大型互联网平台的特征、垄断行为与反垄断路径——基于大数据视角

张淑芬，郑联盛

(中国社会科学院 金融研究所， 北京 100710)

一、引言

当前，全球进入以互联网为基础的数字经济时代，一大批互联网平台迅速崛起，以美国的GAFA(谷歌、亚马逊、元宇宙与苹果)和中国的ATBM(阿里巴巴、腾讯、百度、美团)为代表的超级平台，对经济和社会发展产生重要影响，市场的竞争模式从企业之间的个体竞争逐渐演化为平台之间的体系竞争。

大数据作为重要生产要素，在平台经济领域发挥着超乎寻常的作用，是大型互联网平台维持市场地位的核心竞争要素。一方面，平台通过对数据的采集、分析和应用，精准匹配市场供求关系，既在一定程度上解决了传统经济的信息不对称问题，更好地满足消费者需求，又能进一步促进产业优化升级，推动经济高质量发展。另一方面，大型互联网平台凭借大数据优势实施垄断行为的事件频发，引发各界对平台反垄断问题的关注，以大数据为驱动的平台成为全球反垄断的重点对象。自2019年起，中国、美国和欧洲等主要经济体开启对大型互联网平台的强监管，将反垄断治理作为整顿互联网平台的核心，采取多项举措，加强平台反垄断治理。

近年来，平台经济领域呈现出市场集中度越来越高的趋势，市场资源迅速向头部企业集中，形成了一批大型互联网平台，大数据在此过程中起着非常重要的作用。但大数据只是一种工具，其本身是中性的，并不能直接导致垄断，与大数据相关的垄断行为是平台凭借数据优势实施的。鉴于此，本文以大数据为视角，一方面梳理分析了反垄断的不同理论学派，大型互联网平台对反垄断理论基石的影响，学者们关于数据与平台垄断关系的学术争鸣，以及学界提出的我国平台反垄断的不同路径等理论问题；另一方面分析研究了大数据对大型互联网平台特征的影响，厘清了大数据引发的平台垄断行为新形态，并针对大数据对大型互联网平台反垄断带来的现实挑战，提出了相应的反垄断路径。本文在大数据情境下探索大型互联网平台的反垄断路径问题，针对大数据是否会引发平台垄断，大型互联网平台利用数据实施垄断行为的类型与运行方式，以及大数据情境下大型互联网平台的反垄断路径等问题展开研究，具有一定的理论价值与现实意义。

二、平台反垄断的文献综述

反垄断经济学肇始于美国，美国反垄断法主要由《谢尔曼法》和《克莱顿法》组成。

自20世纪30年代以来，针对反垄断问题的理论研究不断深入，先后形成了哈佛学派、芝加哥学派和后芝加哥学派。20世纪30年代到60年代，主张产业组织理论的哈佛学派兴起，结构主义成为美国反垄断政策的理论基础。以贝恩[1]为代表的哈佛学派反对高市场集中度，主张控制企业规模，对大企业进行拆分。20世纪70年代，芝加哥学派诞生并逐渐取代哈佛学派，在反垄断理论中占主导地位。芝加哥学派从规制市场结构转为规制行为，主张效率至上，认为高市场集中度可能预示着效率[2]。如果企业符合效率标准，并能够增加消费者福利水平，即便具有高市场集中度也不一定导致垄断，政府应减少干预。20世纪90年代之后，后芝加哥学派兴起，更关注垄断带来的福利转移损失，从效率至上转向注重公平。同时，随着信息社会和数字经济时代的到来，反垄断更加关注技术垄断，通过保护知识产权等方式保护和促进创新[3]。这3个学派反映了不同历史背景下反垄断的发展情况。进入数字经济时代，大型互联网平台涌现，其基于网络、数据、算法形成的市场竞争新格局，给反垄断的理论与实务带来巨大挑战，平台反垄断问题引发广泛关注。

尽管主流观点认为大型互联网平台对反垄断理论和制度的挑战非常小，但也有部分学者提出大型互联网平台动摇了反垄断理论的基石，理由如下：第一，各大型互联网平台大幅提高了市场集中度，引发经济集权，影响国家民主，导致全球范围内对反垄断法、竞争政策进行再评估[4]。第二，美国平台巨头已成长为超级经济体，对芝加哥学派的反垄断理论带来挑战，在一定程度上动摇了美国的反垄断法理基础[5]。第三，在新经济新业态背景下，平台经济在技术特征、产业特征、市场结构等方面均发生了明显变化，其发展中出现的垄断问题对反垄断治理提出了更高要求[6]。第四，平台、数据、算法三维竞争所依据的数字经济基本结构和原理与工业经济时代相比发生了巨大变化，应重构反垄断法理论框架和规制体系[7]。已有研究主要关注大型互联网平台垄断呈现的新特征与新问题，但是对于动摇传统反垄断理论这一观点并没有有力的证据支撑，且相关讨论仍在传统理论框架内进行，没有提出新理论。针对平台、数据给反垄断带来的新问题与新挑战，传统理论能否适应这些新发展？如果能适应，如何用传统理论来指导问题的解决？如果不能适应，理论应如何发展？

围绕数据与平台垄断关系，出现了截然相反的两种观点。一种观点认为数据可以引发平台垄断，原因在于：第一，数据作为生产要素，限制竞争对手收集市场进入的必要数据，可能引致垄断[8]。第二，平台经济对数据独占系统的控制，容易出现新型垄断格局[9]。另一种观点则认为，大数据导致的反竞争效果有限，不会引发垄断问题。理由如下：一是数据无处不在，成本低，且被广泛使用。二是占主导地位的公司不能排除小公司获取关键数据或利用数据获得竞争优势[10]。三是在线平台收集用户数据是为了消费者利益，不会导致平台主导地位的巩固，实践中并没有证据证明大数据会引发竞争问题[11]。四是大数据的经济特征缓解了通过操纵数据获得阻碍竞争效果的担忧[12]。五是跨业务平台的数据整合通常会显著增加消费者福利的效率和收益，使用反垄断法可能会减少新产品的竞争和创新[13]。两种观点从不同角度出发，各有其合理性，但是均未能对数据与平台垄断实质关系进行深入分析。数据是中性的，其本身并不能引发平台垄断，但是实践中，各平台普遍存在利用数据实施多种垄断行为的现象。因此，强化平台数据治理，防止平台运用大数据实施垄断行为尤为重要。

针对我国的平台反垄断问题，学者们从监管方式、政策、机制等方面提出了多条路径。监管方式上，应建立科学的监管模式、框架和技巧[14]；监管政策上，需加强反垄断政策对数字经济时代的适应性[15]；机制上，建议重构垄断纠纷民事诉讼举证责任分配机制[16]。已有路径研究比较全面，但是不够深入，可操作性也不强。因此，应进一步增强平台反垄断路径的可操作性，使其可以有效应对平台垄断问题。

近年来，国际社会非常关注数字经济对竞争规制带来的影响与挑战，大数据对平台垄断的影响是其中的重要内容。已有研究虽然是针对不同国家或地区的平台竞争与垄断问题展开的，但在全球互联互通的大背景下，这类问题存在共性，对我国大型互联网平台反垄断规制也有很大的借鉴意义，为本文设置平台反垄断路径提供了重要的启发与参考。2019年4月，欧盟发布的《数字时代的竞争政策报告》专章分析了数据经济学对竞争政策的影响[17]，其中有关数据共享的研究，对我国数据共享的制度、路径建设等有重大启发意义。2019年9月，金砖国家竞争法律与政策中心发布《数字时代下的竞争：金砖国家视野》，大数据相关的排斥竞争和不公平行为的研究[18]，对我国部分平台运用大数据实施垄断行为的认定与监管有重要参考价值。2020年10月，美国众议院司法委员会发布《数字市场竞争状况调查报告》，认定GAFA存在利用其市场地位消灭竞争、扼杀创新，行使并滥用垄断权力的行为，并对大数据在四大平台垄断的作用进行了分析[19]。该报告关于四大平台进行结构性分拆的建议，对丰富我国平台反垄断救济方式具有借鉴意义。

三、大数据对大型互联网平台特征的影响

大型互联网平台涉及相互影响、相互依赖的三方关系，属于典型的双边市场。根据双边市场理论，网络效应、规模经济、负荷能力、平台的差异化及用户多宿性等特征决定了双边平台的规模，其中网络效应和规模经济与市场集中度呈正相关，后三者则阻碍了市场集中[20]。在大数据驱动下，平台的网络效应、规模经济效应以及锁定效应进一步加剧，极有可能会加大平台市场集中趋势，进而影响平台的垄断属性。

(一)大数据增强了平台的网络效应

大型互联网平台的强网络效应使平台变得高度集中。网络效应分为直接网络效应和间接网络效应。在具有直接网络效应的平台中，一方用户越多，对另一方用户的价值就越高，吸引力越大。在具有间接网络效应的平台中，一方用户增加，能够吸引更多的另一方用户，并吸引第三方参与开发更多的产品或服务，进而反过来吸引用户[21]。

大数据通过正向反馈强化了平台的网络效应。平台普遍采用大数据驱动的商业模式，网络效应更为明显。对于电子商务平台，数据既是双方交易中形成的用户信息，也是平台的重要资产。一方面，平台获得更多买方用户后，可以收集更多数据并进行更精准画像，从而吸引更多卖方进入，为买方提供更符合其需求的产品，进而反过来吸引更多买方，形成正向反馈。另一方面，平台获取更多数据后，可以吸引更多广告商，提高广告定价，获得更多收入，将更多资金用于平台的升级提质，以吸引更多用户。社交网络平台表现为直接网络效应，平台一方数量增加，将会吸引更多的参与者，比如作为供给端的商家数量增加将会吸引更多的商家入驻平台，作为需求端的用户数量增加将会吸引更多的用户参与平台。用户黏性增加，平台价值提高，增加新平台的进入壁垒和取代原有平台的难度。搜索引擎平台则更多体现了间接网络效应，使用的用户越多，平台将会收集更多用户检索数据，并根据收集到的信息不断改进算法，提升检索效果，吸引更多广告商。

区内阴雨天气易导致授粉受精不良、着果率低等，因而需配置3个以上花粉量大且自花授粉的品种，以相互授粉提高产量和品质。同时，应以中国樱桃黑珍珠为主导，按照早、中、晚熟品种的适度配比，逐步引进一些早熟中国樱桃优新品种如早大果、早艳、红妃及春露[4-6]等，晚熟中国樱桃优新品种如黑甜一号、新引一号、杂交6号、巴丹早红及春雷[7-8]等，以延长采摘时间，进一步优化品种的种植结构，丰富市场品种供应。

(二)大数据促进了平台的规模经济效应

大型互联网平台另一个重要的属性是规模经济，使平台更易于集中。规模经济一般指规模效应，在特定时期内，企业的产量达到一定水平后，各生产要素的有机结合产生1+1>2的效应，单位产品的成本下降，利润水平提高。大型互联网平台具有明显的边际成本递减甚至为零的特点，在平台设立之初，所需投入巨大。但是，随着平台用户数量的增加，规模扩大，平台的边际成本逐渐变小，效益增加，促使平台不断扩大规模，增加用户，实现规模经济。

大数据进一步强化了平台的规模经济。大数据的基础是海量数据，前期需要巨额投入。一旦平台开始运行，尽管其运转与维护等还需要继续增加投入，但这与大数据带来的收益相比相当低。当平台用户足够多，采集的数据体量与规模到达一个临界点，平台的边际成本几乎为零。平台的这种运行模式，结合网络效应，使其规模不断变大，市场集中度不断增强。同时，由于前期投入成本巨大，且数据只有积累到一定规模后才能获得利益，因此会出现市场进入壁垒，大量的市场主体囿于资金、技术和人才而无法进入。即便能够勉强进入，也会因无法与原有平台相抗衡而惨遭淘汰。

(三)大数据强化了平台的锁定效应

大数据是强化平台锁定效应的重要因素。平台具有用户多宿性，即用户可以根据平台之间的差异化选择不同的平台，这会降低用户依赖程度，可能导致用户流失，对平台产生分散效应，阻碍平台的集中，降低竞争优势。为了留住用户，维持市场竞争优势，平台会通过各种手段增加用户黏度，实现用户对平台的锁定。其中，大数据作为平台的重要生产要素和关键竞争要素，是平台用以降低甚至消除用户多宿性，增强锁定效应的重要工具。

首先，平台运用大数据了解用户需求，制定吸引用户的差异化策略，进行个性化定价或者提供个性化的产品和服务，增强自身吸引力，以此锁定用户。其次，平台通过技术手段阻碍用户向平台移植数据，增加用户数据移植成本。用户在一个平台投入的时间和精力越多，形成的数据就越多，转换到其他平台的成本也就越高。由于转换成本增加，且用户因长期使用而形成路径依赖，导致用户被平台锁定。再次，平台利用大数据建立生态系统，为用户提供多样化服务，增强用户黏性。比如某支付平台，不仅提供支付服务，还建立了包括基金、理财、保险等在内的生态系统，增加了出行、外卖、电子商务等第三方平台入口，显著增加了平台的直接锁定和跨平台锁定。用户被锁定后，将会为平台提供更多数据，随着数据的不断累积和平台技术的持续优化，平台对用户的锁定效应更加显著，平台的市场优势地位进一步得到巩固。

四、大数据引发的平台垄断行为新形态分析

大数据属于新兴技术，技术是中性的，无所谓好坏。在大型互联网平台垄断问题上，尽管大数据本身并不直接产生垄断，但大数据增强了平台的网络效应、规模经济效应与锁定效应，为平台垄断提供了重要基础，增加了大型互联网平台运用大数据实施垄断行为的可能性。因此，厘清平台运用大数据实施垄断行为的新形态，探究大数据在不同平台垄断行为中的运作方式，有助于更好地规范大型互联网平台的数据运用，构建更合理有效、更有针对性的大型互联网平台反垄断路径。

(一)数据驱动的垄断协议

大数据技术增加了平台的透明度，也为经营者合谋提供了便利。尤其是随着大数据与算法的深入结合，经营者之间无需按照传统方式签订垄断协议即可实现合谋，方式更为隐秘。一般来说，利用大数据进行合谋主要有两种运作方式：一是明示的合谋。经营者之间共谋通过交换或共享算法的方式，结合市场上的数据，形成价格同盟。二是默示的合谋。在大数据时代，产品和服务具有很高的透明度，经营者利用大数据和算法，使彼此的行为和步调趋于一致，从而实现默示合谋。特别是随着人工智能的发展，算法通过自我学习不断优化，经营者通过大数据分析监视其他经营者，实时调整算法，维持动态的算法合谋。

目前，大数据、算法与人工智能叠加形成的合谋成为全球反垄断领域关注的焦点，但对其监管却面临诸多现实挑战：首先，难以被识别。数据驱动的垄断协议与传统的垄断协议不同，前者不需要经营者之间达成合意，仅通过算法或者人工智能即可实现。如果没有相关行业知识和专业技术背景，将难以识别。其次，难以被证明。如果合谋是人工智能基于深度学习而形成的，将很难证明经营者在合谋中所起的作用。再次，难以被认定。以我国为例，我国《反垄断法》中的合谋是指垄断协议，明确要求“经营者之间达成垄断协议”才构成垄断行为，如果明示的合谋可能被认定为垄断行为，则默示的合谋并不属于我国《反垄断法》的规制范围。

(二)滥用数据市场支配地位

一是限制竞争对手获得数据。在数字经济时代，大数据的重要性不言而喻。数据具有非独占性和可复制性，从理论上说，竞争对手可以通过多种途径收集数据。但是，当数据成为竞争对手的重要生产要素，具有市场支配地位的平台会限制其获取，可能产生反竞争的效果。因此，需要结合具体个案来判断限制竞争对手获取数据是否属于滥用数据支配地位。

二是自我优待。一般来说，如果平台既进行运营，同时又在平台上销售自己的商品和服务，将会和平台上的商家展开直接竞争，从而产生利益冲突。如果平台给自己的商品和服务优惠待遇，即存在自我优待。近年来，平台利用大数据实施自我优待的行为引起广泛关注。2017年欧盟指出，谷歌进入购物比价市场后，滥用其搜索引擎的主导地位，排挤其他竞争对手，不公平地将客户引向谷歌购物服务。2020年在美国众议院的反垄断听证会上，亚马逊也受到类似指控。

三是运用大数据实施价格歧视。大型互联网平台可以通过收集、分析与运用大数据，精准定位消费者并进行画像，然后根据消费者的消费意愿和消费能力设置不同价格。同时，由于大型互联网平台具有一定的市场支配地位，即便价格歧视被发现，通常也不会导致用户大规模流失。由于平台和消费者之间信息不对称，消费者往往难以了解定价的具体规则，导致大数据杀熟等事件频发。

(三)数据驱动的经营者集中

近年来，大型互联网平台的并购行为密集发生。美国的《数字市场竞争状况调查报告》显示，自1998年以来，GAFA共收购了500多家公司，反垄断机构没有成功阻止过一次收购[19]。收购方在收购企业的同时获取了被收购方的数据，如微软收购领英、脸书(现名“元宇宙”)收购瓦次普、美团收购摩拜等。

数据驱动的经营者集中通常按照以下方式进行：收购方通过收购，获取被收购方的数据、用户和技术，尤其当收购方获得被收购方的差异化数据后，数据集中度短时间内迅速提高。如果这种数据集中使其他竞争对手难以复制，那么将会阻碍竞争对手进入市场，产生推高市场进入壁垒、加大竞争难度、阻碍竞争的效果。另外，大型互联网平台还会利用数据优势，识别有竞争威胁的公司，然后收购、复制或将这些公司消灭于萌芽状态，以避免被其替代。这种类型的经营者集中会排除、限制竞争。

五、大型互联网平台反垄断的基本路径

大数据催生了平台经济等新型经济模式，也给传统的反垄断理论和实践带来前所未有的冲击，引起各方对大数据、大型互联网平台给反垄断带来挑战的全面思考和探讨。因此，应对反垄断全链条监管、反垄断立法、救济措施和数据治理进行全面评估，并作出有效调整和完善，以应对大数据、大型互联网平台给反垄断带来的现实挑战。

(一)强化平台反垄断全链条监管

尽管不同国家和地区对大型互联网平台反垄断问题的态度不尽相同，但大多倾向于事中事后监管。我国《反垄断法》将“为了预防和制止平台经济领域垄断行为”作为立法目的，充分体现了对事前监管的重视，但这主要针对经营者集中，对于大型互联网平台垄断问题，则应实行全链条监管。

一是实行监管全覆盖。大型互联网平台的业务领域广泛，应用场景丰富，涉及监管机构较多，因此将大型互联网平台全面纳入监管规范体系，建立监管机构之间的统筹协调机制，以功能监管为主，对平台业务进行穿透式监管，对平台的多边主体与跨界经营进行监管全覆盖，明确平台数据的公共产品属性，将其纳入宏观审慎管理体系，既可避免出现多头监管，也可避免出现监管空白和漏洞。

二是确立大型互联网平台的守门人地位。大型互联网平台具有管理者属性，且越来越多地在经营者和用户之间承担守门人的职责。我国可借鉴欧盟《数字市场法案》规定，推行守门人制度。首先，通过对用户规模、营业额、业务类型等设置一整套可量化标准，识别大型互联网平台，明确其守门人地位。其次，对大型互联网平台设置特定义务，防范垄断，更好地维护市场公平，保障市场竞争。再次，对平台实施分级分类监管。设置一定标准对平台进行分级分类，按级按类精准制定规则，对特定主体设置更加严格的监管规则。最后，制定合规指引。对不同级别不同类型的平台设置不同的合规要求，制定不同的权利义务清单，对于出现触发合规风险的潜在垄断行为，应及时进行风险提示并采取相应措施。

三是进一步强化事前监管，有效实施平台反垄断领域公平竞争审查制度。平台反垄断应当制度先行，通过事前介入进行公平竞争制度审查，根据平台反垄断的实际需要进行立法，并对不符合平台发展规律和平台反垄断特性的法律法规进行清理、修订，从源头上对平台垄断行为进行规制。

(二)重视平台经济领域反垄断立法的数据要素

2019年以来，我国加大对平台经济领域垄断的立法规制，相继出台《关于促进平台经济健康发展的指导意见》《关于平台经济领域的反垄断指南》等多部文件对大型互联网平台实施强监管。为进一步有效应对大数据、大型互联网平台对反垄断规制带来的挑战，回应不断涌现的大型互联网平台运用大数据实施垄断行为新形态，应重视平台经济领域反垄断立法的数据要素。

一是改进相关市场的界定方法。平台经济中，由于数据的可复制性与平台的跨界经营特征，平台可以从不同来源获取数据，也可以将数据提供给其他平台使用，数据已不再专属于某一市场。传统的供给需求替代分析法、临界损失分析法、弹性交叉分析法等相关市场界定方法，很难有效适应对数据驱动的大型互联网平台相关市场的界定。因此，可以对大型互联网平台进行细分，确定其核心商品或服务，在传统相关市场界定方法的基础上综合考量消费者体验、转移成本、产品特性、预订用户、价格差异等各种因素，改进相关市场的界定方法。

二是修改数据驱动型经营者集中申报标准。大型互联网平台实施的数据驱动型经营者集中，有可能经营者营业额并不高，但由于具有数据、技术或用户优势，实际商业价值却很高。如果仅将营业额作为申报标准，会导致很多有可能引发垄断的经营者集中因达不到申报标准而免于申报。因此，应修改完善经营者集中申报标准，借鉴德国《返限制竞争法》最新修订的做法，在已有的经营者营业额申报标准之外，增设交易价值为申报标准，对平台的防御性收购进行有效判断，识别其是否会破坏竞争，阻碍创新。

(三)适时实施结构救济方式

反垄断的救济措施主要分为行为救济和结构救济。行为救济旨在阻止公司从事特定类型的行为，主要措施包括禁止其收购某种类型的企业，禁止提供某种商品或服务，要求一家公司以相同的条件(非歧视)或规定的条款向所有买家出售产品或服务，修改或取消现有合同等。结构救济旨在消除可能导致垄断的激励因素，主要措施包括资产剥离和解散[22]。20世纪70年代以前，结构救济是反垄断的重要措施，但随着芝加哥学派在反垄断领域占据主导地位，行为救济成为反垄断的主要救济措施，结构救济方式基本被放弃。

近年来，随着大型互联网平台的崛起，平台的数据优势可以迅速转化为平台优势，形成赢者通吃的局面。面对平台垄断问题，结构救济方式引起广泛关注。对平台进行结构性拆分，无论对涉嫌垄断的平台本身还是对市场都会产生巨大影响，因此对平台进行拆分要非常谨慎，应设置严格的路径。

第一，确立平台拆分的目标。平台拆分的关键目标是消除垄断，促进竞争。对平台进行拆分，可以在市场上快速培养竞争对手，形成竞争局面，能有效防范出现一家独大、赢者通吃的局面。鼓励创新是平台拆分的另一个重要目标。平台拆分后，市场竞争程度提高，有利于推动平台的动态竞争，促进平台创新。

第二，设置平台拆分的判断标准。对于平台拆分应设置严格的判断标准，符合标准的才可进行拆分。这些判断标准包括：平台所处的市场地位，相关市场的竞争情况，用户对平台的依赖性，平台的规模、范围、技术和经济实力，其他经营者的进入壁垒程度等。当平台符合这些条件时，不一定采用结构性拆分的方式，只有在没有同等有效的其他救济措施，或者同等有效的其他救济措施比结构性救济措施更加无效或者成本更高时，才采用结构性拆分。

第三，构建平台拆分的模式。如果对平台进行结构性拆分，可以按照不同的模式进行：一是拆分平台活动和商业活动。将平台活动和商业活动进行区分，分别由独立的公司进行运营和管理。但这种分离也会因拆分的公司之间是否具有关联关系而有所不同，分为不完全的分离与完全的分离。前者指拆分后的公司之间存在关联关系；后者则意味着拆分后的公司由完全独立的公司进行运营。如亚马逊，不完全地分离允许杰夫·贝佐斯运营Amazon Prime和Amazon Web服务，但这两项业务由不同的下属公司运营；完全的分离则禁止杰夫·贝佐斯同时运营Amazon Prime和Amazon Web服务，要求其中的一项业务由完全独立的股东进行运营。二是按照业务类型进行拆分。如微软反垄断案，哥伦比亚特区联邦地方法院判决将微软拆分为两个独立的公司(上诉后该项判决被驳回)，一个专营电脑操作系统，另一个则经营除去操作系统外的其他业务，包括Office系列应用软件、IE浏览器等。鉴于大数据在平台走向垄断中发挥的重要作用，可以将与平台相关的数据业务拆分出去，交由独立的公司运营，防止大型互联网平台利用大数据实施垄断行为。

(四)加强平台的数据治理

大数据是平台的核心生产要素和最重要的资产，大型互联网平台实际是在数据驱动的经济模式下发展壮大的。但同时，平台尤其是大型互联网平台也是通过大数据提高市场进入壁垒，利用数据优势实施垄断行为。因此，在平台反垄断治理中，应加强数据治理，防止利用大数据限制或排除竞争。

首先，加强数据共享。鼓励大型互联网平台有序开放数据，将不涉及国家安全、商业秘密、个人隐私的数据开放共享。有效整合大型互联网平台的数据，逐步将其纳入监管，对于利用数据实施垄断行为的平台，综合运用多种监管手段，加大处罚力度。推进平台之间互联互通，解除平台之间的网址链接屏蔽，打破“围墙花园”，制定平台互联互通标准和实施细则。搭建公共服务平台或平台联盟，设置统一的数据标准，构建平台间数据共享机制，实现平台之间数据交换与共享。

其次，实现数据的可移植性和互操作性。鼓励大型互联网平台构建数据的可移植和互操作体系，为用户提供工具或入口，便于用户在不同平台之间进行互操作，或者在不同平台之间进行数据移植。构建平台开源联盟，引导大型互联网平台采用可相互兼容、转换的数据标准和开源技术，打破数据孤岛，允许数据在不同平台之间进行迁移。

再次，加快完善《数据安全法》《个人信息保护法》等配套制度。加强平台经济领域数据安全与个人信息保护的立法，建立健全更具灵活性、针对性与操作性的配套制度、措施、规范、指引和标准，既要保障大型互联网平台的数据应用，充分发挥大数据在平台发展与创新中的作用，又要加强数据安全与个人信息保护，防范平台运用大数据实时垄断行为，维持数据应用与数据安全的平衡。