大数据领域反垄断规制的理论证成与制度构建

叶明 李鑫

摘    要：随着大数据拓展领域加深，数据带来的市场优势价值凸显出来，企业利用大数据实施垄断行为的可能性也随之增加。在国外，对于大数据领域是否需要反垄断干预的问题仍存在不小的争议。而现实中，企业对大数据的不当利用催生出大数据的反竞争效果，创新需要的呼应与反垄断法规制特点的适配性反映出大数据领域反垄断规制正当性，数据驱动型并购、算法共谋、滥用数据市场支配地位行为的危害，体现出大数据领域反垄断规制的必要性。对此，建议从理念与路径两个层面审视，采取包容审慎态度，坚持鼓励创新、适度干预，对传统反垄断法进行保留与创新，在严厉规制与创新激励之间寻求平衡。

关键词：大数据;反垄断;规制;理论证成;制度选择

中图分类号：D 912.29                     文献标识码：A                    文章编号：2096-9783（2021）01-0001-09

一、问题的提出

近年来，数字经济已经成为推动全球经济可持续发展的重要引擎。作为数字经济的中枢神经，“大数据”的基础性与核心性地位逐渐显现。在我国，大数据不仅成为互联网企业立足市场、占据鳌头的关键资产，还上升成为国家发展规划的重要部分。党的十八届五中全会提出“实施国家大数据战略”，国务院印发《促进大数据发展行动纲要》，2020年3月中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，提出“加快培育数据要素市场”，将数据与土地、劳动力、资本、技术并列为五大生产要素。在国家政策的推动下，我国大数据产业成长迅速，据统计数据显示，“2019年我国大数据市场总体收益达96亿美元，2019年至2023年预测期内的复合年均增长率为23.5%，均速高于全球平均水平。”1而且，2020年突发的新冠疫情推动了数字经济的发展进程，电子商务、线上会议、网络视频、网络游戏等领域迎来了新的繁荣，大数据产业发展形势一片向好。

然而，随着大数据的商用进程加快，围绕着数据的争议性事件也频频发生。在国内，从几年前的“顺丰与菜鸟数据之争”、“腾讯华为数据之争”、“新浪微博诉陌陌案”，再到疫情期间的“微信封禁飞书”事件，市场竞争不充分、用户权益未得到有效保障等问题锋芒毕现。如今，国内研究主要集中在对大数据领域垄断行为的规制上，但在国外，对于大数据领域是否需要用反垄断法进行干预仍存在不小的争议。一些学者赞成在大数据领域采取更加积极主动的反垄断执法[1]，另一派则反对对此类行为进行干预，认为反垄断法不适合于大数据监管[2]。而大数据领域是否需要反垄断法进行规制的争议对大数据领域的经济活动至关重要，关涉到市场竞争状况与消费者福利。因此，本文从归纳大数据在应用中展现的特性谈起，通过分析大数据领域反垄断规制的正当性与必要性，对“大数据领域需要反垄断规制”这一论点进行理论证成，并在此基础上提出立足于我国国情的反垄断法规制路径，从而保障大数据领域持续高速增长态势，驱动我国信息产业的健康发展。

二、大数据的应用特性引致反竞争效果

世界领先的咨询公司麦肯锡率先提出“大数据”这一用语，并将其概括为大小超出常规的数据库工具来获取、存储、管理和分析能力的数据集[3]。经过几年发展，大数据也从一开始的“3V”、“4V”，成长到兼具大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）、真实性（Veracity）的5V属性。透过大数据的5V属性，可以窥知其在具体应用中展现的特性。而判断大数据领域是否需要反垄断干预的问题，有必要首先对大数据的应用特性进行客观分析。

（一）数据控制者行为颠覆了数据的非排他性

在互联网、移动终端普及率年年攀升的今天，使用网络的人数增多、场景扩张，用户不经意间的下载、浏览、点击都会产生大量数据，数据仿佛“触手可得”，极易获取，而且数据易复制且成本低廉，在云储存的不断发展下，用提供云空间的应用软件进行无线传输，打破了时间空间的限制，以高速度、永久性成为进行数据传输的主要方式。有学者提出，数据是非排他的、非对抗的、易于收集的[4];没有任何协议（价格或其他非价格约定）可以阻止用户仅与一个提供商共享他们的数据[5]。但实际上，在市场中数据控制者的行为下，数据的非排他性会被颠覆。2018年5月，欧盟出台《通用数据保护条例》（General Data Protection Regulation，以下简称GDPR），其中第四条第（6）款规定，“个人数据的控制者是能够单独或与其他主体一起决定个人数据处理目的和方法的自然人、法人或者公权力机关、机构或者其他主体。”明确了数据控制者的数据处理权，申言之，数据控制者可以决定是否分享、披露数据，与谁共享数据。例如菜鸟顺丰数据之争，表面上是数据端口关闭引起的争端，实际上是顺丰拒绝从腾讯云切换到阿里云，阻止菜鸟通过阿里云获取其所掌握的数据。可见，互联网公司虽可以时刻获取用户原始数据，但数据控制者仍可以通过停止合作、排他协议等手段来拒绝相对方获得自身已形成规模的细分领域数据库，从而使大数据产生排他的效果。

（二）高处理成本削减了数据市场的低准入门槛

原始数据易获得、数量大的特点，使得大数据市场的准入门槛较低，无论企业规模大小，均可获得大量数据并针对其业务对数据进行处理。然而，数据形式繁复、产生快速，对处理数据的能力提出了更專业的要求。只有具备与快速增长数据量相应的数据处理速度，才能使得大量数据得到有效利用，否则不断激增的数据不但不能为企业带来优势，反而成了迅速解决问题的桎梏[6]。这种专业要求带来了沉重的成本负担，而这种成本的承担能力不具有普遍性。此外，大数据主要关联非结构化数据使其价值密度偏低，进一步提高了数据处理成本。传统的结构化数据，具有高度组织并使用统一结构表示，容易搜索到想要的信息。但是大数据往往采用全部原始数据，涵盖各种图片、文字、语音、视频动画信息，不定量不进行数据标记，这样虽然可以处理分析更多的数据，能够精准地描绘用户个人肖像以及事物细节，但也带来了许多无用甚至是错误数据，使得大数据的价值密度较低。而大数据的众多应用场景需要在极短时间内得到结果，若在时间上拖延，一些处理过程则无意义，导致大数据的处理要求高难度大，相应的成本也居高不下。

（三）传导优势效应缓和了数据的价值递减规律

数据数量及质量的价值会随着数据控制者的增加及时间的推移而降低，即存在数据价值递减规律。若某种数据人人均可获得，则其能够呈现的价值则微乎其微，反之则具备较高价值。例如顺丰虽在菜鸟的流量占比处于下风，但顺丰市场主要针对中高端用户，与“三通一达”2的数据重合度低，因此其数据价值更高。此外，数据价值与其新旧也存在关联。数据库专家洛克伍德·里昂指出： “数据的使用寿命有限——旧数据不如新数据有价值，而且随着时间的推移，数据的价值会大大降低。”[7]数据的时效性使得数据控制者只有紧追新数据，才能保持市场竞争优势。

然而，大规模数据控制者能够利用既存领域的相对优势地位，进行优势传导，缓和了数据价值的递减。随着我国C端市场增长放缓，互联网巨头们开始探索“跨界生态商业模式”。其粉碎了传统工业经济清晰的边界区分，通过纵向整合跨界产业链，横向扩张用户关系网络，完成互联网产业的生态重构。在此过程中，大数据的传导优势发挥了关键性作用，经营者在一个领域的优势通过数据的互联互通与低成本传导到另一个领域，平台企业的市场支配地位进一步增强，利用大数据实施垄断行为的可能性也逐渐提高，例如谷歌通过操纵搜索结果偏袒自家对比购物服务。有学者指出，大型平台利用数据强大的市场反馈与预测功能，通过算法和数据优势传导，打破基于工业经济的相关产品市场和相关地域市场的明确界限，有效链接“不相关市场”或“未来市场”，形成在纵向与横向市场上的跨时空竞争优势[8]。

（四）用户锁定效应遏制了数据的多归属性

数据具有多归属性（muiti-homing）。同一用户的数据信息可以被其使用的所有应用在合理范围内收集，当用户选择同一细分领域的多个应用使用时，这几个经营者便都可以获得该用户的数据信息。因此，相同的数据在很大程度是由多个主体所掌握，想要垄断世界上的全部数据是天方夜谭。这种多归属性有助于降低企业利用数据形成优势地位的可能性。但从另一角度看，大数据市场中的用户锁定效应对数据的多归属起到了遏制作用。由于用户偏好与依赖的自然存在，用户锁定效应普遍存在在各类型市场中，任一产品都会存在锁定效应。与传统市场的产品、服务不同的是，用户在互联网中表现出来的锁定效应更为明显。在大数据市场中，用户锁定效应的形成因素有三：其一，企业在掌握用户数据后对用户偏好等进行分析，并对产品服务进行调整;其二，存在锁定成本问题，在长时间使用某种应用后，用户的习惯性使得转换到其他服务商面临着很高的成本;其三，互联网行业中的领先企业在网络效应的作用下往往会具有相对优势，相应地，其拥有的数据数量更大、质量更优，这反过来又会吸引广告商、消费者的侧目，形成良性循环。进一步锁定了用户。这种用户锁定效应使先进入市场的企业得以维持其竞争优势，稳固其市场支配地位。

综上所述，为维护竞争优势，数据控制者往往会采取不当行为设置市场壁垒，颠覆数据的非排他性，且大数据的高处理成本、传导优势与用户锁定效应打破了低准入门槛、价值递减规律与多归属性为初创企业带来的形成强市场竞争力的可能性。欧盟委员会竞争专员的玛格丽特·维斯塔格（Margrethe Vestager）在接受《财经杂志》专访时提到：大数据可以成为一个重要的市场进入壁垒，但有时候也可能因为数据的易得性、复制等而变得毫不重要，现实总是在这两个极端之中游离[9]。因此可以说，大数据的不当使用会产生反竞争效果。

三、大数据领域反垄断规制的理论证成

如今，大数据资源已然成为经济发展的富矿。然而数据不仅是推动数字经济发展和产业转型升级的重要动力，也可能为垄断提供新的介质和方法[10]。本部分从正当性与必要性两个层面，证成大数据领域反垄断规制的理论意义。

（一）大数据领域反垄断规制的正当性

对大数据领域的垄断行为进行规制，不仅能够促进互联网创新活力充分涌流，更能与反垄断法的规制特点相匹配，具有正当性。

1.与激励创新的需要相呼应

按照创新的内容分类，互联网创新可以分为技术创新、商业模式创新、组织创新、产品服务创新四种。大数据作为经过分析、处理后产出的数据集，本身就包含技术创新的成果，大数据的合理利用，可以推动其他形式的创新，对各行业运作效率的提高与社会集约化程度的提升都具有重大意義。然而数据优势企业的不当行为会降低创新的活力，引致创新受阻。一方面，在网络效应的作用下，容易产生“赢家通吃”的局面，在这种情况下，小企业与数据优势企业在用户数量、流量大小之间的差距逐渐拉大，较少的收益使小企业难于创新，最终难逃被优势企业收购的结果，而优势企业面临的威胁减少，则有可能不愿再花费高额成本改进服务、创新产品。另一方面，虽然拥有数据和算法的平台可以通过多种方式使用数据来提高产品质量，但是滥用数据优势可能会导致产品服务质量下降[11]。数据优势企业为维护自身的强竞争力，往往会阻碍数据互流互通，建筑数据资源的壁垒。而反垄断法的规制并不仅包括惩治违法行为，还能够通过肯定正面效应大于负面效应、打击负面效应大于正面效应的方式激励创新[12]，回应大数据领域保护创新的需要。因此，大数据领域的持续创新需要反垄断的激励性规制发挥作用。

2.与反垄断法的规制特点相匹配

首先，反垄断法保护自由竞争。其作为经济法体系的一部分，将市场之手与政府之手相结合，力求实质的公平正义。有学者指出，反垄断法规范市场秩序及企业市场竞争行为，但其不仅是一种限制，而是通过禁止性的规定为企业的合同行为划定了一个可以发展的范围[13]。大数据作为新兴领域，其成长需要足够的空间与包容力，要求竞争执法机关与司法机关审慎决策。基于此，反垄断法能够在最大限度内促进数字经济背景下大数据产业的有序、良性竞争。其次，《反垄断法》的规则具有灵活性，规制大数据领域垄断行为更为妥帖。《中华人民共和国反垄断法》第1条3规定了其立法宗旨，决定了反垄断法的规制应从竞争、消费者、社会三个维度为出发点，保护竞争秩序、消费者权益与社会公共利益，这种多元的属性拓宽了反垄断法的调控范围。此外，一些大数据领域的垄断行为虽可能关涉多部法律，但在如今我国数字经济发展的重要时期，难以迅速针对层出不穷的商业模式及商业活动出台普适性的预防性规定，与“一刀切”式的强制手段相比，从反垄断角度提出规制进路则兼具灵活性与合理性[14]。因此，反垄断法是为规制大数据领域垄断行为的正当途径。

（二）大数据领域反垄断规制的必要性

大数据是信息技术发展到一定阶段的产物，其本身是中性的，但对大数据的不当使用、处理则存在排除限制竞争、损害消费者合法权益的风险。如今，在数字经济背景下，大数据领域的垄断行为在传统三种形式的基础上衍生出新的形式，较之以往对竞争造成的侵害更深，有必要运用反垄断法作为工具对大数据领域进行规制。

1.数据优势滥用行为

如今的互联网巨头无不是以免费商业模式起家，他们在前期往往通过“烧钱补贴”、“免费服务”等方式吸引顾客，赚取流量，随后推出增值业务。用户信息——即数据逐渐被企业掌握，成为他们壮大的“筹码”。在初期数据收集的基础上，企业通过“使用者反馈”与“获利反馈”两种方式进行“正反馈循环”，提升用户粘性[15]。一方面，利用大数据技术分析总结出用户的性格爱好、偏好取向，提升产品与服务质量;另一方面，将数据分析结果应用到广告投放中，通过“精准营销”，提升广告服务的利润。在这个流程中，数据集中度逐渐提升，原本具有一定优势的企业再次“发育”，少部分企业成长为互联网巨头，在数据市场中占据支配地位，然而为了巩固、扩大现有的市场地位，一些滥用数据相对优势地位的行为也随之出现。德国竞争法将滥用市场支配地位行为按照侵害对象和行为目的，划分为妨碍性滥用和剥削性滥用。大数据领域的滥用行为同样可以按照此标准，现如今，在大数据领域，既存在以拒绝交易数据、“二选一”等典型的妨碍性滥用，也包括以不当收集使用用户数据、不主张条款与不质疑条款等行为为典型的剥削性滥用。这些行为不仅扰乱了健康的市场竞争秩序，而且侵害了消费者的公平交易权、信息自决权等正当利益，最终会对社会的可持续发展造成负面影响。以“Facebook不当收集数据”案为例，Facebook作为德国社交网络具有市场支配地位的企业，利用不正当隐私条款强迫用户同意其收集数据，构成了对用户的严重剥削，也在深远意义上损害了竞争对手的竞争利益。

2.算法共谋

表面上，大数据的广泛应用为消费者提供了更为透明的在线市场，消费者可以通过不同平台之间价格的比较，挑选最符合自身要求的商品，在透明市场中获利。但从另一个角度看，大规模数据积累导致大数据企业竞争者对其之间的各类信息也有所涉及，这一数据红利在很大程度上会被企业利用来秘密地减损竞争。

实践也表明，这一担忧并不是杞人忧天。大数据企业往往利用大数据的核心技术之一——算法，有效收集、分析、预测各类商业信息，并通过对竞争对手信息的精准整合，实现对竞争对手定价策略的“追踪”，进而调整自身产品与服务的定价，与竞争对手保持定价一致，达成秘密合谋。而随着人工智能的不断发展，大数据企业利用算法进行协同行为的隐秘性只会有增无减。有学者认为，利用大数据从事共谋有以下四种方式：其一，企业可能通过实时数据分析监视各个企业遵守共谋的执行情况，可视为以数据来维持传统形式的卡特尔;其二，企业可能共同分享定价算法，并依据数据实时调整价格，实现固定价格的效果;其三，企业可能使用大数据实现默示共谋，即通过提高市场透明度或使彼此的行为变得更加相互依赖，如通过编程实时应对价格变动;其四，企业可能使用人工智能设置一种利润最优的算法，并通过机器学习执法算法来实现默示的共谋[16]。由此，在各种策略的完善下，企业的默示合谋行为将愈发隐秘，难以发现。

3.数据驱动型并购

随着数据在经济发展中的重要性日趋提高，全球范围内以增加数据资产来增强竞争优势的数据驱动型并购也逐年增多。数据驱动型并购属于经营者集中的一种，与传统经营者集中不同的是，其并购的基点不在于公司规模、股权等方面，而在于大规模数据的集中整合。在大数据领域，数据驱动型并购行为通过横向或纵向的合并，吞并有潜力、崭露头角的中小企业，形成细分领域数据优势甚至支配地位，并通过数据传导优势构建多领域生态链，拓宽优势领域。

数据驱动型并购已经引起了美国与欧盟反垄断执法机构的关注。美国反垄断机构倾向于考虑大数据在合并中的作用，合并各方更多地提出数据驱动的效率抗辩以保护合并，并取得了不同程度的成功4。而欧盟委员会则侧重于对并购后产生负面影响的分析，例如在“Facebook收购Whatsapp”案与“TomTom与TeleAtlas合并”案中，都对并购后会产生的数据聚合问题进行了分析，并担忧合并行为会对消费者利益造成损害。虽然在“Facebook 收购Whats App”案与“滴滴收购Uber”案中，均因被收购方营业额没有达到申报数额而无需接受审查。但事实上，当Facebook愿以190亿的高价收购WhatsApp这样一个小微企业时，就应该引起反垄断委员会的重视了[17]。在数据驱动型合并的场景中，中小企业的发展空间被压缩，优势企业在具有垄断地位后也会疲于应对消费者，怠于创新，最终造成行业竞争减损、消费者福利降低的局面。

四、我国大数据领域反垄断规制的制度构建

大数据的广泛应用引发了较之传统垄断更为复杂的限制竞争行为，为市场公平竞争秩序的完善设置了阻碍。为保障大数据领域的充分竞争，维护竞争双方与消费者的合法权益，应适用反垄断法对相关垄断行为进行规制。然大数据领域的垄断行为利用技术创新，朝着隐秘化、智能化的方向发展，而由于法律滞后性等因素，导致现行反垄断法在很多情况下“无从下手”，一些垄断行为“逍遥法外”，逃离了反垄断法的规制，给传统反垄断法的规制提出了挑战。对此，本部分拟从理念和路径两个角度出发，通过规制原则与具体方法的确立，为大数据领域反垄断法实施中出现的疑难问题提供解决方案。

（一）理念选择：包容审慎、鼓励创新

欲应对大数据领域垄断为我国反垄断法带来的挑战，首先要确立正确的理念作为引导。笔者认为，我国对于大数据领域垄断的干预要以包容审慎作为总基调，坚持促进创新，适度规制。

GDPR被认为是解决数字时代数据保护所面临挑战的最全面和最具前瞻性的立法，但其仍然存在过于严苛的争论。有学者从目的限制、数据最小化、特殊类别、自动决策四个方面论证了GDPR的度量与大数据可用性之间的不兼容性，认为在某些情况下，该法规将削弱大数据的分析能力[18]。2019年9月，金砖国家竞争法律与政策中心发布了关于数字时代竞争法的报告：《数字时代下的竞争：金砖国家视野》，其第一章提出，“各国在监管数字领域时应采取谨慎的思路，同时注意避免因过度监管扼杀新兴市场和技术。”[19]王晓晔教授也指出：“互联网时代不能过分担心企业规模”[20]。因此，对于大数据领域垄断的干预，必须秉持包容审慎的态度，避免过度干涉。大数据虽已经在各个行业“开花结果”，但其仍然处于發展的初始阶段，规则的培育与调整都需要时间与经验的推进，根据上述分析可知，大数据的收集与分析本不存在反竞争效果，关键要看使用大数据的行为是否正当，故包容审慎的基调应在未来较长的一段时间内持续，坚持“法无禁止即自由”的态度，在大数据领域营造宽松的法治环境。

其次，要鼓励创新。大数据领域是具有高度创新性的新业态，持续创新的能力不仅是企业保持竞争优势的条件，也是高度竞争市场提出的要求，持续性、突破性创新影响消费者的选择，也与企业的经济效益休戚相关，“创新驱动型战略”的提出，更是强调了创新对于国家经济转型的核心作用。因此，在大数据领域，不妨以“创新为先”，在评估企业个案的具体行为时，对于其行为产生的反竞争效果与创新效果进行比较、考量，关注并购、滥用行为的效率提升效应，谨防过度干预，在最大程度上保持企业的活力与竞争力。

此外，包容审慎、鼓励创新不代表对大数据垄断“冷眼旁观”，不监管。在2020年两会上，高富平教授提出：“对于包容审慎原则，一方面，政府要探尋有效的监管方法，该出手时就出手;另一方面，对于非属于法律红线范畴的违法行为，政府应当给予‘改过自新的机会，给商业创新留有余地。”[21]可以看到的是，如今数据领域出现的多种行为虽样态各异，但其同样都会直接、间接地伤害了市场竞争秩序，例如具有市场支配地位的企业强制商家“二选一”、基于消费数据施行价格歧视等，这些行为损害了消费者合法权益，并给大数据领域的竞争造成了负面影响，因此，应坚持在创新激励的前提下对具体行为产生的反竞争效果进行分析，从事前事中事后三个维度进行适度监管，回应数据经济时代大数据反垄断的新要求。

（二）路径规划：反垄断法的保留与创新

目前，许多国家已经对反垄断法进行了调整，例如正在进行中的《德国反限制竞争法》第十次修订，其中创设了具有显著跨市场竞争影响的企业滥用市场力量的行为;英国的竞争与市场监管局则提出设立“数字市场部门”的建议;我国国家市场监督管理总局2020年1月公布了《反垄断法修订草案 （公开征求意见稿）》，向社会公开征求意见。在理念确立之后，对大数据中出现的垄断问题，还需逐一“对症下药”。这不仅需要反垄断法的适当性调整，还需对其中的一些方法和手段进行创新。

1.数据驱动型经营者集中的规制

传统反垄断法中规定的经营者集中申报标准主要以“价格”为指标，然而数据驱动型市场中的产品服务往往都是免费的，甚至对消费者进行补贴，若坚持以价格为中心，对大数据市场中垄断行为起不到实质的威慑效果。为契合大数据企业的发展特征，建议增加以交易价值为标准的门槛，在对营业额进行定量分析时，应根据大数据企业的特殊性，适当加入经济特点、技术标准等非定量因素[22]。同时将营业额进行创新性定义，在销售额的内涵中，增加数据资产这一指标，重视企业处理、控制数据的能力。具体操作中，可以引入第三方评估机构对并购双方的数据资产进行客观评估，灵活性地进行评判。

其次，在对数据驱动型经营者集中进行违法性审查时，应对集中效率进行评估。近年来，效率主张已经成为评估经营者集中的重要因素，而大数据领域的飞速发展与其产业效率的提升有很大关联。在经营者集中审查时，必须权衡集中行为带来的效率可否抵消其引发的排除限制竞争效果，包括市场力量在纵向产业链或横向市场中传导到相邻数据市场和潜在的封锁效果[23]，以及消费福利的损失与创新消减的情况。最后，应对集中后的未来市场进行预测。数字经济是高度创新的经济，但数据集中带来的垄断效果也很“脆弱”，执法机构需要结合当前与未来发展趋势综合评判，充分考量数据市场发生变化的可能性。由此，才能对并购企业及其所在市场的竞争状况进行真实的反馈，有效地预防大数据企业合并带来的垄断风险。

2.算法主导垄断协议的规制

算法技术引导下的垄断协议极具隐秘智能性，在此前提下，反垄断执法部门应从事前监督开始，对算法的设计环节进行严格把控，将算法设计中有利于形成合谋的技术减弱或去除，预防算法带来的反竞争风险。而在具体规制中，由于达成和实施垄断协议的主体为各种算法，导致在认定垄断协议的时候不存在法律上适格的行为主体，也无法追责。对算法共谋的主体进行剖析可以发现，仅将算法程序定义为垄断协议的参与者未免过于狭窄，因此，应转变主体要件的认定思路，从算法落实到具体个体上来[24]。将参与者的范围适当扩大，使算法背后的实际参与者——设计者、改进者或者使用者列入其中，通过对这些主体目的、行为等要件的判定，得出更符合实际的结论。其次，对于主观要件的证明应从沟通证据向行为证据、经济证据方向转变[25]。算法具有一定的智能属性，但仍不具有意思联络能力;同样地，在算法合谋的达成与实施过程中，算法与算法之间也不会进行接洽行为，主观证据之外的行为证据与经济证据便会在算法合谋的证明中带来更为显著的作用。总的来说，对于算法合谋的认定上，可以转变既有反垄断法的决策思路，通过对围绕算法的多主体意图、行为、后果的分析，对其反竞争性进行判定，从而达致对算法主导的垄断协议进行认定的目的。

3.滥用数据市场支配地位行为的规制

必要设施原则是规制滥用市场支配地位问题中的一个重要理论，指一旦某个设施被认定为必要以后，该设施的拥有者就必须承担以合理条件开放使用该设施的义务[26]。在“HiQ 诉领英”案发生后，数据与必要设施原则引起广泛讨论。

数据资源对于市场公平竞争极为重要，为打破市场进入壁垒，必要设施原则确有其适用合理性，2010年12月出台的《工商行政管理机关禁止滥用市场支配地位的规定》中第4条5引入了必要设施原则。但不得不提到的是，在数字经济中，将数据完全与必要设施原则结合起来，存在对创新的阻碍以及对所有权侵害的风险，并不是很好的选择。将数据作为必要设施必然会损害企业创新与投资的积极性，减损市场活力;而且虽然目前在我国数据资产的所有权还没在法律上落实，但经过处理的数据必然要与其拥有企业以及每个提供数据的个体扯上联系，必要设施原则若不加限制的适用，不可避免地会对所有权制度造成一定损害。因此，数据构成必要设施的适用，必须遵循严格限制的总体思路，设定严格的使用标准。有学者提出了数据构成必要设施的四个要件：数据对于竞争不可或缺，数据获取具有不可复制性，拒绝开放没有正当理由，数据开放具有可行性[27]。为数据构成必要设施的规范性适用奠定了理论基础。

同时，市场支配地位认定标准需要调整。在大数据产业中，进入市场的难易程度与市场份额这两个主要指标在规制相关垄断行为时，均存在一定程度上的失灵，因此，从改进市场支配地位认定指标入手，是认定市场支配地位的对症之策。其一，在考虑市场份额的基础上，更多地考量企业控制市场数据的能力;增加平台流量、活跃用户数、付费会员数、广告额度与数量等指标，通过多项指标的考察，深入了解大数据企业对于其所在细分市场数据的掌控能力。其二，在对进入市场难易程度进行考察时，应着重考虑三个因素：数据获得成本;新竞争者从第三方获取数据的难易程度;具备市场优势的竞争者对后进入者带来的的阻力大小。随后对根据其行为的影响与未来市场趋势的评估，对具有支配地位企业的行为进行认定，评估其行为是否达到了“滥用”的效果。

结  语

时至今日，大数据领域是否需要反垄断法干预，反垄断法如何进行干预仍是值得关注的话题。在大数据应用实践中，不当的使用行为会产生反竞争效果，使用反垄断法对其加以干预存在正当性与必要性。我国大数据领域的反垄断规制要从理念着手，树立包容审慎、鼓励创新的法治理念，并在保留传统反垄断法框架的基础上有针对性的创新，探索出一条符合我国大数据产业特点的规制进路，最大限度地发挥大数据的正面效应，为“国家大数据战略”的实现保驾护航。

当然，在大数据领域，仍有公共数据垄断、算法黑箱、数据孤岛等诸多问题值得探讨，本文只选取了其中一个角度，证成大数据领域反垄断法干预的正当性与必要性，并对其干预路径进行探索。希望能够对我国未来的相关司法实践提供有益思路，为大数据领域的反垄断法调整乃至竞争法的创新发展略尽绵薄之力。

参考文献：

[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] 叶明.数据垄断案件的几个焦点问题[N].人民法院报，2018-12-05（7）.

[5] 任超.大数据反垄断法干预的理论证成与路径选择[J].现代经济探讨，2020（4）：123-132.

[6] 马建光，姜巍.大数据的概念、特征及其应用[J].国防科技，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] 楊东.论反垄断法的重构：应对数字经济的挑战[J].中国法学，2020（3）：206-222.

[9] 欧委会竞争委员.并购审查重点关注大数据垄断[EB/OL].（2018-01-04）[2020-08-28].http：//www.zggpjz.com/keji/shuma/2924.html.

[10] 陈兵. 如何看待“数据垄断”[N]. 第一财经日报，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] 吴太轩，李鑫.互联网商业模式创新的经济法激励[J].西南石油大学学报（社会科学版），2019，21（6）：22-30.

[13] 王晓晔.经济体制改革与我国反垄断法[J].东方法学，2009（3）：74-87.

[14] 承上.人工智能時代个性化定价行为的反垄断规制——从大数据杀熟展开[J].中国流通经济，2020，34（5）：121-128.

[15] 曾雄.数据垄断相关问题的反垄断法分析思路[J].竞争政策研究，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] 詹馥静，王先林.反垄断视角的大数据问题初探[J].价格理论与实践，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] 数字时代下的竞争：金砖国家视野（报告第一章） [EB/OL].（2019-09-21）[2020-09-06].https：//www.sohu.com/a/342372705_120057883.

[20] 陈耿华，刘阳.2019年“互联网领域反垄断法前沿问题学术研讨会”综述[J].竞争政策研究，2019（3）：64-75.

[21] 李玲，黄莉玲.全国两会上的反垄断声音：互联网数据垄断引担忧，包容审慎不是不监管 [EB/OL].（2020-06-06）[2020-08-17].http：//wangluozhili.blogchina.com/989548679.html.

[22]邹开亮，刘佳明.大数据企业合并的反垄断审查初探[J].石家庄学院学报，2018，20（2）：116-119.

[23] 叶明.互联网经济对反垄断法的挑战及对策[M].北京：法律出版社，2019：112.

[24] 钟原.大数据时代垄断协议规制的法律困境及其类型化解决思路[J].天府新论，2018（2）：66-75.

[25] 刘继峰.依间接证据认定协同行为的证明结构[J].证据科学，2010，18（1）：82-92.

[26] 李剑.反垄断法核心设施理论的存在基础——纵向一体化与提高竞争对手成本理论的解读[M].经济法研究（第七卷），北京：北京大学出版社，2008 ：77.

[27] 孙晋，钟原.大数据时代下数据构成必要设施的反垄断法分析[J].电子知识产权，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