摘要：数据垄断及其对市场竞争的影响是数字平台反垄断分析的一个疑难问题。守门人地位、切换成本、人工智能算法和数据保护制度不健全等因素,加剧了电子商务、搜索引擎、移动操作系统、社交媒体等数字平台公司对数据的控制,推动形成集中度高甚至赢者通吃的市场结构。数据垄断既能够通过多种渠道增进市场效率,又容易限制和排除竞争,剥夺用户和第三方厂商利益;数据反垄断监管应当充分考虑数据兼具公共产品和私人产品的复杂特征,围绕数据保护、共享、移植、安全、算法和使用等环节的问题,在约束数据领域不当行为、探索数据公地建设、完善非歧视规则和鼓励数据去中心化存储等方面形成较为完善的制度。
关键词：数据监管；数据市场；数字平台；反垄断
基金项目：中国社会科学院登峰战略“产业经济学优势学科项目；中国社会科学院创新工程项目“新发展阶段中国竞争政策与反垄断研究”（SKGJCX2021-03）。
一、问题提出
随着各类信息变得越来越数字化以及移动互联网和智能手机的普及，经济社会发展越来越依赖数据，数据成为影响经济发展的基础和关键要素。健全和加强数据反垄断制度是充分发挥数据积极作用，促进平台经济规范健康发展的必要条件。大型数字平台公司尤其容易收集、传输、汇聚、存储和处理分析用户和第三方厂商的数据，形成数据垄断，并利用数据垄断进一步剥夺用户、卖家、广告商、软件和应用程序开发商利益。根据国际数据公司 （IDC）的分析，2020 年全球创建或复制了64.2万亿千兆字节（trillion gigabytes）的数据，2020-2025年全球数据创建和复制的复合年增长率将达到23%。与传统经济基于产品和服务的生产和消费不同，随着数据生成和利用规模的扩大，许多企业不断提高利用算法、人工智能等技术从数据中获取价值的能力，数据垄断问题依然突出。在数字市场中，主导企业多为多边数字平台公司，一边是个人消费者，另一边包括卖家、快递服务、广告商、内容提供商和其他平台等多种类型的市场主体。多边性使数字平台可以将产品、服务、信息的生产者和消费者聚合起来，收集并处理生成个人数据（例如，照片、视频、简历）、公司数据（例如，营销分析、用户保留和参与）以及用户和公司共有数据（例如，用户位置、工作时间和活动路线），与消费者和厂商进行直接互动。利用互动过程生成的实时数据，数字平台有能力评估、分析和预测与自然人在工作、经济状况、健康、个人偏好、兴趣、可靠性、行为、位置或运动等方面的特征，并据此做出有利于自己的决策，控制和调节与各参与者的交互关系，控制厂商和用户等各参与者利益。
作为数字时代的生产要素和商业资产，数据既可以增进消费者福利，也可以为很多应用程序创造市场势力，进而强化数字平台垄断的持久性。厂商竞争主要围绕汇聚和使用相关数据开发应用程序、产品和服务的能力展开。在相继出台系列政策支持和规范数据发展与应用基础上，我国针对各类数据、个人信息的处理和合理利用，2021年6月10日，第十三届全国人民代表大会常务委员会第二十九次会议通过了《中华人民共和国数据安全法》，自9月1日起实施。2021年8月20日，第十三届全国人民代表大会常务委员会第三十次会议通过《中华人民共和国个人信息保护法》，并于11月1日起实施。这两部法律对数据收集、开发利用、政务数据开放、安全管理等进行了原则规定,明确了相关主体的责任义务,为我国数据监管提供了基本法律架构。国家网络安全审查办公室对滴滴出行实施网络安全审查，国家市场监督管理总局对阿里巴巴[参见国家市场监管总局行政处罚决定书（国市监处〔2021〕28号），下载网址：https://www.samr.gov.cn/fldj/tzgg/xzcf/202104/t20210409_327698.html。]、美团[参见国家市场监督管理总局行政处罚决定书（国市监处罚〔2021〕74号），下载网址：http://www.ipraction.gov.cn/article/gzdt/bmdt/202110/357389.html。]作出行政处罚决定，对中国知网[参见https://www.samr.gov.cn/xw/zj/202205/t20220513_344850.html。]涉嫌实施垄断行为立案调查。这些垄断行为及相关处罚表明，一些占主导地位的数字平台公司可以利用数据优势及其网络效应，充当在线活动的守门人，谋取市场势力，排挤竞争者，推动市场势力和经济收益向更少、更大的数字平台公司集中。
目前，数据安全和数据垄断问题已引发学术界对数据监管的高度关注和研究。学界现有关于数据监管的文献，揭示了传统反垄断分析忽视数据维度的问题，关注数据对市场竞争的影响以及数字平台利用数据排挤竞争者、获得市场势力和损害消费者利益等问题，主张制定明确有效的规则监管数据访问、移植、共享、披露、隐私、安全和算法等领域的监管，规范各参与者的行为，建立一个安全的数字空间和公平的竞争环境。本文以学界相关研究为基础，分析数据领域一些典型垄断的表现和形成机制，提出加强数据监管的思路，为深化数字市场反垄断和监管政策的解释提供分析线索和逻辑基础。
二、典型领域数据垄断的表现形式
数字市场的网络效应、切换成本和其他进入壁垒，使市场结构趋于集中和单一公司主导。一旦市场由单一公司主导，其他竞争者和潜在进入者将难以与其竞争，竞争过程从市场中的竞争转向为垄断市场和剥夺其他参与者利益而竞争。一些风险资本分析报告发现，存在一个主导平台与竞争压力隔离开来的创新杀戮区，投资者偏好避免向与数字平台直接或间接竞争的企业投资，从而削弱数字市场的创新和创业精神。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。尽管下面几个数字平台公司都是总部位于美国的公司，但是由于业务和商业模式相同，其利用访问和控制数据能力谋求市场势力和实施垄断行为的形式，对分析我国数字平台公司垄断行为具有参考价值。
（一）电子商务
电子商务使用互联网平台充当连接买家和卖家的中介，促成产品与服务的购买和销售活动。电子商务市场的主要参与者包括在线购买商品或服务的客户，以及在线向客户销售商品或服务的企业。面向消费者的一边，平台允许用户搜索和购买产品，根据价格、受欢迎程度和客户满意度评论等详细信息来比较竞争产品。面向第三方卖家一边，平台为第三方卖家提供一个在线空间列出他们的产品，供消费者选择和购买，为卖方提供库存跟踪和定价建议等服务。平台经营者不仅可以从第三方厂商的销售中取得收益，还能够向第三方厂商提供额外的付费服务，例如广告、仓储、包装和运输。平台可以只经营第三方卖家的产品，也可以与第三方卖家一道在平台上销售自己的产品。在这种情况下，第三方卖家既是在线平台的客户又是其竞争者。
亚马逊（Amazon）[亚马逊是美国最大的电子商务平台和云计算公司，成立于1994年7月5日。]在美国在线零售市场拥有强大而持久的市场势力，对许多没有可行替代方案接触在线消费者的中小型企业具有垄断权。一项调查估计，亚马逊在其全球市场上有 230万活跃的第三方卖家，其中约 37%（约85万卖家）依赖亚马逊作为其唯一收入来源。亚马逊通过收购竞争者和相邻市场的公司，汇聚客户数据，进一步巩固其在电子商务以及其他市场的影响力，对第三方卖家实施垄断行为。亚马逊还利用对其第三方销售数据的访问权，使自己作为平台和零售商受益。亚马逊作为销售商，既销售自有品牌产品，也是许多其他品牌的独家零售商。亚马逊利用其访问第三方卖家数据支持其自有产品开发，操纵搜索结果以增加自有品牌和其他高利润率产品销售。亚马逊还利用其对成功产品数据的访问，将第三方卖家排除在有利可图的零售空间之外，挤压其他制造商的利润。在公开场合，亚马逊将第三方卖家描述为合作伙伴,但公司文件称其为内部竞争者。2019年，欧盟委员会（European Commission）以涉嫌扭曲在线零售市场竞争违反欧盟反垄断规则为由，决定对亚马逊进行调查。2020年披露的初步调查结果认定，亚马逊系统地利用在其平台上销售商品的第三方供应商的非公开商业数据，协助自己制定新产品开发、定价和营销策略，与第三方卖家竞争，获得不公平优势。欧盟委员会认为，当亚马逊作为平台上卖家的竞争者时，使用第三方卖家的数据来为亚马逊谋取利益，偏袒亚马逊自己的零售服务、物流和送货服务，损害了欧盟竞争法。由此可见，电子商务平台作为第三方卖家的市场运营商和同一市场卖家的双重角色，存在内在的利益冲突。这种冲突促使其利用其对竞争卖家数据和信息的访问权限，推广自身的业务，实施自我优待策略。
（二）搜索引擎
搜索引擎是帮助人们过滤互联网信息并获得可用结果的工具，厂商和消费者可以通过搜索引擎寻找交易对象。谷歌（Google）、微软必应（Bing）、雅虎（Yahoo）和百度（Baidu）是4个最大的搜索引擎，但谷歌在很多国家搜索和在线广告市场居于垄断地位，并将业务扩展到数字经济核心产品和在线服务基础设施等多个领域。利用Chrome浏览器的垄断地位，谷歌将付费情况作为搜索结果页面显示顺序的因素，模糊了付费广告和自然搜索结果的区别，降低了搜索页面显示结果与用户需求的相关性。此即一些文献所说的竞价排名导致的非中立运营模式。通过谷歌地图，谷歌获得80%以上的导航地图服务市场，并利用它来提升其在搜索和广告市场的主导地位。2005年，谷歌购买安卓（Android）操作系统后，利用合同限制和排他性条款将谷歌的搜索垄断从桌面扩展到移动，要求智能手机制造商预装谷歌自己的应用程序并赋予其默认状态，从而阻碍搜索和其他应用程序市场的竞争者，而且随着搜索活动从移动设备转移到语音，谷歌再次通过一系列类似做法来维持其对搜索接入点的垄断。由于这些策略，谷歌正在从其他网络中抽走流量，而寻求接触用户的实体必须向谷歌支付不断增加的广告费用。因此，居于主导地位的搜索引擎相当于一个守门人，控制第三方厂商和广告商访问用户的关键渠道。
（三）移动操作系统
移动操作系统是专门安装在智能手机、平板电脑等移动设备上，用以识别移动设备特性和功能，帮助运行应用软件的操作系统，主要有谷歌的中文译名？（Android）、苹果的中文译名？（iOS）和微软的中文译名？（Windows mobile）等。大型数字平台可以通过移动操作系统限制第三方应用程序开发者对移动设备用户的访问，并决定如何向其收取访问和下载费用。这个问题以苹果公司最为典型。苹果公司原来主要是一家硬件公司，其大部分收入来自设备和配件的销售。由于在移动操作系统市场存在网络效应、高准入门槛和高切换成本，苹果公司在移动操作系统市场拥有强大而持久的市场力量，一直保持市场主导地位。通过移动操作系统，苹果控制了所有向其移动设备分发的软件。2008年苹果推出苹果店（App Store），改变了移动设备上的软件分发方式，降低了应用程序开发人员的进入门槛，增加了消费者选择，但苹果智能手机（iPhone）和平板电脑（iPad）使用者必须经苹果店（App Store）下载应用程序并支付费用，苹果公司从中抽取30%佣金等做法，被认为利用对iOS和苹果店的控制来制造竞争壁垒，歧视和排挤竞争者，优先对待自己的产品。2020年，英佩游戏（Epic Games）公司起诉苹果公司，指控苹果公司控制智能手机和平板电脑等移动设备应用程序的分配和支付，超10亿以上用户只能通过苹果店获得应用程序，不允许竞争性应用程序销售商的竞争；同时，强迫应用程序开发商使用苹果公司的支付系统，并在苹果店内向应用程序开发人员收取过高价格，违反了联邦和州反垄断法以及加州竞争法。2021年，美国第九巡回上诉法院裁定苹果公司的苹果店政策违反加州竞争法，但不是非法垄断者。由于缺乏竞争，苹果对iOS设备软件分发的垄断权损害了竞争，降低了应用程序开发人员的质量和创新，提高了价格并减少了消费者选择。与苹果iOS只能通过预加载或苹果店下载应用程序不同，Android的生态系统更加自由，但仍然难以访问谷歌应用游戏平台（Google Play）和设备制造商预装之外的应用软件。2018年，欧盟委员会因谷歌使用Android平台的非法行为，对其处以超过40亿欧元的罚款。原因是，谷歌利用Android占据全球智能手机操作系统市场80%以上份额的地位，要求制造商预装谷歌搜索和谷歌应用程序，并关闭除自己以外的预装应用程序市场，从而以排他性方式阻止其他安卓设备的销售。
（四）社交媒体
社交媒体平台凭借收集和汇聚大量数据，了解用户性格、情绪、偏好等信息，分析预测用户行为偏好，向个人用户发布个性化广告。脸书（Facebook）、即时通讯软件（Messenger）、社交软件（WhatsApp）、图片分享软件（Instagram）、视频网站（YouTube）是美国五个最大的社交媒体平台，其中前4个由脸书拥有，最后1个由谷歌拥有。脸书和谷歌通过减少用户隐私和获得对个人数据的更多访问权来销售更多广告，使用其算法来预测人类行为并创建预测产品。脸书拥有超过30亿用户，如此庞大的用户群使其能够获得比任何竞争对手都多的数据，使用这些数据可以采取更有针对性的反竞争策略。由于强大的网络效应和市场倾斜，脸书面临的竞争压力主要来自自己拥有的4个社交媒体平台，而不是即时社交软件（Snapchat）或推特（Twitter）等市场上的其他社交应用软件。就即时通讯应用而言，由于脸书无法与其他社交网络互操作，其用户由于成本高昂难以切换到其他平台。美国联邦贸易委员会（FTC）基于脸书公司控制多个世界上最大和最赚钱的社交网络平台，认定其在美国个人社交网络服务市场拥有垄断权。
三、数据垄断的形成机制
基于垄断表现形式的分析表明，电子商务、搜索引擎、移动操作系统、社交媒体等领域的垄断，主要源于数字平台如何对待利用平台的各类参与者。数字平台在市场一边大量收集和分析用户数据，掌握大量有关用户产品偏好的专有信息，并且凭借掌握和处理数据、控制数据接口，通过差别定价、合谋定价和个性化广告等方式，对市场另一边的第三方厂商实施垄断行为，损害消费者利益。网络效应使平台市场趋于集中，甚至成为垄断市场。与网络效应一样，数据具有自我强化效应，成为企业进入数字市场的一个强大障碍。控制数据访问权的平台可以使用这些数据改善用户体验和开发新产品，吸引更多用户，进而生成更多数据，形成一个自我强化的反馈循环。在这种效应下，一个平台一旦获得市场主导地位，就很难被取代。平台在数字广告、应用程序市场的主导地位导致集中度提高，容易引发用户端价格上涨，损害数字市场的竞争和创新，进而对消费者福利产生负面影响。
笔者认为，虽然数据具有非竞争性特点，即一方的使用不会影响另一方的使用，但数字平台可能利用以下几个机制采取排他性策略，为竞争者访问和使用数据设置技术限制，保护现有企业免受竞争。
（一）利用守门人地位，控制业务用户访问潜在客户
数字平台通过将大量用户需求聚集在市场一边，对市场另一边的厂商拥有强大的控制能力。当控制能力足够强大时，厂商别无选择，只能使用特定平台获得对潜在客户的访问和交易机会，形成对平台的依赖，忍受平台的议价能力。守门人是有能力控制第三方厂商接触用户，决定第三方如何以及是否可以获得数据访问权的数字平台。凭借上述权力，守门人可以实施垄断行为。例如，一些搜索引擎和电子商务网站在搜索结果页面上，经常基于自身利益而不是用户需求，突出显示或隐匿某些结果，甚至通过巧妙的网站设计使用户误认为在搜索结果以外没有其他选择。为最大限度谋取垄断利益，一些占主导地位的数字平台不断对用户进行测试，根据用户点击或不点击的操作改进算法，更准确地让后续用户选择，促使用户以平台的最佳利益行事。正如斯蒂格勒（Stigler）报告所指出，当消费者是单一归宿，即依赖单一平台时，就会出现守门人问题，因为平台将成为访问这些用户的唯一门户，从而使其有能力和动机对平台另一边业务用户施加不公平的条款。此外，弗曼（Furman）报告指出，专家组审查的证据表明，数字平台公司能够对其业务用户或潜在竞争者施加重大控制，并且平台的业务方面存在对消费者造成损害的重大风险。美国众议院司法委员会在其《数字市场竞争调查报告》中表达了对守门人权力的担忧。该报告指出，亚马逊、苹果、脸书和谷歌控制了关键分销渠道，充当守门人角色，大量企业都依赖这些守门人来访问用户和市场。可见，这些报告对大型数字平台危害的分析具有一致性，都认可守门人地位容易导致平台实施垄断行为。
数据是在位平台的主要优势之一。大型数字平台拥有大量忠实客户，收集和处理大量用户数据，在范围和规模上表现出越来越大的回报。当数据与其他数据聚合时，由于数据价值提高显着高于数据数量的增加，能够汇聚多个数据源的平台比仅汇聚单一或少数数据源的平台，具有更强的市场势力。例如，搜索引擎通过查看手机操作系统或地图应用程序能够获得用户位置数据，从网页浏览和搜索历史记录了解用户兴趣，所有这些数据合并在一起，就可以建立用户档案，而仅拥有一种数据源的平台难以准确预测用户特征和行为偏好。随着更新老用户数据和添加新用户数据，数据将变得越来越有价值。这使得平台不仅可以了解用户偏好，还可以了用户偏好如何随时间变化。这种数据收集、汇聚、使用和迭代的循环，进一步阻止竞争者获得有效竞争所需的数据，强化守门人平台对用户的市场势力，率先构建数字产品的企业可以迅速形成强大的规模经济和范围经济。消费者数据是一种通用要素，可以广泛应用于多种产品和服务市场，厂商可以利用这种互补性实施搭售、捆绑、低于成本定价等策略，将市场势力扩展到相邻市场。守门人还可以利用规模和历史数据来改进产品供给，将其市场势力扩展到相邻市场，吸引更多用户，形成正反馈循环。
（二）固化切换成本，限制数据移植
切换成本是指使用者从一个数字平台切换到另一个平台需要支付的成本。在智能手机市场，切换成本包括学习新的操作系统、克服移植数据的困难。在电子商务市场，卖家的切换成本与其声誉相关，因为卖家无法将长期积累的评级和客户评论转移到新的平台。数据可移植性是影响用户和第三方卖家切换成本的重要因素，也是竞争者进入的一个障碍。占主导地位的平台所以能保持市场力量，部分原因是第三方卖家和消费者在切换到新平台时面临技术障碍，很难便利地将原有平台上的数据移植到新的平台。如果切换到新的平台，用户往往需要重新上传个人信息和照片，原有平台上的评论、评级、联系人、历史订单等数据基本无法迁移。一些文献发现，固化数字市场切换成本的主要因素包括反竞争合同条款、默认设置、有利于主导平台的产品设计。当切换成本足够高以致用户和厂商被迫留在现有平台而不能切换到更喜欢的平台时，就会被锁定在现有平台。随着时间推移，用户转向竞争平台的成本越来越高，平台就可以提高价格并获取垄断利润。
（三）利用人工智能和机器学习，实施算法垄断
人工智能和算法及其引致的机器学习和强大计算能力深刻改变企业行为和消费者决策方式，其中许多技术对数据安全和保护产生重大影响，为数字市场竞争提供了一把双刃剑。一方面，通过加强价格发现和传播，促进厂商对竞争条件和需求变化的快速响应，使数字市场更有效率。另一方面，通过对用户和厂商的精准分析，拓展了实施差别定价、协同行为和自我优待垄断行为的空间。差别定价是厂商根据感知到的支付意愿向不同消费者收取不同的价格，具有剥夺消费者剩余的效果，但并不必然违反反垄断法。但是，数字平台通过收集和使用数据，能够为每个用户创建几乎唯一的标识，获得相对于平台用户和第三方厂商的信息优势。借助人工智能算法对原始数据进行处理和分析，数字平台能够将消费者即时意愿和行为的信息片段转化为关于消费者更广泛的需求，产生搜索结果、个性化产品推荐、产品评级和有针对性的广告，实现更大商业价值。厂商收集的用户数据越多，算法就会创造更多的实验和学习机会，提高价格监测和算法匹配能力，对市场条件变化做出快速反应，实施更加动态、差异化和个性化的定价，增加合谋定价和精准差别定价能力。数字厂商，尤其是在数据访问、数据技术和开发人工智能方面具有先发优势的互联网平台、物联网公司、银行、保险公司等，得以感知产品和服务价格的快速变化，精确识别、分析、预测用户行为，通过推理和概率对用户进行分组，并基于反复试验和大数据学习调整和优化价格，寻找公司利润最大化的个性化交易和定价，提高向不同用户收取不同价格和剥削消费者剩余的能力。英国竞争监管机构竞争与市场管理局（CMA）观察到，差别定价可能损害整体经济效率，导致消费者对在线市场失去信任。协同行为主要表现为合谋定价。莫里斯·斯图克（Maurice·Stucke） 和阿里尔·扎拉奇（Ariel Ezrachi）在一篇探讨在线市场使用新技术的论文中，讨论了利用算法进行合谋定价的两种情形。一种情形是，公司同意合谋并设计定价算法以实现其协议条款。另一种情形是，一个公司创建一个通用的定价算法，然后在市场参与者的同意下采用，这是轴辐协议的一种变体。这在航空运输、酒店预订、旅游、电力和零售行业中尤为常见。传统上，虽然厂商可以根据竞争者的价格调整定价，但无法直接或间接地交换关于未来定价意图的信息，而算法通过群体分析实施合谋行为，不一定需要达成传统反垄断意义上的协议，甚至可能不需要任何人际互动。面对不断扩大的信息不对称，消费者和第三方厂商可能受到更多有限理性的制约。从反垄断角度来看，消费者对于价格很敏感，但在搜索或购买的其他阶段对数据收集和使用等维度不太敏感，消费者不容易感知其利益遭受的损害。因此，竞争容易促使厂商在影响消费者选择的价格维度上展开竞争，同时隐藏数据收集和处理等维度。
自我优待原本是指公司更愿意从内部部门而不是竞争者那里购买产品和服务。自我优待问题曾经在电信、电力、石油、天然气等实体网络行业广泛存在。经过21世纪前后的结构改革，这些产业实现了产品和服务销售与实体网络运输、传输服务的分离，管制环境比过去大为宽松，有效地遏制了垄断势力，激发了竞争性活力。以电信行业为例，为促进电话市场竞争，美国司法部1984年将美国电话电报公司（AT&T）本地电话业务剥离。剥离后，AT&T制造部门同时为 AT&T及其竞争者提供产品。为避免这些竞争者指控内部制造部门给予AT&T优惠待遇，1996 年AT&T 自愿将自己的制造部门西部电子（Western Electric）剥离出去，成立朗讯科技（Lucent Technologies）。与实体网络行业类似，数字市场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竞争的经营活动时，利用这种垂直一体化结构优先支持自己产品和服务销售的行为。例如，谷歌搜索通过系统地将自己的内容显示在第三方厂商之上来进行自我优待，即使其内容与用户需求不相关。主导平台的自我优惠和歧视性待遇迫使企业将资源从开发新产品转移到向主导平台支付广告和其他辅助服务，这些有害商业行为使第三方厂商失去公平竞争机会，削弱投资者向第三方厂商投资激励。从长远来看，创新也会受到损害。
（四）保护制度不完善，加剧平台过度收集和滥用数据
在数字经济，数字平台可以利用数据推断用户和第三方厂商信息，发布个性化广告，巩固其市场主导地位，将消费者剩余转化为垄断利润。数据保护制度不完善，加剧了平台过度收集和滥用用户数据，降低了用户和第三方厂商对数字经济的参与度。2021年1月，美国联邦贸易委员会（FTC）与云端照片存储和应用程序开发商（Everalbum）达成和解协议。在该案中，联邦贸易委员会指控Everalbum公司违反对用户的承诺，将面部识别技术用于保留停用帐户的用户照片和视频。Everalbum未删除已取消帐户的用户照片和视频，并将其无限期保留，且未经用户同意使用客户通过应用程序上传的图片来训练面部识别技术。该和解协议迫使其删除未经用户同意通过应用程序收集的数据，并销毁使用此类数据开发的任何面部识别模型或算法。这一命令确立的数据保护补救措施表明，监管机构既要规范平台数据收集行为，又要制止平台从非法数据使用中获得竞争优势。在一起与隐私相关的健康应用程序案件，FTC指控弗洛公司（Flo Health, Inc.）违反对用户做出的承诺，向应用程序提供营销和分析服务的第三方，包括脸书和谷歌，披露其应用程序获得的数百万用户的健康数据。为使受非法活动影响的人了解这些行为，和解协议要求弗洛公司将信息泄露情况通知受影响的用户。
数字平台吸引更多客户积累更多数据获得市场主导地位，在用户一边体现为隐私和数据保护价格以及传统客户常规价格的提高。数字平台垄断行为可能不再采取直接提高产品和服务价格的行为，而是表现为通过大量收集、汇聚和使用数据，变相提高消费者支付的价格。实际上，隐私和数据保护可以被视为产品和服务的质量特征。厂商经常向消费者隐匿收集、汇聚、使用和出售数据的信息，消费者难以意识到其数据被过度收集、汇聚和使用，表明缺乏隐私不仅是一个价格，而且是一个不可观察的价格。由于消费者与使用其数据的平台之间存在信息不对称，平台可能通过欺骗性承诺获得消费者数据，出现阻碍公平数据交易的行为偏差，数字平台可以利用这一行为偏差操纵用户行为以谋取利益。一些文献发现数字平台利用行为偏差来说服消费者交出数据或购买产品。数字平台越来越有能力通过数据聚合和分析准确预测消费者行为，减少平台与消费者之间的信息不对称，改善市场运作。例如，亚马逊为一种商业方法申请了专利，该商业方法能使其在客户订购之前发货，一些保险公司试图通过访问基因数据或智能健康设备来更多地了解客户的健康状况。这说明，数字平台对客户的了解有时比客户对自己的了解更多。
目前，世界各国普遍基于知情同意方式保护数据，即数据收集者在数据提供者同意提供数据之前，有义务告知数据提供者关于数据收集和使用的信息。其基本逻辑是，一旦数据收集者告知数据的使用方式，用户就能够对数据交易做出合理决定。但是，不仅这种告知的可信度受到怀疑，公司还可能隐匿有关数据使用的信息，期望消费者以这种方式做出合理决定可能是天真的。在实践中，这个模型被证明是有问题的。可见，数字平台使用大量数据，依赖数据作为感知、分析、推理、决策，持续获得知识和经验并不断提升技能，尤其是在深度学习方面，但数据提供者很难知道正在处理哪些数据、如何处理这些数据以及如何生成有关个人的决策。
四、数据监管的思路与措施
在新古典经济学将厂商视为一种生产函数并主要通过价格进行竞争这一微观经济范式影响下，反垄断规制关注厂商垄断定价、阻止进入、控制瓶颈设施等行为，谋求垄断利润损害市场竞争和消费者利益等问题。数字技术和市场状态的快速变化，使数字市场比传统受规制产业更复杂，监管的不确定性更高，评估市场绩效并提出解决方案的难度更大。因此，数据反垄断监管应当充分考虑数字技术和数字市场的影响，围绕数据保护、共享、可移植、安全和使用规则等新的问题，侧重遏制数字平台利用数据实施垄断行为，促进数字市场的有效竞争。
（一）探索数据公地建设，促进数据开放共享
数据公地是数据权利成员之间的关系网络，各成员对共同、不可分割的数据资源拥有平等权利。反垄断基本理念认为，瓶颈设施具有公共产品属性，可以通过制度设计将瓶颈设施从私人产品转化为公共产品。垄断企业与包括所有要求访问用户的第三方厂商共享瓶颈设施，是营造公平竞争环境的必要条件。基于对公地资源配置的深入研究，奥斯特罗姆在讨论知识公地时提出了公地池资源这个概念。在关于公地池资源管理的开创性工作中，她研究了自然资源的公共价值与私人占有之间的紧张关系，发现公地池资源具有高度可减性（subtractability）和低排他性的性质，容易出现资源过度使用或因使用而变得拥挤的问题。但是，与自然系统不同，数据是由人类而不是自然环境产生的，人们同时访问和使用相同的数据不会影响其他人的使用。戈德法布（Goldfarb）和塔克（Tucker）通过比较由原子制成的产品和由比特构成的数据，将数据的非竞争性推广到产品和服务。他们指出，与由原子构成的自然资源不同，由比特构成的数据最显着的特征之一是非竞争性，即复制成本几乎为零。当一种经济产品可以被多个消费者或公司同时使用而不降低其数量或质量时，它就是非竞争性的。这说明，用户生成的数据是一种特殊资源，其商业用途和公共用途可以同时进行，不会相互贬值或产生不利影响，不同公司同时使用数据可以实现社会收益。尽管可复制性赋予数据公共产品属性，但只有将其视为集体管理的公地池资源，才能削弱少数大型平台对数据的控制，为不同利益相关者访问和利用数据提供条件。
许多大型数字平台商业模式的核心是收集和分析用户数据，以此为基础向这些用户发布个性化广告，并对平台另一边的第三方厂商实施垄断定价。一些文献关注到监管机构是否应该分享平台企业掌握的海量消费者数据。这种以盈利为导向对用户数据的商业使用并不排挤与公共有关的使用。这种在技术层面无限可用的性质，意味着理论上众多厂商可以同时使用所有数据。公地池资源这一命题对数字平台施加的数据共享义务，源于历史上引发公用事业监管的两个核心条件——自然垄断和高度的社会依赖。首先，数字平台具有相当程度的自然垄断性质。与传统自然垄断行业类似，数据和网络效应使数字平台具有规模报酬递增和进入壁垒高的特点，市场结构趋于集中和垄断。第二，现代社会高度依赖数字平台。占主导地位的数字平台控制数据收集和利用，平等、非歧视地获得信息访问连接服务是现代经济社会活动的重要基础。在此背景下，集体同意优于个人同意的一个原因在于，数据主体能够提高他们对数据控制者的议价能力，并降低与获得同意过程相关的交易成本。强制数据平台公司承担类似于公共事业的非歧视和平等访问原则，明确其向外部利益相关者提供数据访问和使用权，符合其在现代经济社会活动中的地位。
促进私人部门与公共部门数据的双向共享，是公地池资源建设的一个有效途径。这方面涉及公共部门与私人部门集体管理的复杂关系，欧盟开放公共部门数据和激励私人部门数据用于公共利益的做法值得参考。欧盟规定公民和企业有权获得公共部门的信息，公共部门成为私营部门的数据来源，此即公共部门信息（PSI）指令。该指令引发了公共部门向公民和厂商提供数据，改善了私人部门访问和使用公共部门数据的条件。2021年，欧盟发布开放数据指令（ODD），进一步扩大了公共部门责任，规定政府应当使用开放数据格式，最大限度地促进公共数据使用。相应地，公共部门也可以成为私营部门流量的接受者，因此被称为逆向公共部门信息（PSI）指令。逆向PSI指令是指公共部门访问和使用私人部门持有的数据。原因在于，公共数据主要来自公共部门内部，外部数据很少，甚至仅限于非常特定的文件，难以满足政府需要。政府基于公共利益需求，访问和使用私人部门的数据，有利于政府改变信息劣势，免受拥有更准确和更新信息私人部门的摆布。例如，如果数据控制者的私人利益优先于公共利益，将难以推动人工智能发展和其他基于数据的创新。为使公共部门能够使用人工智能工具制定政策并确保其有效性，需要足够丰富和大量的数据集，以便复杂的机器学习算法能够识别出具有统计意义的相关性。在这种情况下，逆向PSI指令授予公共部门机构使用私有数据的权限。欧盟委员会任命的企业对政府数据共享专家组已就此发表声明，将增加私营部门数据共享确定为一项战略。根据逆向PSI指令，欧盟成员国规定基于公共利益需要，私人行为者有义务向公共部门提供其拥有的数据，成员国政府有权利用私人采购和其他商业数据制定官方统计数据。可见，公共部门在数据领域的作用不是垄断数据，而是畅通数据生态系统相关者的参与，促进数据共享、知识溢出和数据再利用。
（二）加强数据管理和保护，增进数字市场的信任
数据保护对数字经济发展至关重要。为使数据保护创造的信任转化为对数据共享和数据服务的更大接受度，必须精心设计数据法律和规则，有效且始终如一地执行。问题在于，反垄断监管在很大程度上与数据监管保护脱节，竞争管理机构及传统反垄断分析普遍忽视数据对厂商实施垄断行为的影响。传统反垄断分析对待数据的这种处理方式，忽视了厂商滥用用户和第三方厂商数据对市场势力及竞争损害的影响。在数字经济，数据大多包含关于用户生物特征、健康状况、民族、习惯、位置等敏感数据。如果用户不掌握数字平台对其数据的管理和使用情况，其信息就存在被泄露和滥用风险。随着用户越来越意识到相关风险，他们可能避免或减少使用数字平台的服务，从而阻碍数据的生产性利用。回应用户和厂商对数据保护的期盼，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。
因此，应该将数据保护视为一种公共物品，采取与公共物品类似的方式进行充分保护。用户和厂商如果不能感知数据缺乏保护导致的价格上涨及其福利后果，就无法对这种损害采取行动，竞争也不会提供更多的数据保护，相关补救措施难以发挥作用。数据保护可以通过增进消费者信任促进创新和竞争，数字平台监管应当赋予数据主体适当的数据控制权。除控制者和处理者的义务以外，数据保护还体现为数据主体的可执行权利，包括验证个人数据是否由控制者处理、进行相关访问和审查自己数据副本的权利，更正任何过时、误导和不完整个人数据的权利。在个人数据被非法获取、控制者不再具有保留数据的有效依据或不再需要保留数据情况下，数据主体有权删除控制者持有的个人数据。例如，许多应用程序需要用户的姓名、地址和联系方式等基本信息，但一旦用户停用该程序，就不能再保留该个人数据。此即数据最小化原则，其作用是将个人数据的处理减少到仅与处理目的相关的必要范围内，降低数据泄露风险。该原则要求，个人数据收集必须基于特定和明确目的，且该目的必须合法，限制为一个目的收集的个人数据被用于其他目的。平台应为用户数据提供易于使用的个人访问、更正和删除机制，并提供书面风险评估和其他合规要求，并保留书面记录。数据控制者和处理者仅在实现特定目的所需的时间内保留个人数据，最大限度地减少数据存储和处理风险。一个典型例证是，很多监管机构规定了银行保留客户数据的时限，超过最长时限就要删除。
（三）完善数字平台非歧视规则，促进数字市场公平竞争
非歧视是交通、通信、石油、天然气等实体网络产业反垄断规制的重要原则，其基本内容是要求垄断厂商平等对待第三方厂商，禁止垄断厂商实施对用户和第三方厂商造成损害的歧视行为。例如，1887年，美国国会通过的《州际商业法案》禁止铁路实施歧视性待遇。1982年，美国司法部基于平等接入义务理念，将美国电话电报公司（AT&T）的本地电话业务剥离并拆分为7个地区贝尔运营公司，要求AT&T以同等质量和价格向独立长途电话公司提供网络接入服务。后来，由于平等接入义务难以监管，非歧视原则无法解决AT&T歧视本地电话运营商的问题，转而采取强制拆分措施。许多国家对互联网的规制普遍采用非歧视原则，禁止互联网服务提供商在内容提供商和其他用户中挑选赢家和输家。这一原则被越来越多的国家延伸到数字平台监管，要求主导平台平等对待自己和第三方厂商的产品和服务，提供同等展示、价格和访问条件。所以将该原则延伸到数字平台，是因为人们认识到数字平台不仅是一个虚拟世界，而且控制操作系统、应用程序编程接口、数据中心、物联网、云计算等关键物理基础设施，这些基础设施基本采取由少数公司控制的集中式结构，具有信息、商业和通信等基础设施提供商的核心特点。FTC 关注不公平或欺骗性做法，包括使用带有种族偏见的算法。如果算法的开发者承诺其产品将提供公正的结果，但实际上没有实现，就可能被认为采取了欺骗性做法。如果一家公司使用算法区别对待消费者，造成消费者无法合理避免的重大伤害，FTC可能怀疑该算法不公平。在一份文件中，FTC建议公司定期测试他们的算法，以确保算法不会对受保护的类别产生不同影响。FTC多次开展相关行业研究，最近一次是对移动设备制造商和数据代理行业的研究，目前正在研究互联网服务提供商、社交媒体和视频流媒体公司。FTC 向社交媒体和视频流媒体公司发布的一项命令，要求这些公司提供有关其收集和使用个人信息的数据、算法，以及他们的做法对儿童和青少年的影响。FTC 每年都会举办隐私大会（PrivacyCon），研究人员在会议上展示隐私、数据安全和人工智能方面的前沿工作，这有助于为 FTC 的政策和执法工作提供信息。从目前做法看，实施非歧视原则的困难在于难以区分有害歧视和有益歧视。例如，一些应用程序在线商店虽然使第三方应用程序开发者处于不利地位，但也有利于为用户提供满足一定安全性和可信度标准的应用程序。完善数字平台非歧视规则，需要加强数字平台营业额、用户数量、资本实力、垂直整合和相关市场活动、数据访问、对第三方经营活动影响等评估和监管，严格平台责任，约束主导平台的歧视行为，使平台、用户和第三方厂商之间的关系更加均衡。
（四）鼓励数据去中心化存储，遏制集中式存储造成的垄断
数据去中心化存储不仅能够减少数据泄露和滥用风险，而且可以降低市场进入障碍和消费者切换成本。鼓励数据存储去中心化可能成为遏制数据垄断的一个新的措施。互联网在初始设计上是一个分布式系统，但是大型数字平台使用底层技术协议构建专有应用程序层，捕获和控制大量个人数据，使基于云的集中式数据存储已经超过本地物理设备的分布式存储。尽管集中式存储具有允许用户通过互联网存储数据并随时随地远程访问的优势，但随着数据泄露和数据保护趋于严格，由少数科技巨头集中存储和管理数据的弊端越来越突出，人们转而主张对数据进行去中心化分散存储。这种存储方式是由用户取代云这样的大型集中式数据孤岛存储数据，厂商可以使用与用户点对点的网络处理数据。基于区块链的去中心化数据市场，可以为个人提供一种在可信环境中控制其个人信息并将其货币化的方式，数据存储的下一步是将去中心化存储与隐私增强技术相结合，以便集中处理分散存储的数据。万维网的发明者蒂姆·伯纳斯-李（Tim Berners-Lee）在一篇博文中写道，网络已经演变成不平等和分裂的引擎；受到强大势力的影响，他们将其用于自己的议程。为了重新平衡权力，解决少数大型数字平台集中控制数据产生的市场势力，蒂姆•伯纳斯-李试图开发一个名为社会连接数据（Social Linked Data，简称Solid）的去中心化平台。Solid是使用现有网络构建的一个平台，为用户提供一个包含所有私人和公共数据的个人数据空间，机构可以请求访问数据的权限以运行应用程序，用户选择数据的存储位置、可以访问数据的人和应用程序。在这个平台，人们可以同时使用不同的应用程序查看相同的数据。
（五）探索监管沙盒，提高监管效率
监管沙盒是通过一定程度的宽松监管措施，为被监管企业创造一段时间和空间，在该时间和空间内暂停一些监管要求，放宽不完全符合现有法律和监管框架的新技术、产品和服务的监管，但影响公共健康、安全和消费者保护的监管仍然有效。其目的是，降低新厂商和新产品进入市场的成本，带动更多厂商进入市场，促进创新和竞争。在数字经济领域，很多监管沿用了工业经济时代针对基础设施和公用事业的规则，其有效性需要实践验证。作为一种探索性实验，监管沙盒既不是放弃监管，也不是降低监管标准，而是为数字平台和其他参与者创建一个安全和受控环境，通过监管实验了解特定创新带来的机会和风险，帮助开发与数字经济相适应的监管框架。自英国在2014年为科技金融创设监管沙盒以来，其中体现的测试和学习理念迅速成为监管改革的风向标，受到许多国家重视。2021年4月，欧盟委员会提交的人工智能法案针对数据保护问题，提出创建人工智能监管沙盒，以提供一个受控环境，在有限的时间内促进人工智能系统的开发、测试和验证。该法案规定私营实体可以在政府主管机构监督下，在一个降低监管要求的空间内测试新的人工智能系统，测试时放宽数据保护要求。为保持谷歌搜索引擎的广告业务，同时减少对用户的在线跟踪，英国竞争与市场管理局决定接受谷歌逐步淘汰客户端保存用户信息的机制（cookie），并用隐私沙盒（Privacy Sandbox）取而代之的承诺。谷歌的隐私沙盒保留了谷歌的内部数据，但承诺透明地制定隐私沙盒方案，限制根据第三方在线跟踪发布有针对性的广告，并发布测试结果。在下一阶段，CMA将监督谷歌，确保隐私沙盒的开发方式有利于消费者。
在数据领域，多个专业机构和综合机构都拥有管理权，存在监管碎片化问题。监管沙盒要求反垄断、数据保护以及电信和互联网服务监管等多个机构协同配合。长期以来，数据监管的正统观念是，竞争主管机构关注数据集中问题，数据保护机构关注数据隐私问题，电信和互联网服务提供商需要遵守特定行业规则。尽管这些机构关注问题不同，但在数据保护和消费者利益上具有共同的目标，消费者数据保护与促进公平竞争之间具有一致性。只有加强有关机构的配合，解决职能重叠、标准不一致导致的不确定性，在相互关联的监管领域协同执法，才能形成宽松和可预期的监管环境，促进竞争和消费者选择，有效应对数据垄断对消费者和竞争者利益带来的问题。
参考文献
IDC GLOBAL DATA SPHERE AND STORAGE SPHERE FORECASTS. Business Wire [EB/OL]. (2021-03-24) [2022-03-22]. https://www.businesswire.com/news/home/20210324005175/en/Data-Creation-and-Replication-Will-Grow-at-a-Faster-Rate-Than-Installed-Storage-Capacity-According-to-the-IDC-Global-DataSphere-and-StorageSphere-Forecasts.
RAJAN R., KAMEPALLI S K. & ZINGALES L. Kill Zone. Becker Friedman Inst. Working Paper No. 2020-19. [EB/OL]. (2020-03-17) [2022-03-22]https://ssrn.com/abstract=3555915.
JUNGLE SCOUT. the State of The Amazon Seller 2020. [EB/OL]. (2020-02-17) [2022-03-22]. https://www.junglescout.com/wp-content/uploads/2020/02/State-of-the-Seller-Survey.pdf.
EUROPEAN COMMISSION PRESS RELEASE ANTITRUST. Commission sends Statement of Objections to Amazon for the use of non-public independent seller data and opens second investigation into its e-commerce business practices[EB/OL]. (2020-11-10) [2022-03-22]. https://aiel.com/antitrust-commission-sends-statement-of-objections-to-amazon-for-the-use-of-non-public-independent-seller-data-and-opens-second-investigation-into-its-e-commerce-business-practices.
王世强. 数字经济中的反垄断：企业行为与政府监管［J］.经济学家,2021(4):91-101.
EPIC GAMES, INC. V. APPLE, INC. Brief for the United States of America as Amicus Curiae in Support of Neither Party[EB/OL]. (2022-01-27) [2022-03-22]. https://www.justice.gov/atr/case/epic-games-inc-v-apple-inc.
SCHNEIER, B. DATA AND GOLIATH: The Hidden Battles to Collect Your Data and Control Your World[M]. New York: W.W. Norton & Company, 2016.
FTC PRESS RELEASE. FTC Alleges Facebook Resorted to Illegal Buy-or-Bury Scheme to Crush Competition After String of Failed Attempts to Innovate [EB/OL]. (2022-08-19) [2022-03-22]. https://www.ftc.gov/news-events/news/press-releases/2021/08/ftc-alleges-facebook-resorted-illegal-buy-or-bury-scheme-crush-competition-after-string-failed.
STIGLER CENTRE COMMITTEE ON DIGITAL PLATFORMS. Final Report [EB/OL]. (2019-09-16) [2022-03-22]. https://www.chicagobooth.edu/-/media/research/stigler/pdfs/digital-platforms---committee-report---stigler- center.pdf.
JASON FURMAN DIGITAL COMPETITION EXPERT PANEL. Unlocking digital competition: Report of the Digital Competition Expert Panel [EB/OL]. (2019-03-12) [2022-03-22]. https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/785547/unlocking_digital_competition_furman_review_web.pdf.
SUBCOMMITTEE ON ANTITRUST, COMMERCIAL AND ADMINISTRATIVE LAW OF THE COMMITTEE ON THE JUDICIARY. Investigation of Competition in Digital Markets [EB/OL]. (2019-03-15) [2022-03-22]. https://judiciary.house.gov/uploadedfiles/competition_in_digital_markets.pdf.
JOHN, A ST. Europe’s GDPR Brings Data Portability to U.S. Consumers. [EB/OL]. (2019-03-25) [2022-03-22]. https://www.consumerreports.org/privacy/gdpr-brings-data-portability-to-us-consumers.
CMA COMPETITION AND MARKETS AUTHORITY. Algorithms: How they can reduce competition and harm consumers [EB/OL]. (2021-01-19) [2022-03-22]. https://www.gov.uk/government/publications/algorithms-how-they-can-reduce-competition-and-harm-consumers/algorithms-how-they-can-reduce-competition-and-harm-consumers.
STUCKE, M., & EZRACHI A. How Pricing Bots Could Form Cartels and Make Things More Expensive [J/OL]. (2016-10-27) [2022-03-22]. HARV. BUS. REV. https://hbr.org/2016/10/how-pricing-bots-could-form-cartels-and-make-things-more-expensive.
SULLIVAN M W. Economic analysis of hotel resort fees [EB/OL]. (2017-01-11) [2022-03-22]. Economic Issues Papers. https://www.ftc.gov/policy/reports/economic-issue-papers.
FTC. Finalizes Settlement with Photo App Developer Related to Misuse of Facial Recognition Technology [EB/OL]. (2021-05-5) [2022-03-22]. https://www.ftc.gov/news-events/press-releases/2021/05/ftc-finalizes-settlement-photo-app-developer-related-misuse.
SMITH, N.C., GOLDSTEIN D. G. & JOHNSON, E. J. Choice without awareness: Ethical and policy implications of defaults [J]. Journal of Public Policy & Marketing, 2013, (32)2: 159-172.
WACHTER, S. & MITTELSTADT B. A right to reasonable inferences: Re-thinking data protection law in the age of big data and AI [J]. Colum. Bus. L. Rev., 2019, 2: 494.
OSTROM, E. Governing the Commons: The Evolution of Institutions for Collective Action [M]. Cambridge University Press, 1990. https://doi.org/10.1017/CBO9780511807763.
GOLDFARB, A., & TUCKER C. Digital Economics. Journal of Economic Literature[J], 2019, 57(1): 3-43.
易芳，包嘉豪. 数字平台的反垄断监管［J］.财经问题研究, 2022(2):33-41.
HIGH-LEVEL EXPERT GROUP ON BUSINESS-TO-GOVERNMENT DATA SHARING. Towards a European strategy on business-to-government data sharing for the public interest [EB/OL]. (2018-11-22) [2022-03-22]. https://ec.europa.eu/newsroom/dae/document.cfm?doc_id=64954.
刘戒骄. 我国公用事业运营和监管改革研究［J］.中国工业经济, 2006(9):46-52.
FTC BUSINESS BLOG. Aiming for truth, fairness, and equity in your company’s use of AI [EB/OL]. (2021-04-19) [2022-03-22]. https://www.ftc.gov/news-events/blogs/business-blog/2021/04/aiming-truth-fairness-equity-your-companys-use-ai.
LEE, T B. One Small Step for the Web [EB/OL]. (2018-09-29) [2022-03-22]. https://inrupt.com/one-small-step-for-the-web.
RANCHORDÁS, S. Experimental Regulations for AI: Sandboxes for Morals and Mores [J/OL]. (2021-05-06) [2022-03-22]. Morals & Machines, 1(1): 86-100. https://www.ssrn.com/abstract=3839744.
孙晋. 数字平台的反垄断监管［J］.中国社会科学, 2021(5):101-127.
刘戒骄.数据垄断形成机制与监管分析[J/OL].北京工业大学学报(社会科学版):1-13[2022-07-14].http://kns.cnki.net/kcms/detail/11.4558.G.20220617.1027.002.html
