论数据驱动型企业滥用市场支配地位规制

石达 曹庆贺

【摘要】数据驱动型企业作为我国数字经济发展的重要载体， 诞生于传统工业经济的反垄断法无法直接将其纳入滥用市场支配地位的规制逻辑中， 如何规制这些企业成为反垄断法改革面临的新挑战。 这些挑战源于反垄断法的理念、对数据垄断行为的认识、反垄断法体系、数据特性等方面的争议， 对此必须深入研究数据驱动型企业的竞争模式， 区分自用型数据驱动型企业与他用型数据驱动型企业进行市场支配地位的认定。 在认定市场支配地位后， 应结合大数据市场的特质， 革新现行反垄断法的行为框架， 区分排他性滥用行为与剥削性滥用行为具体识别垄断行为、研判危害结果。

【关键词】数据驱动型企业;滥用市场支配地位;数字经济;反垄断法

【中图分类号】 F922.294     【文献标识码】A      【文章编号】1004-0994（2021）15-0140-10

一、引言

数据驱动型企业在产业经济学视角下被认为是构筑平台、渠道与数据的关联纽带。 其作为驱动数字经济的主要作用力， 对激发市场动能具有重要意义， 但同时可能对市场格局形成破坏性创新。 肇始于传统工业时代的反垄断法已无法完全涵盖对这一新兴模式的规制， 无法囊括由数据驱动型企业实施的依靠其数字化平台所衍生的新模式[1] 。 而这类新模式又会对大数据市场的竞争机制形成冲击。

数据驱动型企业普遍依靠自身的数据优势聚集成立“数据池”（大数据企业商业模式的关键环节）， 如何在實现“数据池”合理共享的同时保障数据驱动型企业的必要权利， 是对数字经济实现有效监管的核心议题。 竞争法视域下对数据驱动型企业的最低要求便是垄断合规， 但由于大数据平台与数字经济的飞速发展， 理论研究固有滞后性所带来的负面影响日益明显。 美国在2020年10月发布的《数字市场竞争状况调查报告》中提出了对Facebook、谷歌等大数据企业垄断行为的担忧; 我国国务院反垄断委员会在2021年2月发布的《关于平台经济领域的反垄断指南》中明确提出要对平台经济领域的垄断行为进行必要的规制。 滥用市场支配地位作为垄断的高级形态， 在行为主义的规制理念之下， 仅具有市场支配地位并不必然导致法律责任， 这虽然在客观上有利于传统企业的创新与发展， 但在大数据市场上则可能成为一个可兹利用的漏洞[2] 。 可见， 如何认定大数据背景下的滥用市场支配地位行为， 面临着理论与现实的双重挑战。

二、数据驱动型企业滥用市场支配地位规制的新型挑战

（一）固有类型化模式下的“削足适履”

滥用市场支配地位规制作为各国反垄断法的普遍规则， 在长期的行政执法与司法实践中已然固化为三大步骤， 即确认相关市场、认定市场支配地位、确认行为性质及其损害后果[3] 。 这一简化认定逻辑构成的规范要件型规制模式， 滥觞于类型化思维范式， 力求将千变万化的市场行为抽象出具有逻辑统一性的特定要件。 此种高度抽象化的运作模式虽然在传统的反垄断法实践中具有无可比拟的便利性， 但其脱胎于传统市场， 随着科学技术的发展， 传统市场竞争模式悄然变化， 逐步与原先的反垄断规制模式脱节。 尤其是在大数据时代， 大数据企业的商业模式和市场行为迥异于传统企业， 若完全沿用传统类型化的分析模式， 则无异于“削足适履”。

1. 现行的类型化规制逻辑陷入了本末倒置的窠臼。 对于滥用市场支配地位的认定， 我国《反垄断法》第17条主要列举了垄断价格行为、掠夺性定价行为、拒绝交易行为、排他性交易行为、搭售和附加不合理交易条件行为、差别待遇行为等多种特定的违法类型， 并以兜底性的其他行为进行补充。 从法律解释学的角度而言， 按照演绎推理的证成逻辑， 在行为性质的识别上， 应遵守传统的从一般到个别的演进思维。 这种行为性质的识别将定式的规范模式嵌套在纷繁复杂的市场竞争行为中， 固然提高了行为识别的效率， 但这种效率往往以牺牲识别的精准度为代价。 理论上的证成模式固然有其缜密的逻辑支撑， 但在实践中一般都是先从结果意义上的危害行为入手， 再倒推进行相关市场和市场支配地位的认定， 因为结果意义上的危害行为的外在表征更为明显。 倒置的证成逻辑在行业属性清晰、市场范围固定的情况下无可厚非， 但对于大数据市场， 则并不能如此理所当然。

按照正常的规制逻辑， 滥用市场支配地位规制首先是一种结构性行为的规制， 即判断的关键提前是确定市场主体是否拥有市场支配地位， 若没有市场支配地位， 则遑论对其行为的性质进行定性。 将这一逻辑沿用到大数据市场上， 可以得出如下结论： 不具备市场支配地位的企业， 不管其行为性质如何， 都难以认定其滥用市场支配地位。 在传统市场格局下对市场支配地位的认定尚属不易， 更何况是竞争格局不太稳定的大数据市场。 若按照倒置的规制逻辑， 先进行行为性质及危害结果的分析， 再根据危害结果倒推是否具有市场支配地位无疑会轻松很多， 执法难度下降了， 但会引发“假阳性”（指司法或执法实践中的虚假有罪现象）[4] 的风险， 对市场竞争秩序难谓是有利的。

2. 目前的规制模式并未照顾到大数据市场的特殊性。 以相关市场的界定为例， 传统的实践方式主要以定性分析和定量分析相结合的模式为主。 定性分析主要是“需求替代分析”， 定量分析则多采用“假定垄断者测试”（SSNIP）。 但是， 这种在传统市场中屡试不爽的测试方式若运用到大数据市场上， 则并非无懈可击[5] 。 直接依照传统的分析模式进行界定时， 要么割裂数据市场上下游之间的关系， 要么将数据市场扩大到互联网市场的上位概念[6] ， 使得数据市场的外延无限扩大。 再者， 我国《反垄断法》第19条规定了推定经营者具有市场支配地位的若干情形， 而推定的理论前提便是有效的市场份额。 但就我国现阶段的市场发展规模来看， 数据市场的结构既不稳定也不固定， 将传统市场结构中的规制逻辑直接应用于新型的数据市场， 不能说是最明智或最合适的做法。 数据市场与传统市场大相径庭， 其内在包含数据采集、存储、处理等诸多复杂步骤， 且具有更新迭代频繁的特点， 若依然沿袭固有的拒绝交易行为、排他性交易行为等行为类型认定方式， 则难以完全涵盖数据市场的竞争模式。

但成文法本身便具有固有的结构性缺陷， 法律文本因受制于立法时的客观情况与主观认知， 未能完全涵射部分规制模式， 尤其是在大数据等新兴市场中出现了规范阙如。 若完全依赖现有的规制范式去治理大数据企业的垄断模式， 则容易陷入刻舟求剑的尴尬困境。 现行规范本身对大数据企业滥用市场支配地位的制度供给严重不足， 因而必须结合大数据的自身特质予以补充迭代。

（二）调适传统规制框架难以“一蹴而就”

按照一般的规制逻辑， 对滥用市场支配地位的规制， 应分别从相关市场的界定、市场支配地位的认定、行为及后果的认定三个层次进行判断。 对于数据驱动型企业的反垄断规制， 完全推翻现有的规制逻辑既无必要也不可能， 因而需在遵守一般规制逻辑的同时吸收数据驱动型企业交易行为的特殊性， 并对传统的规制逻辑进行调适。 调适的逻辑主要包括： ①对于滥用市场支配地位行为中大数据企业垄断结构的判断， 依然需要从相关市场的界定和市场支配地位的认定两个方面着手， 但在设计具体的分析指标时， 不仅要注意大数据市场自身竞争要素与产业链的具体情况， 还应当将其网络效应、锁定效应、跨界竞争、动态竞争等不同的传导模式纳入其中。 ②对于大数据市场， 不仅应当注意传统各种滥用市场支配地位模式（《垄断法》第17条）的演化与变异， 还应当注意那些专属于大数据市场或者由该市场原生催发的一些竞争行为模式。

因此， 回归大数据市场的本源尤为重要。 如何对大数据市场中不合理行為的性质进行精准识别， 尽可能在尊重现有反垄断法体系框架稳定与保障市场主体信赖利益的前提下， 平衡法律实效、市场期待与竞争维护三者之间的动态关系， 成为规制大数据企业滥用市场支配地位的重要指导思想。

类型化的判断是基于经验主义的分析立场， 如果仅将对垄断行为的规制限于特定的行为模式上， 则难免陷入重技术应用而轻法理检视的困境。 申言之， 经验主义下的传统市场行为与法理视角下的反垄断类型模式之间需要不断地进行逻辑校验， 以确保滥用市场支配地位的行为模式能够与不断更迭的市场行为相匹配。 与我国对滥用市场支配地位行为采取的枚举式立法模式不同， 《欧盟竞争法》采取归纳式立法模式， 这一立法模式扩大了滥用市场支配地位的外延， 能够适应快速发展的经济形态和技术模式， 其将滥用市场支配地位行为抽象地分为排他性滥用和剥削性滥用两类， 可以快速精准地将大数据市场中的垄断模式纳入其中。

当然， 在对该行为进行规制时， 仅从形式上判定经营者具有市场支配地位是无法在行为主义规制模式下对其进行惩罚的， 还必须考虑结果意义上的危害行为。 如果仅在形式上具有滥用之外观而未有滥用之行为， 则难谓为反垄断法所不容。 故而一个逻辑完整、设计精密的反垄断框架体制必须考虑结果意义上的损害， 并将其作为必要条件， 以此排除无危害的垄断行为， 避免“假阳性”的出现。

要完全实现上述调适， 还需要从理论和实践两方面予以双重认证， 这些理念只有成为通说共识， 最终才能以法律的形式将理论与实践中的成果固定化， 但这对于我国反垄断实践和数字经济发展现状而言， 无疑是有挑战的。

三、数字经济背景下滥用市场支配地位规制困境的溯源

目前数字经济已然成为经济发展的新业态， 以“生产大爆炸”为核心的传统工业经济正在向以“交易大爆炸”为核心的数字经济转型， 其直观表现便是各类数字经济平台的产生和发展。 平台企业集合了各类交易主体， 并借助新型技术突破物理限制， 形成了全新的业务规则与商业模式， 创造了一个区别于传统工业经济组织形态的全新的联动交互数字经济形态圈。 这一数字经济生态圈以数字平台为主轴、以数据生产要素为核心、以各类算法为手段， 从而形成了以平台、数据与算法为框架的三维结构竞争格局， 这一多元的竞争格局极大地挑战了诞生于传统工业经济的反垄断法规制模式。

（一）理念溯源： 对数据垄断应否规制之争

现代反垄断法的规制理念肇始于工业经济时代， 以不完全的、扭曲的竞争形态为表现形式， 厚植于芝加哥学派提出的市场自我矫正假设。 反垄断执法机构基于对创新的保护和效率的提升， 放任甚至默许了数字驱动型企业优势地位的增强， 但忽视了反垄断法中的救济困境[7] 。 芝加哥学派的市场自我矫正假设理论认为： 市场参与者是理性的与利己的， 其对市场失灵与政府失灵抱有相同的忧虑。 基于对弱监管环境下的市场自我调节能力的自信， 芝加哥学派并不认为反垄断法应当积极主动地发挥其对市场的规制功能， 而是应当限缩为后置的、保障性的规范[8] 。 同样， 也有观点基于对数字产品相关市场界定的技术复杂性、人为执法的偏差性， 认为由于执法机构无法精准判断特定市场行为对竞争秩序的影响是正向的还是反向的， 为了避免“假阴性”和“假阳性”结果的出现， 其应尽量减少干预。 但当平台、数据与算法相结合的三维竞争市场结构已深刻冲击传统商业模式和经济业态时， 难以对其放任不管。 数字平台依托数据优势生发的反馈与测算机制， 以算法优化市场优势传导， 直接导致传统工业模式下不同相关产品市场之间相对泾渭分明的界限变模糊， 也使得企业的优势地位足以传导到不相关市场及未来市场， 跨时空与跨地域的竞争能力得以生成， 市场壁垒进一步抬高。 这一现象促使反垄断法必须肩负起积极维护市场竞争秩序的使命。

某种意义上而言， 数字经济的兴起既是反垄断法面临的挑战， 又是其不得不承担的责任， 更是其勃兴的重要契机。 反垄断法对数字经济与数据驱动型企业进行必要的干预， 其逻辑起点在于维系一种包容与创新的竞争秩序与市场结构， 阻吓与规制竞争过程中原发的或者新生的反竞争行为。 当然， 数字经济作为一种新型经济业态， 难以在其发展初期对其实施严格的法律规制， 应当结合这一经济业态的发展阶段与具体时空背景， 宽严相济地划出法律红线， 在保护新业态的发展与防止过强的市场支配地位对市场的阻碍之间寻求动态的合理平衡。

（二）行为溯源： 对数据垄断行为认识之争

在我国， 传统的类型化垄断行为已被反垄断法所规制， 且在工业经济形态下发挥了重要的维护竞争的作用。 但对于三维结构竞争格局中衍生出的数据垄断行为， 现有理论和实践尚未进行透彻分析， 对其的认识尚处于探索研究的初级阶段。 在平台、数据与算法构成的三维结构竞争格局中， 数据垄断与传统滥用市场支配地位的一元效应截然不同， 其呈现出特殊的二元对立的正反双重效应[9] 。

1. 数据垄断行为的负面效应。 一是， 具有降低产品质量和阻碍市场诚信的风险。 尽管数据可用于提高产品质量， 但并非所有经营者（数据驱动型企业）都能善意地使用数据。 具有优势地位的经营者与较小经营者之间因数据能力差异而导致质量差距扩大， 从而导致这些经营者对大型企业的创新推动和质量提升作用趋于弱化， 而且具有优势地位的经营者可能将更多的精力放在巩固自身的垄断地位上， 而非提升产品质量上。 二是， 具有侵犯个人隐私的风险。 具有优势地位的经营者为了维系自身的优势地位， 势必要扩大数据的拥有量和丰富度， 这可能促使其通过已有的数据优势和技术优势， 进一步侵犯个人隐私。 三是， 具有细分识别困难的风险。 数据驱动型企业所处的细分市场和依赖的数据类型并不相同， 优势企业所构建的市场壁垒亦有所差异， 因而在判断数据垄断行为时需要区分不同的数据市场， 但在目前的理论研究和实践背景下还无法实现。

2. 数据垄断行为的正面效应。 在三维市场竞争结构中， 数据驱动型企业串联了平台、数据与算法三者的关系， 通过平台优势， 利用算法等技术可以实现数据的确权、定价、共享、赋能等效果; 而且通过以区块链为基础的共票制度， 构建起数据生产者和使用者之间的利益关联机制和分配机制， 可最大程度地保障数据市场要素的价值与数据共享价值之间的利益平衡， 走出数据权属特定化后各方主体利益分配冲突的泥淖， 最大程度地延长数据的价值链， 满足各方主体对数据利益的共享[10] 。

与传统滥用市场支配地位的单一负外部性特征不同， 数据驱动型企业的数据垄断行为必然会产生一定的正外部性与负外部性， 这是难以对这一行为进行规制的原因之一。 因此， 对于反垄断法作用的发挥， 应当力求在尽量减少、遏制其负外部性扩张的同时， 维持、保护其正外部性功能的延续。

（三）规范溯源： 反垄断法体系之争

在传统的包括滥用市场支配地位在内的反垄断规制逻辑中， 价格因素是考量垄断结果的重要因素。 但对于数据驱动型企业而言， 以价格为核心的规制路径与数据驱动型企业的商业模式格格不入， 因为这类企业往往以免费的产品和服务为商业基础， 而对应的消费者也早已适应了互联网的免费模式。 由于缺乏计价机制， 损害后果无法量化， 传统的反垄断法体系亟待更新。

在数字经济背景下， 随着数据驱动型企业的体量不断增大， 相关非价格竞争维度和损害理论正不断发展完善， 并要求反垄断法的关注重点逐步转向隐私权的保护、创新机制的促进等方面。 这一转变并非一蹴而就、一劳永逸的， 经济发展速度永远比法律更新速度更快， 反垄断法在多大范围和多大程度内吸收新型经济业态对现有框架的冲击， 在多长时间和多大频率内实现对数字经济竞争格局理论和实践成果的承认， 都会直接影响反垄断法体制机制的走向。 目前我国正处于反垄断法转轨的起点， 各项理论与实践的争论、域外与国内反垄断法的差异， 都呈现出集中爆发的特征。 在这一混沌时期， 反垄断法体系之争必然将持续较长一段时间。

（四）特性溯源： 对数据属性的争议

有学者认为， 与公共产品类似， 大数据也具有非排他性， 因而大数据的控制者难以借此形成法律所不容许的竞争优势， 反垄断法无需进行特殊规制， 现有的反垄断法机制体系完全可以应对严重的垄断行为[11] 。 但另有学者认为， 经营者具有阻止其竞争对手获得数据的动机与能力， 从数据的收集到分析、存储等不同的阶段都有一定的技术壁垒， 存在着垄断的空间[12] 。

虽然数据具有非排他性特征， 但这并不能阻止数据被排他性地利用。 数据的非排他性和稀缺性并不是二元对立、相互矛盾的， 事实上， 二者是从不同层次与不同方面阐述了数据的多维度内涵。 非排他性是从数据的外在形式上解释了数据这一特殊的无体物可被多样化的载体所承载， 是在价值无涉的情况下对其客观表现形式的中立描述; 而稀缺性则是对特定数据的本质内容进行价值判断和经验总结后做出的主观化判断。 若跳出市场经济与商业运行的大前提， 则可以认为非排他性是数据无差别的固有特征， 而稀缺性是少数数据的重要内核。 但在市场结构之下， 尤其是涉及竞争的领域， 往往是掌握了大量稀缺性数据的经营者才可能会涉及反垄断法规制的问题。

四、数据驱动型企业滥用市场支配地位的结构规制因应

从反垄断法的角度而言， 只有构成产品要素的数据才是值得探讨的。 在市场竞争的语境下， 供需关系是商业模式中的基础关系， 因而从供需角度对数据进行分类， 完全符合反垄断法对数据进行筛选与分类的标准。 若不按照反垄断法的规制逻辑对数据进行分类， 单纯笼统地分析数据驱动型企业的规制模式， 则容易陷入分析不周延、结论不全面的困境。 从供需角度可以将数据分为自用型数据与他用型数据两类， 若經营者收集到相关数据后有进行共享的意图， 则属于他用型数据; 反之， 则属于自用型数据。 若经营者依赖自用型数据， 该数据本身无法直接作为反垄断法语境下的商品， 盖因其只是单纯作为经营者获得优势地位的重要基础设施条件， 在某些情况下可视为某种优势的技术条件， 在对经营者滥用市场支配地位进行规制时， 只需将该数据优势作为一个判断因素即可。 但若经营者以他用型数据作为商业运行的基础， 则意味着该数据会直接成为交易链上的一环， 并对市场竞争格局形成冲击， 在对经营者滥用市场支配地位进行规制时， 需要衡量其对数据市场的控制力情况。

（一）自用型数据驱动型企业市场支配地位的认定

以自用型数据为主的经营者一般仅将数据的收集作为其商业模式的基础性工作， 其市场行为的开展、商业模式的优化大多依赖自身所有的数据， 因而不会将其数据对外分享或者转让。 如Google、Facebook等经营者多属于自用型数据驱动型企业。 自用型数据并不会单独构成所谓的市场， 因为经营者并没有对外大规模转让的意图， 但其依然可以驱动企业在市场竞争中占有优势地位。

部分发达国家已经认识到自用型数据驱动型企业的特殊性， 例如德国在2017年修改《反对限制竞争法》时便增加了一些关于在多边市场和网络效应环境下认定优势地位的因素， 如直接或者间接网络效应、多平台使用和转换成本、规模效应等竞争优势、竞争数据的可获取性、创新驱动型的竞争压力。 欧盟对此也设计了一套以“三大原则”“两大问题”为核心的规制框架。 “三大原则”是指： 数据投入要素原则， 即该数据对于开发相关程序或者算法的形成至关重要， 但不要求唯一; 网络效应原则， 即数据需要形成数据链， 并且能够产生可被反垄断主管部门察觉的直接或者间接的网络效应; 个案分析原则， 即不同的商业模式和交易行为中所依赖的数据不尽相同， 应就具体应用程序和算法中数据的作用进行个案分析以形成判断。 “两大问题”是指： 价值问题， 即该数据对相关程序或者算法的价值判断， 主要可通过数据规模经济的范围、数据的时间折旧值等进行分析; 成本问题， 即使用该数据导致相关程序或算法所产生的成本， 并基于此判断复制性使用的可能性， 如应用程序开发者直接通过用户、传感器等收集数据的便利性和成本值， 以及从数据代理商那里和数据市场上购买数据的可能性和成本。

国外的相关经验对我国滥用市场支配地位规制虽有一定的借鉴意义， 但还是应当结合我国数据驱动型企业的现状， 进行必要的调整。 对于自用型数据， 主要把握其对市场支配地位的影响力， 将其放诸市场， 也即认定该数据在相关经营者出售的商品或者提供的服务中的价值问题。

1. 定量分析： 以下游市场的市场份额为基础。 当自用型数据嵌套到产品或者服务中时， 数据作为投入要素， 既可以投入免费服务端， 也可以投入收费盈利端。 若将其运用于提高产品或者服务的质量， 则主要涉及免费服务端; 若将其用于提高广告产品投放的精确度， 则主要涉及收费盈利端。 由此分别考查经营者在不同模式中的市场地位， 并以此为基础判断数据对市场优势地位的原因力和作用力。 在直接市场无法判断的情况下借助下游市场进行间接判断的做法， 在知识产权反垄断实践中经常被采用。 由于存在捆绑销售等情况， 直接获取知识产权的许可费用难度较高， 以许可费收入占比的方式计算市场份额往往困难重重， 此时便可另辟蹊径， 将运用该知识产权的产品在下游市场的销售额占比类推到该知识产权在上游技术许可市场中的份额， 以此得到一个相对合理的市场份额。 知识产权与数据作为具有使用价值的无体物， 在判断具体价值时具有共性。 自用型数据作为一种投入要素， 其自身并不会产生较大的价值， 只有与劳动、资本等其他要素相结合， 才具有使用价值。

2. 定性分析： 以“三步走测试法”为基础。 定性分析主要用于判断数据是否具有使用价值以及价值几何， 在进行具体分析判断时， 应当遵守“三步走测试法”。

（1）第一步： 判断自用型数据是否有价值。 自用型数据的应用场景并不完全一致， 因而数据驱动的作用及反馈机制也存在差异。 应分别分析自用型数据之于免费端与收费端的作用， 只有确认数据能够对两端市场产生影响时， 才有进一步分析的必要。 并非所有互联网产品经营者都会收集和使用用户数据， 如Whats App便一直承诺不收集和使用用户数据。 但在德国联邦卡特尔局查处Facebook一案中， 其认为该软件属于数据驱动型产品， Facebook获得的信息既与产品的开发设计本身有关， 也可能与其盈利能力直接相关， 对于无法形成如此庞大数据的竞争者而言， 是较大的技术壁垒。

（2）第二步： 判断该自用型数据的价值程度。 一般认为大数据具有“4V”特征， 即规模性（Volume）、高速性（Velocity）、多样性（Variety）、价值性（Value）[13] ， 这些特征对于判断自用型数据在相关产品或服务的价值方面具有重要的指导意义。

①自用型数据的规模性意义。 一般而言， 大数据是集合数据而成， 数据规模越大， 其使用价值也越高， 也即存在规模效应。 这意味着竞争优势能够嫁接到数据的规模效应上， 对于能够利用规模产出的经营者而言， 其竞争优势会被不断放大， 若无法达到数据规模化的最小临界值， 则无法在市场竞争中占据有效地位。 但数据规模的边际效益也会因数据使用而有所差异。 自用型数据驱动型企业必须不断地优化数据能力， 提升算法布局， 以此满足动态发展的用户需求和日益严苛的用户要求。 当然， 正如欧盟监管中心所言， 规模经济的程度归根到底是经验判断， 应根据相关数据类型与实践情况进行个案判断， 尤其需要判断数据规模的增加及应用程序和算法质量的提升之间的关联性与必要性。 也有学者提出以“用脚投票”的结果来研判数据规模对相关经营者作用的大小[14] 。

②自用型数据的多样性意义。 多样性将直接关系到数据范围， 从而产生范围经济效应。 欧盟委员会曾在谷歌收购Double Click一案中提出， 具有竞争关系的经营者对于数据质量的竞争， 已经超越了单纯的数据库规模的绝对大小， 更扩展到其收集的数据类型上， 最终取决于哪种类型的数据对其最有效。 诚然， 数据多样性也将直接影响数据价值， 越多样的数据能够越精准地分析、判断消费者需求， 这无疑会增强其双边市场的經营能力。

③自用型数据的高速性意义。 数据收集速度会在一定程度上影响数据价值的大小， 即产生所谓的速度经济。 在数据大爆炸的今天， 数据信息瞬息万变， 快速收集数据的能力能够使经营者更加快速地追踪消费者信息和监测竞争对手策略， 从而及时调整经营方针。 而且部分数据在不同时期的价值量会有所差异， 数据的价值一般只能维持在某一期间内， 具有较高的折旧率。 面对失去价值或者价值不高的数据， 数据驱动型企业需要不断挖掘新的数据以填补空缺， 才能保持持续竞争优势。 部分数据也可以作为研发和改进算法的工具， 从而将数据转化为持续的功能， 使其瞬时价值固定化。

④自用型数据的价值性意义。 这一特征主要强调数据的价值密度低。 大数据抽象意义上的价值无可否认， 但对于具体数据的特定价值， 则难以一一判断。 部分数据只有集合成体， 方能形成特定的价值， 其价值密度的高低与数据总量成反比。 因而如何对数据进行快速“提纯”， 是事关数据价值的又一大因素。 事实上， 规模经济、范围经济和速度经济能在多大程度上提升数据价值， 也与经营者的“提纯”能力密切相关。 经营者分析处理数据、发现数据价值的能力将直接影响其在市场上的竞争力。 正如《欧洲监管中心研究报告》中所提到的， “数据驱动型反馈回路的强弱与相关数据类型和算法能力息息相关”。 因此， 经营者的数据提纯能力也是衡量数据之于经营者价值大小的重要因素， 反垄断法中的数据价值应是数量与质量的集合体。

（3）第三步： 判断自用型数据的稀缺性。 由于自用型数据对经营者取得优势地位具有影响， 该数据需要进一步作为投入要素进入下游市场， 此时就有必要分析经营者掌握的数据是否形成市场壁垒且实质性地阻碍了其他竞争者的进入。 而经营者能否以该数据形成技术壁垒的关键便在于数据的稀缺性。 域外的执法与司法实践中也都将稀缺性列入重要考量因素。 数据的稀缺性主要可以从两个层次进行判断： 一是， 判断潜在竞争者直接获取相关数据的门槛， 主要是指其径自收集相关数据的难度。 这一门槛包括市场要素门槛（如构建网络平台、搭建数据中心等软硬件的现实可能性）和非市场要素门槛（包括法律壁垒或者政策障碍， 如相关领域是否存在国家垄断等情况）[15] 。 二是， 判断潜在竞争者间接获得相关数据的门槛， 即是否可能从第三方获得该数据， 以及需以何种成本获取该数据。

总而言之， 对于自用型数据驱动型企业滥用市场支配地位规制， 可从定量分析与定性分析两个层次进行判断。 这两个层次来自并行不悖的两种逻辑框架， 可相互印证、相互补充， 只要从某一层次的路径进行分析后判定该自用型数据为经营者的优势地位提供了足够的原因力， 便可以认定自用型数据驱动型企业具有市场支配地位。

（二）他用型数据驱动型企业市场支配地位的认定

他用型数据驱动型企业除了为满足自身需求而收集和使用数据， 还会将数据分享或者转让给其他经营者， 数据由此形成单独的交易链。 此种情形下对相关市场的判断与一般商品市场并无本质差别， 只是此时数据单独作为交易的商品， 成了一种与相关技术市场类似的数据要素市场。 基于他用型数据与一般商品在价值上的类似性， 对该类企业进行滥用市场支配地位的认定时， 可大体沿袭一般市场支配地位的认定逻辑， 即先进行相关数据市场的判定， 再进行市场支配地位的认定。

1. 相关数据市场的认定逻辑。 目前对于“相关数据市场”并没有明确的界定， 这一概念最早由美国联邦交易委员会委员Harbour P. J.在谷歌收购Double Click一案中提出， 但其并没有解释何为相关数据市场。 由于数据与知识产权作为生产要素在形成和使用的过程中具有较高的相似性， 可类比相关技术市场的概念， 将相关数据市场认定为由所涉及的数据及具有可替代性的同类数据之间构成的具有相互竞争关系的市场。

在一般的滥用市场支配地位的认定中， 对相关市场的判断涉及商品、地域和時间三个维度， 时间相关市场只存在于特定的市场中， 但商品和地域维度几乎是所有相关市场界定中都需要考量的因素。 在他用型数据形成的相关市场中， 数据成为一般商品， 因而需要将相关数据市场和相关地域市场纳入考虑范围， 至于时间相关市场， 在数据没有明确期限之前， 几乎不需要进行过多考虑。 对于滥用市场支配地位中相关市场的界定规则， 我国2009年发布的《国务院反垄断委员会关于相关市场界定的指南》第7条明确指出界定相关市场的方式可以多样化， 而实践中多以SSNIP作为定量分析的基础[16] ， 但若将此直接沿用到相关数据市场中， 似乎并不妥当。 我国大数据产业刚刚兴起， 数据流通和交易的模式尚未成熟， 数据产业呈现出交易价格和交易数量双重不稳定的状态， 难以满足SSNIP对价格数据的要求。 因此。 从替代性测试的角度进行分析更为妥当。 根据国外反垄断实践并结合我国数据市场现状， 在进行数据替代性测试时， 应当考虑以下两个因素：

（1）数据形式与数据市场的关系。 就数据处理链而言， 可以从渠道上将其分为在线与离线两类： 在线数据主要通过互联网等在线平台实时搜集与存储; 离线数据则大多来源于银行、超市、电信运营商等现实物理场景。 在研究数据市场时， 需要考虑不同数据形式之间是否具有可替代性。 一般而言， 在线数据与离线数据在采集形式、收集成本、储存方式等方面差异巨大， 证明其具有替代性的难度较大。 以传统零售企业与电商平台为例， 两者虽然都在收集消费者的信息， 但前者主要获得消费者的付款记录和认证信息， 且受限于地理区位; 而电商平台可以突破地域限制， 更全面地追踪浏览记录等信息， 更精准地分析用户需求。

（2）不同在线数据市场的具体分析。 根据美国和欧盟的数据反垄断实践经验， 可将数据驱动型企业细分为搜索引擎、社交网络和电子商务三种类型。 不同类型的数据驱动型企业的经营模式不同， 对数据的使用方式也存在巨大差异， 这种差异会对判断相关市场的替代性产生直接影响。 搜索引擎类经营者主要向用户提供搜索功能的数据， 社交网络类经营者需要收集用户的配置信息及保证交互信息的流畅性， 电子商务类经营者主要追踪、收集和分析消费者浏览、购买、评价商品等各项数据。 不同的在线数据市场在数据收集、处理、分析等方面均存在不同维度的差异， 这也导致不同类型的企业所区分的具体数据市场迥然不同， 需要分别认定该企业的类型， 再判断其所处的细分市场。

2. 市场支配地位的认定。 他用型数据形成了相关数据市场， 确定相关细分的数据市场后， 认定市场支配地位便成为新的难题。 由于在判断相关数据市场时， 已经融入了替代性测试等思维， 市场支配地位认定的核心要件在于明确替代性产品的范围， 并以此来判断市场份额。 在进行具体判断时， 需要着重考虑以下两方面因素：

（1）积极要素： 经营者的市场份额。 大数据产业甫兴未久， 交易模式尚未成熟， 实质阻碍了相关数据市场的市场份额判断。 既然传统的判断逻辑受阻， 那么有必要根据相关数据市场的特性研究专门的分析模式。 其一， 间接测算法。 如前文所述， 可参考相关数据使用产品在下游市场中所占份额来倒推上游相关数据市场中的份额， 将原本难以量化的市场分配通过传导机制予以具体化。 间接测算法在操作技术上难度不大， 但在上下游市场对应关系并不一致或者下游市场依然难以判断市场份额的情况下， 会出现新的问题。 其二， 直接测算法。 即通过对数据来源进行分析， 从渠道收集的广度和深度进行一定的估算， 以此测算相关经营者所占市场份额。 数据的采集必须要借助一定的设备， 而每种规格的设备都有最大的采集饱和量， 通过考查经营者所安装或者使用的采集装置或设施的传感器数量， 则可较为直观地进行测算。 这一测算方法在日本的研究报告中有所提及， 欧盟委员会对数据驱动型经营者进行集中审查时， 也采取了此种思路。 但直接测算法可能会因大量数据收集设备处理能力的差异而导致部分偏差， 且随着算法、区块链技术的发展， 数据收集和存储的传感器呈现出链式分布的特征， 测算难度会增加。

总而言之， 经营者只有具备了相应的市场份额， 才能认定其优势地位。 间接测算法与直接测算法各有千秋， 两者均为相关数据市场份额的判定提供了可借鉴的思路。 在数据市场兴起的初期， 可将两种方式结合使用并进行相互印证， 以确保市场份额判定的准确性与合理性。

（2）消极要素： 其他经营者的进场能力。 消费者对互联网产品的价格敏感性较高， 很多产品均以免费的形式供消费者使用， 若其他经营者能够以价格补贴或者其他形式快速提升市场份额， 则难以认定市场份额高的经营者一定具有市场支配地位。 因此， 在判定经营者是否具有市场支配地位时， 除了考虑市场份额， 还必须考虑相关市场的壁垒， 即数据驱动型企业是否有意在构筑或提升市场壁垒。 潜在竞争者的进场能力与市场壁垒直接相关， 数据市场中的壁垒一般可分为两个层面： 一是技术壁垒。 其也是首要壁垒， 经营者所拥有的相关大数据技术的创新性、先进性和价值性直接关系着技术壁垒门槛。 尤其是在数据收集层面， 若使用了较多的加密技术或限制技术， 则会导致其他经营者在收集层面的障碍。 二是法律壁垒。 其主要包括主体限制（如国外经营者可能受到《外国投资法》等法律法规的制约， 被禁止或者限制投资相关行业; 部分重要行业可能存在国家垄断， 禁止或者限制民营企业进入相关行业）和行为限制（如数据驱动型企业采取各种反竞争的方式限制、妨碍其他经营者获得相关数据）两个维度的壁垒。

五、数据驱动型企业滥用市场支配地位的行为规制因应

现代反垄断法的理念已由结构主义转向行为主义。 在行为主义的规制理念之下， 必须对垄断行为进行分析判断， 只有单纯的垄断结构而无垄断行为， 则并不必然招致反垄断法的否定性评价。

从制度规则内抽象出共同要素， 方能最大限度地避免制定法中概念固有的不周延性。 从滥用行为的共性上提取出其特性， 反垄断制度的实质是对限制竞争的单方行为的监督和控制[17] ， 因而可以按照欧盟模式， 将滥用市场支配地位行为分为排他性滥用行为与剥削性滥用行为。 前者是基于经营者对自身竞争环境的不合理限制， 包括排挤竞争对手或者不正当地将其优势地位传导到相邻市场; 后者是基于經营者对交易相对人的不当影响， 包括对交易相对人或者消费者苛以不合理的交易条件。 排他性滥用行为危害结果的认定以对横向竞争对手的市场限制效果为核心， 而剥削性滥用行为危害结果认定则更加侧重对交易相对人、消费者等纵向交易链上主体的不合理影响。 但是， 竞争与垄断的界限并不像法律文本所规定的那般清晰， 其各自的优劣、利弊也非泾渭分明， 有时甚至会相互转化， 对垄断行为危害结果的分析必然要结合具体的经济现实[18] 。

（一）排他性滥用行为的认定逻辑

排他性滥用行为着眼于横向市场的反竞争效果， 在对该行为进行认定时， 需要综合市场力量评估、反竞争性封锁效应等不同因素。 其中， 测量反竞争性封锁效应更为核心， 即分析判断经营者通过反竞争的手段打击其现有竞争者与潜在竞争者的能力， 包括降低现有竞争者的竞争能力甚至使其退出市场， 或者实质阻碍潜在竞争者进入相关市场。 由于网络外部性效应明显， 数据驱动型企业尤其是处于发展初期的数据驱动型企业， 会不断进行技术革新， 若该行为是以提升产品质量、提高经济效率为最终目的， 且发挥了相应的作用， 则可以作为豁免事由予以考虑。

1. 限制互操作性滥用行为。 限制互操作性滥用行为主要是指无正当理由， 采取技术手段限制数据在其他平台传输的行为（限制了数据的可移植性）。 这一行为的表现形式包括： 设置专属的数据格式， 阻碍其他平台对该数据的兼容; 限制数据接口， 阻碍数据在不同平台和系统中的自由移植。

限制互操作性滥用行为的损害结果认定主要在于， 经营者无正当理由， 人为提升了数据获得门槛和使用成本， 阻止该数据本身的自由流动， 将数据锁定于为其服务的私器。 若实施者具备市场支配地位， 那么这一滥用行为同时会提升数据流通性的不必要成本和潜在竞争者进入相关市场的成本。 除非经营者有正当理由， 能够证明该数据锁定行为是为了数据安全、竞争秩序或者消费者福利所必须采取的措施且未超过合理限度， 否则该行为与反垄断法的立法宗旨相悖。

2. 搭售性滥用行为。 搭售性滥用行为在传统的滥用市场支配地位规制框架中也较为常见， 传统的搭售规制理论需要构建于存在两个或两个以上的独立产品或者服务市场之上， 也即所谓的“单一产品问题”（Single Product Issue）[19] 。 如何判断是否属于单一产品， 在传统的滥用市场支配地位规制中已有诸多实践， 但将传统标准中的功能性标准、交易习惯标准等运用于大数据领域却并非完全有效。 不论如何， 消费者的需求判断仍应当是数据市场中判断单一产品得否证成的重要标准。 搭售性滥用行为的构成要件是被搭售的商品或者服务属于消费者的独立需求， 并有可能成为独立的交易客体， 无需进行捆绑销售。 如果某种搭售主要源于对商品或者服务本身的改进， 而且这种改进是消费者明知且必须的， 那么即使其具备独立的需求， 也可以认为是一种合理的产品质量或者服务效果提升的形式。

在大数据领域， 搭售性滥用行为的损害结果主要表现为对网络传导效应和用户锁定效应的作用[20] 。 互联网模糊了传统商业格局的边界， 大数据以网络为依托， 在某一领域具有优势地位的经营者能够更轻易地利用搭售行为将其优势传导到搭售产品的相关行业中， 迅速扩大其在搭售产品市场中的份额。 而一旦这种组合销售持续化、固定化， 便会形成二重独占的效果， 导致多个市场的竞争封锁效应， 最终导致其他竞争者被排挤出市场， 以及潜在经营者进入市场的成本增加。

3. 其他排他性滥用行为。 随着数字经济和大数据市场的飞速发展， 各种排他性滥用行为也可能随着商业模式的变革而不断被创造出来， 经营者在寻求反垄断法合规的同时， 不仅着眼于遵守已为反垄断法所规制的情形， 还可能寻求未被反垄断法规制的新型反竞争模式。 对于这些“创新型”排他性滥用行为， 自然应当赋予反垄断执法机构以必要的自由裁量权， 适当弥补法律文本滞后性的缺陷。 对于其他排他性滥用行为的危害分析， 也必须立足于其对横向竞争者的不正当损害， 如破坏了竞争秩序或阻碍了技术创新。

（二）剥削性滥用行为的认定逻辑

剥削性滥用行为是指经营者以各种不正当的手段， 通过其优势地位剥夺上下游经营者或者消费者利益的行为。 在传统的滥用市场支配地位规制逻辑中， 垄断价格行为是剥削性滥用行为的主要形式， 但在大数据领域， 价格滥用行为并不严峻， 数据优势转变为经济利益或者其他经营者所需利益的渠道更加多样化。 在大数据领域， 常见的剥削性滥用行为主要包括以下几种：

1. 设置不主张权利与不质疑条款。 不主张权利与不质疑条款（Non-assertion/Non-challenge Clauses）滥觞于知识产权垄断领域[21] ， 在大数据领域也具有类似的情况， 一般是指经营者没有正当理由， 禁止交易相对人就其数据及数据衍生产品提出侵权诉讼， 或者质疑其数据及数据衍生产品的有效性。 由于大数据交易的规模性和多样性特征， 在交易之时， 交易相对人很难判断这些数据是否都满足其交易目的， 支付的对价是否与数据价值相当， 若在缔约条款中直接排除了交易相对人的权利， 则会对数据市场中的交易安全造成重大负面冲击。

设置不主张权利与不质疑条款是经营者的权利滥用行为， 其损害结果可以从设置这一条款的不正当性和对交易相对人权利的实质排除两个角度进行研判。 具体而言： 第一步， 对交易进行定性， 即该交易是有偿还是无偿， 这一条款的订立是否面向不特定的交易对象。 在有偿的交易中， 要求所有的交易对象均遵守这一条款， 无疑具备了规制的前提。 第二步， 分析该数据的可替代性， 即是否存在其他经营者提供的可替代产品， 若不存在， 则这一限制的强制性超过了合理限度。 第三步， 认定这一交易是否具有排他性， 分析交易相对人由此受到损失的可能性。 这一条款以牺牲交易相对人的求偿权和救济权为前提， 减少了经营者的诉讼风险， 在充分竞争的市场中几乎不可能得以持续。 但若在具有排他性的垄断市场， 交易相对人因受制于经营者提供的数据， 由此产生的不利负担只能独自承受。

2. 不当收集和使用数据行为。 不当收集和使用数据行为一般是指经营者超出其产品或者服务本身的需求， 不正当地收集交易相对人的数据或者使用未经交易相对人授权的数据。 这一行为的常见形式包括与相对人签订不平等的隐私授权条款和超过合理限度过度收集相对人数据。 数据驱动型企业在提供产品或者服务时， 往往会利用消费者的漠视或者消费者对其的信任， 附加不合理的隐私授权条款， 侵犯消费者的隐私。 通常这一现象应由消费者权益保护法或者其他涉及隐私保护的法律进行调整， 但由于实施这一行为的经营者具有市场支配地位， 消费者难以寻找可替代性产品或者服务， 为了能够继续使用这一产品或者服务， 将不得不默认不平等的隐私条款。 这种隐私侵犯已经超越了传统私法上的利益侵害格局， 其成因在于市场力量的不当滥用， 反垄断法有责任进行必要的规制。

不当收集和使用数据行为本身就具有违法性， 除了利用不合理的隐私条款收集用户信息， 经营者还可以利用其优势地位通过其他手段过度收集和处理相关数据。 尤其当市场上的竞争约束不足且法律规范阙如时， 经营者过度采集数据的冲动更加强烈。 该行为的危害性和不当性主要来源于两方面： 一是信息的收集和處理超越了消费者正常使用该商品或服务的合理预期， 对产品或服务质量没有任何提升效果; 二是这一过度收集行为严重侵犯了消费者的隐私。 而对于如何判断数据的收集与处理是否过当， 则应当综合相关产品或服务的目的、收集数据的范围、数据处理方式等多方面予以判断。

3. 其他剥削性滥用行为。 随着具有优势地位的经营者的商业能力与市场运营能力的不断提升， 日益多元化的剥削性滥用行为也可能逐步出现。 对于其他剥削性滥用行为的认定， 应当严格将对纵向交易相对人利益的不合理剥夺作为考虑的核心要素。 对于此类行为危害的分析， 要突破传统的价格危害分析框架， 更多地从隐私保护与数据安全的角度进行考虑， 合理评估相关行为的合理性与必要性。

六、结语

数字经济深刻改变了传统的经济业态， 深度冲击了肇始于工业经济的商业竞争与市场格局。 在交易规模指数化增长、竞争业务结构性变革的今天， 由反垄断法肩负起数据治理的重任， 是时代赋予“经济宪法”的历史使命。 对数据驱动型企业进行滥用市场支配地位的规制， 成为规制数据垄断的标志性事件。 针对不同的数据类型进行精细化的反垄断法规制， 既是反垄断法自我更新完善的题中应有之义， 又是推动数字经济健康持续发展的重要议题。

在现有反垄断框架下， 对数据驱动型企业滥用市场支配地位的规制存在制度供给不足的结构性缺陷。 虽然国内外的反垄断执法机构均已认识到这一新兴经济模式下的垄断问题无法直接沿袭旧有的反垄断框架， 但应否规制、如何规制、在何种程度和多大范围内进行规制， 无疑成为摆在各国反垄断执法机构面前的重要现实难题。 而破解这一难题的关键在于更新对反垄断法在数字时代的价值与任务的认知， 深入理解数据驱动型企业商业运作模式， 以及平衡竞争秩序维护、创新环境保护与消费者福祉增加之间的动态关系。

【 主 要 参 考 文 献 】

[1] 阿希姆·瓦姆巴赫，汉斯·克里斯蒂安·穆勒著.钟佳睿，陈星等译.不安的变革——数字时代的市场竞争与大众福利[M].北京： 社会科学文献出版社，2020：14 ～ 19.

[2] 王永进，盛丹，李坤望.中国企业成长中的规模分布——基于大企业的研究[ J].中国社会科学，2017（3）：26 ～ 47.

[3] 刘贵祥.滥用市场支配地位理论的司法考量[ J].中国法学，2016（5）：260 ～ 280.

[4] 基斯·N.希尔顿著.赵玲译.反垄断法：经济学原理和普通法演进[M].北京：北京大学出版社，2009：105.

[5] 殷继国.大数据经营者滥用市场支配地位的法律规制[ J].法商研究，2020（4）：73 ～ 87.

[6] 曹阳.数据视野下的互联网平台市场支配地位认定与规制[ J].电子知识产权，2018（10）：89 ～ 97.

[7] Maurice E. Stucke.Reconsidering Antitrust's Goals[ J].Boston College Law Review，2012（53）：551 ～ 595.

[8] Lina M. Khan. Amazon's Antitrust Paradox[ J].Yale Law Journal，2017（3）：710 ～ 756.

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

[10] 杨东.“共票”：区块链治理新维度[ J].东方法学，2019（3）：56 ～ 63.

[11] 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.

[12] Grunes Allen P.， Stucke Maurice E.. No Mistake About It： The Important Role of Antitrust in the Era of Big Data[R].University of Tennessee Legal Studies Research Paper，2015.

[13] De Mauro A.， Greco M.， Grimaldi M.. A Formal Definition of Big Data Based on Its Essential Features[ J].Library Review， 2016（3）：122 ～ 135.

[14] Nathan Newman. Search， Antitrust and the Economics of the Control of User Data[ J].Yale Journal on Regulation，2014（3）： 423.

[15] 曾彩霞，朱雪忠.歐盟数据可携权在规制数据垄断中的作用、局限及其启示——以数据准入为研究进路[ J].德国研究，2020 （1）：133 ～ 147.

[16] 李虹.相关市场理论与实践——反垄断中相关市场界定的经济学分析[M].北京：商务印书馆，2011：87.

[17] 白艳.美国反托拉斯法、欧盟竞争法平行论：理论与实践[ M].北京：法律出版社，2010：145.

[18] 金善明.反垄断法解释中经济学分析的限度[ J].环球法律评论，2018（6）：101 ～ 116.

[19] 李剑.合理原则下的单一产品问题——基于中国反垄断法搭售案件的思考[ J].法学家，2015（1）：72 ～ 84.

[20] 丁晓东.论数据携带权的属性、影响与中国应用[ J].法商研究，2020（1）：73 ～ 86.

[21] 詹馥静.大数据领域滥用市场支配地位的反垄断规制——基于路径检视的逻辑展开[ J].上海财经大学学报，2020（4）：138 ～ 152.