从规制数据垄断前提的厘清到规制方案的厘定———公平竞争抑或平等使用

陈 兵,张天蓉

(南开大学 法学院,天津 300350)

一、背景与问题

2023年12月11—12日,中央经济工作会议在北京举行。会议指出“必须坚持高质量发展和高水平安全良性互动,以高质量发展促进高水平安全,以高水平安全保障高质量发展,发展和安全要动态平衡、相得益彰”,2024年的工作部署强调要突出重点、把握关键,将以科技创新引领现代化产业体系建设放在首位,其中“要大力推进新型工业化,发展数字经济,加快推动人工智能发展”“深化重点领域改革”“扩大高水平对外开放”等涉及数据治理相关的问题。数据作为数字经济健康发展的关键要素,关注其治理即是有效落实中央经济工作会议精神和部署。

2020年4月9日,中共中央、国务院公布了《关于构建更加完善的要素市场化配置体制机制的意见》,其中把数据列为同土地、劳动力、资本、技术并列的生产要素,随着数据与算法的结合,数据资源的价值大幅提升,成为企业追逐的重要资源。2023年10月25日,国家数据局正式挂牌成立,负责协调推进数据基础制度建设,统筹数据资源整合共享和开发利用,统筹推进数字中国、数字经济、数字社会规划和建设等。由此可见,数据要素受到高度重视,其也是数字经济发展和我国经济增长的核心引擎。

关于数据规制,有学者指出在治理平台经济过程中,反垄断监管和数据规制的联动效应可以强化公平竞争,保障消费者利益,反垄断监管聚焦于市场中的垄断行为,数据规制聚焦于用户权益和隐私保护,二者相辅相成。[1]也有学者提出数据共享是解决平台企业数据利用问题的最优办法,但当前平台企业更倾向于“数据割据”,可以采取强制数据共享、制定平台企业数据共享的官方指南、提高平台企业数据共享的公平开放程度等方式构建平台企业数据共享制度。[2]

大数据背景下互联网平台在利用数据和算法、技术、资本及平台规则的过程中,其竞争行为的合法边界不断受到挑战,特别是在利用数据的过程中,对数据垄断是否为真,如果存在数据垄断,应予以怎样规制都面临挑战,为建立健全数字经济健康发展,特别是与数据竞争行为相适应的竞争规则,亟须对相关法律法规作出调整和完善,丰富规制措施。

数据垄断是制约数据要素市场培育的关键因素,健全数据垄断规章制度的目的是充分释放数据价值,促进数字经济发展。我国现有数据领域反垄断法律体系仍在完善中。2019年颁布的《电子商务法》第22条对电商滥用市场力量作出了规定;2019年颁布的《国务院办公厅关于促进平台经济规范健康发展的指导意见》第二部分提出了“维护公平竞争市场秩序”的要求;2021年印发的《国务院反垄断委员会关于平台经济领域的反垄断指南》(以下简称《指南》)第二、三、四章为数字治理工作拓展了平台竞争监管的领域,并多次提及数据与算法;2022年新修订的《反垄断法》明确提出“经营者不得利用数据和算法、技术、资本优势以及平台规则等从事本法禁止的垄断行为”,基于数据优势的垄断受到重点关注。以上法规执行框架以“垄断协议”“滥用市场支配地位”“经营者集中”为中心。[3]132与传统行业不同,数字经济面对高度的动态竞争挑战,必须不断地夯实其网络效应、锁定效应、规模经济等特征,零定价策略和多边市场构造使得现行反垄断分析及适用方法在实践中面临挑战。

公平与效率始终是市场竞争和公平公正监管需要达成的价值融合,规制数据垄断是为了保障数字经济市场公平竞争,以高水平的公平竞争促进高水平的创新发展。实践中,数据集中有可能产生规模效应等积极作用,促进经济效率的提升,但是也有可能抑制竞争、限制创新,为此,鼓励和实现数据共享是当前平台经济领域反垄断措施中不可或缺的一部分[4],但同时,也需要注意区别数据共享中公平竞争与平等使用的具体内涵和表现形式。

目前,全球主要国家和地区反垄断政策越来越强调市场资源的高效配置与消费者福利及可持续发展,各主要司法辖区竞争当局在规制垄断行为、矫正不正当或不公正竞争行为对市场竞争秩序的扭曲、维护市场公平竞争的同时,也更加关注市场竞争行为对消费者福利等社会公共利益的影响[5]102,两者之间理应具有高度的统一性。然而,在实践中有时还存在异向运行甚或冲突的现象,即对竞争行为的规制与对消费者福利等社会总福利的考量还需要进一步细化,寻求规制行为与规制多目标之间的平衡。

具体而言,反垄断法的实施既要关注企业竞争行为对市场的综合影响,也应当注重其对自身经济效率的影响,特别是企业竞争行为对市场上其他多元主体的多维度长短期利益的影响。基于此,对互联网平台可能存在的数据垄断等违法行为,只有当法律法规有明确规定时,才可直接认定相关行为构成垄断;若法律法规对相关行为没有进行明确规定,譬如数据利用行为,即便从外观形态上来看,其可能涉嫌限制竞争,但是也应进行规范严谨的竞争效果分析,方能给予明确的法律规制,防止在法律实践过程中“一刀切”,进而对符合促进社会总福利的平台行为造成不必要的规制,引发假阳性错误,妨碍平台经济的创新发展。

当前,对于数据垄断的监管还未形成专门的法律制度,理论界与实务界对于数据领域的垄断行为定性与规制路径还未达成共识,在当前数字经济蓬勃发展的背景下,全面推进数据领域的共享与严格的监管不符合时代背景,也不具有可行性。因此,在完善数据垄断规章制度前,需要厘清数据共享中“公平竞争”与“平等使用”的意义,平衡好数据共享与经济效率,在此基础上提出能够有效规制数据垄断的方案。

二、规制数据垄断面临的复杂挑战

(一)何谓数据垄断

数据垄断主要是指拥有数据绝对优势的企业,基于对数据来源和渠道的控制,利用技术优势在数据交易、数据分析、数据使用等环节实施垄断行为[6],拒绝或限制他人访问、使用数据,排除、限制竞争。由于数据要素市场仍在培育之中,现实中发生在数据交易环节中的垄断行为还有待进一步核清,故此,暂且不讨论“通过限制数据交易形成的数据垄断”,主要探讨“通过控制数据,实施垄断行为,将垄断优势体现在其他产品或服务市场”,即基于数据的垄断。

根据梅特卡夫定律,网络价值与用户数的平方成正比,网络使用者越多,价值就越大,并且互联网的边际传播成本几乎为零,所以从技术原理来看,互联网平台天然具有“马太效应”,即在市场竞争中具有数据、技术、资金等优势的互联网平台会聚集更多资源,实现“赢者通吃”的局面,具有天然的市场垄断性。[7]数据具有非竞争性与非排他性,突破式的创新会使竞争格局发生深刻改变,因此具有数据优势的企业有动机封锁数据,阻碍潜在竞争对手的创新,维持头部地位。在数字经济场景下,数据作为关键生产要素,垄断数据即能获得利润,无须像传统的生产体制那样,需要垄断一般物质生产资料或者雇佣劳动力。[8]数据垄断多产生于超大型平台的经营活动,平台利用算法,通过投送、筛选、锚定、选择、再投送的程式构建了数据闭环。[3]134根据欧盟、美国反垄断监管机构的调查,数据垄断集中体现在电子商务、搜索引擎、移动操作系统、社交媒体等数字平台领域[9],主要有以下三类行为容易诱发数据垄断风险。

1.垄断协议

发生在数据领域的垄断协议主要表现为利用算法合谋与数据共享机制达成垄断协议。在利用数据的算法共谋中经营者无须进行沟通即可了解其他经营者的定价与经营方式,进而利用算法实施影响市场价格的行为,特别是基于自学型算法的默示合谋,算法的动机与合法性难以识别和判定,具有隐蔽性,监管机构难以监测其行为,这就给算法合谋的认定带来困难。在这一过程中,数据共享机制本身亦会诱发甚或助长垄断协议达成的风险。譬如,在数据共享机制安排下,各成员为维护自身的竞争资源和优势,可为获取或使用数据设置不公平的高价或低价,提出明显不合理的隐私政策等条件。由此,其他经营者可能因为接受了上述条件而丧失自身竞争力,只能依附于数据优势经营者展业。[10]

2.滥用市场支配地位

其一,自我优待。数字经济中的自我优待是指当主导平台既是第三方厂商访问用户的中介,又在同一市场从事与第三方厂商具有竞争关系的经营活动时,优先支持自己产品和服务销售的行为。平台既是多边市场的运营者,也是提供自营服务的市场参与者,这为自我优待创造了条件。我国《禁止滥用市场支配地位行为规定(征求意见稿)》列举的自我优待包括两种形式,即“对自身商品给予优先展示或者排序”和“利用平台内经营者的非公开数据,开发自身商品或者辅助自身决策”。该条款在正式施行的规定中并没有保留,但可作为理解自我优待行为的参考。 “优待”主要表现为在平台规则、数据访问、算法排序等方面提供更有利的条件,通过为自营业务提供倾斜性的资源来赢得交易机会。[11]自我优待的判定在国外已有实践,譬如2017年欧盟认定谷歌在比较购物服务市场时实施自我优待;2020年10月,美国众议院司法委员会发布了《数字市场竞争调查报告》,指出亚马逊利用第三方卖家无法访问的数据实施自我优待[12];欧盟委员会在“亚马逊市场案”中认定亚马逊利用第三方卖家的数据校准亚马逊的零售报价和改变商业决策,实施自我优待;在“亚马逊黄金购物车案”中,亚马逊给予自营商品便利,使之更容易被消费者选择,上述行为被认定为构成自我优待。(1)Case AT.40462-Amazon Marketplace and AT.40703-Amazon Buy Box, 2022 E.C. No 1/2003, https://ec.europa.eu/competition/antitrust/cases1/202310/AT_40703_8990760_1533_5.pdf.

其二,对用户实行差别待遇。此种行为主要表现为对不同用户设置不同的交易条件,譬如日常生活中不断被诟病的“二选一”“大数据杀熟”等行为,特别是基于用户精准画像的“大数据杀熟”这类价格歧视行为。当然,仅凭借“价格歧视”就认定构成违法,在实践中还有待进一步探明,还需要通过一系列的效果分析方可准确认定,然而,在这一“价格歧视”行为的发生过程中很可能涉及对用户数据权益的滥用,也存在滥用算法权力和滥用经营者市场地位的风险,需予以高度关注及实时监管。 目前,关于企业对消费者数据规范使用的问题,国家还没有出台清晰的法律规范。在规制缺失和商业利益的驱使下,一些企业肆无忌惮地对数据进行分析和滥用,并利用算法的高技术性和高隐蔽性,采用歧视性的算法匹配侵犯消费者的权益。商业平台基于大数据和算法技术,凭借市场地位设置不平等的交易条件区别对待消费者是一种滥用市场支配地位的行为。

其三,拒绝交易。2021年2月2日,抖音以腾讯滥用市场支配地位拒绝用户分享抖音视频至微信、QQ平台为由向北京知识产权法院提起反垄断诉讼。此种封禁行为是指平台企业拒绝其他平台经营者使用其正当获取或运营的数据、应用程序编程接口等资源的行为。平台经营者具有选择交易对象的自由,但是,如果平台经营者在相关市场上有绝对支配地位,拒绝和其他经营者交易数据可能导致其他竞争者的发展受限,从而破坏相关市场有序竞争。

3.经营者集中

网络平台处理和使用数据的成本结构具有特殊性,企业通常承担极高的前期沉没投入成本和接近零的边际成本。[13]前期企业需要投入高昂的成本存储与处理数据,当数据量达到一定规模时,新增加的数据能够以较低的成本改进算法与优化数据处理结构,这种运行模式使数据很容易集中。并且在大数据时代,越来越多的数据都是半结构化和非结构化的,数据的价值密度低,只有企业拥有的数据达到一定的规模,数据才能充分发挥价值。故此,企业为了集聚数据资源,利用经营者集中的方式加固和扩大其数据优势地位,不断增高数据市场进入壁垒,包括资金壁垒、技术壁垒、人才壁垒等。当然,同时我们也要认识到数据集中,特别是超大型平台企业的数据集中并不一定就构成垄断,界定数据垄断主要看其是否利用持有数据资源的优势,实施破坏市场公平竞争秩序的行为,同时也要关注市场竞争效果,即数据规模并不当然意味着数据力量和数据使用效能。[14]譬如,在我国网约车交通出行领域,相关市场上出现了滴滴出行与快的打车、优步中国(Uber China)的合并;在网络外卖订餐服务领域,出现了美团与大众点评的集中。这些互联网平台企业的集中背后可能都含有获取竞争对手用户数据的诉求。根据《国务院关于经营者集中申报标准的规定》第三条的规定,提出申报门槛主要以营业收入为标准。在这种情况下,很多企业因为达不到门槛而免于审查。经营者集中以营业额作为事前审查的重要指标,掌握数据的平台企业大部分具有业务免费特点,容易通过以营业额为指标的审查,但平台企业合并极有可能使合并后的企业掌握不同领域的甚至互补的庞大数据,合并后的企业若实行滥用行为很可能会给市场竞争带来严重损害。

同样值得关注的是,数据集中也有可能给消费者福利带来正面影响。数据规模的扩大可以促进平台服务优化,并且当前数据携带权有成为法定权利的趋势,消费者被一个平台锁定的概率降低,当产品质量下降时,消费者很容易选择其他产品,因此数据集中并不必然损害消费者利益。企业收集与利用数据,很有可能为用户或消费者提供更好的服务,从而促进市场效率的提升。在一些涉及并购类型的案件中,执法机构也指出合并将带来效率提升,譬如,欧盟委员会批准微软收购动视暴雪,认为微软的承诺会使云游戏流媒体将动视暴雪的热门游戏带给消费者,并最终为市场竞争和消费者带来重大利好。(2)Case M.10646-MICROSOFT/ACTIVISION BLIZZARD,2023 E.C. 139/2004, https://ec.europa.eu/competition/mergers/cases1/202330/M_10646_9311516_7443_3.pdf.具体来讲,为了解决委员会在通过云游戏流媒体服务分销PC和主机游戏的市场中发现的竞争问题,微软提出了以下为期10年的全面许可承诺:向欧洲经济区的消费者提供免费许可证,允许他们通过自己选择的任何云游戏流媒体服务流式传输他们拥有许可证的所有当前和未来的动视暴雪PC和主机游戏。向云游戏流媒体服务提供商提供相应的免费许可证,允许欧洲经济区的游戏玩家流式传输任何动视暴雪的PC和主机游戏。因此,对于数据垄断的分析与调查需要采取较为谨慎的立场和提供更为充分的证据,同时结合不同类型的场景来区别对待。[15]

(二)规制数据垄断的特殊性

1.数据要素具有独特性

数据具有瞬时性,可复用,但其价值却随时间流逝而递减,因此允许平台暂时独占数据不一定损害市场竞争环境。数据持有量不等同于数据价值,企业掌握大量数据并不意味着其掌控了行业发展的核心。数据具有非排他性,即一个企业获得数据不排除其他企业获得类似数据,虽然数据持有者可以选择付出较高的代价使用专门技术限制自己的数据资源共享,但其他竞争对手也可以通过用户获得相似数据,大型平台付出此高昂成本显得并不必要。数据价值具有主观性,不同企业采用不同算法对数据进行处理和分析,可能会影响数据创造的价值。

2.数据驱动型企业经营方式具有独特性

与其他领域的垄断不同,数据垄断并没有通过向消费者收取更高的价格来获取利益,但这并不意味着数据垄断是无害的。实施数据垄断的企业可以通过获取个人数据来获取财富,这些数据包括用户的喜好、意图等,而不必为数据的市场价值付费。表面上来看许多数据垄断者似乎提供“免费”服务,然而,其所收集的个人信息的价值可能远远超过提供“免费”服务的成本;数据垄断企业可以免费获取用户的创造性内容,其可利用用户发布的内容来吸引其他人使用他们的平台;数据垄断企业也可能收取更高的广告费用。因此可以说,数据垄断使平台企业更易获得高额、超额利润,加强了资本的统治力度。[6]

(三)规制数据垄断需要把握数据共享的限度

当前,我国数字经济高质量发展的短板是数据要素供给不足、数据共享受阻,如何推进数据资源共享、打破“数据孤岛”,助力数据要素市场建设与发展,成为目前亟待解决的问题。虽然前文提出“平等使用”下的数据共享不应成为规制数据垄断、推进数据共享的工作主线,但是数据共享确实可使大量数据流入市场,提高数据供给,使数据在共享中实现二次开发与重复利用,能够最大限度地释放数据红利。

然而,数据共享确实需要避免“平等使用”下的数据共享思路和做法。基于数据的复杂特征,规制数据垄断不应武断地要求无限度开放共享,需要充分考虑数据的特殊性,采取合适的措施。“平等使用”下的数据共享要求无差别地开放收集数据,存在用户隐私数据无序流动和在位企业基于竞争获取的优势地位不受保护的风险,特别是在平台经济领域普遍存在零价格交易模式,相当于用户以数据换服务;不加限度地平等使用数据会导致数据要素市场搭便车的行为大量出现,这样的平等共享很显然不利于提升数据服务质量,特别是容易产生数据安全风险,发生劣币驱逐良币的数据公地悲剧,而且这类悲剧的发生还具有不可逆性,因为数据一旦泄露,其危害和引发的信任危机是难以评估的。

(四)规制数据垄断需要系统理解《反垄断法》多元价值目标

对数据垄断进行规制的前提是选择合适的目标[16],我国《反垄断法》第一条指出:“为了预防和制止垄断行为,保护市场公平竞争,提高经济运行效率,维护消费者利益和社会公共利益,促进社会主义市场经济健康发展,制定本法。”可见,在我国反垄断法设定和实施中对多元价值目标是较为认可的,这一点在其他国家和地区的反垄断法或竞争法实施中也曾经有体现。譬如,美国《谢尔曼法》非单纯地追求经济目标,欧盟(之前欧洲共同体)的竞争法条款的政治目标更为明显。[17]

尤其在当前数字经济发展过程中,超大型平台企业形成了聚合数据、资本、人才、技术为一体的新型商业体,美国的新布兰代斯运动的兴起,欧盟《数字市场法》《数字服务法》的制定及实施都在不同程度上响应了对反垄断法或竞争法非经济性目标的召唤,其多元价值目的在反垄断法实践中的复归已经成为各国和地区竞争当局必须严肃认真考虑的问题。在我国大力推进中国式现代化建设,建设高水平社会主义市场经济体系的进程中,需在坚持多元价值目标的前提下,实现多元协同治理。

三、数据垄断规制前提释明

《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称《数据二十条》)提出“推进非公共数据按市场化方式‘共同使用、共享收益’的新模式”,对数据共享提出了要求,并且提出建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制。平等(equality)与公平(fairness)是两个不同的概念,公平为效率服务,而平等强调无差别。[18]平等使用要求数据驱动型大型企业平等地允许其他企业访问自身拥有的数据,而构建公平竞争的市场环境必须考虑经济效率。立足新发展阶段、贯彻新发展理念、构建新发展格局,“既要创造比资本主义更高的效率,又要更有效地维护社会公平,更好实现效率与公平相兼顾、相促进、相统一”[19]。故维护市场公平竞争蕴含提升经济效率的目标,虽然数据共享是规制数据垄断行为的有效方式,数据共享在一定程度上可以缩小中小平台与大型平台的数据储量差距,提高竞争强度,但当数据共享不能推动行业效率提升时,在不影响市场竞争秩序的情况下,应允许企业有一定的保留,以维护经济效率,即数据共享需要有一定限度。因此,需从三个角度厘清数据共享中的公平竞争与平等使用。

(一)将数据视作必需设施并不利于有效率竞争的市场发展

实现数据共享的一个思路是认定数据是必需设施,并强制其平等地向其他企业开放。在2017年的“hiQ诉LinkedIn(领英)案”(3)2012年,领英认为hiQ未经领英同意抓取用户公开职业数据的行为违反美国联邦《计算机欺诈和滥用法案》(CFAA),禁止hiQ访问其数据。2017年,hiQ对领英提起诉讼;2019年,美国联邦第九巡回上诉法院维持了地方法院的初步禁令,阻止领英拒绝hiQ访问公开的领英会员资料;2021年6月,美国联邦最高法院将案件发回重审;2022年4月,美国联邦第九巡回上诉法院在第二次裁决中维持了之前的决定;2022年12月,美国加利福尼亚北区联邦地区法院裁定hiQ违反了领英的用户协议(其中规定禁止抓取网站数据和创建虚假个人资料),双方达成和解协议。中,原告方hiQ认为领英阻止其通过爬虫获取用户数据的行为违反了必需设施原则,并要求领英对数据进行开放。关于数据必需设施,有学者指出强制开放必需数据具有可行性[20],或通过建立数据公地,对平台数据共享进行规制,共享的数据包括志愿共享数据和必要共享数据。[3]138也有学者指出一般情况下数据无法达到不可或缺的程度,因此数据一般不会构成必需设施。[21]2020年11月,国务院反垄断委员会发布的《指南(征求意见稿)》专门提及了将数据认定为必需设施的问题,但在国务院反垄断委员会发布的正式版《指南》中,相关的条文并没有保留,可见将必需设施理论引入数据领域欠缺可行性。2021年2月出台的《指南》的第十四条采取法定列举的方式规定了平台经济领域主要存在的几种拒绝交易的行为模式,仅仅在第五项规定了控制必需设施的经营者拒绝进行交易可能构成拒绝交易行为,这是首次在平台经济领域引入必需设施原理。

首先,必需设施原理源于美国1912年“United States v. Terminal Railroad Ass’n”案件,必需设施原理要求该设施必不可少且不可复制[22],域外对必需设施理论的适用主要集中于具有自然垄断属性的产业、公用事业等领域,数据具有可复制性、非竞争性与非排他性,必需设施理论应用于数据领域存在理论基础上的障碍。在数字经济领域中,原则上每个企业都可以收集用户信息等数据,不能仅凭某一企业的数据持有量认定企业筑起市场壁垒,即使平台掌握的某些数据对于特定经营者开展经营具有重要价值,但难以证成其对市场竞争具有不可或缺性。数据的价值不只取决于数据本身,企业对数据的处理利用也能够发挥数据的价值。企业应当通过自身的优质服务、创新技术吸引消费者,通过在经营领域的竞争力积累数据优势才是公平竞争下的应有之义。譬如在“微软和领英并购案”中,欧盟委员会认为数据构成算法分析和机器学习的重要投入要素,但并非唯一要素。平台经济动态竞争的属性要求反垄断法须保持必要的谦抑性,虽然并购行为将有可能限制竞争对手获取领英的数据,并降低市场创新的可能性,但影响软件技术开发的因素众多,即使缺乏涉案数据不必然导致市场进入失效,因此不能仅仅从竞争对手的依赖程度认定数据是否属于必需设施。

其次,平台掌握的海量用户数据包括个人隐私数据,如果在数据领域适用必需设施理论,很有可能导致个人隐私数据在未经用户同意的情况下泄露给第三方,一方面会威胁用户数据安全,另一方面也会损害消费者权益,不利于提高经济效率目标的实现,并且数据资源一旦被分享,原数据所有者就很难对其用途进行追踪,也很难控制因此产生的各种风险。

最后,开放所谓必需数据会给企业带来额外成本。国家统计局、国家知识产权局等部门曾对公众无偿开放数据,结果引发网络崩溃,后经过加大投入、调整分享数据策略,类似的网络崩溃情况才得到缓解。由于政务数据本身具有公益共性,所以政府有开放相关数据的义务,能够承担数据开放的成本。而对于企业来讲,数据开放同样可能面临网络崩溃的问题,为解决网络崩溃等问题,企业需为此承担额外成本。

(二)考虑用户隐私

数据要素价值的充分释放与消费者隐私保护之间的平衡,是数字经济发展及规制数据垄断的重要课题。数据无序共享可能导致用户隐私保护与数据安全方面存在重大风险。消费者福利已成为竞争效果分析的重要标杆[5]102,而消费者个人隐私是消费者福利的重要内容之一,具有人格权属性,与经济效率息息相关。对于个人信息保护力度,相对其他国家而言,我国《个人信息保护法》作出了更为严苛的规定[23],表明我国对个人信息保护的重视。由于平台与消费者地位的不对等,消费者无法得知哪些数据被利用、如何被利用以及个人数据处理后的用途,服务提供商故意使隐私政策含糊不清,使消费者难以评估其数据的真正价值。用户用个人信息换取平台提供的服务,若允许平台竞争者或上下游企业平等地使用平台已收集的用户信息,可能导致用户隐私数据利用的不可控。

当前,对消费者隐私的保护在一定程度上反映出平台企业间竞争的态势。如果平台企业间竞争激烈,企业会通过重视保护消费者隐私而吸引用户;而当平台企业间的竞争被弱化时,平台企业保护消费者隐私的意愿可能也随之降低。在规制数据垄断时,若允许其他企业平等地使用大型企业数据,其他企业可以以极低成本获得用户数据,那么企业对用户隐私数据进行保护的意愿和动力可能降低。

(三)数据共享需考虑大数据商业价值

“大数据”通常指不同类型的海量数据,由多种渠道高速产生,其处理和分析需要新的、更强大的中央处理器和算法,具有高速、多样、大量、重要的特征,数据规模的扩大能够优化平台企业的算法,提高服务质量。当前大数据已从互联网经营者的商业技术核心进阶成为国家乃至全球经济发展新布局和新战略顶层设计的一部分。[24]大数据的价值远远超过单一数据价值之和,它可以通过数据的进一步积聚或应用于机器学习等而获得更大的应用价值。

高度依赖数据的市场正经历正反馈循环:企业拥有的数据越多,其产品就越好,即强大的数据驱动网络效应。譬如谷歌这样的搜索引擎能够通过使用其搜索数据库不断从其数十亿用户那里收集大量数据来改进搜索结果,使用特定搜索引擎的人越多,搜索引擎算法就越有可能了解到消费者的偏好,搜索结果也就越有可能变得更相关,会吸引其他人使用该搜索引擎,并且积极的反馈会持续下去。同样的,脸书(Facebook,现为Meta)能够凭借其拥有的大量用户数据,向目标用户投放极具针对性的广告。

大数据将成为未来创新和增长的关键,特别是在人工智能领域,大数据是人工智能运行的燃料。譬如特斯拉从其汽车运行中收集数据,然后使用这些数据优化其自动驾驶算法,这使得竞争对手很难在特斯拉之前进行创新。大数据较强的正向规模效应和较弱的反向规模效应导致了高额的垄断收益,也使互联网平台在一定条件下可以在垄断状态中获得较之传统垄断状态更高的效率。[25]数字经济以数据收集、存储、处理与使用为核心,挖掘大数据价值能够推动数字经济高速发展与繁荣。

经营者通过对大数据进行分析并同步改进算法,能够提供更符合消费者需求的服务。对于拥有大数据并能够对其进行处理分析的企业来说,大数据即是其核心竞争力,若要求企业提供给其他企业甚至是竞争对手平等使用的权利,会使具有数据优势的企业减少数据收集处理的积极性,无法最大程度地发挥大数据价值,对经济效率产生负面影响。

四、规制数据垄断的对策建议

(一)加快完善数据要素市场化配置

1.优化完善科学合理的数据分类分级制度

我国数据要素市场的发展,在数据权属、交易定价、流通共享规则等机制设计方面遇到诸多难题,对数据的流通利用造成阻碍。数据分类分级是解决前述问题,对数据要素进行市场化配置的前提条件,是促进数据要素公平有序、安全有效流通的基础保障。[26]《数据二十条》将数据分为公共数据、企业数据和个人信息数据,并以此为基础建构数据利用的权利义务体系,基于数据垄断视角,本文讨论的是企业数据开放共享路径。2021年,《数据安全法》正式提出从国家制度层面建立数据分类分级保护制度,根据数据重要程度匹配相应的保护和管理措施。不同数据生成、使用场景、重要程度有着较大的差异,很难用统一的标准进行共享,数字平台上的用户对数据进行分级授权可以尊重用户自身意愿,同时提升消费者福利和社会总体福利。

当前对数据分级的研究,多按照风险等级划分数据,将数据划分为核心数据、重要数据、一般数据。一般数据又可分为四个风险等级。[27]这种分类方法立足于数据保护,旨在贯彻落实《数据安全法》中“国家建立数据分类分级保护制度”的要求,保障国家安全、公共利益、个人和组织的合法权益。数据安全对数字经济发展至关重要,为提升消费者对平台服务的信任度,将信任转化为对数据共享和数据服务更大的接受度,企业需完善数据保护技术,将用户数据安全置于经营目标中,并且企业需要平衡用户数据处理的收益和风险,确保数据被安全地收集和存储,并且仅用于合法目的。

政府应加快出台针对企业数据的再利用问题的分类分级制度,需尽快明确数据安全需要达到的标准,如数据匿名化处理需要做到何种程度,因为在大数据时代,数据量激增,技术无法做到数据完全匿名化。因此,应明确企业保障数据安全的责任范围,避免因风险的不确定进一步加剧企业愿意共享数据但不敢共享的矛盾。[28]同时,数据要素市场化配置要求充分释放数据价值,提升数字经济效率,尽可能地创造更多的收益。因此,也应当探索以数据对于企业提升业绩重要性为标准的数据分级方式,以此限定企业数据开放共享的限度,在破除数据垄断的同时维护提升企业业绩水平和经济效率的目标。

2.建立健全公平高效的数据交易制度

配置效率和生产效率共同构成整体经济福利[5]103,数据要素价值的充分释放能够推动经济发展,数据要素市场化配置的核心是数据要素供给和需求的高效匹配[29],推进数据要素市场化配置的过程就是以制度或技术促进市场化交易的过程。[30]

有学者认为可将数据交易界定为服务类合同[31],比“数据产权转让”更能准确体现出平台所发挥的真实作用。数据交易是大数据及算法处理技术发展至高水平阶段的产物,数据深刻影响企业的运行及收益,数据交易本质上是对无偿数据共享的限制。数据平等使用已不符合目前数据决定企业发展的现状。

在数据交易制度构建过程中,若将个人信息与数据混同,认为企业占有数据即占有用户个人信息,得出企业可以交易个人信息的结论,是错误的。数据作为信息的载体,个人信息只是其记录表达的一部分,在分级规制的情况下,关涉个人隐私信息的数据应严格保护,而脱敏后的个人数据具有交易的可行性,并且数据交易注重数据的体量和完整性,大数据更具有交易价值,单个数据承载信息的价值不会决定整体数据交易的价值。

强制企业允许其他企业平等地使用自己控制的数据有诸多弊端,与其强制开放共享,不如建立数据交易机制,在市场交易中发挥数据最大价值。对于匿名化数据,即不影响消费者个人隐私的数据,以及不会损害企业核心利益的数据,可以建立强制或自愿交易的制度,使企业获得相应报酬,继续投入算法改进等技术创新,也使其他企业能够以一定的对价获得所需数据,避免零成本的“搭便车”,缓和大型企业为了维持市场优势地位,排挤现有和潜在竞争对手而实施数据垄断的现状。

2021年发布的《要素市场化配置综合改革试点总体方案》提出要“建立健全数据流通交易规则”,科学合理的数据交易制度是实现数据要素市场化配置的重要一环。当前,需完善数据交易规则,明确哪些企业数据可交易,推进数据产品标准化,完善数据产品定价机制,降低数据跨平台、跨区域流通的交易成本,使企业在合理的回报激励下有意愿开放共享数据。

(二)促进企业数据权益合法行使和流通

数据确权是数据交易流通的保障,数据确权机制不清晰、不完善,对建立统一的数据要素市场、激活数据要素价值必然造成阻碍,数据权属不明也是造成数据垄断的原因之一。明确企业拥有的数据权益是企业在日常经营活动中合规经营的前提,赋予其数据权益能够鼓励其市场投入积极性。数据确权需明确客体范畴,数据与个人信息需要区分开,个人信息位于内容层,是人格权的客体;而客观存在的个人数据位于句法层,是财产权的客体。[32]32数据产生、处理、使用过程中涉及多方主体,权利共有模式对于权利划分十分模糊,当前亟须厘清数据权属划分。

有学者指出所有权+用益权的模式能够很好地平衡数据利益维护和数据利用[32][33],也有学者指出从“权利束”角度分析数据权益,认为提供数据的平台企业不是数据所有者,而是作为数据的占有(控制)者形成自己与他人之间的法律关系,数据“控制”才是数据确权的核心。[34]而基于“使用权”的权利分置模式可以体现出数据“控制”的本质。

作为恢复竞争秩序、规制数据垄断的可靠思路,数据共享可以削弱标的使用的排他性,有助于减少算法共谋中数据壁垒的形成。目前,反垄断监管需平衡效率与维护竞争秩序的目标,需要解决数据滥用中数据使用效率的问题,故共享型监管原则形成的逻辑也应围绕“数据使用权”展开,并且在《数据二十条》制定过程中,起草者认为推动数据产权结构性分置应当跳出所有权思维定式而聚焦于数据使用方面的权利[35],提出构建数据资源持有权、数据加工使用权、数据产品经营权三权分置方案。该方案能够保障用户对数据的权益,有效促进数据流通使用。[32]以数据“使用权”为核心的确权模式,能够激励获得使用权的企业处理、分析数据,提升服务质量,也为数据所有权归于用户(初始数据提供者)留下了空间,能够有效地提升数字经济效率。

赋予数据生产者、数据使用者等不同数据主体公平获取数据要素所创造的价值,是激励不同类型数据主体参与数据生产和价值实现的根本保障。[36]《数据二十条》明确规定要“保护数据来源者合法权益”。企业对数据的加工使用应在赋予个人数据所有权的基础上进行,个人数据所有权保证了个人隐私数据安全,能够保证信息自决,并且企业数据来源于用户,用户使用平台服务的各项操作产生的数据成为算法的“原料”,用户的这种特殊“劳动”也使其应当拥有数据权利。企业基于对数据的用益权而享有数据资源持有权和加工使用权,权利建立在数据来源者的知情同意与授权基础上。企业共享数据资源,因其不具有数据所有权,其共享需要获得用户授权,其共享的是数据资源的持有权和加工使用权。基于前述数据分类分级情况,涉及用户个人隐私的数据应严格保护,影响企业利益的数据应根据企业自身意愿与对价的合理性在市场上流通。 并且,数据权益的法律规范不能过于抽象,必须结合数据类型和其他场景因素选择合理的数据权益配置模式。数据共享要考虑场景和数据使用主体。私人企业要考虑其处理数据的能力和保护数据的能力,公益用途应积极开放,企业盈利用途应综合考虑各项因素。

(三)允许限时数据独占,探索数据共享最佳时点

基于前述对《反垄断法》多元价值目标的阐述,为保护市场公平竞争,需要对企业持有的海量数据进行关注,若其排除限制竞争,则需要纠正其行为,但《反垄断法》同样需要达到提高经济运行效率、维护消费者利益的目标,达到多元目标的平衡需要立法和司法把握规制限度和企业利用数据优势的自由度。

允许平台暂时独占数据,但根据不同场景下的数据价值变化曲线,要求、引导或鼓励平台在一段时间后分享或开放对社会有公共意义的部分数据资源,应当成为维护数据相关公共利益的主要思路。这一理念借鉴于知识产权领域的制度。知识产权自诞生以来,在平衡鼓励创新和防止垄断与权力滥用之间的紧张关系方面遇到了很大挑战。这类似于数据垄断所固有的紧张关系,一方面我们鼓励数据的生产和收集,另一方面我们也希望平台披露和允许公众访问这些数据。然而,一家企业几乎没有理由分享其数据。因此可以从独占期限入手,合理选择数据共享的时点,在竞争与效率中达到平衡。

大数据时代,数据具有时效性,人们的消费行为等变化非常快,数据越“新鲜”,越有价值,越能够变现。基于前述企业数据分级情况,可以允许企业暂时限制对企业业务发展具有重大影响的数据共享,给予企业更大的发展空间。而对于对企业发展影响较小的一般数据,则应当鼓励企业进行数据交易,不支持其独占此类数据。

五、结语

建设公平竞争市场的要义之一即为提升经济效率。在规制数据垄断,要求企业开放共享数据之际,要平衡好开放对象、阶段、方式、种类、程度等,在公平与效率之间达成合理方案。根据不同场景、时点下的数据价值变化,引导和鼓励数据持有企业根据其经营情况自主采取交易或交换的方式开放共享数据资源,特别是那些有助于维护和增进社会公共利益,能够更好地赋能实体经济发展的高质量数据,并采取市场合理定价和政府有限参与相结合的思路来平衡数据多元主体间的利益,不失为可行进路。

数据具有不同于其他要素的特征,既有很强的财产属性,也有显著的人格特质,更兼具复杂的公共属性,是数字社会整体运行和高质量发展的基础原料。因此,考虑到数据的巨大价值和潜在效用,在市场竞争领域应尽可能保障公平竞争,做好合理使用,在推动数据开放共享的过程中区分“公平竞争”与“平等使用”的概念,在规制数据垄断行为时注意平衡公平与效率的关系。必须认识到,无偿的或者是对价失衡的开放共享需要充分考虑数据持有企业的意愿,在大力推动数据要素市场化配置的背景下,应更加关注在分类分级交易中以市场合理对价获取和使用数据的机制建设与维护,避免数据领域“搭便车”行为的出现,禁止不劳而获、食人而肥等不正当竞争行为在数据领域蔓延,为数据作为新的创新型生产要素在公平有序的竞争环境下参与生产和分配提供制度保障。