的产品或服务作为替代。[12]另外，数据驱动型企业向消费者用户提供的免费产品或服务不能等同于公益性的免费产品或服务，因为它仍然可以通过吸引消费者用户并借助广告来获得现实的或者可能的商业利益。[13]在双边市场中，向消费者提供“免费”服务就意味着还存在“双生”的补充产品。这两个产品的经济价值是相互交融的。由于利润最大化的企业如果不能够在其他地方获得利润，就不会免费提供服务或者产品，[14]而企业获得的利润就是消费者在一定程度上所放弃的个人隐私信息，正是消费者的信息数据提升了数据驱动型企业在广告商中的价值。因此，其实数据驱动型企业和消费者用户之间也存在着合同关系，[5]这种双边的合同关系是一种用户提供信息数据和数据驱动型企业提供产品或服务之间的交换。因此应该明确的是，免费的商品或服务构成反垄断法意义上的相关市场，消费者用户数据不仅可以被视为支付工具，而且也是数据驱动型企业竞争的因素之一。这一点在2016年7月1日公布的《德国反对限制竞争法》（GWB）第九次修订案中得到了印证。在此次修订案中，德国确立了相关市场界定的新指标：在§18市场支配地位的判定中新增2（a）和3（a）——2（a）规定经营者提供免费服务或产品可以被纳入相关市场。3（a）明确在认定多边平台和网络的市场地位（力量）时，应当考虑直接和间接网络效应、网络效应导致的规模效应、获取数据能力、多归属的可能性（同时使用多个平台服务和转换服务成本）以及创新压力。（§18，9.GWB—?ndG.） 总结来说，我们在对数据驱动型企业进行相关市场界定时不能忽视数据驱动型企业的双边市场特性。如果关注焦点仅局限于付费用户的广告市场，就会忽视该相关市场商业行为对处于“免费”市场的消费者所带来的影响。因此，首先在免费一边的用户市场，由于消费者获得产品或服务存在免费的现象，数据驱动型企业实际不向消费者用户要求货币对价，我们不直接适用以价格为基础的假定垄断者测试，而是遵循假定垄断者测试的分析思路——用质量下降代替价格上涨的方法将消费者一边的用户市场纳入相关市场审查，进行免费一边用户市场的相关市场界定。假设某一平台提供的产品或服务的质量下降或者小幅度但很显著且非临时性地提高潜在价格（如增加广告数量等），继而考察消费者是否会转向其他具有产品替代性的平台，如果是，则该其他平台提供的产品或服务进入相关候选市场，将假定垄断者的产品与该替代产品界定为同一相关市场。[15]其次在收费一边的用户市场，即以利用数据驱动型企业的平台投放广告的经营者构成的用户市场，由于这一边市场仍然以有价格的商业关系为基础，故可以继续遵循具体的传统假定垄断者测试法，运用“小幅度但很显著且非临时性的价格上涨”确定其他替代产品，界定相关市场。最后将双边市场中运用假定垄断者测试所确定的两边的相关市场进行合并，得出的市场范围即为该互联网产品的相关市场。该方法既遵循了传统假定垄断者测试的可取之处，也关注到了数据驱动型企业的双边市场特性，不失为界定数据驱动型企业相关市场的科学方法。
三、数据驱动型企业市场支配地位的认定
在考虑数据与市场支配地位的相关性即分析认定大数据优势是否会成为数据驱动型企业的市场支配地位的来源或者是否会强化数据驱动型企业的市场支配地位时，我们主要考虑两个因素：一是数据获取的稀缺性即数据可得性问题；二是数据收集的规模与范围问题。可以想见，如果某一数据驱动型企业拥有的数据能够无障碍地被其他企业获得，或者其他企业能够从第三方数据掮客那里获得进行有效竞争的替代数据，那么大数据优势成为数据驱动型企业市场支配地位的来源或其强化作用就会弱化。[16]而如果某一数据驱动型企业可以通过其大数据的优势战胜竞争对手，那么在大数据收集和开发方面处于劣势的其他数据驱动型企业将在竞争中无立足之地可言。
1.数据获取的稀缺性
如前文所述，“海量”是大数据的一大特征，大数据无处不在并且能够被广泛获取，数据驱动型企业能够收集到海量且广泛的用户数据。同时，至少从理论角度说，某个企业拥有和使用数据并不必然排斥其他企业对数据的拥有和使用。一家数据驱动型企业通过它提供的平台收集消费者用户的性别、年龄、社会阶层、职业、地理位置等客观信息很难成为商业秘密信息，因其并不能阻止其他竞争对手或者新的市场进入者获得同样的信息。[17]由此，大数据存在非排他性。但是，大数据的非排他性并不能表明所有竞争者都可以获取这些数据、都可以获得进行有效竞争所需的特定数据，比如用户在某一特定平台上所呈现的兴趣和偏好或线上购物的历史记录等并不能轻易被其竞争对手获取——技术、法律、合同的限制可能会削弱甚至去除数据固有的非排他性，使之具有排他性。[10]在一些反垄断案件中，竞争执法部门已经考虑到，尽管数据是非排他性的，但是获得这些数据在经济上可能是不可行的，所以排他性拥有这些数据可以被认定是拥有很强的竞争优势。[3]
具体来说，首先，获取数据的固定成本高。为了收集和开发海量数据，企业需要大额投资进行平台建设，而这种成本负担可能会限制小公司和新的市场进入者对数据的充分利用。其次，数据拥有者会对数据进行保护。既然数据收集和开发需要大额固定成本，那么拥有第一手（first-hand）数据的企业就有动机保留其所收集的数据而不对外公开或出售，愿意花费大量的财力和人力保证自身数据的安全。这些企业要保持大数据优势势必要确保对特定重要数据保有独享地位，为此，他们可能会选择以知识产权保护或合同条款来限制其他同类企业获得其用户隐私信息，排斥竞争对手获得特定数据，从而提高新进企业的市场准入难度。最后，不同渠道收集数据存在差异性。目前市场上已经广泛出现了数据掮客（data broker）。数据掮客是指在大数据经济中，通过收集用户个人信息并转售或者分享给其他公司的企业。数据掮客通过政府公开信息、社交网络等多种途径收集个人数据，并通过多种数据分析方法预测个人喜好、选择取向等信息，并将分析所得的信息出售给有需要的企业。从数据掮客这样的第三方那里固然可以获得数据，但是这并不意味着可以有效使用数据，第三方数据也会存在缺陷。相比于直接获得数据、拥有第一手数据的企业来说，第三方提供的数据可能面临数据质量不可控、第三方数据商转移数据购置成本等问题。关键在于，相比于第一手数据，第三方数据可能已经经过了清洗、脱敏、分析、挖掘等过程，数据的信息量会不完整，[9]虽然经过前期处理后的数据可能对于企业需求更有针对性，但在前期处理后第一手数据所包含的信息已经做了选择性处理，这其中丢失的信息可能会影响企业分析用戶数据的结果，影响企业决策甚至用户体验。
2.数据收集的规模与范围
大数据收集的规模与范围的优势也能够对企业的市场支配地位产生影响。首先，就数据收集的规模来说，虽然对从事搜索引擎服务业的数据驱动型企业来说，他们所收集的用作分析推断的数据的边际价值可能会随着数据达到一定数量之后而降低，因其预测的准确度可能会随之降低。但是并非所有的数据都只被用于分析推断，在另一些市场如线上零售业，企业所收集的数据常用作编译联系信息与使用信息，他们对数据集的每一次观察都会因为体现新的信息而拥有同样的价值，因为每次观察都能体现新的信息。[3]此时，对于从事线上零售业的数据驱动型企业，收集和分析的数据则是越多越好。另外，为了获得有价值的数据分析和推断结果，企业除了关注对数据集（dataset）得出的推断结果的质量，也会关注从数据集能够获得的观察值的数量。比如，一个小的数据集也可能足以帮助广告商或广告中介机构推断出消费者用户的购物偏好，但是要想让这一推断结果有价值，企业还需要拥有涉及大量个体的匹配性信息。[3]因此，小企业或者新的市场进入者即便拥有数据分析的能力，但是由于没有获得大量消费者用户的数据信息，就很难提供有针对性、相关性高的信息，消费者很难转向新进入市场者提供的平台和其提供的产品或服务。其次，就数据收集的范围来说，一个数据集的范围（scope）与其规模（scale）同样重要。数据集的价值不仅取决于其收集和分析的对象的数量，还取决于其从每个对象那里能够收集到的信息量。通过提供不同类型的服务，可以让企业收集到用户行为、兴趣偏好等多方面的信息，从而更好地了解用户，做出更为准确、更有价值的数据预测和推断结果。由于大企业平台上流动的数据量更多，产品类型更加丰富，从单个用户那里收集到的数据信息更多，那么相比于小企业或新的市场进入者而言，拥有大数据数量和规模优势的企业所作出的数据分析推断结果对企业的价值可能更大。 总之，执法部门在作数据驱动型企业的市场支配地位认定的分析时，应当考虑大数据的特点以及大数据在不同的市场上优势不尽相同的特点，进行个案分析。
四、结语
不可否认，数字经济时代，大数据日益成为一种基础性战略资源，并且大数据日益成为数字经济时代数据驱动型企业增强企业竞争势力甚至市场支配地位的一个新的重要变量。为营造和维护自由公平的数字市场竞争环境，也为了今后反垄断执法机构能够及时准确地对未来我国数字市场上可能存在的反竞争行为如滥用行为进行反垄断法规制，对数据驱动型企业市场支配地位进行认定必不可少。
由于数据驱动型企业有其特有的特性，因此数据驱动型企业市场支配地位的认定也应当在充分考虑该类企业特性的基础上来寻找、选择和完善相应对策，即反垄断执法机构应当考虑数字市场和数据驱动型企业的特点，结合新的经济形势，在认定数据驱动型企业的市场支配地位时进行具体分析，为该类企业实施滥用行为时进行反垄断规制打下基础。
【参考文献】
[1] [奥]维克托·迈尔·舍恩伯格.大数据时代（中译本）[M].杭州：浙江人民出版社，2012：30-60.
[2] 韩伟.数据驱动型并购的反垄断审查——以欧盟微软收购领英案为例[J].竞争法律与政策评论，2017（3）：143-170.
[3] Autorité de la concurrence， Bundeskartellamt. Competition Law and Data[EB/OL].（2016-5-10）[2017-12-20].http：//www.autoritedelaconcurrence.fr/doc/reportcompetitionlawanddatafinal.pdf.
[4] 张静敏.互联网络的经济学分析[M].北京：中国金融出版社，2010：13-14.
[5] GRUNES A. Another Look at Privacy[J]. Geo.Mason L.Rev.，2013，20（4）：1107-1127.
[6] Monopolkommission. Competition policy：The Challenge of Digital Markets[EB/OL].（2015-7-1）[2017-12-20].http：//www.monopolkommission.de/images/PDF/SG/s68_fulltext_eng.pdf.
[7] STUCKE M，EZRACHI A. Looking Up in the Data-Driven Economy[EB/OL].（2017-5-30）[2017-12-20]. http：//ssrn.com/abstract=2975510.
[8] 周濤.《为数据而生——大数据创新实践》[M].北京：北京联合出版公司，2016：35.
[9] 宁宣凤，吴涵.浅析大数据时代下数据对竞争的影响[J].汕头大学学报（人文社会科学版），2017，33（5）：90-98.
[10] BOURREAU M， STREEL A， GRAEF I. Big Data and Competition Policy：Market power， Personalised Pricing and Advertising[EB/OL]. （2017-3-7）[2017-12-20].https：//www.researchgate.net/publication/314261931.
[11] BAKER J. Market Definition：An Analytical Overview[J].Antitrust Law Journal，2007，74（1）：129-174.
[12] 徐炎.互联网领域相关市场界定研究——从互联网领域竞争特性切入[J].知识产权，2014（2）：68-75.
[13] 蒋岩波.互联网产业中相关市场界定的司法困境与出路——基于双边市场条件[J].法学家，2012（6）：58-74.
[14] EVANS D. The Antitrust Economics of Free[J].Electronic Journal，2011，7（1）：1-29.
[15] 李丹.互联网企业市场支配地位的认定[J]. 河北法学，2015，33（7）：170-180.
[16] 韩伟，李正.大数据与企业市场力量[J].中国物价，2016（7）：49-52.
[17] GRAEF I.Market Definition and Market Power in Data：The Case of Online Platforms[J].World Competition：Law and Economics Review，2015（38）：473-506.
作者简介：金逸权（1993-），女，汉，浙江杭州。硕士研究生在读，浙江理工大学，310018，经济法方向。