大数据、反垄断与隐私保护.pdf

2023 年第 3 期（总第 147 期）5 月 15 日出版学报大数据、反垄断与隐私保护方燕（浙江财经大学 中国政府管制研究院，浙江 杭州 311225）摘要作为策略性资源的大数据可能带来质量恶化、研发阻碍和隐私损害等问题，而作为生产要素和有价商品的大数据可能促进竞争秩序和提升福利。大数据是一把双刃剑，关键在于握剑之人用剑的意图和特定的经济技术特性。大数据的公共品特性、价值加速递减性与异质性的特性使大数据的能力打折扣，因而针对大数据的净竞争效应定性只能依个案分析。本文主要从双边数字平台视角分析梳理不同用途大数据的净竞争效应，以便于对大数据引致的反垄断问题进行精准审视。大数据可能导致反垄断、隐私安全保护等诸多议题，因而迫切需要相关部门的合作与协调。通过对大数据多用途性及其衍生的各种竞争影响的分析和梳理，本研究有助于修正各界对大数据形成垄断和损害竞争的片面解读，并帮助反垄断执法机构准确对待互联网经济和大数据问题。关键词大数据；双边平台；反垄断与竞争政策；隐私安全保护；竞争效应 中图分类号：F271；D912.29 文献标识码：A 文章编号：1008-4096（2023）03-0015-11一一、引引 言言随着移动互联网的发展和普及，很多线下活动被数字化的在线平台集聚到一起，虚拟网络空间产生的用户数据呈现爆炸式膨胀，数据作为在线平台的投入要素和有价商品的重要性日益凸显，可以说大数据时代已到来。在大数据时代，数据几乎无处不在。每个企业都想尽办法收集、处理和使用海量数据，线上平台还能借助自动处理软件和算法在短时间内处理并使用这些数据，透析用户的兴趣点和痛点，改进产品、提供个性化服务或精准化广告投放等。因此，数据的收集和使用是否影响竞争和效率的问题，已成为互联网和大数据时代的关键问题。当前正经历一个从石油时代向大数据时代的过渡。有关用户、团队和组织的历史记录和基本属性的大数据，俨然已成为21世纪的“原油”和未来的新“货币”。大数据将会是后工业时代或者说数字经济时代举足轻重的大宗商品。作为数字经济的核心资源，大数据的收集、提炼、流转、分析乃至消费，将贯穿整个数字经济产业链，尤其是数据收集环节，因而可以说，谁掌握了数据收集环节，谁就会成为数字经济的核心参与者，并占据具有战略性意义的竞争优势地位。在互联网经济和大数据时代的大数据竞争将是一个竞争又合作的复杂关系，这需要大数据与收稿日期：2023-02-20作者简介：方 燕(1981)，男，江西赣州人，博士，博士后，主要从事产业组织与反垄断、互联网经济学研究。E-mail: DOI 10.19653/ki.dbcjdxxb.2023.03.002引用格式 方燕.大数据、反垄断与隐私保护 J.东北财经大学学报，2023（3）：15-25.15Number 3（General Serial No.147）May，2023学报应用场景相结合，尤其是与云计算和人工智能之间深度融合。互联网经济的技术进步变革着几乎所有部门收集、处理大数据的理念和方式。由于拥有大数据和大数据处理能力，数字平台与只有有限认知能力的用户之间的鸿沟在不断扩大，从而衍生出有关人身自由丧失、数据算法规则不透明、运营商缺乏责任担当，以及数据滥用和危害用户利益等担忧1。从这个意义来看大数据时代好比是一个黑箱社会（Black Box Society）。从学术角度来看，大数据时代下对用户数据的收集、分析和使用衍生出两个无法回避的理论问 题1。第 一，垄 断 化（Monopolization）或 体 现 多 用 途 性 的 集 中 多 样 性（Concentric Diversification）。集中多样性概念换用现代经济学术语可表述为数据的范围经济效应。第二，先进算法和技术（包括机器学习、搜索平台和社交网络等）带来的责任和义务。相应地，由上述两个问题衍生出两个主题，竞争政策和用户权益保护（尤其是隐私安全保护）。在其背后的一个更基本问题是，强大的数据收集处理能力与有限的人类认知、个体自由和自治价值后果之间的信息不对称性的矛盾。因此，本文将针对追求算法规则透明和强调责任义务是否能解决这些问题展开讨论。从社会角度来看，在大数据收集和分析上的规模和范围经济是能够提升经济效率的，因其不仅降低搜索和匹配成本，还让一些原本不可能的交易得以发生并促进了研发创新活动1。数据的范围经济具有“数据越多、纵向一体化越好”的特点，收集更多的用户数据让平台能更好地满足用户的差异化和个性化服务诉求，会潜在地给平台和用户带来益处。然而，大数据也有硬币的两面。企业不仅能够利用大数据驱动策略提高运营效率2，还能通过大数据获得和维持一个不公平的竞争优势3。这里强调的是，作为系统产品的互联网服务产品，必定是由多个环节的提供商相互合作的结果。这里关注的企业不仅是提供互联网服务的互联网科技企业，还包括处于互联网产业链上下游各环节中的企业。因此，要评判大数据和信息隐私安全的反垄断含义，必须深刻理解在线平台收集、处理和使用数据的手段，以及各在线平台借助大数据开展竞争的性质和方式。二二、数据的多用途性与反垄断初探数据的多用途性与反垄断初探从双边数字网络平台视角理解大数据及其相关问题是关键的切入点。就相对依赖线下渠道的传统商业模式而言，借助现代信息和通信技术的线上纵向一体化、网络化或二者混合模式运营的互联网科技平台获得用户数据的能力和激励更强，也能更有目的性地处理和使用这些大数据资源。这些大数据至少有三大用途5：第一，作为提升服务能力和服务品质的生产要素。第二，作为出售给缺乏大数据收集和处理能力的企业的价值商品。第三，作为维持优势地位，限制对手进入或诱导退出的战略性资源。不同用途下的大数据带来的竞争效应不同，收到反垄断和竞争政策关注的程度也不同。因此，数据用途是有关大数据的反垄断案分析的一个关键点。（一一）作为要素或商品的大数据的促进竞争效应作为要素或商品的大数据的促进竞争效应作为生产要素的大数据或作为有价商品的大数据虽然都能够提高经济效率和社会福利6-7，但实质性区别也存在。自从2013年美国Nielsen并购Arbitron案后，大数据作为生产要素的反垄断案，以及数据作为可出售的价值商品案件的内在区别才开始正式被意识到8。大数据主要通过反馈闭环来实现需求侧和供给侧规模经济，提升经济效率，促进有效竞争，其反馈闭环主要包括两种6：第一，用户反馈闭环（User Feedback Loop）。大数据通过干中学和学习效应提升平台的现有产品或服务的质量。平台通过对大数据的分析掌握用户偏好，并针对性地提升服务质量使平台吸引更多用户接入。平台还能够通过大数据开发新产品或服务，尤其可以借助大数据更精准地“命中”Mattiuzzo4指出，有些平台并不满足双边市场模型，采用其他框架去进行反垄断分析或许更合理。162023 年第 3 期（总第 147 期）5 月 15 日出版学报或“狙击”潜在用户，并为之提供个性化产品服务和广告，帮助平台增收。第二，货币化反馈闭环（Monetization Feedback Loop）。通过大数据，平台更能有针对性地出售广告获益。好的商业化平台带来的高收益有助于提升服务质量并吸引更多用户。事实上收集用户数据有助于平台改善产品或服务9、产品推荐甚至增加免费内容10。大数据用途的不同使得大数据竞争性分析也不尽相同。欧盟委员会（European Commission，EC）指出，大数据可被视为一种有价值的商业产品。因此，反垄断执法机构不宜介入干预的一个重要原因是界定数据的相关市场具有内在困难，而市场界定和市场势力测度是当前反垄断法下经济分析的根本。相关市场界定能够明确哪些产品服务是潜在竞争的，之后才能测度某企业实施市场势力的能力大小。在美国、欧盟和中国三大反垄断司法辖区里，借助假定垄断者测试（SSNIP）的替代性分析是界定相关市场的主流方法8。但实际情况是，平台将大数据作为产出其他服务的重要要素，而不是为一种有价商品出售，因而平台之间在大数据销售中不存在竞争关系，也就不存在相互替代的问题。因此，将大数据采集作为一个相关产品市场既是不科学、不合理的，也是不可操作的11，即便有可能准确勾勒出这一产品市场也是很困难的12。例如，在 2014 年的Facebook和WhatsApp并购案中，欧盟委员会（EC）就以两个当事企业都不会向第三方出售数据为由，拒绝将数据收集或数据分析服务界定为一个市场。（二二）作为策略性资源的大数据的反竞争效应作为策略性资源的大数据的反竞争效应若平台通过大数据策略性地阻挠进入或引诱退出，则是反竞争性的2-3。大数据促使平台拥有激励和能力构建进入壁垒并维持支配地位，能够限制对手获得数据、避免对手共享数据、反对出台任何威胁到数据引致型竞争优势的政策等16。其结果不仅会导致价格提高和供给减少，还会损害产品质量、研发创新和用户隐私安全等方面17。例如，GAFA和BAT等科技巨头专注于利用大数据延展垄断势力和精准广告营销获利，而不再重视研发创新和增强技术服务等生产性活动16。大数据能够让主导平台（如搜索平台的谷歌和百度）做出服务提升，这是其他中小竞争对手难以做到的。换言之，竞争平台企业不能充分地与主导平台企业展开竞争的原因是源于大数据规模的劣势。在大数据时代，主竞争平台给主导平台施加的竞争约束将弱化，这就无法迫使主导平台研发创新和提升服务质量18。通过对主导平台有关投资选择和用户数据背后行为的分析显示，这些平台愿意获取更多数据，表明数据收集的规模和广度被平台为竞争的重要维度16。Stucke和Ezrachi18发现，主导型搜索平台有很强的激励和能力将付费广告排名优先于更相关、更高质的搜索结果，这导致搜索平台市场会潜在降低用户搜索结果的质量，而用户往往无法察觉到这种小幅恶化。例如，全球用户知道谷歌给了一个优于Bing和Yahoo的搜索结果，但到底优质多少和能优质多少都不可知；国内用户知道百度给了一个优于360和搜狗的搜索结果，但到底优质多少和能优质多少都不可知。因此，无法量化就使得谷歌和百度只要能保持自己的服务优于其主要竞争对手，这会一定程度地有意恶化搜索服务质量，而不会去追求将服务性能和用户体验做得更好。但是，目前并没有发现通过大数据有意地部分恶化搜索结果违反竞争精神的证据，更没有就这一问题形成共识：大搜索平台在保持搜索结果优质于竞争对手的前提下，就搜索结果质量的增量性降低是否应属于反竞争行为？那么是否一个企业有责任全身心地提供绝对最高质的产品，即便这样做并非利润最大化原则所要求的？显然，没有任何法律有这样的责任要求，更何况搜索结果质量本身难以测度。数据恶化质量的论断和主张忽视了综合分析双边平台市场特征。例如，增 对于大数据特征属性，IBM提出海量性(Volume)、高速性(Velocity)、多样性(Variety）、价值密度性(Value）和真实性(Veracity)5个维度来刻画13-14。Stucke和Grunes1510新增了复杂性(Complexity)和多变性(Variability)。17Number 3（General Serial No.147）May，2023学报加广告无疑对广告主有利，却导致搜索结果的质量降低和用户体验下降，这就需要在反垄断分析时综合权衡这一行为对双边平台的综合影响。此时，判定依据应该是经济效率，而不该是经恶化后的搜索质量水平是否低于搜索用户偏好的水平13。大数据还可能阻碍研发创新活动，损害动态竞争。当某平台的价值体现为对用户数据的收集和货币化时，只要它手握足量用户数据，就能够借此排除潜在竞争者。其他中小平台被排斥在必要数据之外或只能付出高代价才能获得必要数据3。为扼杀竞争的发起主导性平台能够并购（潜在或现实的）竞争者或初创平台，但这种行为也可能诱导进入的频繁发生而促进竞争和研发。这是因为这种并购行为可能诱导进入的频繁发生，迫使主导平台亲自加大研发投入来应对挑战。这种数据驱动型研发对于社会福利和经济发展自然是有力的推动19。因此，主导平台对中小平台的并购行为本身不表征为反竞争效应，不应先入为主地对之进行反垄断禁止。由于大多数传统竞争理论工具都基于对产品价格和供给等方面的影响展开分析，对质量的评估缺乏明确标准，对研发创新的关注也不够。同时，考虑到服务质量评估存在执法机构的主观性风险，而研发创新因素面临很大不确定性，使得在大数据的竞争分析中引入质量和研发维度面临很大挑战。并且，在大数据时代平台面临的主要是数据驱动的竞争，某种意义上服务质量和研发创新的竞争也是数据竞争的衍生物。因此，虽然数据竞争逐渐扮演着更重要的战略性作用，并开始被业界广泛认同，但当前数据竞争的学术研究成果仍不足以匹配现实发展的要求。三三、正视数据的能力正视数据的能力：大数据不是无所不能的大数据不是无所不能的（一一）作为一种生产要素的大数据不具决定性作为一种生产要素的大数据不具决定性平台收集、处理和使用数据的行为本身并不意味着创建了一个高不可攀的进入壁垒，正如Lambrecht和Tucker2论述的，一种资源要同时满足四个原则或特性才可能长期维持竞争优势：不可仿效性（Inimitability）、稀缺性（Scarcity）、高价值性（Valuablity）和不可替代性（Non-substitutability）。实际上大数据不可能同时满足这些特性，也就不可能长期获得或维持竞争优势，而在互联网经济的某些特定子行业里，数据甚至可能是可仿效、相对不稀缺，甚至是可替代的。大数据的价值通常取决于能从其中提炼出来的新知识和信息的价值。从大数据海洋中提炼出有用信息的能力，不仅取决于可获取的数据量，更取决提炼信息的算法和能力。平台拥有知识产权保护的作为商业机密的算法是异质性的20，因而不同平台在数据驱动型市场的服务质量和竞争力的差异，并不绝对受到数据量差异的影响。例如，欧盟委员会（EC）对微软并购Yahoo搜索业务案的评价，尽管谷歌在搜索结果排名的相关性上表现更优异，但是这并不能证明数据规模必然带来更高相关度的搜索结果。其他一些案例同样证明大数据不是无所不能的。例如，大型在线约会平台Tinder是依靠有效的解决方案发展壮大的。通信应用领域后起之秀WhatsApp凭借低成本又易使用的用户接口和对用户诉求的关注，成功抵挡住手握海量数据的在位平台AOL的激烈竞争。国内的淘宝、天猫等的成长更多是倚仗对用户诉求的关注和对痛点的克服。要获取大数据带来的持续竞争优势，数据掌握者至少应具备两个方面的特征：第一，拥有专业化人才。正如Porter和Millar21所言，平台应拥有管理工具包和组织竞争力的人才，以此激发出大数据的应有价值，而非一味地囤积海量数据。第二，数据持有者应利用大数据向用户提供产品和服务从而获得平台和用户双赢。平台应使用大数据前瞻性地理解用户诉求的动态演化过程，而不仅是只对当前服务或产品做一些增量性的提升和改进。182023 年第 3 期（总第 147 期）5 月 15 日出版学报需要指出的是，双边市场的价格歧视事实上会弱化竞争，使得价格歧视有利于竞争的传统认识在双边市场环境并不一定成立22。数字平台可以通过大数据迎合个性化需求，在无形中测度每个用户针对特定产品或服务的支付意愿。这为向高支付意愿者提高索价，而向低支付意愿者降低索价提供前提条件。价格歧视损害了原本在统一定价下的高支付意愿者，也让那些支付意愿介于统一价格和边际生产成本之间的用户能消费得起。如果不关注从用户到平台的剩余转移问题，大数据带来的价格歧视意图或行为的净福利效应是事实依赖型的。换言之，大数据诱导的价格歧视问题的利弊是不明朗的。（二二）大数据的公共品特性大数据的公共品特性：可获取性和可替代性可获取性和可替代性大数据具有非竞争性和非排他性23-24，或者说具有公共品特性。这表现为，一方面。用户数据能同时被多个经济主体所用，难以明确界定产权所属1。例如，任何平台都能不受影响地收集和使用大数据6。另一方面，随着互联网和移动智能终端的普及，网民时刻都在留下能映射出自己需求和偏好的“蛛丝马迹”。因此，大数据的生产和流通是几乎零边际成本的过程25。大数据具有可获取性和可替代性。Graef11发现，搜索平台挖掘出的对特定用户群体的音乐偏好信息，与社交网络运营商对同一群体在社交平台共享记录挖掘出的音乐偏好信息基本相同。Amazon收集的购物记录数据在提升广告精准化方面与谷歌拥有的搜索数据一样高效6。移动智能终端ISP获取的大量用户实时定位记录数据的信息量接近于互联网科技巨头谷歌和facebook掌控的信息量26。若能借助不同手段从不同来源的数据中心中提炼出几乎相同信息量的新知识，那么这些数据就是可替代的，这种情况会降低主导平台因数据控制带来的潜在垄断风险。这里要说明两点：第一，由于大数据具有异质性，数据可获取性不等于可替代性。因此，由于通过多渠道获取的数据包含的信息数量和质量常有差异，有关从不同渠道获取的等量数据包内含等量信息的论断不总是成立11。显然，拥有更多同类信息量的数据集或数据来源，能对拥有较少信息量的数据集或来源实现完全替代。第二，依据数据的不同用途，大数据的涉及范围或多样性有时与其规模同样重要。大数据的多样性对信息量的正面影响可直观地视为数据的范围经济效应1。具体来说，数据集的真实价值不仅依赖于提供这些数据个体的数量，还依赖于每个数据透露的信息量。用户数据的范围经济性具体体现为：一方面，更大量和更多样的数据集通常能比更少量和同一性的数据集映射出更多有价值的信息。另一方面，集服务提供和数据收集于一身的，能揭示出有关这些用户行为和偏好等多方面的信息。从不同来源渠道获取的数据相整合能揭示出具有新内涵的信息。因此，在评价大数据价值的维度中，多样性是不可或缺的27。各大平台对用户数据的竞相收集是正和博弈。这是因为，大数据的公共品特性与用户多归属性有着紧密的关系。用户多归属性是网民在消费多个平台的服务时有意无意地在网上散布个人数据。用户多归属性让主导平台继续壮大的同时，留足市场空间给跟随者或新进入者专注特定内容或子领域，进入者能借助自己收集或购买的数据开发差异化产品，以谋求生存之道。例如，在由Facebook主导的全球社交网络领域，Instagram、Twitter和Pinterest等跟随者专注于图片分享和微博等特定内容交互，Reddit专注于新闻交互，LinkedIn、Glassdoor和Indeed专注于职场交互等子领域。由QQ和微信主导的中文社交网络领域，其跟随者们同样专注于特定子领域。当然，这也无形中突破了静态市场边界的范围，让反垄断执法时界定相关市场和测度市场垄断程度变得更加复杂。（三三）大数据的价值加速递减性大数据的价值加速递减性大数据具有很快就“变老”的特性，使其瞬间就成为“历史”数据28，这点可体现为大数据五大特性中的高速周转性（Velocity），并反映大数据收集和处理的实时性和即时性。大数据的有效价值一直随着时间的推移而快速衰减。在变化中原有的规律或许已经改变，现有数据只反映过去19Number 3（General Serial No.147）May，2023学报的状况，历史数据或许在分析市场趋势方面有用，但在指导即时决策方面的价值很有限，如在搜索平台这样数据差异性大且更新率高的领域，历史数据的价值更低。据谷歌披露，每天用户的搜索关键字和搜索结果排名记录中有15%是最新的6，这意味着搜索算法需要不断更新数据才能提供最相关的搜索结果排名。中小平台重走成功之路或许再也不能成功，而主导平台的数据优势亦是短暂的，也是非决定性的。进一步地，大数据价值递减速度是不断加快的，也就是说数据会呈现规模报酬递减规律29。Lerner6对在线搜索和广告平台研究发现，大数据用于搜索结果质量提升的效果越来越差，用于提高广告投放到目标受众精准度的效果也如此。鉴于规模报酬快速递减的特性，主导平台可能在数据规模突破某临界值后从额外新增数据中获得的边际价值趋于零，而中小平台运营商更可能从新增数据中获得正向的边际价值，促使其通过投资提升服务质量和研发6。因此，进入平台在数据收集和分析中不可能长期相处于明显的竞争劣势30。鉴于数据的规模报酬是递减，竞争要点不在于竞争平台是否获得与主导平台等量的大数据，而在于是否能获得足量的高质且实时数据20。然而，有两点需要特别指出：第一，并非所有大数据信息贬值都呈现边际价值（规模报酬）递减，这要取决于数据的具体特性。例如，用户姓名、性别、地址、出生日期和职业等有些用户特征性数据很难随时间而贬值，至少贬值速度会比较慢，因而在其它条件相同的情况下，这类数据持有量的优势可能有助于企业维持长期的优势地位。但是，由于用户特征性数据占比较低或价值优势很有限，所以平台凭借数据获得优势地位的情况较少。第二，基于数据统计推断得出的数据规模报酬递减的论断可能值得推敲，这是由于有一些数据的获取只用于推断目的，而用作其他用途时价值或许不再呈现规模报酬递减的特性，更何况，作出某个推断是否能够证明具备充分多的数据量也是不确定的。当然，对于像搜索平台和在线购物平台等，的确需要一定量级的数据才能保证足够高的推断准确率，并确保搜索结果排名与用户输入的关键词之间的高相关性16。大数据规模的确可能正向提升平台的竞争力，但提升程度是需逐案分析的。因此，要正视大数据的能力，不要高估也不能低估其影响。（四四）平台异质性与数据个性化平台异质性与数据个性化通常个性化的大数据是具有异质性的。不同于社交网络，搜索平台收集的大数据更能识别用户；通过台式电脑和笔记本电脑收集的数据或许不能与通过智能手机和平板等智能终端获得的大数据相替代，而通过智能终端获取的大数据通常还包含用户实时定位等额外信息。通过在线平台获得的数据的可替代性更强，但不是完全可替代的。即便提供同类服务，在线平台间的异质性也很大，对其发展更有价值的数据也不尽相同。用户倾向于使用更能准确满足自己需求的平台，这就使得专业性平台更受特定群体欢迎20。平台的差异化和个性化定位导致的一个必然结果是，对某平台重要甚至关键的数据对其它平台而言可能价值有限。竞争平台不需要手握与主导平台同等数量级的大数据，只需积累适量的高度相关且实时的优质大数据31。四四、大数据与隐私安全保护大数据与隐私安全保护：反垄断干预能保护隐私安全吗反垄断干预能保护隐私安全吗？（一一）反垄断工具能否解决大数据隐私安全保护问题反垄断工具能否解决大数据隐私安全保护问题？按照当初设计，互联网应是分散化、结构性和匿名互动的，后来随着数字通信技术的发展，以互联网科技企业为代表的一些企业已经能够借助技术手段准确定位和追溯到数以亿计网民的“冲浪”踪迹，通常还无需让这些网民知晓或许可，这在人类历史上是绝无仅有的32-33。如前所述，互联网经济和大数据时代下的大数据收集、处理和使用，不仅可能恶化服务质量202023 年第 3 期（总第 147 期）5 月 15 日出版学报并阻碍研发，还可能对个人隐私安全、言论自由和非歧视性权利等多方面造成损害。其中，对隐私安全的保护最令人关注，也是本文关注的重点。隐私安全常被认为是对防止他人随意侵入个人领地的保护。由于隐私安全领域中总是存在诸多权衡取舍的关系，因而隐私安全常被视为一种经济商品，则对隐私安全的保护或侵犯便属于经济问题范畴34。大数据损害隐私安全这一点足以成为机构介入反垄断和规制大数据的充分理由吗？其中赞成的观点认为，大多数用户感觉自己不足以影响（乃至控制）在线平台收集和使用自己数据11，17。从而担心个人数据被收集和操纵，可能给自己带来隐私安全方面的间接或直接损害35。Stucke和Grunes15146认为，用户反复使用互联网平台的免费服务，是因为没有其它替代服务可选，只能通过“出卖”个人信息获取相关服务。随着网民“创造”出的海量隐私数据不断被互联网平台收集、处理和使用，在数据信息的收集和使用环节搭建隐私安全保护伞显得尤其重要。Ohlhausen和Okuliar34将隐私安全保护作为数字平台间价格竞争的一种表现。但是，将隐私安全保护解读为一种非价格竞争形式或许更合适，这种竞争形式对于以免费服务为主要策略的互联网平台而言尤其重要，平台可以通过提供更严密或更具透明度的隐私安全保护协议来参与竞争36-37。如Harbour和Koslow10所言，当主导平台没有动力投资于隐私安全保护，而其竞争者又不足以施加强有力的竞争压力时，用户隐私安全受损是大概率事件。当然，缺乏其它能提供更好服务的选项，用户也只能容忍接受低质搜索结果。其实，牵涉隐私安全权衡的议题比 Harbour 和Koslow10所言复杂得多32，但对隐私安全的损害并不必然造成对竞争的损害。如前文所述，用反垄断之剑去解决大数据问题，可能降低平台服务质量、损害竞争和抑制研发创新活动34。实际上，管理层和学术界已经认识到，对于那些研发频繁的经济领域进行反垄断执法要“包容审慎”，以免阻碍有序竞争和市场的自动发育。正如Lerner6所言，在以研发频繁和技术剧变为特征的行业领域进行反垄断干预是富有争议的，尤其当干预理由是某些假定诉求时，反垄断干预更有争议性。对于成长中的互联网经济，尤其是分享经济领域，很难区别某项研发活动是促进还是抑制竞争。正如联邦贸易委员会（FTC）对谷歌调查的最后陈述，挑战谷歌的产品设计决策需要提前预见它的产品设计决策，以找到促进竞争的有力证据。反垄断和竞争政策的重要任务是培育和维持能确保稳健又快速的研发成为可能的经济环境。对互联网经济进行家长式管控，非但不能培育或维持这样的环境，还可能导致产业发展停滞。（二二）强制共享或交易数据是否能够有效保护隐私安全强制共享或交易数据是否能够有效保护隐私安全？主张用反垄断干预解决隐私安全问题的论断认为，当在位平台为获得或维持不适当的竞争优势而滥用手握的大数据时，实施反垄断干预应该是合理的，尤其应强制共享数据和强制交易20。但是，对大数据的反垄断干预会带来诸多有待商榷的问题。从反垄断视角，强迫与直接竞争对手共享自己收集的数据信息，本身就带有所谓“基础设施教条（Essential Facilities Doctrine）”的意味38-39。同时，在大数据时代，强迫与竞争对手进行数据交易已经远远超出交易责任所要求的限定范围40，可能扭曲竞争带来的经济激励强度。Tucker和Wellford8提醒道，强迫相关平台分享大数据会极大打击包括主导平台和竞争平台在内的各方利益主体投资到基础设施上的激励动机。这有悖于有关反垄断的法律的立法初衷。如果大数据被主观地认定为基础设施，并被强加需无条件与他人进行交易的责任，市场动态竞争的重要特性就会发生根本性改变41。显然，这样一个极端且影响深远的措施已经超出当前反垄断政策的范畴。要求在收集数据前得到用户同意的做法会改变用户行为并影响平台服务质量，禁止或限制数据收集又可能阻碍研发创新和影响服务质量。分割不同的产品线，也可能阻碍研发创新和抑制平台提供个性化服务35。对用户数据的收集和使用环节实施反垄断干预，不仅损害竞争，还让原有21Number 3（General Serial No.147）May，2023学报的隐私安全问题恶化，甚至产生新的隐私安全问题42。联邦贸易委员会（FTC）在谷歌并购DoubleClick案中就否决了用反垄断干预保护隐私安全的建议。同时，实施反垄断干预的高成本也极大限制了通过反垄断保护隐私安全的可行性。把数据收集的细节全部告知用户，事实上会误导用户而带来更多的混淆。应该准许在线平台在适当时可以不将数据使用的细节告知用户8。与其他政策干预做法类似，反垄断机构和法院不应过多地介入到数据共享政策的细节制定中，以免带来新问题。（三三）反垄断干预是否适用于保护隐私安全反垄断干预是否适用于保护隐私安全？如前所述，隐私安全损害不足以作为反垄断干预介入大数据的合理理由。其实，隐私安全问题甚至不应该在反垄断和竞争政策的范围内，其最重要的原因是，旨于促进竞争和研发的反垄断和竞争政策，与保护用户权益具有不同目标和初衷。反垄断和竞争政策的唯一任务是培育、维持和创造竞争及研发创新的经济环境。应对隐私安全问题的直接办法应该是完善保护用户权益和数据网络安全的法律法规，精准地规范每个有关数据保护和个人隐私方面的问题43。隐私安全问题最好由用户保护和隐私法律负责规范44。欧洲法院在处理Asnef-Equifax案时指出，任何有关个人数据敏感性的议题都不是反垄断干预应管辖的，从这个角度来看，大多数大数据问题本就不是反垄断问题。在谷歌并购DoubleClick案中，联邦贸易委员会（FTC）指出，对隐私安全层面的竞争损害不比对价格和产品等其它层面的竞争损害有更大的可能，因而隐私安全保护不足以充当挑战这起并购申请的理由。当用户和平台之间的力量不对等导致数据可携带性弱化时，单个用户或竞争企业可能遭受损害，但数据收集问题不属于反垄断法干预的范畴。综上所述，运用反垄断干预保护隐私安全，缺乏理论和事实证据的有力支持。当然，反垄断干预虽然不适合用于解决隐私安全问题，但在法律的帮助下一个有效率的市场也能对隐私安全提供充足保护。大数据引致的扭曲性交易行为，并且让隐私安全保护和竞争诱导工作复杂化，在竞争保护原则重于用户权益保护原则之前，任何隐私安全保护问题的界定及其成本-收益权衡分析都应考虑其带来的竞争损害影响45。因此，使用反垄断干预保护用户隐私安全的方式和时机的选择问题目前仍未解决。五五、结论和建议结论和建议（一一）研究结论研究结论当前，移动智能终端能够向平台提供多维度、全方位的实时数据，用户在虚拟网络空间的所有踪迹都能跨设备地追踪和记录。大数据带来的竞争业态及其对竞争结果的影响将会异常深远。经济数字化和线下活动的线上连接，显著增加可获取的数据量，也引致出“数据无处不在”的事实，但这不表示囤积数据能够排斥竞争。大数据能否排斥竞争，取决于大数据是否同时具备可获取性和可替代性，还一定程度取决于大数据的临界规模水平。因此，大数据的可获取性和可替代性问题成为涉及大数据反垄断案的争议焦点。主导平台拥有大数据本身并非“原罪”，需正视大数据的能力及其极限，不要过于神化，也不要过于妖魔化。因此，大数据是创造价值还是形成垄断，关键在于对大数据使用和具体行业特点，或者说数据拥有者的真实意图。大数据的独有特性给公共政策带来复杂的影响。大数据的公共品特性让保护隐私安全变得复杂，也导致对大数据造成市场失灵的反垄断干预的呼声，因而保护隐私安全的考虑让用户面临在分享个人数据和获得更好服务间进行权衡取舍的抉择难题。用户个体难以理解何种数据被收集和这些数据将会怎样使用，也无法有效地评估保护个人数据的成本与收益。这些知识约束，让基于222023 年第 3 期（总第 147 期）5 月 15 日出版学报知情和同意权的隐私安全保护对个体而言实施成本过高，对社会而言也毫无效率。（二二）政策建议政策建议大数据市场的普遍性失灵所导致对其规制的呼声，意味着管理者需提供一个能增进大数据算法透明和大数据管控的监管框架或倡议，尤其需明确大数据对整个社会和经济带来的竞争影响。反垄断执法部门和数据安全保护监管部门在增进市场信任、保障用户选择和用户福利等方面应达成共识，为落实共识和避免执法冲突，不同监管机构需加强合作和对话，便于明确平台在跨执法领域中所能够进行的研发和竞争行为等数据驱动型经济活动，并为反垄断执法者和相关部门提供更准确的政策解释。国家应培育并打造一支掌握计算技能和构造能力的专业性执法队伍，才能缓解甚至克服自身与平台间信息不对称的劣势，推动现有反垄断执法机构和数据保护机构间的合作与协调。参考文献：1 MARTENS B.An economic policy perspective on online platformsR.ISSRN working paper,2016.2 LAMBRECHT A,TUCKER C E.Can big data protect a firm from competition?C/Ortiz A.Internet:competition and regulation of online petition policy international,2015：155-166.3 STUCK M E,GRUNES A P.Debunking the myths over big data and antitrustJ.CPI antitrust chronicles,2015，（5）：121-135.4 MATTIUZZO M.Online advertising platforms and personal data retail:consequences for antitrust lawJB/OL.https:/ MANNE G A,WRIGHT J D.Google and the limits of antitrust:the case against the case against googleJ.Harvard journal of law and public policy,2011,34(1):171-244.6 LERNER A.The role of big data in online platform competitionEB/OL.(2014-08-26)2023-03-15.https:/ SOKOL D D,COMERFORD R E.Does antitrust have a role to play in regulating big data?R.SSRN electronic Journal working paper，2016.8 TUCKER D,WELLFORD E H.Big mistakes regarding big dataJB/OL.https:/ GOLDFARB A,TUCKER C.Privacy regulation and online advertisingJManagement science,2011,57(1):57-71.10 HARBOUR P J,KOSLOW T I.Section 2 in a Web 2.0 world:an expanded vision of relevant product marketsJ.Antitrust law journal,2010,76(3):769-797.11 GRAEF I.Market definition and market power in data:the case of online platformsJ.World competition:law and economics review,2015,38(4):473-505.12 NEWMAN N,The cost of lost privacy:search,antitrust and the economics of the control of user dataJ.Yale journal on regulation,2014,30(3):401-454.13 GRUNES A P,STUCK M E.No mistake about it:the important role of antitrust in the era of big dataJ.Antitrust source,2015,2(13):1-14.14 FEIJOO C J,GOMEZ-BARRSOS L S,AGGARWAL S.Economics of big dataC/BAUER J M.Handbook on the economics of the internet.Cheltenham:edward elgar,2016：510-525.15 STUCK M E.GRUNES A P.Big data and competition policyM.Oxford:oxford university press,2016.16 STUCKE M E.GRUNES A P.Dancing around dataEB/OL.（2014-11-10）2023-02-26 https:/ RUBINFEILD D L.Gal M.Access barriers to