数据垄断形成机制与监管分析

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

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

(二)搜索引擎

(三)移动操作系统

(四)社交媒体

三、数据垄断的形成机制

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

(二)固化切换成本,限制数据移植

(三)利用人工智能和机器学习,实施算法垄断

(四)保护制度不完善,加剧平台过度收集和滥用数据

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

(一)探索数据公地建设,促进数据开放共享

(二)加强数据管理和保护,增进数字市场的信任

(三)完善数字平台非歧视规则,促进数字市场公平竞争

(四)鼓励数据去中心化存储,遏制集中式存储造成的垄断

(五)探索监管沙盒,提高监管效率

参考文献

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.

SCHNEIER,B.DATAANDGOLIATH:TheHiddenBattlestoCollectYourDataandControlYourWorld[M].NewYork:W.W.Norton&Company,2016.

SMITH,N.C.,GOLDSTEIND.G.&JOHNSON,E.J.Choicewithoutawareness:Ethicalandpolicyimplicationsofdefaults[J].JournalofPublicPolicy&Marketing,2013,(32)2:159-172.

WACHTER,S.&MITTELSTADTB.Arighttoreasonableinferences:Re-thinkingdataprotectionlawintheageofbigdataandAI[J].Colum.Bus.L.Rev.,2019,2:494.

GOLDFARB,A.,&TUCKERC.DigitalEconomics.JournalofEconomicLiterature[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.

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.

孙晋.数字平台的反垄断监管[J].中国社会科学,2021(5):101-127.

THE END
1.BAT算法工程师的成长之路,超详细的学习路线算法工程师的成长路径写文章以来,被问到最多的问题就是「算法的学习路线」。 今天,它来了。 我会带着大家看看,我们需要学些啥,利用这个假期,我甚至还收集整理了配套视频和资料,暖男石锤啊,这期文章有用的话,别忘三连哦! 二、学习路线 主要分为 4 个部分:数学基础、编程能力、算法基础、实战。 https://blog.csdn.net/c406495762/article/details/108976931
2.人工智能学习指南选择一门强大的编程语言作为工具是至关重要的。在Python中,它被广泛认为是最适合初学者的原因之一,因为它易于上手,并且有大量库支持各种复杂任务,包括机器学习和深度学习。这意味着你可以更快地进行实验和测试,从而加速你的学习过程。 机器学习 介绍 当你对基础算法有了充分掌握后,可以逐步迈向更高级别的人工智能领域https://www.fmovhaqkz.com/xing-ye-zi-xun/530954.html
3.从入门到深造人工智能学习路径指南在人工智能领域,扎实的数学理论和计算机科学知识是不可或缺的。对于想学人工智能的人来说,首先应该掌握线性代数、概率论、统计学以及计算机编程等基础课程。这不仅能够为后续学习提供坚实的数学工具,也有助于理解更高级别的人工智能算法。 编程语言与数据结构 https://www.jvahvb5c.cn/shou-ji/527192.html
4.干货浅谈强化学习的方法及学习路线腾讯云开发者社区目前,有关强化学习的研究正在快速增长,人们为不同的应用程序生成各种各样的学习算法。因此,熟悉强化学习的技术就变得尤其重要了。如果你还不是很熟悉强化学习,那么我建议你可以去看看我以前有关强化学习文章和一些开源的强化学习平台。 一旦你已经掌握和理解了强化学习的基础知识,那么请继续阅读这篇文章。读完本文之后,https://cloud.tencent.com/developer/article/1084511
5.适合普通大学生的前端学习路线当然,如果你想更加系统着学习算法,可以看我之前写的算法学习路线: 谈一谈算法学习之路 另外就是强烈推荐这份 GitHub 80+K 的刷题笔记: 两个月斩获 70k star,前字节大神刷题笔记 四、计算机网络 无论是前端开发还是后端开发,说到底都是数据通过网络在多台主机之间的交互,而且对于前端,计算机网络的知识,用的可能https://www.51cto.com/article/674444.html
6.C/C++服务器开发/架构师学习面试总结经验整理学历、院校固然重要,但互联网大多公司更看重个人实力。当你权衡好自我学习和笔经面经的tradeoff后,Offer掐指可算。 学习路线 基础 数据结构与算法 设计模式 C++新特性 Linux工程管理 高性能网络 网络编程 网络原理 协程框架 用户态协议栈 基础组件 池式组件(线程池、内存池等) https://maimai.cn/article/detail?fid=1671908038&efid=UjVl5vs6LpWX_y_6UQ9i0g
7.人工智能学习路线(学+测)人工智能学习路线,算法原理、框架精讲、机器学习实战、图像识别实战、自然语言处理实战,人工智能技术一站式学习https://developer.aliyun.com/learning/roadmap/ai
8.程序员还不知道简历怎么写?教你如何写简历!简历写得好,offer不会一定要学会分配自己时间,要学的东西很多,真的很多,搞清楚哪些东西是重点,哪些东西仅仅了解就够了。一定不要把精力都花在了学各种框架上,算法、数据结构还有计算机网络真的很重要! (三). Java学习路线和方法推荐 下面的学习路线以及方法是笔主根据个人学习经历总结改进后得出,我相信照着这条学习路线来你的学习效率会https://www.jianshu.com/p/1f6eb45c47db
9.年薪50万!北航合肥创新研究院招募研究员!澎湃号·政务岗位名称:深度学习算法高级工程师 需求人数:1人 岗位职责: 1、负责设计深度学习算法总体技术路线; 2、负责基于卫星影像、SAR图像、视频、图片等要素识别的算法研究及实现; 3、能够独立完成深度学习算法模型的研究与开发; 4、协助深度学习算法在分布式和嵌入式平台部署与实现。 https://www.thepaper.cn/newsDetail_forward_4985535
10.科学网—[转载]强化学习在资源优化领域的应用基于这种行业趋势,本文针对强化学习算法在资源优化领域的应用展开调研,帮助读者了解该领域最新的进展,学习如何利用数据驱动的方式解决资源优化问题。鉴于资源优化问题场景众多、设定繁杂,划分出3类应用广泛的资源优化问题,即资源平衡问题、资源分配问题、装箱问题,集中进行调研。在每个领域阐述问题的特性,并根据具体的问题特性https://blog.sciencenet.cn/blog-3472670-1312677.html
11.史上最强Java学习路线图(6大必学阶段)–mikechenJava学习路线的第一阶段,我认为需要打好坚实的基础。 1.编程基础 常量与变量 数据类型 运算符 流程控制语句 方法 数组 2.面向对象 继承 多态 重写(Override) 重载(Overload) 封装 接口 java包 package 3.泛型(Generic ) 泛型的使用场景 泛型类型 泛型方法 https://youzhixueyuan.com/java-programmers-learn-route.html