大数据领域垄断的形成机理及反垄断规制

李丰团 贺莹洁 郭东洋

一、大数据领域垄断监管与研究状况

在过去的20年，宽松的政策环境让我国的数字经济和互联网行业得到蓬勃发展，数字经济已经成为我国经济发展的新引擎，大数据也逐渐成为数字经济时代的核心生产要素(詹馥静等，2018；任超，2020)。中共中央国务院在2020年4月颁布了《关于构建更加完善的要素市场化配置体制机制的意见》，明确将数据与土地、资本、劳动力、技术并列为五大生产要素。数字经济的发展给人们生活带来极大便利的同时，对经济的发展模式也产生了颠覆性的变革，在提升消费者福利、降低交易成本、扩大市场规模、深化社会分工、提高经济效率以及驱动经济转型等方面起到了重要作用（苏治等，2018）。2020年8月，中国前瞻产业研究院发布的《2020年中国数字经济发展报告》显示，自2015年提出“国家大数据战略”以来，我国的数字经济发展迅速，截止2019年末，数字经济的总体规模达到了35.8亿元，占GDP的36.2%。

2020年12月，中央经济工作会议将“反垄断和防止资本无序扩张”作为2021年经济工作的八项重点任务之一，明确提出要坚决反对垄断和不正当竞争行为，完善平台垄断认定、数据收集使用管理、消费者权益保护等方面的法律规范。此前不久，国家市场监管总局发布了《关于平台经济领域的反垄断指南（征求意见稿）》，向社会公开征求意见，拟将互联网平台的二选一、大数据杀熟等行为纳入反垄断执法的视野。而在更早的2019年8月，国务院办公厅印发的《关于促进平台经济规范健康发展的指导意见》直接指出，要依法查处互联网领域滥用市场支配地位限制交易、不正当竞争等违法行为。在短短一年多时间内，出台一系列关于数字经济领域的反垄断政策措施，一方面说明我国数字经济领域反垄断规制的必要性和急切性，另一方面也向市场传递出我国在数字经济领域反垄断的坚定信号。

伴随着数字经济的发展，关于大数据及其对消费者隐私权和市场竞争的真正作用的争论也越来越激烈，大数据所引发的垄断问题也越来越受到关注（殷继国，2019）。在理论界，对于大数据是否会形成垄断以及是否需要对其进行反垄断规制有两种不同的观点：一种认为大数据并不会引发垄断，大数据领域的反垄断规制缺乏理论基础和必要性。其主要理由是大数据作为一种资源本身具有非排他性和非竞争性（曾雄，2017；程啸，2018），并且大数据市场的进入门槛较低，数据体量大且易于收集，数据的价值短暂等因素都会促进市场不断涌现新的竞争者，因此大数据市场一直都是一个动态竞争和鼓励创新的市场，过度或不当的反垄断干预会破坏大数据市场的正常运行（冯然，2017）。另一种观点则认为经营者可以利用大数据排除和限制市场竞争并抑制创新行为，大数据市场的反垄断规制不可或缺（Daniel等，2017；Robert Mahnke，2015）。其主要理由是大数据是经营者获得市场支配地位的主要工具，经营者通过掌控数据获得市场支配地位之后，就会倾向于滥用市场支配地位攫取垄断收益、排斥竞争、抑制创新并最终削减消费者福利。

越来越多的观点认为大数据领域的垄断行为不可忽视，而且与传统市场的垄断行为存在明显区别，尤其是在相关市场的界定划分、市场支配地位的确认计量、滥用市场支配地位行为的认定以及消费者福利损失的评价等方面对反垄断规制形成了较大挑战（吴汉雄等，2018；黄晓锦，2018）。因此，针对大数据领域的反垄断规制不但不可或缺，而且需要在传统反垄断规制思路的基础上进行变革和重构（陈兵等，2020；熊鸿儒，2019）。

虽然理论界关于大数据领域是否需要反垄断规制仍有较大争议，但是在实务领域，与大数据有关的反垄断处罚案例却不断涌现。在国外，2017年美国发生了著名的“HiQ Labs 诉LinkedIn拒绝供应数据案”，同年，欧盟委员会认定谷歌依靠其在搜索引擎市场上的数据优势阻碍和破坏比价购物服务市场的正常竞争，对其处以24.2亿欧元的罚款。2019年2月，德国联邦科特尔局认定Facebook在搜集、合并和使用用户数据的时候违反了《反限制竞争法》中的剥削性滥用条款，成为将滥用他人数据拉入反垄断法规制的里程碑案件（Kyriakos Fountoukaos等，2019）。在国内，2010年发生的“3Q大战”即“奇虎360诉腾讯垄断案”，被认为是中国第一起互联网垄断纠纷案，引发了人们对数字经济垄断问题的首次关注和思考。在这之后，又陆续爆发了“脉脉非法抓取使用新浪微博用户信息”案、“华为腾讯数据纠纷”案和“顺丰与菜鸟数据传输之争”案等数据纠纷案件。而在2020年12月，国家市场监管总局认为阿里巴巴在收购银泰商业的事件中违反了未依法申报违法实施的经营者集中的相关规定，对阿里巴巴处以50万元人民币的顶格罚款。随着大数据领域反垄断案例的不断涌现，越来越多的国家和地区相继发布了关于大数据垄断问题的调查报告和执法指南，开始对大数据的垄断问题进行探索和研究。例如，美国联邦贸易委员会在2015年发布了《大数据：包容工具抑或排斥工具》的调查报告，欧盟委员会也在2015年发布了《数字经济中竞争政策面临的挑战》的研究报告，法国竞争管理当局则在2016年发布了《竞争法与数据》的研究报告。在国内，2019年5月中国人民大学未来法治研究院发布了国内首份关于大数据垄断的研究报告，即《互联网平台新型垄断行为的法律规制研究》。之后，政府又陆续出台了《关于促进平台经济规范健康发展的指导意见》以及《关于平台经济领域的反垄断指南（征求意见稿）》等相关政策文件，体现了我国在大数据领域的反垄断探索也在不断推进。

综上所述，国内外理论界已经开始广泛关注大数据领域的垄断问题，并且针对大数据领域的垄断特征、垄断行为的认定、反垄断法制法规的完善以及反垄断规制的路径等方面开展了深入研究。但是，现有的研究成果明显滞后于数字经济的发展速度和发展水平。尤其是关于大数据领域是否存在垄断以及是否需要反垄断规制这一基本问题还存在较大争议，导致现有的研究更多的是案例导向性的，侧重于单个案例的研究分析，研究结论的普适性较低。本文以大数据的自身属性为研究起点，以“数据收集获取市场支配地位，到滥用市场支配地位形成初始垄断，再到初始垄断延伸形成双轮垄断”这一逻辑厘清了大数据领域的垄断形成机理，为大数据领域的反垄断规制提供了理论支撑，并提出了大数据领域反垄断规制的思路和路径。

二、大数据领域的垄断形成机理

与农业时代的土地要素和工业经济时代的资本和技术要素不同，大数据作为数字经济时代的核心生产要素具有非排他性和非竞争性的属性特征，即一个经营者不可能控制和独占所有的数据资源，若干经营者同时收集和使用同一数据资源并不会损耗该数据的价值，因此，在数据的生成和获取环节往往不会形成垄断。大数据领域的垄断大多在数据资源的使用环节形成，其垄断的形成机理也更加复杂。

（一）数据收集获取市场支配地位

1.数据寡头催生市场支配地位的形成。市场支配地位是指经营者在相关市场上能够控制商品价格、数量等交易条件并能阻碍、影响其他经营者进入的市场地位。虽然获得市场支配地位并不一定会形成垄断，但却是经营者实施垄断的前提条件。具体到大数据领域，由于海量数据被少数经营者尤其是市场先入者获取和占有，从而形成数据寡头，因此，大数据市场一般都呈现出明显的少数数据寡头控制海量数据的局面。以2019年我国搜索引擎市场为例，占据市场份额第一名的百度拥有72.73%的市场份额，第二名的搜狗占据了14.89%的市场份额，前两名合计占据了整个市场份额的88%，而第三名的神马（4.45%）和第四名的好搜（3.77%）的合计市场份额还不到9%，可见，百度的数据寡头地位非常明显。经营者的数据寡头地位催生了经营者支配相关市场的能力，为了弥补其在数据收集和分析处理过程中的巨大成本投入，他们倾向于利用市场支配地位阻碍市场新入者，排斥竞争而追求垄断利润。

2.数据的循环反馈效应巩固市场支配地位。经营者一旦成为数据寡头获得市场支配地位以后，就可以借助于数据的循环反馈效应以低廉的成本抓取更加海量的数据信息。数据的循环反馈效应之一是“用户反馈效应”，即当经营者拥有的用户数量越多，掌握的用户信息数量越大，就越能够借助于对现有用户数据信息的分析整合为用户提供更好的产品和服务，在牢牢“粘住”现有用户的同时吸引更多新客户，进而抓取新客户数据，形成数据的“滚雪球效应”。数据的循环反馈效应的表现之二是“获利反馈效应”，即已经掌握海量数据的经营者可以依赖数据资源获得更多盈利，从而更有实力扩大和改进自身投资，以此吸引更多客户获得更多数据。在循环反馈效应的作用下，优先掌握大数据资源优势的经营者获取数据的边际成本不断下降，逐步拉大与竞争者之间的差距，其数据寡头地位和市场支配地位会不断被巩固和强化，为实施垄断行为奠定基础。

（二）滥用市场支配地位形成初始垄断

初始垄断是指占据市场支配地位的经营者依靠所掌控的数据资源和网络平台，在数字经济的基础服务领域通过排他性和剥削性滥用市场支配地位来限制竞争，进而获取垄断收益的行为。正如Gruneshe（2015）所说：如果经营者在数据的收集、储存及分析过程中支付了巨大成本，他们就会有强烈的动机阻止竞争对手共享使用这些数据资源。

1.排他性滥用市场支配地位形成的垄断。排他性滥用市场支配地位是指经营者为了损害竞争者的竞争地位，或者为了将竞争者从根本上排除出市场而采取的限制竞争行为，因此，认定排他性滥用市场支配地位的重点是考察对横向竞争对手的封锁效果（王先林，2018）。具体到大数据领域，排他性滥用市场支配地位主要是通过技术性、排他性措施阻碍数据的收集、访问和共享进而形成数据的初始垄断。处于市场支配地位的经营者可以以数据隐私保护为借口与数据提供者签订排他性协议，或者通过法律声明等手段阻止竞争对手获取或共享统一数据；还可以通过设置平台间的不兼容数据格式、关闭数据接口等技术手段阻碍用户数据的可移植性；还可以通过歧视性的拒绝数据访问和共享，授权某些客户的数据信息访问权，但拒绝授予下游竞争对手的访问权等等方式进行排他性竞争。经营者的上述行为会阻止数据的流通共享，设置竞争对手进入相关市场的壁垒，尤其是当数据资源成为竞争对手赖以生存或创新的“必要设施”时，这种限制行为会从根本上抑制竞争对手的进入式扩张，形成排他性垄断行为。

2.剥削性滥用市场支配地位形成的垄断。与排他性滥用市场支配地位不同，剥削性滥用市场支配地位不是通过限制和排挤横向竞争对手谋求垄断利益，而是通过剥夺或削减上下游经营者或者消费者的利益来实现垄断收益，属于同一产业链不同层级之间的垄断行为（詹馥静，2020），因此，衡量剥削性滥用市场支配地位的主要标准是消费者福利水平的损害程度。具体到大数据领域，经营者一般是通过过度采集和使用数据、价格歧视、捆绑搭售以及算法合谋等方式对其市场支配地位进行剥削性滥用。尽管经营者的上述行为是否构成垄断还需要结合具体情况做出判断，但是一旦形成垄断，就会严重削减消费者的福利水平，所以，剥削性滥用市场支配地位的行为往往都是反垄断规制关注的重点。

（三）初始垄断延伸形成双轮垄断

双轮垄断是数字经济时代的一种典型的新型垄断行为（翟超，2021）。双轮垄断是在初始垄断的基础上生成与演进的混合型和集成型垄断行为，是由轴心市场的初始垄断与辐射市场的第二轮垄断组合而成，前者是后者的基础，后者是前者的延伸（李勇坚等，2020）。在初始垄断层面，经营者依靠滥用市场支配地位在其原有的数字经济基础服务领域形成第一轮垄断，并借助于平台网络效应、用户锁定效应和数据规模效应不断巩固和强化初始垄断地位。在第二轮垄断层面，初始垄断经营者借助其在基础服务领域形成的数据优势、流量优势和资金优势，运用“杠杆”推动其垄断地位向其他领域或行业延伸与辐射，从而在多个领域构筑自身的垄断地位。双轮垄断有可能带来新一轮的数据集中、产业集中、排斥竞争和压制创新等问题，进而在多个领域形成第二轮甚至第三轮垄断。

1.双轮垄断的特征。首先，数据优势是形成双轮垄断的基础。在大数据领域，数据不仅是形成初始垄断的基础，也是驱动第二轮垄断形成的动力。初始垄断的经营者正是借助于其在原有市场的数据优势才能对新市场、新产品和新客户进行深入分析，进而迅速做出应对策略，以较低的成本和极高的效率将市场垄断势力延伸和辐射到新领域。其次，双轮垄断市场中的竞争手段多样化。与传统垄断市场以价格竞争为主要竞争手段不同，双轮垄断市场的竞争是多方位、多触点的，初始垄断的经营者除了使用低价销售、补贴价格甚至是免费定价等价格竞争手段之外，还会采用捆绑销售、打包销售等手段将原有领域的竞争优势渗透到相邻的众多领域。最后，双轮垄断的规制和监管难度更大。相关市场的界定是反垄断执法的前提，但是在双轮垄断局面下，垄断行为的影响从单边市场延伸扩散到双边市场甚至多边市场，市场之间的界线划分更加模糊，导致相关市场的界定难以实现，对双轮垄断的规制和监管难度也就相应增大。

2.双轮垄断的形成路径。初始垄断延伸形成双轮垄断的路径包括：一是通过数据操控形成双轮垄断。初始垄断的经营者在进入一个新的市场领域时，可以通过数据过滤、限制经营者与消费者直接接触、拒绝数据互联锁定客户注意力以及对竞争对手施加数据歧视性政策等数据操控手段将初始垄断优势在多个相邻市场间传导。二是通过基础服务能力市场的垄断延伸形成双轮垄断。初始垄断经营者在基础服务市场拥有规则制定、市场监管和广告审查等优势，这些优势往往被其用于向关联市场扩张渗透的隐形资源。例如阿里巴巴向金融领域的渗透、腾讯向游戏领域的扩张都是借助其在基础市场的优势地位。三是通过收购竞争对手形成双轮垄断。初始垄断经营者借助于初始垄断获得数据优势和资金优势，通过收购其在新领域扩张过程中的潜在竞争对手，尤其是那些初创企业和新生企业，然后将被并购企业关闭以消灭潜在竞争对手，或者将其做大做强成为其在新领域形成新一轮垄断的工具。

三、大数据领域的垄断行为

1.限制数据互操作行为。限制数据互操作行为是指在大数据领域占据市场支配地位的经营者为了排除或限制竞争，拒绝或者有歧视性地向竞争对手开放共享其拥有的特定数据资源的行为。经营者可以通过设置数据兼容格式、关闭数据接口等途径限制数据在不同平台之间的相互操作。限制数据互操作行为作为大数据领域的一种典型和常见的排他型滥用市场支配地位行为，不仅会阻碍数据流通，还会增加市场进入和创新的成本，从根本上损害市场竞争和创新动力，造成数据市场的封锁效果。例如在“HIQ Labs诉LinkedIn案”中，HIQ Labs作为一家针对雇员进行数据分析的公司，多年来一直依赖于LinkedIn公司公开的数据资料，为企业提供雇员的技能情况以及离职风险等方面的评估报告，但是在2017年5月，LinkedIn公司突然要求HIQ Labs公司立即停止从公司网站抓取雇员数据的行为，并采取技术手段屏蔽了HIQ Labs公司的数据访问权限，由此引发了双方的诉讼案件。美国加州法院最终以LinkedIn公司涉嫌滥用市场支配地位做出临时性禁令，要求LinkedIn公司不得阻止HIQ Labs公司获取其平台的公开数据资料。

2.掠夺性定价行为。掠夺性定价行为是指占据市场支配地位的经营者为了吸引更多消费者进而扩张市场份额，采取交叉补贴等方式以低于成本的价格甚至免费价格销售商品或服务的行为。通过掠夺性定价，经营者可以将消费者牢牢锁定在自身平台的生态系统中，在将竞争对手排挤出市场之后，就把销售价格提高到垄断水平，不仅收回前期的“掠夺成本”，而且获得高于竞争性水平的利润。具有市场支配地位的企业依靠雄厚的经济实力可以承受短期内降价甚至免费定价的损失，但处于弱势的竞争者因为无法承受降价损失而被驱逐出市场，所以，掠夺性定价行为会严重扰乱市场的正常竞争。例如近期备受关注的互联网平台的“社区团购行为”，由于平台大量采用补贴甚至免费方式进行销售，形成了实质上的掠夺性定价行为，为了严格规范“社区团购行为”，2020年12月市场监管总局出台了社区团购“九不得”新规，明确规定在没有正当理由的情况下，社区团购不得实施掠夺性定价行为。

3.价格歧视行为（大数据杀熟行为）。价格歧视行为是指平台经营者通过对消费大数据的统计分析，将消费者的消费偏好、消费习惯和经济实力等信息作为差别定价的依据，进而将同一商品或服务以不同的价格销售给不同的消费者来获取更多消费者剩余的行为，也被形象的称为“大数据杀熟”。当大数据成为核心生产要素之后，消费者的消费信息就变得越来越透明，不仅为经营者实施价格歧视提供了便利，而且能让这种价格歧视行为变得更加精准和隐蔽。近年来，网络平台上的酒店预订、机票订购、在线旅游以及网约车等领域都是价格歧视行为的高发领域。2019年7月，北京市消费者协会公布了一项调查数据，数据显示88.32%的被调查者认为“大数据杀熟”现象比较普遍或者很普遍，其中有56.92%的调查者有过被大数据杀熟的经历。

4.搭售行为。搭售行为是指平台企业在出售某一种产品或服务时以消费者同时购买另一种产品或服务为条件的行为。在未经消费者许可的情况下，搭售行为可能会形成违法行为，尤其是在大数据领域，平台经营者会将搭售商品或服务设置为默认同意的选项，让消费者在不注意或不知情的情况下完成购买，从而使搭售行为变得更加隐蔽。搭售行为可以将经营者在现有市场的垄断优势延伸扩散到搭售商品市场，如果经营者利用商品的搭售组合继续在新市场谋求垄断地位，就会形成双轮垄断局面。2018年7月，欧盟委员会认定谷歌违反了欧盟的多项反垄断规则，对其处以43.4亿欧元的罚款。其中之一是谷歌以“非法捆绑”方式要求设备制造商预先安装谷歌搜索和Chrome浏览器，并将其作为消费者使用其智能手机应用商店GooglePlay Store的条件，欧盟认定谷歌的捆绑搭售行为阻碍了搜索引擎市场和浏览器市场的正常竞争。

5.限定交易行为（平台“二选一”）。限定交易行为是指具有市场支配地位的平台企业限定交易相对人按照自己的意愿进行交易，从而排斥其他经营者公平竞争的一种行为。限定交易行为往往是通过禁止平台入驻商户在竞争对手的平台开展经营活动，或者限制合作商户与竞争对手从事交易等途径实现，也就是平台“二选一”问题。限定交易行为意味着平台企业是通过滥用市场支配地位打击竞争对手而不是通过提升产品或服务的质量获取竞争优势，其结果会扰乱市场的正常竞争秩序，损害商家或消费者的合法权益。例如巴里巴巴、京东在双11大战中要求商家站队、美团禁止使用阿里巴巴旗下的支付宝付款等行为都涉嫌平台“二选一”行为。

6.自我优待行为。自我优待行为是指平台经营者利用其平台管理者的身份，通过特定的商业手段，在平台上对自身经营的产品或服务给予优惠待遇的行为。在大数据领域，数字平台提供的中介匹配与联结服务被市场经营者全方位使用，导致经营者对平台服务产生高度依赖。因此，除非数字平台准许经营者提供的商品或服务入驻平台并保持其在平台上的可见性，该商品或服务才有可能进入市场竞争。但是，数字平台企业为了追求自身利益，会利用其平台管理员的身份在平台准入与可见性层面针对自身产品和竞争对手的产品实施差别对待，通过让消费者在平台上优先可见自身产品甚至屏蔽竞争对手的产品的方式来强化市场支配力。2017年6 月 27 日，欧盟反垄断机构委员会对谷歌处以24.2亿欧元（约合27亿美元）的巨额罚款，欧盟认为谷歌滥用其在搜索引擎市场的支配地位，在搜索结果中推广自己的购物比价服务，并且对竞争对手进行了搜索权限降级，人为降低竞争对手旗下的产品和服务的排名。

7.算法合谋行为。算法合谋行为是指平台经营者为了排除和限制竞争，利用计算机算法操控商品或服务价格、数量和市场的联合行为，是大数据、互联网、算法与共谋相结合而出现的一种更为隐蔽的垄断行为。平台企业的算法合谋行为涉及的内容包括固定交易价格、限制交易数量以及划分市场等，但最主要的还是价格合谋。首先，具有竞争关系的平台企业可以借助于算法实施事先达成的价格合谋协议。合谋企业在约定合谋价格以后，通过设定特定的价格算法，自动交换竞争对手之间的价格信息，通过算法适时调整各自的价格以保证按照统一的合谋价格销售产品。2015年，Amazon的电子商务主管Toplins与竞争对手签署了一系列价格合谋协议, 以共同维持他们在Amazon平台上海报的销售价格，Topkins通过设定计算机的定价算法将这些合谋协议得以实施。美国司法部指控Toplins实施了“合谋修改在线销售商品价格”，违反了《谢尔曼法》关于定价的规定。其次，平台企业可以通过使用同一算法决定商品价格来完成价格合谋。例如网约车市场在上下班高峰时段或者特殊天气时段的集体涨价行为，虽然不同的网约车经营者事先并没有形成合谋协议，但借助于网约车平台统一设计的定价算法机制，实现了合谋涨价。最后，平台企业可以通过设计价格跟随算法来监控竞争对手的定价行为，以此为自身的定价提供决策依据，一旦发现竞争对手出现价格偏离行为（如打折、降价等）就自动实施报复来惩罚偏离者以巩固合谋联盟。

8.扼杀型并购行为。扼杀型并购行为是指具有数据优势的平台企业针对具有潜在竞争威胁的企业，在其萌芽或早期阶段就实施并购以消灭潜在竞争对手的行为。扼杀型并购的并购对象主要是初创企业或者新生企业，一旦并购完成这些企业往往会被关闭或者产品会被终止，并购实施企业的垄断地位就会得到进一步提升，并显著提高市场的进入壁垒，从根本上抑制市场创新。例如，2020年12月美国联邦贸易委员会（FTC）和来自48个州和地区的总检察长联盟对Facebook提起了反垄断诉讼，诉讼主要针对Facebook对社交媒体Instagram和WhatsAPP的收购行为，认为近十年来Facebook一直在利用其主导地位和垄断力量进行扼杀型并购行为，通过打击较小的竞争对手来巩固自身的垄断地位。

四、大数据领域反垄断规制的路径

（一）完善大数据领域的反垄断立法和执法

1.推动大数据领域反垄断的立法和修法。以大数据为核心生产要素的数字经济是一种新型的经济发展模式，其对经济发展、人类生活以及社会进步产生的影响是全方位的，其中就包括对竞争、垄断以及反垄断规制等方面的冲击和挑战。针对大数据所带来的垄断新问题，我国需要加快修改和完善关于反垄断的法律法规体系以积极应对。首先，要加快推进数字经济维度的《反垄断法》的修订和完善。我国的《反垄断法》已经颁布实施十多年，立法之初对大数据引发的垄断问题并未足够重视，导致目前的《反垄断法》不能适应数字经济时代的要求，此次应借着修订的契机，充分考虑大数据领域反垄断规制的诉求，尤其是要优先考虑大数据领域反垄断执法中迫切需要解决的问题，例如数据确权、市场支配地位的认定标准以及经营者集中申报标准等，通过立法和修法明确执法机关处理新型垄断行为的法律依据和标准。其次，要加快出台与《反垄断法》相配套的反垄断指南和实施细则。除了推动《反垄断法》的修订完善，还需要制定和出台一些更具灵活性、适用性和阶段性的反垄断指南和实施细则应对大数据领域随时可能出现的垄断新问题，对《反垄断法》形成有效补充。

2.明确谦抑审慎的反垄断执法原则。大数据领域垄断与竞争的边界变得更加模糊，这就需要反垄断规制在抑制垄断与鼓励创新之间寻求平衡，避免反垄断规制不足和规制过度，在坚持保护和促进竞争的宗旨下，确立谦抑审慎的反垄断执法原则。由于大数据本身并不会形成垄断，过分强调数据的开放共享反而会剥夺经营者的数据权利，打击经营者的创新积极性，尤其是在我国数字经济蓬勃发展的新阶段，过度的反垄断干预会增加企业的合规风险和合规成本，增加进入市场的障碍，束缚数字经济的活力。因此，将谦抑审慎原则作为数字经济反垄断规制的执法原则，充分结合了大数据的经济特征。以谦抑审慎原则作为反垄断执法的基础，一方面不需要针对数字经济和大数据本身制定新的反垄断法律法规体系，只需要以现有反垄断法的规则框架为基础，根据数字经济的反垄断规制要求进行修订完善；另一方面，反垄断执法机构要坚持审慎执法，不断更新监管理念、完善监管方法，做到“适度监管”与“适时监管”相结合，把握好审慎监管的“度”，既要对大数据领域涉嫌垄断违法的行为精准执法，又要防止因过度执法破坏数字经济的发展生态。

价格歧视行为是指平台经营者通过对消费大数据的统计分析，将消费者的消费偏好、消费习惯和经济实力等信息作为差别定价的依据，进而将同一商品或服务以不同的价格销售给不同的消费者来获取更多消费者剩余的行为，也被形象的称为“大数据杀熟”。当大数据成为核心生产要素之后，消费者的消费信息就变得越来越透明，不仅为经营者实施价格歧视提供了便利，而且能让这种价格歧视行为变得更加精准和隐蔽。

（二）推进大数据的治理建设

1.明确数据所有权。大数据的所有权问题至今没有形成统一完善的认识和做法，导致数据在法律上并没有被赋予资产的属性，这也是引发大数据领域是否需要进行反垄断规制争论的根源。首先，需要通过立法或者司法解释明确数据的权属关系，借助于区块链技术进行数据产权登记，明晰数据主体和数据控制者之间的关系。其次，要完善大数据的价值评估体系和交易机制，尽快建立数据的分类和分级标准、设计数据的交易模式和定价模型、健全数据交易制度，规范数据的交易和使用。

2.推进数据共享机制建设。推进数据共享可以实现大数据价值最大化，也是大数据领域反垄断规制的基本措施。推进数据共享机制建设，需要界定共享数据的边界和范围，明确共享数据符合“必要设施原则”，在此基础上通过构筑数据共享平台、规范数据转换方式、完善数据互操作模式、健全数据安全和隐私保护机制以及建立数据共享使用补偿机制等途径推进数据的共享开放。

3.提升用户对数据自愿授权的权限。根据个人数据信息的相关要求，互联网企业只有在经过当事人事先同意的前提下，才能收集和处理个人的数据信息，互联网企业为了避免违反数据的隐私保护规定，需要通知用户如何收集和处理数据，并提供让用户表示同意或反对的授权机制。但实际上，用户并不充分了解相关数据收集和处理的情况，对自身数据的未来使用情况更是无从得知，所以用户对数据的授权并不能代表他们的真实意图。此外，互联网企业虽然设置了用户授权机制，但如果用户选择不同意公开自己的数据信息，就无法获准使用该项互联网服务，从而迫使用户公开自己的数据信息。为了规范大数据领域的数据收集和使用，需要尽快完善数据隐私条款的设置，明确规定互联网企业在收集和处理数据时必须获得用户的自愿授权，且不得以拒绝提供服务为条件逼迫用户授权。

（三）改进大数据领域反垄断规制的手段

1.改进相关市场界定方法。界定相关市场的范围是反垄断司法解释的第一步，传统的界定方法主要包括需求替代分析法、供给替代分析法和假定垄断者测试法（SSNIP测试法）三种，其中需求替代分析法是主要方法，供给替代分析法是辅助方法。这些传统的界定方法都是建立在单一产品市场假设的基础上，是基于交叉价格弹性原理产生的。随着单边市场转变为多边市场，交叉网络效应和“免费定价”行为的普遍存在对传统的界定方法带来了挑战。基于单边市场的替代分析法难以奏效，而基于价格变量的SSNIP测试法也无法适用于“免费定价”模式，因此，必须对传统的相关市场界定方法进行改进和完善。在具体实践中，首先要明确相关市场范围的界定基准。对大数据领域相关市场的界定应回归消费者需求这一基点，牢牢把握将消费者要求在相应商品核心功能上的反馈作用作为界定的基本标准。其次要界定核心商品。通过商品的核心功能以及消费者对商品的核心要求来界定和区分核心商品和免费商品，在划分出核心商品之后，寻找具有要求替代关系的其他商品，才能最大限度的降低“免费定价”行为对市场界定带来的冲击。最后要改进相关市场的界定方法。要充分考虑其他竞争者的供给难度，在使用需求替代分析法的基础上更多地加入供给替代分析，在界定因素方面，除了传统的价格因素之外，需要将利润来源、网络效应以及盈利模式等因素纳入考量范围。

2.完善市场支配地位的认定标准。认定经营者是否具有市场支配地位的主要标准是其拥有的市场份额，但是在数字经济的双边或多边市场结构中，不同主体对市场份额的计算标准不一，再加上数字经济的动态竞争特点，市场份额具有变动性和不确定性，导致以市场份额作为认定标准在大数据领域缺乏说服力和可操作性。因此，在大数据领域，需要降低对市场份额的依赖程度，重点考察经营者利用所掌握的数据设置市场壁垒的情况，将消费者的需求转向成本和转向难度纳入市场支配地位的考量标准，将行业竞争特点、用户数量、用户黏性、经营模式、技术特征、网络效应以及锁定效应等因素纳入市场支配地位的考量因素。

3.建立大数据领域的“必要设施原则”。必要设施原则是指当垄断经营者对竞争所必要的资源享有瓶颈式的控制，特别是对下游市场竞争所必要的设施享有控制时，在该设施不能被复制的情况下，垄断者必须与下游竞争者共享该设施（Marina Lao，2013）。由于大数据领域拒绝交易数据的行为非常普遍，但是并非所有的拒绝交易数据行为都会形成垄断，不加区分地进行反垄断规制不但不能起到保护竞争的效果，反而会抑制竞争的积极性，这就需要在大数据领域建立“必要设施原则”，明确只有当拒绝交易的数据构成下游竞争者的“必要设施”时，才能对其进行反垄断规制。在大数据领域建立“必要设施原则”需要严格明确数据构成必要实施的四个基本条件: 即数据对于竞争不可或缺、数据获取具有不可复制性、拒绝开放数据没有正当理由以及数据开放具有可行性，在此条件基础上建立的“必要设施原则”才能更加精准的地规制大数据领域的垄断行为。