数据池共享行为的竞争风险与规制路径

陈肖盈，景沛梁

（华东政法大学经济法学院，上海 200042）

引言

随着互联网技术与人工智能技术的飞速发展，互联网已经成为人类社会不可或缺的一部分，其深刻影响着人们的生产生活方式与国家的经济发展格局，并推进以数据为基础依托的数字经济时代的来临。自从党的十九届四中全会首次将数据增列为一种生产要素以来，在2022年国务院政府工作报告等重要文件中便屡屡强调数据生产要素与数据市场的重要性①2022年国务院政府工作报告指出要促进数字经济发展，完善数字经济治理，培育数据要素市场，释放数据要素潜力，提高数据应用能力。参见李克强：《政府工作报告——2022年3月5日在第十三届全国人民代表大会上》，载《中华人民共和国全国人民代表大会常务委员会公报》2022年第二号。。作为平台企业在算法运用上的重要原料，如何获得更多更全面的数据成为了企业竞争的要点。然而，少量数据的作用是微乎其微的，单一平台也很难实现数字的规模化效应。在此背景下，依托于共享的思维，数据池应运而生。

数据池是指两个或两个以上的数据处分人达成协议，相互之间交叉使用或共同向第三方提供关于特定市场、服务、产品、消费者等数字化信息的联营性组织，或者是指这种安排下的数据集合体。其本质是多个持有数据的平台或参与者共同提供自身所拥有的数据并搭建起数据池进行数据共享，而数据池中的数据不仅可以在数据池成员中共享，抑可以通过收取一定的使用费或限定其他条件与数据池成员之外的平台共享。从现有实践来看，数据池这一数据共享模式在促进数据搜集的效率提升、数据资源的配置优化、平台服务的质量提升与创新催发上体现了重要价值，但是大量数据的聚集也使得数据池可能同时带来数据滥用甚至垄断的风险。本文正是寄望于辩证审视数据池存在的价值与风险，明确在反垄断路径上依赖垄断协议相关规制处理数据池共享行为所面临的挑战，并通过有效规制路径的选择确保数据池的价值发挥和风险防范②本文所讨论的“数据池”除文中特别说明外，均为平台经营者之间构筑的数据池，平台经营者与政府之间构筑的数据池不在讨论情形之内。。

一、数据池共享行为的竞争风险

数据池的形成有利于大幅提升交流数据与收集数据的效率，降低数据收集的成本，优化资源配置，并因此激励平台企业创新，增进消费者福利。然而，数据池大量汇聚数据的行为也存在着竞争风险。作为数字经济时代重要的生产要素，数据已成为平台企业重要的竞争要素。经营者一方面在数据收集上进行激烈的竞争，同时对自己已经持有的数据持高度戒备与保护的心态。正所谓“涉及的利益越大，企业从事不公平行为促使市场朝着对自己有利方向侧倾及维持垄断地位的激励也越强。”[1]在数据池带来的利益之下，就可能隐含阻挫竞争对手及干扰创新者的竞争风险。

（一）构筑过高市场壁垒

根据产业组织学派的研究，市场壁垒通常来源于规模经济、绝对的成本优势、必要资本需要量与资本成本等[2]。对标数字经济时代，数据作为数据市场的主要成本以及重要生产要素，似乎无处不在且成本低廉并可以广泛获得甚至复制，因此也造就了“人们对于互联网创业低门槛这一误区始终坚信不疑”[3]。但数据的价值不仅仅在于收集，更在于对数据的分析和使用。由于数据池的存在，经营者可以获取大量数据，并通过分析使用更新迭代自己的技术、优化产品服务并吸引更多的用户，继而持续稳定地获得更多数据。在“一步先步步先”的“雪球效应”下经营者依靠其巨大技术优势不仅容易在市场竞争中脱颖而出，还能够据此构筑难以跨越的技术壁垒，并在数据池所带来的规模效应影响下通过对“用户反馈回路”和“货币化反馈回路”③即平台企业通过收集用户数据并加以分析，据此提供更优质的服务、提升广告的精准度与服务的货币化水平，从而获得更多的资金、吸引更多的用户、收集更多的数据。的激活进一步提高技术壁垒的门槛而使其他新进市场者难以望其项背[4]。在这样一个创新难以打破进入壁垒的行业，垄断行为发生的危险也大大增加。

（二）促进垄断协议的达成与维持

首先，数据池对数据的大量聚合增加了形成垄断协议的风险。数据池的存在大幅度提升了市场的透明度，这种数据的大规模应用虽然是解决信息不对称和增加社会透明度的重要途径，但同时也引发了新的信息不对称[5]。经营者容易依托于数据池掌握包含价格、原料等竞争要素在内的重要信息，而当数据池与算法结合时，经营者甚至可以在无需明确合意的情况下仅依靠算法达成协同行为或实现默示共谋。在算法的加持下，数据池中的数据可以得到最大限度的利用，这不仅提高了协议达成的精度，更提高了协议达成的速度。例如：定价算法在有足够数据的支持下可以不断完善，实时监测商品价格，并随时自动做出修改，省去了传统共谋所需的磋商时间[6]。而所有共享了同一数据池与算法的经营者们都将由算法对商品进行精准定价，在这一人的意志无限弱化的过程中，通过数据与算法达成垄断协议的速度之快远超传统的定价模式。

其次，对数据的大量聚合增加了维持垄断协议的可能。在“数据池+算法”的模式下，算法既可以用于对竞争对手的动态监测，也可以用于对垄断协议参与者的动态监测。例如：在“Aston”案④Indictment of U.S.v Daniel William Aston and Trod Limited.https://www.justice.gov/atr/file/840016/download.最后访问时间：2022年10月31日。中，美国司法部就指出，被告Aston收集亚马逊商城上的竞争者数据用于自身的定价算法，同时将该算法应用于其余三家合作伙伴，通过收集、交换、监测和讨论商品的销售信息强制达成价格协议，并时刻监控定价算法的有效性。这意味着在达成垄断协议的共谋者中，共谋者可以及时发现协议同盟中的价格异动并立即锁定背叛者，甚至利用算法对背叛者的商品价格进行修改[7]。而正是得益于数据池在为算法提供监督的对象与依托上的重要作用，数据池内相关数据的共享为促进垄断协议的维持和共谋者间的关系稳定提供了保障。

（三）侵犯数据隐私

数据池的应用还可能带来隐私保护的问题。数据池所采集的用户信息虽然得到了用户的授权，但在数据权属仍有争议的情况下，将数据向他方进行贡献的行为依旧有待商榷。尽管有学者认为数据池的形成需要处理者利用电子技术将弥散的信息固定化，在其持续付出成本的情形下，将数据的财产利益配置给处理者有利于数字经济的发展[8]，但是在用户不知情的情形下共享数据仍有侵犯隐私之嫌。当然这一角度下关于用户隐私数据的保护更多应当是由私法领域进行管制，但是隐私保护同样有着竞争法上的理论意蕴，即“隐私保护是一种重要的非价格竞争维度”[9]。在数字经济时代，对消费者隐私的保护已经逐渐成为经营者竞争的重要方面，隐私保护质量同样是产品服务质量的考虑因素之一，在“Facebook收购WhatsApp”案以及“Google收购DoubleClick”案等案件中，隐私保护都是竞争执法机构考虑的重要因素。在构建数据池的背景下，数据被高度集中，经营者一旦通过数据池取得垄断地位，极有可能丧失继续保护隐私的动力，甚至会通过侵犯隐私来获得更多数据以保证自己的市场地位。对于消费者而言，当其希冀选择隐私保护更好的产品或服务时，就会发现由于垄断平台对其余有更好隐私保护服务企业的排挤造成了消费者难以找到替代品，只能被迫接受隐私服务不甚完善的产品服务。这种经营者降低消费者隐私的保护实际上就是竞争被弱化的结果[10]，其溯源莫过于数据池带来的数据集中与封锁。

（四）损害消费者福利

诚然数据池共享行为在一定程度上通过数据共享可以打破技术创新的壁垒，让平台做到对自身的产品或服务不断更新迭代，从而提升消费者福利，但是当经营者通过数据池达成垄断时，其创新的动力将可能因此降低，提供优质服务的态度也可能随之波动。纵使垄断企业自身也会进行一定程度的创新，但是这样的创新是有限的，垄断企业会更倾向于通过成本更低的垄断行为打击创新型的新进经营者以维持自己的市场地位，最终导致整个行业创新效率的低下。垄断促进创新激励的主张忽视了更充分的竞争是提高创新激励的重要途径[11]，当整个行业的创新被抑制时，本有更多机会选择更优质的创新服务的消费者只得被迫接受垄断企业提供的可能创新程度没那么高的服务，并最终使消费者福利受到损害。

二、数据池共享行为反垄断规制的挑战剖析

数据池聚集大量数据的行为引发了新的竞争担忧。尽管我国反垄断相关制度为应对数字经济时代的变化和发展进行修订与完善，但在应对数据池这一新兴事物的过程中仍面临挑战。

（一）反垄断规制的制度挑战

数字经济时代，数据的大规模应用与算法的迅速发展带来了企业生产模式和营利模式的革新，企业之间构建的数据池为算法等分析工具提供了原材料，继而带来的是数据与算法结合下的共谋。然而，隐蔽性强、查证复杂、定性困难的数字化垄断协议对传统的反垄断分析模式提出了挑战。

《中华人民共和国反垄断法》（以下简称《反垄断法》）规制的垄断协议形式包括协议、决定与协同行为。然而作为垄断协议的承载方式，协议与决定通常有“据”可循，但协同行为却不一定有“迹”可循[12]。为了避免被反垄断执法机构发现达成垄断协议的事实，经营者往往会选择更加隐秘的方式。波斯纳就曾指出：“除却《谢尔曼法》的规定，进行垄断定价还有两种可能的方式，第一种可能是卡特尔被反托拉斯法赶入地下，变成了一个固定价格的秘密共谋；另一种可能是某些情形下，互相竞争的销售者不需要进行通常意义上的共谋，不需要进行任何公开或者可以察觉的联络就能在定价方面进行合作。”[13]波斯纳所指出的这两种可能可以映射至协同行为与默示共谋。数据与算法的发展为经营者进行隐秘的共谋提供了优渥的技术条件，更是对数字经济时代禁止垄断协议抛出了这两个难题。

传统垄断协议被划分为横向垄断协议与纵向垄断协议，而数字化垄断协议已经不再局限于这两个维度。例如：在“Meyer诉Kalanick”案中，原告指出优步通过采集司机路线与行驶数据，结合定价算法产生“超竞争性价格”的能力为司机们提供了共同的共谋动机，而被告辩称司机与优步签订的条款并没有纵向垄断协议的特征，更无法表明司机之间达成了横向垄断协议⑤Meyer v.Kalanick,174F.Supp.3d 817(2016).，这种兼具纵向与横向结构的轴辐协议已然成为“二分法”框架下垄断协议规制的难点。扎拉齐等学者将数字化垄断协议分为信使型垄断协议、轴辐型垄断协议、预测型垄断协议以及自主型垄断协议[14]。其中，信使型垄断协议以监控竞争对手和垄断协议成员为主要内容，轴辐型垄断协议通过规定相同算法以实现行业整体价格的把控，预测型垄断协议在高透明度的市场可以实现企业行动的暗中协调，自主型垄断协议则已经由算法代替人类来主动从事共谋。前两类垄断协议中数据与算法只是执行企业共谋的工具，在性质上属于以意思联络或一致意志为基础的“明示共谋”，在没有正式协议或决定的情形下可将其归类为协同行为；而后两类垄断协议极大地弱化了沟通交流、意思联络的依赖，其本质上属于不依赖任何协议、意思联络的“默示共谋”[15]。应当说，数据池的构建为垄断协议的达成创造了先决条件，同时当数据池共享中融入了算法这一分析工具时，对于算法的功能认定将对垄断协议的性质认定产生重要影响。因此，以数据池为依托，通过算法驱动的协同行为与默示共谋成为运用垄断协议规则规制具有反竞争影响的数据池共享行为必须要攻克的两大难点。

（二）反垄断规制的路径挑战

1.协同行为认定的技术障碍

协同行为是指经营者之间虽未明确订立协议或者决定，但实质上存在协调一致的行为。我国在2022年6月公布的《禁止垄断协议暂行规定（征求意见稿）》（以下简称《规定》）第6条中明确列出了认定其他协同行为时应考虑的因素，除市场行为的一致性、经营者可否对行为一致性作出合理解释以及相关市场的情况等要件之外，经营者之间是否进行过意思联络或者信息交流也成为了其中的一个重要考量。然而对于算法驱动下的数据共享，协同行为的认定面临着意思联络与信息交流这一要件的认定障碍。当经营者之间构建起数据池，数据池中包含的信息可能广泛涉及行业信息、市场价格信息、竞争对手信息甚至垄断协议参与成员的信息等。数据池与算法充当着保证垄断协议稳定维持的管控者以及垄断协议成员之间的联络者角色，不同于传统垄断协议达成过程中的意思联络载体，信件、电话、会议等往日执法机构与法庭赖以判断信息交流的证据均被算法所取代，代码、数据等基于信息化网络技术的要素成为新的证明证据，这无疑为意思联络与信息交流这一要件带来认定上的技术障碍，毕竟我们不能苛求法官或者执法人员掌握充足完备的计算机知识。

2.默示共谋分析的框架缺失

如果说对于协同行为的规制难点在于要件认定的技术障碍，其本身依旧尚未脱离《反垄断法》下垄断协议的分析框架，但是数据池与算法结合带来的默示共谋却已难再套用一般的垄断协议框架进行分析。默示共谋的理念最早由波斯纳提出，虽然目前有观点将协同行为与默示共谋混为一谈，但是依照波斯纳的观点：“互相竞争的销售者不需要进行任何可以觉察的联络就能达成的共谋，法学家称为‘有意的一致’（conscious parallelism），一些经济学家的术语是‘寡头的相互依赖’（oligopolistic interdependence），但我习惯称为‘默示共谋’（tacit collusion），以此跟正式卡特尔或者地下卡特尔的明示共谋相对。[13]”由此可见，默示共谋与协同行为有着显著的区别，默示共谋并不以意思联络与交流为构成要件，从这一角度看，默示共谋目前并未被纳入《反垄断法》的分析框架之下，而只是规定了协同行为的规制方案。其实对于默示共谋是否应当纳入法律调整的范围，学界一直众说纷纭，支持者认为竞争对手尤其是在寡头企业之间，可以在不达成协议或者不进行其他交流的情况下协调他们的行动[16]；而反对者，例如特纳则指出默示共谋缺乏反托拉斯救济的可能性，颁布法令要求厂商制定价格时不得考虑竞争对手的情况是荒谬的[17]。

无论对于默示共谋的理论争议如何，不可否认的是数据与算法的大量应用正在为默示共谋的出现创造着生长环境，当经营者联合构建出数据池，其中可能包含着整个行业与众多经营者的数据信息，算法在数据池中完全可以实现数据的快速交互。所有数据池的参与者能够实时掌握市场的一切动向，市场的透明度不断提高。当市场透明度被提升到一定高度时，算法已经完全可以实时预测对手的动态并作出迅速反应，此时的经营者甚至完全不知道已经发生甚至完成了这样的协调过程，垄断协议成员之间的意思联络环节被省略，而由效率更高、隐蔽性更强的算法取代并自主完成。尽管如此，针对这种并无意思联络与信息交流的默示共谋行为，传统反垄断分析框架对其规制仍存在依据上的不足。

三、数据池共享行为反垄断规制的路径选择

随着数字经济时代生产方式的巨大变革与平台经济的迅速崛起，数据池共享行为伴随的反竞争风险不容忽视。对于传统反垄断分析理论与分析工具在数据池共享行为规制上面临的挑战，结合数据池共享行为的实际应用情形，首先有必要对数据池各要素进行反垄断评估，明确不同要素不同情形下的竞争效果，继而从垄断协议认定理论的完善与大数据监管的构建两方面入手，谋求依据反垄断制度干预数据池共享行为的更优路径。

（一）数据池共享行为反垄断评估的要素厘清

1.数据池中数据的种类

数据池中共享数据的种类可以参考用户数据种类的分类分为主动提供的数据（Volunteered Date）、观察 数 据（Observed Date）以 及 推 测 数 据（Inferred Date）[18]。其中，用户主动提供的数据来自于用户的主动提供，其易获得性决定着其竞争属性并不明显，唯有在经过算法分析计算之后才更能体现数据的价值所在，仅依靠这一类基础数据的分享也难以达成垄断行为，因此用户主动提供的数据的竞争风险较小。与之相对应，观察数据是平台经营者观察用户在平台上的行为与使用痕迹而得出的数据，此类数据是平台经营者自行收集的数据，而用户的使用行为一定程度上可以体现出用户的兴趣点，平台经分析便可作为下一步商业战略的指导，可以说观察数据是算法与商业战略的“直接原料”，因此这一类数据在数据池中的分享行为有着相对较高的反竞争风险。而推测数据指平台通过前述两种数据，依托于自身的特定算法而预测出的消费者消费习惯与意向，其可以被直接用于定价等商业活动。例如：网购平台通过用户对商品的浏览数据与购买数据，可以依据算法模拟推测出该用户对某类商品的心理预期价位与价格接受能力，在预测出消费者的消费能力与购买意愿后，能够对点投放广告或推荐符合用户消费习惯的商品，此类数据的分享无疑可以让参与数据共享的经营者做出相似的定价策略与经营决策。因此在反垄断评估时应当区分不同的数据种类并予以区别对待。经营者通过数据池共享的若是市场上较易收集的数据，如用户提供的数据，其反竞争风险一般较小，而共享的若是经过特殊处理的数据，如观察数据和推测数据，则有构成反竞争行为之虞。此外，如果观察数据因各经营者所依据的分析算法的不同而难以导致垄断协议的出现，那么推测数据使得所有在数据池内共享的经营者共同使用一套数据、一套算法，其得出的结果即算法共谋的成果，因此数据池中的推测数据分享有着极高的反竞争行为风险，应当是重点关注的对象。

2.数据池中数据的利用

数据池中数据的利用程度与方式同样影响着共享行为产生反竞争后果的可能。诚然数据的利用需要经过算法的处理分析才能体现其经济价值，但是作为原料与基础，数据是以何种方式以及何种目的被利用，都应当值得反垄断法关注。对于以数据池中的数据为依托并利用算法进行分析、部署自身商业策略的行为，应当属于数据池的正常使用行为，毕竟数据池中的数据往往都需要依托于算法的计算，这也是经营者参加数据池的一般目的所在，在各经营者将核心算法掌握在自己手中时，垄断风险往往较小。同理，对于利用数据池中的共享数据进行算法调试以优化算法的行为也不应加以规制，算法的优化调试需要大量数据的支撑，算法种类与运算模式的不同带来的算法精准度也有所不同，在此情形下直接通过数据池共享达成垄断协议的风险也较小。但是对于利用数据池中的数据进一步维持垄断协议的行为则应当予以反垄断上的重视并加以规制，例如：通过对数据池参与成员的监控来维护垄断协议的实施以便及时发现背叛者，或者通过对数据池中数据的分析以维护已达成的垄断协议、实时调整垄断价格，此时的数据池已然成为了辅助垄断协议的工具，对其行为有必要加以限制。

3.数据池的进入壁垒

数据池的进入壁垒同样是对数据池进行反垄断评估的重要因素。专利池作为与数据池相似的概念可以依据其开放程度分为“封闭式专利池”与“开放式专利池”，而“开放式专利池”是现代专利池的主流[19]。对标专利池，数据池同样应当是以开放式为主，且开放的数据池更有利于确保市场的公平竞争和经济效益。这就决定了对数据池的反垄断评估离不开对数据池进入壁垒的考量，即第三方是否有着完全平等、合理的条件与机会加入数据池。在这一过程中，可以参照专利池所遵循的“公平、合理、非歧视原则”（FRAND原则）对数据池是否存在歧视待遇或过高门槛进行考察。其中，歧视待遇在表现上既包括拒绝向特定第三人开放数据池的情形，也包括在同等背景下以不同条件向第三方开放数据池的情形。例如：在法国“Cegedim”案中执法机构就指出，Cegedim作为数据提供商在向其他客户正常出售其数据的情况下却拒绝向使用其主要竞争对手Euris软件的客户出售其数据的行为是反竞争的[10]。而在对是否存在过高门槛进行考察时则有必要注意，即便是名义上的开放式数据池，如果其向第三方收取明显不合理的费用，也可能因造成对第三方数据使用的限制而具有反竞争之嫌。

4.福利标准的选择

对数据池进行反垄断评估时，应当考量数据池造成的后果。反垄断制度的任务在于保证自由和公平竞争，保证价值规律指引下的市场机制充分有效发挥调节作用[20]，同时也涉及对消费者福利与社会总体福利的保护⑥例如，在国家市场监督管理总局对美团和阿里巴巴的处罚决定书中分别体现了两种福利标准，在对美团的处罚决定书中写道“美团的‘二选一’行为降低了消费者长期福利水平”（国市监处[2021]74号行政处罚决定书）；而在对阿里巴巴的处罚决定书中采用了“从长远看对社会总体福利水平带来了损害”的表述（国市监处[2021]28号行政处罚决定书）。，因此合理的福利标准选择是评估数据池竞争效果的重要内容。现代经济生活中，行为的经济效率越来越重要，在面对消费者福利与社会总体福利的取舍时，反垄断法不能忽视经营者的经济效率[21]，纯粹的消费者福利不再是反垄断法唯一的保护目标。一味地以保护消费者福利进行衡量，极有可能对经营者的效率以及市场发展造成影响，继而影响社会总体福利。应当以社会总体福利作为考量因素，通过计算消费者剩余与经营者剩余来评估社会福利是否遭到损害，当经营者增加部分能够弥补消费者福利减损部分时就需要对规制进行审慎考虑，防止过于严苛的规制阻碍数字经济的发展；但当其对消费者以及整体社会均造成福祉的损害时，就应当及时给予反垄断规制。

（二）垄断协议意思联络要件之破除

除构建数据池本身可能构成的反竞争情形外，数据池背后还可以映射出数据共享与算法结合带来的反竞争风险。如前文所述，在数字经济背景下，算法与平台的出现已经模糊了垄断协议的边界，横向与纵向垄断协议的“二分法”已不能满足数字经济时代下认定垄断协议的需要，而对于协同行为与默示共谋认定的核心又在于垄断协议认定框架下意思联络要件的取舍。

针对前述问题，美国与欧盟已经通过判例明确了舍弃意思联络要件或者对意思联络进行扩大解释的应对路径。例如，在“Interstate Circuit”案⑦Interstate Circuit,Inc.v.United States,306U.S.208(1939).中，美国联邦最高法院就指出，“认定构成非法的共谋并不要求其必须有正式的协议，可以根据交易的过程或者其他环境证明发生了《谢尔曼法》所要求的联合或者共谋。”这样的判例表明当直接证据难以证明当事人之间发生意思交流时，环境证据与间接证据同样可以印证共谋的存在。而在“Eturas”案⑧“Eturas”UABand Others v.Lietuvos Respublikos konkurencijos taryba,Case C-74/14,Judgment of the court(Fifth Chamber)of 21 January 2016.中，欧盟法院则将意思联络进行了扩大解释，认为只要一家企业知道或意识到共谋正在形成，除非其明确表示远离这一行为，否则默许的态度也会被认定为发生了意思联络，从而可以判定共谋的发生。可以看出域外判例都在尝试开辟一条新的路径，以期更加容易进行意思联络要件的证明，这也为我国突破意思联络要件的约束提供了借鉴。

根据《规定》第6条，认定协同行为的考虑因素包含了“经营者之间是否进行过意思联络或者信息交流”。但算法共谋下经营者并没有就垄断协议进行过联络交流，共谋只是算法独立运行的结果，在这个视角下就难以认定其垄断协议的本质。因此，尽管意思联络能够在一定程度上体现协同行为实施主体的主观意识，但是将意思联络作为认定协同行为的必要条件将有可能阻碍现有规定在算法共谋问题上的适用。有学者就表示：“对于意思联络和信息交流的规定是不必要的，创设‘协同行为’这一概念的目的，就是要绕过对主观要素进行直接证明的难题，由于当事人会消除达成垄断协议的痕迹，证明发生过交流并不一定比证明交流的内容更容易，因而前述要求会妨碍协同行为的合理认定。[22]”《国务院反垄断委员会关于平台经济领域的反垄断指南》第9条“认定平台经济领域协同行为，可以通过直接证据判定是否存在协同行为存在的事实”的规定也证明了这种立法倾向。如若将意思联络与信息交流这一要件从协同行为的认定中予以删除，一方面默示共谋的情形将会落入协同行为的分析框架之中，默示共谋与协同行为在除却意思联络要件之外本就并无二致，将意思联络要件抛开，共同纳入现行反垄断法已有的协同行为的分析框架之下可以有效弥补规制默示共谋在法律体系中的制度缺陷；另一方面意思联络要件的去除可以避免数据共享与算法结合下信息交流主观要件证成的技术难题，为反垄断执法机构对反竞争情形的认定带来便利。因此，应当将“经营者之间进行意思联络或信息交流”这一要件予以去除，以实现数据池与算法结合下数据算法共谋行为性质的认定。

（三）政府数据池的构建与监管倒逼

不仅仅在平台经营者之间，政府与平台经营者之间同样可以构筑数据池，甚至政府可以构筑自己的数据池用以监管。现阶段在平台经营者以“数据池+算法”的经营模式下，市场的各种微小变化均可以被经营者迅速捕捉并立即通过算法进行调整，其节省了大量传统经营模式下经营者交流协商决策的时间，而这种处于不断变化的动态经营模式以及经营者之间无任何交流合意的情形，执法机构往往很难及时捕捉和固定证据。在此种情形下政府合理运用数据池，提升执法机构监管的科技水平与科技含量应是数字经济时代的必然要求。

其实数据池与算法在市场上取得的巨大效果也印证了其在监管领域的作用发挥，政府可以建立自己的数据池，在其中囊括主要商家的商品种类、市场定价、价格变化、行业结构等要素，并辅助以算法。算法的功能可以包括识别相似的价格变化、相同时间相同幅度的商品价格变化、经营者同时作出重大又相似的商业策略转变等，“数据池+算法”的模式可以有效提前预测垄断协议的出现，从而为执法机构提供方向，同时数据池中的大量数据也可以帮助执法机构迅速定位、精准监管较易出现垄断协议的“高风险行业”与“高风险企业”。正是这种政府数据池的构建可以倒逼监管经营者利用数据池进行的反竞争行为，从而实现激励科技创新与规制科技滥用的平衡。

结语

数据池作为数字经济时代的新产物，在激励创新、优化资源配置、促进质量提升上的正面价值为市场经济的发展注入新的活力，但是由于数据池的本质是数据共享，不合理或过度使用数据池同样有构筑过高市场壁垒、促进垄断协议的达成与维持、损害创新与消费者福利等风险。尽管在数字经济的冲击下现有反垄断规制在应对数据池共享行为上仍可能面临新的挑战，但应当明确的是，反垄断规制应正视数据池的正面价值与负面风险，当数据池共享行为带来的竞争风险超过正面价值或者已经对社会总体福利造成损害时应予以严格限制，同时也应充分注重对市场创新和商业模式的保护，避免因过于严苛的规制而造成对于数字经济发展的效率阻碍。