查看新版>>
我的位置： 上观号 > 上海市法学会 > 文章详情

张笑月｜三权分置视角下数据垄断的规制困境与纾解

转自：上海市法学会 2024-07-10 08:36:56

数字经济下，海量数据可以促使平台将数据优势转化为市场竞争优势，进而提高市场进入壁垒，引发包括算法共谋、大数据杀熟、平台混合并购等一系列数据垄断行为。数据垄断行为的频发与数据权属模糊密切相关，而数据“三权分置”的产权定位可以有效缓解数据确权难题，进而推动数据合规高效流通使用。基于此，当前应细化厘清反垄断语境下的数据资源持有权、数据加工使用权和数据产品经营权的权利内涵，在平衡数据利用与保护的二元关系的前提下推进政府强制性数据开放。

一、问题的提出
数据已经成为数字经济时代的新型生产要素。数据要素在促进数字经济发展的同时，也引发了人们对“数据垄断”的担忧。近年来国内外司法中典型案例表明，企业通过采集用户大数据或基于机器产生的大数据开展生产经营活动，并且逐渐将数据优势转化为竞争优势，从而在市场中占据支配地位。对此，我国出台多部法律法规进行规制，虽然对于禁止经营者利用数据实施垄断行为均有所涉猎，但对于数据垄断行为的具体评价标准均未予明确。首先，数据本身是否会构成垄断。大多数学者认为，由于数据具有可替代性和非竞争性，所以企业通过获取并累积的大量原始数据并不会形成竞争优势，所以数据本身并不会带来市场垄断，“数据垄断”是掌握大数据的平台和企业利用其市场支配地位实施的行为。第二，我国当前的反垄断政策无法应对数据所涉及的保护数据安全、维护公平竞争以及推动创新发展等多重目标。特别是对于数据安全中的隐私问题，反垄断审查是否应当对其审查，如审查则有侵犯公民个人信息隐私的嫌疑，如不审查则无法对大企业数据垄断的情况进行管制。而反垄断政策对于推动数字经济的创新发展更多地是倾向于事后的规制，无法提供事前的帮助。由于数据垄断存在较大争议，当前针对数据垄断的反垄断政策也并不明确。
2022年12月，中共中央、国务院发布了《关于构建数据基础制度更好发挥数据要素作用的意见》，从数据产权、流通交易、收益分配、安全治理四个方面，初步搭建我国数据基础制度体系，其中提到从数据产权确权的角度提出了数据资源持有权、数据加工使用权、数据产品经营权三权分置的产权运行机制。创造性地以解决数字经济发展中市场主体遇到的实际问题为导向，弱化数据所有权，强调数据使用权和经营权，以促进数据流通为核心目标，这种创新性的数据要素产权制度，或许对于突破数据垄断、促进数据流通、激活市场活力提供新的应对思路。
二、数据垄断的危害检视

（一）
数据垄断的典型表现

1.利用数据优势实施数据垄断协议——算法共谋




算法合谋是利用数据优势实施数据垄断协议的重要方式之一。算法合谋是算法运用在经济中的具体形式之一，是数据驱动下的一种新形势合谋。根据反垄断法（修正案）对合谋的定义，可以将算法合谋界定为两个及以上的独立经营者，在特定市场中共同利用算法限定产品或服务的价格或数量，从而排除、限制市场竞争的行为。
算法共谋可以分为明示共谋和暗示共谋。相比于明示共谋通过书面或者口头等明确的方式去维持反竞争行为，默示共谋则是经营者们虽然没有达成协议，但心照不宣地采取同样的方式来抵御外部竞争。在反垄断法中，认定垄断协议的必要条件就是参与协议各方的意思联络。在算法共谋中，由于数据资源的广泛收集和利用，既定的算法规则能够实现市场透明度的提升，市场经营者之间甚至不需要明确的协商沟通就能在无需联络的情况下作出决策，实现同步定价，建立数据共享机制。在垄断协议达成后，基于市场实时数据、消费者偏好、竞争对手价格策略等因素，设计出特定的定价算法机制，并根据市场价格实时调整价格，价格处于动态之中也能达成垄断协议。
算法计算规则除了可以人为设置之外，其人工智能属性使得算法可以自主学习，此时算法作为枢纽中心，实现中心辐射垄断。算法通过不断训练学习、分析市场结构、经营主体并彼此交互，提高自身预测能力与经营模式，能为经营者制定利润最大化的经营策略。一方面由于算法的隐蔽性，使得默示共谋生存空间越来越大，加大了反垄断执法机关的调查难度；另一方面，在实践中无法断定是人工智能自主行为还是使用者暗箱操作，使得法律责任划分不清楚。
2.利用数据优势滥用市场支配地位——歧视性交易




数据优势能够增强经营者的市场支配地位，而这种市场支配地位能够为经营者吸纳更多的数据，进而提升自己的竞争优势，数据优势和市场支配地位能够形成互补循环，而占据市场支配地位的经营者可以利用数据优势实施歧视性交易。与算法垄断相同的是，利用算法实施歧视性交易更具有隐蔽性。算法编写者可以在算法编写阶段将自身“偏见”嵌入到算法中，输出结果也只会成为披着客观外衣但具有主观色彩的数据。因此在问题建构时，数据优势经营者通过对已掌握的市场数据进行分析，利用算法提前输入不公平的运算规则，在算法自动化决策后选择为自己提供数据帮助的优质合作对象。对于刚进入市场的经营者来说，数据优势者利用算法自动淘汰缺乏分析数据能力的新型经营者，从而消除潜在的竞争隐患。
数据优势企业除了通过算法与其他企业实施歧视性交易，也可以与消费者进行歧视性交易，也就是通常所谓的大数据杀熟。数据优势经营者通过对用户个人数据的分析挖掘，将用户的年龄、性别、职业、消费习惯等信息进行处理，对用户进行分类，从而实施差别定价。而这类算法黑箱问题由于其高隐蔽性，在网购、外卖、打车等多个互联网平台屡禁不止，利用数据实施歧视性交易所带来的司法问题至今尚无有效对策。
3.巩固数据优势实施经营者集中行为——混合集中




数据驱动下的经营者为了提升和发挥自身的数据竞争优势，通过并购等方式获取数据资源，由此产生了数据驱动型经营者集中现象。经营者以数据为根基，通过数据的交互传输对相关产品和服务进行开发利用，使用收购或者合并的方法获得更多的数据资源。在数据资源爆炸的时代，单个市场经营者搜集与分析数据的能力有限且成本较高，所以与其他拥有大数据资源的企业合并可以在短时间内获取优质资源，提升经济利益。特别是对于本身已经具有相当大数据优势的经营者而言，数据优势更加明显甚至可能产生数据寡头的情况。
与传统经营者集中不同，运用横向集中、纵向集中的分类模式已无法满足对数据驱动型经营者集中的界定。后者并不直接着眼于对于经营内容的深耕扩张，其集中目的是丰富数据种类和扩大数据规模，从而为实际经营内容提供更多的资源储备。而且这些数据在一定程度上可以“打破”行业壁垒，并不局限于某个行业或领域，经营者可以基于数据资源进行跨行业合作。

（二）
数据垄断的危害

1.侵犯用户消费权益




数据隐私的收集和使用是经营中必不可少的环节。当经营者使用用户的数据隐私来改善服务并以此为工具与用户形成互动时，数据隐私就显示出其作为数据的生产资料属性。经营者将数据隐私作为交换条件，一方面交换给用户提供免费服务，另一方面交换给广告商获取利益。虽然用户不用为使用一般的搜索服务支付金钱，但他们每次查询而留下的数据均为服务变现做出了贡献。掌握数据隐私可以帮助经营者根据用户的个人信息梳理出不同用户的特点和需求，并将其归类用来提供服务，创造更多盈利机会。经营者利用数据隐私形成“用户反馈回路”和“变现反馈回路”，不仅能够获取核心服务的市场支配地位，还可以将这种优势向关联市场渗透。
“用户反馈回路”，是指经营者通过收集和使用数据隐私，在核心市场领域可以提升用户服务，进而锁定用户并生成更多数据，在关联市场领域可以利用数据隐私作为敲门砖，扩大用户范围和规模，扩张数据隐私来源。“变现反馈回路”，是指经营者根据数据隐私对于用户特征和行为进行分析，并详细分类，由此在投放广告时更有针对性，不仅可以通过广告投放和用户点击直接变现，还可以提升广告需求间接变现。在二者的共同作用下，经营者就可以根据数据隐私的反馈回路形成自我强化，由此提升并固化市场地位，形成市场壁垒。
这极大损害了用户权益：一是对于数据垄断协议而言，经营者降低数据隐私保护水平。经营者运用算法推荐机制对于用户进行精准广告投放，存在诱导用户行为的嫌疑。经营者通过算法共谋行业内的服务和定价，影响用户群体性的利益。二是对于滥用市场支配地位而言，占据优势的经营者可以通过过度收集数据、歧视性交易等手段，最大程度地榨取用户的剩余价值。例如大数据杀熟，经营者为不同群体设定不同价格以获得超额利润，严重侵害用户的知情权、选择权和公平交易权。三是对于经营者集中而言，当优势经营者利益达成后，其对于数据隐私的保护水平重视程度下降，长久来看甚至可能会影响用户个人数据安全。
2.破坏市场公平竞争




经营者可以利用数据垄断向竞争对手施加数据优势，维持并强化其市场地位。经营者可以利用其掌握的大量用户以及其他经营者的数据资源对当前商业模式进行实时监测，类似“即时预报雷达”，在识别竞争威胁后，通过收购或者其他手段阻碍发展。例如亚马逊公司通过其已经掌握的数据资源对用户购买物品进行研究，通过研究用户喜好决定即将销售的新产品，并研究竞争对手的策略，通过价格优势等击败潜在的竞争对手，这种典型的滥用数据优势的行为，并不只是简单的市场研究。在数据优势面前，经营者是无法实现公平竞争的。
另外数据垄断也可以构成其他企业进入相关市场的壁垒。例如谷歌通过对用户搜索数据的垄断，可以洞察用户的搜索目标，通过每日数以百万计的搜索数据进行分析来学习用户想要的搜索内容并持续更新，对于提供高质量搜索结果的算法不断优化，进而增强其竞争优势。曾经微软也试图开拓搜索引擎市场，但以失败告终，由此可见在数据垄断面前，即便企业实力雄厚，也无法在已经实现垄断的市场中开展竞争。这种情况在电商平台、社交媒体等数字平台也同样存在。
3.遏制市场创新活力




当少数经营者占据数据垄断优势地位，由于其竞争对手的减少，经营者容易缺乏创新动力。正如破坏公平竞争，当数据优势企业能够识别潜在竞争者并排除竞争时，其也在遏制企业创新能力。许多大型企业通过收购排除有效竞争，例如谷歌收购了包括YouTube、Android等200多家初创公司。Facebook也收购了包括Instagram、WhatsApp等50多家公司。在此过程中，经营者的收购策略也在不断变化，从最初收购与核心业务相关扩展到关联业务，再扩展到关联度更低的业务。数据垄断者可以运用大数据和算法等制定新的投资策略，为技术初创企业投资，如果创新产品或服务能够经受市场考验，投资企业就能坐收渔翁之利，而被收购则成为大多数初创企业的宿命。这对于激发市场活力带来严重阻碍。
三、数据垄断的规制困境

（一）
理论障碍：“价格理论”无法有效识别并规制数据垄断

“价格理论”是反垄断法理论和实务的主流学派，该理论认为反垄断法执法是为了规制对消费者福利损害的行为，这种损害主要体现在产品价格的提升或者产品质量、产量的降低。但是价格理论在面对数据垄断时存在一定的局限性。首先，数据作为技术和商业服务之间的连接桥梁，部分数据产品和服务的研发、产出、投资流程甚至可能关联到其他相关产业，但是现有的反垄断规定并未深入到数据产业的各个环节，仅通过价格难以衡量与数据相关的过程行为，例如忽视数据获取能力所代表的市场支配力等。第二，数据垄断从表面上看对于价格、产量或者质量都没有损害，因为许多互联网平台提供的服务是免费的，甚至有可能提供更高质量的产品或服务。例如使用特定搜索引擎或者社交软件的人越多，算法更能精确了解用户偏好，推送的内容准确度更高，从而吸引越来越多的用户使用，形成正向用户反馈回路。第三，传统营业额计算方法难以反映数据驱动型经营者集中的真实情况。经营者可以通过提供低价或免费服务吸引客户，提高市场占有率，广告费等收入可以覆盖这部分损失。而传统营业额计算方法不包括与免费服务相关的现金流。而且数据市场由于收购等原因更替性较强，市场份额与支配地位远不像钢铁、能源等传统垄断行业稳定。

（二）
技术局限：难以搜集数据垄断的有效证据

首先，针对通过算法达成默示合谋的行为难以监测。由于算法合谋具有智能性、隐蔽性等特点，而且算法作为构建市场竞争策略的工具，本身并没有垄断的主观意图，所以对数据垄断进行反垄断认定时，难以搜集到有效证据证明存在算法合谋行为。第二，行为本身具有较大复杂性。算法通过自我学习完全可以在没有人为干预的情况下自主得出最优策略，而算法运行速度较快，运算规则复杂，数据处理方式让人难以分辨最终达成的共谋是出于最初的人为设置还是算法的自我学习。此时更难以对数据垄断协议进行追责。第三，动态竞争增加数据垄断认定难度。数据领域市场竞争的动态性较强，互联网平台通过大数据技术及数据资源等能够实现在短时间内发展壮大，打破原有竞争格局，动态竞争的市场环境也提升了反垄断评估的难度。

（三）
规制滞后：事后规制仍为反垄断监管主流

目前对于算法合谋、数据滥用等损害市场公平竞争秩序的数据垄断行为都归于反垄断法和竞争法的研究范畴。当前的规制更倾向于事后处理，而执法中也以处罚为核心，虽然反垄断法第26条对经营者集中规定了强制申报的条款，但对于引导数据领域的公平竞争则收效甚微。如果将事后规制作为主要手段，不仅在时效上存在滞后，而且在手段上也更为被动。经营者在基于数据垄断所带来的收益与处罚之间考量，如果违法成本低于收益时，可能会选择铤而走险。实际上，平台监管应立足于市场的要素分配地位，拓宽数据资源有序供应渠道，引导平台形成全过程以反垄断为直接靶向的数据共享体系。
四、数据三权分置的适用逻辑
数据垄断的传统规制思路更多地是规制“垄断”，即根据反垄断法的规则对于数据垄断进行规制，但从上文可知其存在一定的局限性。是否可以通过“数据”对数据垄断的治理提供新思路？近年来，人们逐渐认识到数据产权的重要性。数据产权作为附着在数据上的一系列排他性权利的集合，是调整人与人之间关于数据使用利益关系的制度。数据资源产权的建立能够极大地推动数据资源的开发利用。国家也将数据产权制度体系的构建提升到了战略性高度，并充分肯定数据作为一种要素资源所应具备的产权体系。2022年提出的“数据二十条”创新数据产权观念，创造性地提出建立数据资源持有权、数据加工使用权和数据产品经营权“三权分置”数据产权制度框架，在该框架中，淡化所有权、强调使用权、聚焦数据流通是该制度框架的宗旨。

（一）
数据三权分置的赋权逻辑

1.经济属性：数据具有独特的价值




首先，数据具有非竞争性和相对排他性。数据的非竞争性意味着同一数据可以同时被多个主体使用，而这种使用不仅不会降低数据的经济价值，反而还会促进数据的开发利用，使其价值最大化。数据的相对排他性表明原始数据作为一种资源要素，其本身并不具有排他性，企业或者国家如有需要都可进行采集并对其开发利用，一个企业对数据的使用并不影响其他企业，例如消费者对不同的App可以分别进行授权。但是企业或者国家获取原始数据后对数据的处理和分析则具有一定的排他性，这种衍生数据体现了企业的主观能动性，集合了企业的经营策略，体现了企业的核心竞争力。因此差别化的数据治理策略对于企业是否能够获取资源以及获取市场势力具有重要影响。
其次，数据具有较强的时效性。数据的价值随着时间的变化递减甚至迅速贬值。即便企业能够获取大量的数据，但是如果不进行及时开发利用，其所掌握的数据价值将迅速缩水。对于上位者来说，只有将掌握的数据尽快高效地分析利用，数据才能为企业创造价值，提升竞争力；对于下位者也就是想要进入市场的企业而言，如果能够获取数量相当且时效性较强的数据，其仍可进入市场。但问题在于上位者已占据掌握数据的优势地位，下位者难以进入市场。
再次，数据具有较强的差异性和公共价值。数据之间的差异性较强，这与数据主体、承载信息、应用场景等都存在较大关系，不同数据之间难以实现相互替代。数据治理政策应当基于个案分析，实行差别化政策。被企业利用的数据能够产生商业价值，其应用场景前文已表述，在此不赘述。而被政府利用的数据则具有公共价值。政府可以根据数据掌握社会运行和发展的总体情况，提高政府决策能力，增强社会治理能力，维护社会秩序的有效运行。
2.政策导向：数据三权分置的包容与平衡




数据三权分置打破了数据流转的僵局，以释放数据要素价值为基础，对于数据流转、开发、利用、交易等提供了新思路，政策本身体现了国家以开放包容的态度打破原有的数据产权体系，以动态发展的视角应对数据开发过程中出现的新问题。由于数据涉及财产权与人格权、数据产权等多重法律关系，数据主体涉及个人、企业、政府，数据规制涉及隐私保护、市场竞争、商业激励、社会价值等多个目标，因此数据三权分置涉及多重平衡。
一是要平衡竞争与创新的关系。数据作为具有商业价值的重要资产，数据三权分置既要促进数据开放以激活市场竞争，也要减少原有反垄断政策对数据开发创新的阻碍。二是平衡隐私保护与市场竞争的关系。数据采集会涉及大量的个人数据，对于数据隐私保护带来一定的风险。虽然市场竞争需要大量的数据作为支撑，但不能以践踏隐私保护为代价。因此数据接入时需要征得用户知情同意，并且对涉及公民个人的敏感隐私信息谨慎处理，数据获取应当具有一定的安全性。三是平衡隐私保护与推动创新的关系。当其他企业要求合理的数据获取时，支配平台不可以隐私保护等为借口拒绝提供数据，避免大型数字平台通过隐私保护监管扩张其市场实力，排除市场竞争。
3.法律表达：构建数据要素市场制度基础




数据三权分置是为了激发数据作为新型生产要素所承载的最大经济价值而提出的全新顶层设计，其目的是解决数据产权规制中存在的诸多问题，因此目前对于数据三权分置的法律表达仍存在许多争议。有学者认为可以从民事权利中的“三权分置”出发，运用民事权利理论分析“数据三权”的内涵和外延，确认法律权利，即“确权主义”；有学者认为确认权利不利于实现数据“三权分置”，应运用现行法律法规中的义务性规范进行规制，即“行为主义”；有学者认为确权主义路径和行为主义路径并非对立关系而是合作关系，进而提出了位阶关系说，如果数据法益可以确权，可适用确权主义，如无法确权则可适用行为主义，由此对数据三权分置中的三权视情况确定保护路径，目的是最大程度地保护数据产权；还有学者运用权力块、权利束等从财产法基本原理和理论出发，构建符合中国法律秩序及社会需求的财产权体系，并对于数据三权分置根据权利属性进行细化。
虽然数据三权分置的法律表达仍存在较大争议，但目标都是为了夯实数据要素市场制度基础，激活数据要素潜能，解决阻碍数据开发利用和数据要素市场培育的难点问题，因此运用数据三权分置和现有反垄断法相关规定去解决数据垄断问题本质上殊途同归。

（二）
数据三权分置适用数据垄断的制度优势

1.强调数据安全




数据安全是数据被赋予价值使用的前提。数据平台作为经营者，对数据生产要素进行提取和加工，参与构建数字经济基础，传统的反垄断法、侵权法等无法完全覆盖数据平台的多样化内容，特别是对于数据安全保障并无直接法律规定。数据三权分置重视数据安全和企业合规，“数据二十条”中有多项针对保护个人信息、保护个人隐私的规定。树立底线意识的数据产权制度在保护数据安全的基础上能够促进新的个人资产的形成，激活个人数据中心市场需求。
2.促进公平竞争




数据三权分置对于数据以产品形态流通持认可态度，因此数据作为生产要素，不仅能够促进数据作为产品的流动，还能推动不同数据融合为新产品，实现从开发到交易再到使用的产品产出路径。当原始数据以产品形态呈现时，其交易价格趋向于透明化，基于算法优势实施的差别定价、算法合谋等不正当竞争行为将更容易被捕捉，进而被实施惩戒。数据三权分置可以在一定程度上遏制数据垄断，缩小市场竞争者之间的实力差距。
3.创新分配方式




原来数据收益分配主要看谁享有数据权益，是基于物权理念下的一种分配，但该收益分配方式无法达到激发数据流通的作用。因此“数据二十条”提到关于收益分配制度的宗旨是“谁投入、谁贡献、谁受益”，利用基本的制度建设打消经营者参与数据经营活动的顾虑。为平衡数据采集、加工、流通、应用等多个不同环节相关主体之间的利益分配，采用分红、提成等收益共享方式，模糊数据所有权概念，不影响数据参与各方共享收益，激励数据价值创造和实现。
五、三权分置视角下数据垄断的规制细则

（一）
弱化数据资源持有权——保证个人数据安全

以数据主体为标准进行分类，数据可以分为公共数据、企业数据、个人数据，但是无论是公共数据还是企业数据，都可能涉及个人信息，甚至也可以将个人数据视为公共数据和企业数据的构成要素。数据三权分置强调弱化数据资源持有权，但前提是确保个人数据隐私和安全，确立个人数据可携带权在一定程度上能够实现这一目标，因为确立个人数据可携带权可以提升个人对于数据控制的能力，实现信息自决。

（二）
优化数据加工使用权——平衡数据利用与保护

数据加工使用的前提是数据共享，但是这与数据隐私保护存在矛盾。因此在保证数据隐私和安全的前提下确立有效的数据开放接入政策，即实现用户授权数据的批量接入，数据平台能够接入大量个人原始数据。因此平台并不能通过原始数据垄断获取经营优势，只有提高对数据的开发利用能力才是新的出路。对此仍需进行细化，可以考虑建立类似“数据信托”机构等中介组织，实现个人数据和企业数据的对接，当企业获取原始数据后用户个人可以退出对该数据的管理，但是出现数据隐私和安全问题时可以通过该中介组织为自己维权。

（三）
推进数据产品经营权——推进政府强制性数据开放

如果数据接入完全依赖个人授权，可能出现的问题是当新企业进入市场，想要获取足够数量的原始数据，如果只能通过用户授权同意，会存在较高的同意成本和时间成本，而且用户的数据开放也并非完全理性，因此完全以个人授权无法培育共享共创、公平竞争的数据要素市场，无法落实数据产品经营权，此时可以通过政府的反垄断介入来减少数据封锁的影响。当面对支配平台拒绝为新进入商家接入数据时，可以根据“必需设施原理”要求接入支配平台数据，因为该数据是开展商业活动、进行市场竞争不可缺少的，而且强制接入的数据应当是经过授权的个人原始数据。特别针对医疗、能源等特殊行业，由于数据本身涉及重大公共利益，应当进行有效行业监管，促进行业创新发展。

往期精彩回顾

梅珂悦｜数字市场扼杀型并购的反垄断规制路径

万剑星｜数据刑事合规的实践检视和突破进路

王美辰｜生成式人工智能助推虚假信息泛滥的法律问题分析——以“Deepfake”为例

陈静｜人工智能体视域下的法益侵害及归责路径——以无人驾驶技术应用为例

钟浩谦｜元宇宙概念下虚拟主播商业模式的法律问题探究

李琛｜数据驱动型企业经营者集中审查标准研究


上海市法学会官网
http://www.sls.org.cn