緣? ? 起

隨著數字經濟的發展，大數據的價值越來越被各方所認可，與此同時，“數據壟斷”也逐步成為了熱門話題。但至今，“數據壟斷”仍然是個模糊的概念，不同的人在講“數據壟斷”的時候，經常是基于不同的內涵和理解在討論，以致于給人“數據壟斷無處不在，卻又不知具體在何處”的迷惑感。對“數據壟斷”的不同內涵進行拆解，并就各個細分的內涵進行反壟斷意義上的分析，是厘清迷惑、準確理解“數據壟斷”相關問題的有效方式。

根據可查閱到的文獻、網絡文章、研討會發言等對“數據壟斷”的實質所指，本文總結以為，在反壟斷意義上，可以將“數據壟斷”的內涵區分為以下三類：

一是數據本身作為一種商品，企業在數據相關市場中具有壟斷地位，即“數據被壟斷”；

二是作為產品/服務的生產要素，數據成為企業的護城河，從而使得企業在該產品/服務的相關市場中實現壟斷地位，即“數據使得企業取得壟斷地位”；

三是已經在某產品/服務相關市場中具有壟斷地位的企業，實施的壟斷行為與數據相關，即“數據相關的行為構成壟斷行為”。

先上結論

可以將數據相關的壟斷困惑歸納為三類：

1）數據被壟斷；

2）數據使得企業在其他產品/業務中取得壟斷地位；

3）已經具有壟斷地位的企業實施的某些與數據相關的行為構成壟斷行為。

前兩個困惑針對的其實是“壟斷地位”，但反壟斷的精髓是反對“壟斷行為”，不反對“壟斷地位”。本文分析結果顯示，這兩個論斷也是難以成立的：數據有其特殊性，難以被壟斷；數據也不足以成為企業的護城河，企業掌握大量數據是企業成功的“果”而不是“因”。

第三個質疑針對的是“壟斷行為”。對于差別定價，雖然事實上可能會促進競爭，同時帶來消費者福利的結構性改善，不應概括地被認定為壟斷行為，但企業在拉新、促活等活動中應進行明示，保障消費者知情權。對于拒絕數據開放，在絕大多數時候難以被認定為壟斷行為，但數據的雙向開放、生態共贏是長期趨勢，建議各方共同努力，通過技術手段搭建數據價值的互聯互通網絡，構建多元化、多層次的數據價值流通體系，充分釋放數據要素價值。

數據可以被壟斷嗎？

根據《反壟斷法》，認定經營者具有市場支配地位的因素包括市場份額、市場進入難易程度、經營者財力和技術條件、其他經營者對該經營者的依賴程度等。

分析認為，單個企業所掌握的數據份額不高，數據市場進入容易，收集數據對財力和技術條件要求不高，其他經營者的依賴程度較低，數據呈現“爆炸”式增長態勢，這些都使得數據難以被壟斷。

（一）從市場份額來看，數據分布分散，單個企業所掌握的數據的市場份額較低?

數據市場份額的準確計算可能是困難的，這不僅涉及到數據相關市場邊界的準確界定，也涉及到數據市場份額的衡量指標。使用數據體量、數據質量、數據價值等計算的指標均可以在不同程度上衡量數據市場份額，但都不是完美的指標。不過，在絕大多數場景下，無論使用哪個指標，由于數據之間的可替代性，單個企業所掌握的數據的市場份額都是非常低的。以信貸場景為例，央行征信中心、百行征信、各大銀行等信貸數據，政府部門收集的稅務、社保、公積金數據，招行等銀行的工資卡數據，支付寶和微信支付等支付數據，淘寶、京東、拼多多、蘇寧、美團、攜程等消費數據，騰訊等識別的朋友圈數據，領英、脈脈等職業數據，都是信貸風控的有效指標，從事信貸的機構，既可以使用央行征信中心的數據，也可以與支付寶、微信合作，還可以與京東、拼多多、脈脈等合作，也可以要求借款人提供收入流水單等信息，這些數據之間具有較強的競爭性和替代性。所以，在信貸場景中這些數據應當被劃為同一個數據相關市場，在計算市場份額時，應把以上多類機構的數據加總作為分母。在正確界定相關市場后，無論使用何種衡量指標，單個主體的數據份額都不大可能超過50%，甚至很難高于10%。

（二）從市場進入來看，數據收集不具有排他性，市場進入較為容易?

與有形資產不同，數據的收集不是零和博弈。用戶多歸屬性明顯，相似的數據可同時被不同主體通過不同途徑收集、擁有，不具有排他性。新入者只要找到合理的商業模式進入市場就可以獲得相似的數據。例如，淘寶和天貓看似聚集了中國網絡零售市場最大的消費者與商戶數據，京東依然可以依靠差異化競爭獲取大量用戶及數據；在阿里系和京東已經掌握大量數據的情況下，拼多多依然可以快速崛起，與阿里和京東競爭并獲取相同類型的數據。所以說，新進市場主體只要通過產品和服務創新吸引到客戶，就可以收集到數據，并不受在位者的影響。數據來源除了自己業務沉淀之外，還可以通過數據經紀（數據交易市場）、上下游企業等渠道獲得。今后，隨著5G、物聯網、工業互聯網等技術的快速發展，數據收集途徑越來越多，數據收集將更便利、更容易，數據壁壘更難形成。

（三）從財力和技術條件來看，收集數據的門檻較低，新進市場主體可能借助網絡效應快速做大?

開發一個數據收集軟件的成本并不高，網上售賣的爬蟲軟件價格在幾百元到幾萬元之間。隨著融資環境的優化和資本市場的發展，小企業獲得財力支持的難度也在下降。財力和技術條件很難成為收集數據的攔路虎。盡管小公司或新進入者收集第一手數據的能力可能不如大型、成熟的企業，但這樣的小公司數量眾多，所掌握的數據量仍然十分龐大。新進入者還可以憑借創新吸引大量用戶，而網絡效應將進一步助力這些新進入者在未來更快地積累起更多的用戶和數據。比如，抖音的運營主體北京微播視界科技有限公司的注冊資本僅100萬元，其憑借短視頻創新，成立僅4年多，日活躍用戶已經超過了6億。

（四）從依賴程度來看，多樣性是大數據發揮價值的重要基礎，經營者對單一數據來源的依賴度低?

在大數據的5V特征中，多樣性是一個不可或缺甚至最重要的特征。一個數據集的真實價值不單單依賴于提供這些數據的個體數量，還依賴于每個個體透露的信息數量。數據的多樣性對信息量的正面影響可以直觀地視為數據的范圍經濟效應。同樣以信貸場景為例，經營主體會從多個渠道盡可能收集多維度的數據，工作單位、收入水平、家庭資產、信貸記錄、消費習慣、履約習慣、朋友圈等維度的數據可能僅僅是其中一小部分，在數據來源方面不會依賴單一的經營者。很多時候，產品或服務的成功與否并不依賴于數據，這種情況下對其他經營主體對數據控制者的依賴程度就更弱了。

（五）分析數據市場支配地位時，還需引入動態、發展的視角，目前的“大”數據將在很短時間后變成“小”數據?

數據是可以不斷生產出來的，而且正以“爆炸”式速度增長。目前的“大”數據將在很短時間后變成“小”數據。根據IDC和數據存儲公司希捷2019年最新研究，中國2018年約產生7.6ZB數據，將在2025年增至48.6ZB，相當于2417萬個中國國家圖書館的數字資源存儲量，復合年均增長率達30.35%。另外，算法技術的發展，還可能使企業對數據量的依賴性迅速減弱。例如，Alpha Zero可以從空白狀態學起，在無任何人類輸入的條件下，能夠迅速自學圍棋，并以100：0的戰績擊敗“前輩”。Alpha Zero意味著不需要歷史數據或只借助少量數據就可達到相關目的，數據量在將來或許不會成為一個問題。

數據可以使得企業取得壟斷地位嗎？

作為生產要素時，與資本、技術等其他生產要素一樣，數據也會提高企業產品/服務的競爭力，卻不足以成為企業的護城河，幫助企業在產品/服務的相關市場中取得壟斷地位。

（一）從數據價值周期來看，數據價值隨著時間推移快速衰減，數據價值難以持續發揮?

大數據5V特征中的“高速周轉性（Velocity）”，也反映了數據收集和處理的實時性和即時性。也就是說，數據的有效價值，總是隨著時間的推移而快速衰減。Statista網對谷歌廣告數據研究顯示，當今世上現有數據中90%創自于近2年，而那些仍未經加工的原始數據中70%過90天就將過時。數據信息貶值快的背后原因是外界世界變化快。現有數據只反映過去的狀況，在瞬息萬變的世界里規律性的東西或許已改變。歷史數據或許在分析市場趨勢方面有用，但是在指導即時決策方面的價值很有限。比如，過去的廣告數據就無助于廣告商在實時投標過程中決定展示哪個廣告。同時，在像搜索引擎這樣數據差異性大且更新率高的領域，歷史數據的價值更低。據谷歌披露，其每天用戶的搜索關鍵字和搜索結果排名記錄中有15%是最新的，這意味著搜索算法不斷需要新數據才能提供最相關的搜索結果排名。

（二）從數據規模報酬來看，數據呈現規模報酬遞減的規律，因數據規模取得的競爭優勢難以長期維持?

大規模的數據有助于更加準確地統計樣本規律，減少統計推斷的樣本偏差，但偏差的減少幅度會隨著數據規模的增加而不斷減少。Lerner（2014）對在線搜索和在線廣告市場的研究發現，用戶數據用于改善搜索結果的質量提升的效果越來越差，用于提高廣告投放到目標受眾的精準度的效果也如此。鑒于規模報酬快速遞減的特性，大規模企業可能在數據規模突破某個臨界值后從額外新增數據中獲得邊際價值趨于零，而中小企業更可能從新增給定量的數據中獲得嚴格正的邊際價值，從而更有動力通過投資服務質量和研發環節，來吸引用戶接入本平臺。由于數據規模報酬遞減規律的存在，新進入者要在數據要素層面富有競爭性，需要擁有的數據量將遠遠低于在位者通過多年積累的數據量。在2010年微軟并購雅虎搜索業務案中，歐盟競爭委員會引用了微軟提交的一份研究報告，該研究報告顯示，對于絕大多數頻繁使用的關鍵詞，微軟Bing搜索算法下的搜索結果與關鍵詞間的相關度，與谷歌和雅虎搜索下的相關度的總體差距并不大，雖然前者與后兩者在數據規模上有著巨大的差距。數據貶值很快且規模報酬也遞減，僅憑借數據獲得的競爭優勢和市場支配地位會非常短暫，很不穩固，新進入者在數據收集和分析中不可能長期相對于在位者處于明顯的競爭劣勢。

（三）從競爭對手進入來看，由于數據的可獲取性、可替代性、異質性，在位者對新進入者收集數據的影響較弱?

不同的企業可以通過不同途徑收集、擁有相似或差異化的數據，在提供服務時可以基于與競爭對手相似的數據，也可以基于差異化的數據。也就是說，數據具有很強的可獲取性和可替代性。數據的可獲取性和可替代性也是歐盟競爭委員會和美國聯邦貿易委員會在2007年前后無條件批準谷歌收購DoubleClick的重要理由。2012年的西班牙電信英國分公司/英國沃達豐/英國EE公司的合資案以及2014年的臉書并購WhatsApp案，也因類似邏輯而得到批準。相關實證研究也證明，數據存在著廣泛的替代性。比如，Graef（2015）發現，搜索引擎借助搜索排序記錄“交叉復現或驗證”揭示出的對特定群體的音樂偏好結果，與社交網絡對同一群體在社交平臺共享記錄揭示出的音樂偏好信息基本相同，Lerner（2014）證明，亞馬遜收集到的購物記錄數據，在提升廣告精準化方面與谷歌擁有的數據一樣高效。另外，企業的產品和服務往往是差異化的，新進入者一般都會專注于特定內容或細分領域，進行差異化競爭，這個時候，即便提供的服務類型相同，最適合其發展所需要的數據也不盡相同。比如，在由臉書主導的全球社交網絡領域，照片墻（Instagram）、推特（Twitter）和拼趣（Pinterest）等跟隨者就專注于圖片分享和微博客等特定內容交互，紅迪網（Reddit）專注于新聞交互，領英（LinkedIn）、玻璃門（Glassdoor）和千真萬確（Indeed）專注于職場交互等子領域。在中文社交網絡領域，QQ和微信是絕對主導者，但新浪微博、易信、今日頭條、快手等跟隨者，專注于特定細分市場，并取得了良好發展。

（四）從企業成功要素來看，數據不是產品/服務競爭力的決定性因素，絕大多數時候是企業成功的“果”而不是“因”?

從數據海洋中提煉出有用信息的能力，并不單單取決于可獲取的數據量，更取決于數據分析要用到的算法和能力，數據不是產品/服務競爭力的決定性因素。正如Varian（2009）所言，相對于大數據的收集和獲取，解讀海量數據和從中提取價值的能力才是更為重要的一環。Lambrecht和Tucker（2015）指出，“幾乎沒有任何證據可以證明在不斷變化的數字經濟中，僅僅依靠數據就能充分排斥更優的產品或服務的供給。要想建立可持續的競爭優勢，數字戰略的重點應當放在如何使用數字技術，給用戶帶來價值上面。”數據更多時候是企業成功的“果”，而不是“因”。例如，谷歌在初創時期，它擁有的數據量遠比不上微軟和雅虎，但它擁有先進的算法，其搜索服務做得更好，以至于連微軟、雅虎都把搜索外包給它，谷歌目前所擁有的大數據是其成功的副產品。再如，在通訊應用領域，后起之秀WhatsApp成功地抵擋住了手握海量用戶數據的長期在位者AOL的激烈競爭，憑借低成本又易使用的用戶接口和對用戶訴求的關注得以發展壯大。國內的典型平臺軟件微信/淘寶等的成長秘籍，都不是大數據，而是對用戶訴求的關注和對痛點的克服。經濟學家杰弗里·曼恩曾對不少互聯網企業的崛起進行過分析，結果發現成功的互聯網公司開始時都幾乎沒有數據，更不是什么數據驅動型的企業。他由此得出一個重要結論：數據更多的是互聯網平臺持續運行時的副產品，而不是創建互聯網平臺時的關鍵。

差別定價、拒絕數據開放、降低隱私保護水平應該被認定為壟斷行為嗎？

前述“數據被壟斷”和“數據使得企業取得壟斷地位”這兩個問題討論的實質上是壟斷地位，而不是壟斷行為，需要強調的是，反壟斷的精髓是反對壟斷行為，而不反對企業通過有序競爭實現市場領先地位。那么，當一個企業已經在某產品/服務的相關市場中取得壟斷地位后，如果發生實施差別定價、拒絕數據開放、降低隱私保護水平這類與數據相關的行為，這些行為應該被判定為壟斷行為嗎？這需要對該行為的排除、限制競爭的效果進行分析，并結合是否有正當理由來判定。分析認為，基于數據實施差別定價和拒絕數據開放在很多時候不應該被認定為壟斷行為，而對于隱私保護問題，利用反壟斷法保護隱私在理論和實踐上都存在著很難克服的障礙，消費者權益保護法、個人信息保護法等才是解決隱私保護問題的有效法律。

（一）差別定價在日常生活中普遍存在，可能會促進競爭，同時帶來消費者福利的結構性改善，不應概括地被認定為壟斷行為，但在現行法律環境下公司還是應審慎為之?

差別定價，在經濟學上也叫“價格歧視”，其實是一個中性的詞，在日常生活中也是普遍存在的。價格歧視可以分為三類，分別是一級價格歧視、二級價格歧視和三級價格歧視。其中，二級和三級價格歧視比較常見，比如，電信運營商不同的流量包單價不同就屬于二級價格歧視，學生優惠價就屬于三級價格歧視。標準的一級價格歧視較難發生，國債發行中的“美國式招標”（又稱“多種價格招標”）規則，在形式上比較接近一級價格歧視。在大數據時代，包括一級價格歧視在內的差別定價變得更為容易，一級價格歧視使得同一產品呈現出千人千面的價格，消費者心理上覺得不公平，難以接受，網絡上使用一個明顯具有負面色彩的詞“大數據殺熟”來形容這種現象。消費者的不公心理，是完全可以理解的，不過，在反壟斷意義上，基于大數據分析的差別定價是否應該被認定為壟斷行為，應綜合考量該行為對競爭和社會福利的影響。

從對競爭的影響來看，差別定價可能會促進競爭。在統一定價時，每個企業只能服務一部分用戶，價格接受程度低于統一價格的，就被排除在該企業的服務之外；在差別定價時，企業服務對象的范圍將得到擴展，這使得同一批用戶被更多的企業所覆蓋，從而強化企業之間的競爭。OECD的研究報告認為，與傳統的價格歧視相比，個性化定價對于競爭具有更加明顯的促進作用，其可以優化靜態效率和激勵創新。從對社會福利的影響來看，差別定價不影響社會總福利，同時有可能帶來消費者福利的結構性改善，“二級價格歧視”更多往“一級價格歧視”轉變，還會增強公平性。

從靜態來看，差別定價是將部分消費者剩余轉移為生產者剩余，不會對社會總福利產生不利影響。而且，很多時候，差別定價并沒有改變價格接受程度高消費者的價格，并沒有損害其利益，而僅擴展到了原本沒被服務到的消費者，使其享受到了低價的服務，這部分消費者的福利得到了改善。“大數據殺熟”主要是“一級價格歧視”的運用，如果把“一級價格歧視”與以往更為常見的“二級價格歧視”相比較，我們會發現，前者的公平性反而更好，更有利于提高低收入者的福利：在“二級價格歧視”下，由于信息不對稱的存在，商家會給予購買量大的消費者更低的價格，而低收入者因為購買量小反而被收取相對更高的價格；但在“一級價格歧視”下，商家向高收入者收取高價、向低收入者收取低價，這應該更符合我們對于公平的感知。

所以，大多數時候，差別定價會改善消費者福利結構，“二級價格歧視”更多往“一級價格歧視”轉變，會增強公平性。應當引起注意的是，雖然從競爭和社會福利的影響分析來看，差別定價絕大多數時候不應該被認定為壟斷行為，但根據現行的法律和目前《關于平臺經濟領域的反壟斷指南》的條款，企業在差別定價方面還是應當審慎。如果沒有正當理由和合理的提醒，進行差別定價非常有可能被認定為壟斷行為。比如，“殺熟”的主要目的是拉新，但如果沒有合理的提醒，比如說“首單減免XX元”、“新用戶減免XX元”，侵害消費者知情權，被認定為壟斷行為的法律風險還是很高。

（二）拒絕數據開放構成壟斷行為的前提應該是該數據構成“必需設施”，但由于數據的可獲取性、可替代性、異質性，特定數據很難成為“必需設施”?

數據相關的拒絕開放主要表現為禁止其他經營者收集其網站數據或者拒絕數據交易。拒絕開放在大概率上會對其他經營者的生產經營和競爭力產生影響，不過影響程度需要依據個案進行分析。然而，原則上，企業并無義務促進競爭對手業務的發展。在一般情況下，將強制開放義務附加在企業之上，與市場競爭的自由契約精神相悖。

另外，數據并不是天然存在的，而是生產出來的，數據的生產需要投入大量的人力、物力、財力，企業對其生產出來的數據應該具有相應的財產性權益和競爭性權益。如果企業對數據的財產權利得不到應有的保護，數據生產所帶來的收益就具有不確定性，企業對于數據生產的積極性就會受到打擊，這會威脅到數據的生產投資和積累，對數字經濟發展產生負面影響。拒絕數據開放構成壟斷行為的一個可能分析方法是基于“必需設施理論”（essential facility doctrine）。目前，必需設施理論在我國也有討論，原國家工商總局于2010年公布《工商行政管理機關禁止濫用市場支配地位行為的規定》第4條第5款引入了必需設施理論，國務院反壟斷委員會2017年向社會公開征求意見的《關于濫用知識產權的反壟斷指南(征求意見稿)》第15條也規定了“必需設施”原則。

在判斷具有市場支配地位的企業所拒絕交易的數據是否構成“必需設施”時，關鍵在于判定下游企業是否能“繞開”特定數據同樣開展商業經營活動。相比于港口、碼頭、鐵路等基礎設施或其他知識產權而言，數據具有明顯的可獲取性、可替代性、異質性等特征，拒絕數據開放對競爭程度的負面影響可能較小，特定數據很難成為“必需設施”。因此，拒絕數據開放在絕大多數時候難以被認定為壟斷行為。

（三）消費者權益保護法、個人信息保護法等才是解決隱私保護問題的有效法律，利用反壟斷法保護隱私在理論和實踐上都存在著很難克服的障礙?

隱私保護水平已經成為衡量現代網絡產品或服務質量的一個重要指標。有觀點認為，由于外部競爭約束的降低，具有壟斷地位的企業會降低隱私保護水平，該行為屬于壟斷行為，特別是在服務免費的情況下，競爭評估中應將對隱私保護這一重要非價格因素的影響考慮在內。

隱私保護問題，即使與壟斷競爭問題相關，這種關系應該也是非常微弱的，而且利用反壟斷法保護隱私在理論和實踐上都存在著很難克服的障礙。首先，競爭程度與隱私保護水平并不一定呈現線性關系，可能呈現倒U型關系，即壟斷者可能缺乏動力提供較高的隱私保護水平，而競爭激烈的市場格局也傾向于降低隱私保護程度,通過反壟斷增強競爭程度，不必然帶來隱私保護水平的提高。其次，反壟斷執法機構沒有良好的工具來具體測量隱私保護水平的降低幅度，也無法判斷隱私保護的最優水平。

此外，隱私保護與反壟斷法的救濟是相沖突的，反壟斷法的救濟措施可能包括禁止收集數據、強制開放數據等。在數據收集領域，如果禁止企業收集用戶信息，反而可能帶來價格上漲、降低用戶體驗等問題；在數據提供領域，若強制企業共享數據，又可能與隱私保護這一目標相悖。所以，消費者權益保護法、個人信息保護法等才是解決隱私保護問題的有效法律，反壟斷法并不適宜實現此目標，在反壟斷意義上討論隱私保護問題，實際意義不大。