数字经济时代下数据驱动型经营者集中的反垄断法律规制新探

一、引言1.1研究背景与意义1.1.1研究背景在当今数字化时代，数字经济呈现出蓬勃发展的态势，成为推动全球经济增长的重要引擎。随着互联网、大数据、云计算、人工智能等信息技术的迅猛发展，数据作为一种新型生产要素，正日益成为数字经济发展的核心资源和关键驱动力。2020年，国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，正式将数据确立为与土地、劳动力、资本、技术并列的生产要素，这一举措标志着数据在经济发展中的战略地位得到了国家层面的高度认可。数据之所以能成为关键生产要素，有着深刻的理论和现实依据。从理论层面来看，数据符合马克思主义生产要素理论的基本特征。一方面，数据主要体现为数字化的信息和知识，其本质上派生于自然要素和劳动要素；另一方面，大量实证分析表明，数据能够显著提高生产力和企业生产效率。从现实角度而言，在技术发展和终端普及的背景下，获取大规模数据变得十分便利，而且数据具有可复制性等经济特性，这大大降低了数据的获得成本。同时，在摩尔定律的作用下，数据收集、存储、处理、分析和应用的成本还有进一步下降的空间。随着数据要素战略地位的日益提升，数据驱动型经营者集中的现象日渐增多。数据驱动型经营者，是指那些通过对用户数据进行收集、分析，并结合算法等技术，以实现数据商业价值最大化的企业。它们以互联网平台为载体，将数据收集与分析作为自身运营的基础，并以此制定经营战略。经营者集中则是指经营者通过合并、收购、委托经营、联营或其他方式，对其他经营者施加支配性影响的行为。在数据驱动型经营者集中的过程中，经营者往往通过并购其他掌握大量数据和特殊算法的企业，将数据进行整合，从而形成海量的数据优势。近年来，国内外都出现了许多具有代表性的数据驱动型经营者集中案例。在国外，2008年至2018年期间，美国的亚马逊、脸书和谷歌这三大数据驱动型经营者，对诸多初创期经营者进行了收购，借此巩固自身在数字经济市场的优势地位。其中，脸书收购Instagram和WhatsApp的案例备受关注。通过这两起收购，脸书不仅获得了大量的用户数据，进一步扩大了其在社交网络领域的用户规模和市场份额，还通过整合这些平台的算法和技术，提升了自身的服务质量和用户体验，增强了市场竞争力。在国内，自2015年以来，互联网行业也掀起了经营者集中的热潮，发生了多起以数据资产交易为目标的典型案件。例如，滴滴收购优步中国，美团收购大众点评。滴滴通过收购优步中国，整合了双方的用户数据和出行数据，在网约车市场占据了更大的市场份额，对市场竞争格局产生了重大影响；美团收购大众点评后，实现了餐饮服务与生活消费评价数据的融合，进一步巩固了其在本地生活服务领域的领先地位。这些数据驱动型经营者集中的案例，充分彰显了数据作为生产要素的重要属性。然而，这种集中趋势也带来了一系列潜在的反垄断问题，给市场竞争秩序和消费者权益带来了一定的威胁。一方面，数据驱动型经营者集中可能导致市场结构的不合理变化，甚至出现垄断现象。集中后的经营者凭借聚集的海量数据资源，有可能维持持续性的竞争优势，进而限制市场竞争，阻碍创新发展。例如，某些大型互联网平台通过不断收购竞争对手或具有数据优势的初创企业，逐渐形成了寡头垄断的市场格局，使得其他中小企业难以与之竞争，市场创新活力受到抑制。另一方面，数据驱动型经营者集中还可能引发数据垄断问题。数据是数据驱动型经营者的核心资源，集中的经营者可能利用其掌握的数据资源进行垄断行为，如限制数据的共享与流通，阻碍其他企业获取必要的数据资源，从而损害其他企业的利益。此外，数据垄断还可能导致消费者隐私保护力度降低，消费者的个人信息面临更大的泄露风险。随着数据驱动型经营者集中现象的日益频繁，其对市场竞争的影响也愈发显著。这不仅引起了学术界的广泛关注，也促使各国政府和反垄断执法机构加强对这一领域的监管。然而，目前我国现有的反垄断法律规制体系在应对数据驱动型经营者集中时，仍面临诸多挑战。传统的反垄断法律制度在申报标准、相关市场界定、市场支配地位评估以及违法集中处罚等方面，难以完全适应数据驱动型经营者集中的特点和需求，导致在实践中出现了一些监管空白和困境。因此，深入研究数据驱动型经营者集中的反垄断法律规制问题，具有重要的现实紧迫性和理论研究价值。1.1.2研究意义对数据驱动型经营者集中的反垄断法律规制进行研究，具有重要的理论和实践意义。从理论层面来看，有助于完善反垄断法律体系。传统的反垄断法律制度主要是基于工业经济时代的市场特点和竞争模式构建的，在面对数字经济时代数据驱动型经营者集中的新情况、新问题时，存在一定的局限性。通过对数据驱动型经营者集中的深入研究，可以发现现有反垄断法律体系在申报标准、相关市场界定、市场支配地位评估等方面存在的不足，进而为完善反垄断法律制度提供理论依据和参考。例如，在申报标准方面，传统的以营业额作为单一衡量标准的方式，在数据驱动型经营者集中中可操作性不足，需要探索新的申报标准，如交易额标准、用户数量标准等，以更好地适应数字经济的特点。在相关市场界定方面，双边市场和跨界竞争的特征使得传统的相关市场界定方法难以准确适用，需要结合数字经济的特点，创新相关市场界定方式，综合考虑多种因素，如数据的可替代性、用户的多归属行为等，以更准确地界定相关市场。通过这些研究，可以丰富和完善反垄断法律理论，使其更好地适应数字经济时代的发展需求。有助于深化对数字经济时代竞争规律的认识。数字经济具有网络效应、动态性竞争、跨界竞争等特点，这些特点使得数字经济时代的竞争规律与传统工业经济时代存在很大差异。数据驱动型经营者集中作为数字经济时代的一种重要经济现象，其背后蕴含着独特的竞争逻辑和规律。通过对数据驱动型经营者集中的研究，可以深入了解数字经济时代企业的竞争行为和市场竞争格局的变化，揭示数字经济时代竞争规律的本质特征，为反垄断执法和市场监管提供更深入的理论指导。例如，研究发现，在数字经济时代，数据的规模和质量对于企业的市场竞争力具有关键影响，企业通过收集和分析大量的数据，可以更好地了解消费者需求，优化产品和服务，提高市场竞争力。此外，数字经济时代的竞争还具有动态性和跨界性的特点，企业之间的竞争不再局限于传统的产品和服务领域，而是扩展到了数据、技术、平台等多个维度，竞争格局也更加复杂多变。通过对这些竞争规律的深入研究，可以为反垄断执法机构制定更加科学合理的监管政策提供理论支持。从实践角度来说，能够维护市场竞争秩序。数据驱动型经营者集中如果缺乏有效的反垄断规制，可能导致市场垄断和不正当竞争行为的出现，破坏市场竞争秩序，阻碍市场的健康发展。加强对数据驱动型经营者集中的反垄断法律规制，可以有效预防和制止垄断行为，维护市场的公平竞争环境，促进市场资源的合理配置。例如，通过对数据驱动型经营者集中的严格审查，可以防止企业通过并购等方式形成垄断地位，限制市场竞争，从而保护中小企业的发展空间，激发市场创新活力。同时，反垄断法律规制还可以规范企业的竞争行为，防止企业利用数据和算法等优势进行不正当竞争，如实施价格歧视、滥用市场支配地位等，维护市场竞争的公平性和公正性。能够保障消费者权益。在数据驱动型经营者集中的过程中，如果出现垄断行为，消费者往往会成为最终的受害者。垄断企业可能会通过提高价格、降低产品和服务质量、限制消费者选择等方式，损害消费者的利益。加强反垄断法律规制，可以促使企业在竞争的压力下，不断提高产品和服务质量，降低价格，为消费者提供更多的选择和更好的消费体验。例如，在网约车市场，如果没有有效的反垄断规制，滴滴等大型平台企业可能会利用其垄断地位提高打车价格，降低服务质量，而加强反垄断规制可以促使企业之间展开竞争，为消费者提供更优惠的价格和更优质的服务。此外，反垄断法律规制还可以加强对消费者数据隐私的保护，防止企业在数据收集和使用过程中侵犯消费者的隐私权。在数字经济时代，消费者数据是企业的重要资产，企业在收集和使用消费者数据时，必须遵守相关法律法规，保护消费者的隐私安全。通过反垄断法律规制，可以加强对企业数据行为的监管，确保企业在合法合规的前提下使用消费者数据，保障消费者的合法权益。1.2国内外研究现状在国外，数字经济发展起步较早，数据驱动型经营者集中的现象也更早出现，因此相关研究也更为丰富。学者们从多个角度对数据驱动型经营者集中的反垄断问题进行了深入探讨。在申报标准方面，一些学者指出传统的以营业额为主要指标的申报标准在数据驱动型企业中存在局限性。例如，美国学者[具体姓名1]在其研究中提到，数据驱动型企业在发展初期往往营业额较低，但却可能通过数据的积累和整合迅速扩大市场影响力，传统申报标准难以捕捉到这类潜在的垄断风险。在相关市场界定上，双边市场和跨界竞争的特性使得传统的界定方法面临挑战。欧盟的研究报告中指出，数据驱动型企业所处的市场具有多边性，用户在不同平台之间的流动以及数据的多用途性，使得基于传统产品和地域范围的相关市场界定方法难以准确适用。在市场支配地位评估方面，数据的规模、质量以及对算法的控制能力等因素被认为是评估数据驱动型企业市场支配地位的关键。德国学者[具体姓名2]认为，拥有大量高质量数据和先进算法的企业，能够更好地满足用户需求，从而在市场中占据优势地位，传统的市场份额等评估指标在衡量这类企业时存在不足。在国内，随着数字经济的快速发展和数据驱动型经营者集中案例的增多，相关研究也逐渐兴起。顾杨阳和王田田研究发现，数据驱动型经营者集中在申报标准上，以营业额作为单一衡量标准可操作性不足；双边市场和跨界竞争的特征带来了相关市场界定和市场支配地位评估的困难；违法集中处罚情形未臻完善，会导致适用上的空白。赵杰伟指出，数据驱动型经营者集中引发的数据垄断效应明显，如违规收集和共享用户数据，对用户和新入者设置新的市场壁垒，降低用户的隐私保护力度等。加大对数据驱动型经营者集中的审查具有必要性，在审查过程中应以潜在竞争者认定和替代能力分析不能等同、审查介入与行业发展不冲突、监管与审查不影响竞争中立等为基本理念。石旭芳认为，数字经济下经营者集中的审查正面临着经营者申报标准单一、审查范围和审查标准局限、传统相关市场界定标准不适用等困局。规制经营者集中制度需要从调整申报标准、规范申报义务、细化审查标准、革新大数据相关市场界定及认定途径入手，申报标准多样化，规范具有重要市场力量的数字平台企业强制申报的义务；审查标准精细化；革新大数据相关市场界定及认定途径，综合分析数据产业经营者集中的竞争影响。尽管国内外学者在数据驱动型经营者集中的反垄断法律规制方面取得了一定的研究成果，但仍存在一些不足与空白。一方面，现有的研究在一些关键问题上尚未形成统一的观点和方法。例如，在相关市场界定和市场支配地位评估方面，虽然提出了多种创新思路，但缺乏一套系统、完善且被广泛认可的方法体系，导致在实际应用中存在困难。另一方面，对于数据驱动型经营者集中的动态性和复杂性研究还不够深入。数字经济发展迅速，数据驱动型企业的经营模式和竞争方式不断变化，现有的研究难以全面、及时地反映这些变化，无法为反垄断执法提供足够的理论支持。此外，在国际合作方面，虽然认识到加强国际合作应对跨国数据驱动型经营者集中反垄断问题的重要性，但在具体的合作机制和协调方式上，缺乏深入的研究和实践探索。1.3研究方法与创新点1.3.1研究方法本研究综合运用多种研究方法，以确保研究的全面性、深入性和科学性。文献研究法：广泛收集国内外关于数据驱动型经营者集中反垄断法律规制的相关文献资料，包括学术论文、研究报告、法律法规、政策文件等。对这些文献进行系统梳理和分析，了解该领域的研究现状、发展趋势以及存在的问题，为后续研究提供坚实的理论基础。通过对大量文献的研读，梳理出不同学者在申报标准、相关市场界定、市场支配地位评估等关键问题上的观点和研究成果，明确已有研究的优势与不足，从而确定本研究的切入点和重点方向。例如，在研究申报标准时，参考国内外学者对传统营业额申报标准在数据驱动型经营者集中中局限性的分析，为提出新的申报标准思路提供参考。案例分析法：选取国内外具有代表性的数据驱动型经营者集中案例，如脸书收购Instagram和WhatsApp、滴滴收购优步中国、美团收购大众点评等。深入分析这些案例中涉及的反垄断问题，包括申报情况、相关市场界定、市场支配地位评估以及反垄断执法机构的处理方式和结果等。通过对具体案例的剖析，总结实践中的经验教训，为完善反垄断法律规制提供实践依据。例如，在分析脸书收购Instagram的案例时，探讨脸书通过收购获取大量用户数据后，对社交网络市场竞争格局的影响，以及反垄断执法机构在评估该收购案时所面临的挑战和采取的方法，从中得出对我国反垄断执法的启示。比较研究法：对不同国家和地区在数据驱动型经营者集中反垄断法律规制方面的制度和实践进行比较分析，包括美国、欧盟、德国等。研究它们在申报标准、相关市场界定、市场支配地位评估、违法集中处罚等方面的立法规定和执法经验，找出其中的差异和共性。通过比较，借鉴其他国家和地区的先进做法和成功经验，结合我国国情，为完善我国的数据驱动型经营者集中反垄断法律规制体系提供有益参考。例如，美国在数字经济领域的反垄断执法注重对创新和消费者福利的保护，欧盟则强调对数据隐私和市场公平竞争的维护，通过对这些国家和地区的比较研究，分析其制度设计的合理性和适用性，为我国制定符合自身发展需求的反垄断政策提供参考。1.3.2创新点本研究在研究视角、分析方法和规制建议等方面具有一定的创新之处。研究视角创新：从数据作为新型生产要素的独特视角出发，深入研究数据驱动型经营者集中的反垄断法律规制问题。将数据的特性、价值以及在市场竞争中的作用融入到反垄断法律规制的研究中，全面分析数据驱动型经营者集中对市场竞争秩序和消费者权益的影响，突破了传统反垄断研究主要基于工业经济时代市场特点的局限，为数字经济时代的反垄断研究提供了新的思路和方向。分析方法创新：在分析数据驱动型经营者集中的反垄断问题时，综合运用多学科知识和方法，将法学、经济学、管理学等学科的理论和方法有机结合。例如，运用经济学中的市场结构理论、竞争理论分析数据驱动型经营者集中对市场竞争格局的影响；运用管理学中的数据分析方法和企业战略管理理论，评估数据驱动型经营者的市场支配地位和竞争优势来源。通过跨学科的分析方法，更全面、深入地揭示数据驱动型经营者集中的反垄断问题本质，为提出有效的规制建议提供有力支持。规制建议创新：在借鉴国内外研究成果和实践经验的基础上，结合我国数字经济发展的实际情况，提出具有针对性和可操作性的反垄断法律规制建议。例如，在申报标准方面，提出构建多元化的申报标准体系，综合考虑营业额、交易额、用户数量、数据规模等因素，以更准确地捕捉数据驱动型经营者集中的潜在垄断风险；在相关市场界定方面，提出结合数字经济的双边市场和跨界竞争特征，创新相关市场界定方法，综合运用定性和定量分析方法，如假定垄断者测试法（SSNIP）的改进、平台竞争分析、用户多归属行为分析等，更精准地界定相关市场范围；在市场支配地位评估方面，强调将数据的规模、质量、独特性以及对算法的控制能力等因素纳入评估指标体系，构建科学合理的市场支配地位评估模型，以更客观地评估数据驱动型经营者的市场力量。这些规制建议旨在解决我国当前数据驱动型经营者集中反垄断法律规制中存在的实际问题，具有一定的创新性和实践价值。二、数据驱动型经营者集中的内涵与特征2.1数据驱动型经营者集中的概念界定在数字经济蓬勃发展的时代背景下，数据作为一种新型生产要素，正深刻改变着企业的运营模式和市场竞争格局。数据驱动型经营者集中作为数字经济领域的一种重要经济现象，其内涵与传统经营者集中存在显著差异。数据驱动型经营者，是指那些以数据为核心生产要素，通过对用户数据进行广泛收集、深度分析，并结合先进的算法等技术，将数据转化为商业价值，以实现自身发展和市场竞争优势的企业。这些企业通常以互联网平台为依托，利用数字化技术开展业务活动，其运营模式高度依赖数据的获取、处理和应用。例如，社交媒体平台通过收集用户的个人信息、社交关系、兴趣爱好等数据，运用算法进行精准的用户画像和个性化推荐，从而吸引大量用户，并通过广告投放等方式实现商业盈利；电商平台则通过分析用户的购物行为、消费偏好等数据，优化商品推荐、供应链管理和营销策略，提升用户体验和市场竞争力。数据驱动型经营者集中，是指数据驱动型经营者之间通过合并、收购、委托经营、联营或其他方式，实现对数据资源、市场份额、技术能力等方面的整合，从而对市场竞争格局产生影响的行为。这种集中行为的核心目的在于获取更多的数据资源，提升数据处理和分析能力，进而增强自身在市场中的竞争优势。在数据驱动型经营者集中的过程中，数据扮演着至关重要的角色。经营者通过集中，可以整合各方的数据资源，扩大数据规模，提高数据质量，实现数据的协同效应。例如，脸书收购Instagram和WhatsApp，使得脸书能够整合这两个平台的用户数据，进一步扩大其在社交网络领域的用户基础和市场份额，同时通过对这些数据的深度分析，优化自身的服务和广告投放策略，提升用户粘性和商业价值。与传统经营者集中相比，数据驱动型经营者集中在集中的目的、方式和对市场竞争的影响等方面都具有独特之处。在集中目的上，传统经营者集中更多地关注生产设施、销售渠道等传统资源的整合，以实现规模经济和协同效应；而数据驱动型经营者集中则主要围绕数据资源的获取和整合，以提升数据优势和市场竞争力。在集中方式上，传统经营者集中通常通过股权收购、资产并购等方式实现；而数据驱动型经营者集中除了传统的并购方式外，还可能通过数据共享协议、技术合作等方式实现数据和技术的整合。在对市场竞争的影响方面，传统经营者集中可能导致市场份额的集中和价格垄断等问题；而数据驱动型经营者集中不仅可能带来传统的垄断问题，还可能引发数据垄断、隐私保护等新的问题，对市场竞争和消费者权益产生更为复杂和深远的影响。2.2数据驱动型经营者集中的特征剖析2.2.1主体特征数据驱动型经营者集中的参与主体具有显著的特征，与传统经营者集中存在明显差异。在数字经济的大环境下，这类集中的主体大多为互联网企业。2023年5月23日，国家互联网信息办公室发布的《数字中国发展报告（2022年）》显示，2022年我国数字经济规模高达50.2万亿元，总量居世界第二，占GDP的比重提升至41.5%。在这一蓬勃发展的数字经济浪潮中，互联网企业凭借其数字化的运营模式和对数据的天然亲和力，成为数据驱动型经营者集中的主力军。以社交网络、电商直播等行业的头部公司为典型代表，这些头部企业在市场中已经积累了庞大的用户基础和丰富的数据资源，具备强大的市场影响力和资金实力。它们通过收购各领域细分市场中具有数据优势的初创型企业，进一步整合数据资源，提升自身在市场中的话语权。以字节跳动收购Musical.ly为例，Musical.ly是一款在短视频领域具有独特数据优势的初创企业，拥有大量年轻用户和独特的短视频内容数据。字节跳动通过收购Musical.ly，不仅获得了其用户数据和技术，还将其与自身的抖音业务进行整合，进一步扩大了在短视频市场的份额，提升了自身在全球短视频领域的竞争力，巩固了字节跳动在数字内容领域的优势地位。这种头部企业对初创型企业的收购行为，在数据驱动型经营者集中中屡见不鲜。头部企业凭借自身的资源和优势，不断整合市场中的数据资源，推动行业的发展和变革。2.2.2客体特征数据驱动型经营者集中的客体主要是数据资源，这与传统经营者集中的客体存在本质区别。传统经营者集中通常以目标经营者的生产设施、销售渠道等为客体，通过集中实现生产资源和渠道优势的整合。例如，在传统制造业中，企业之间的并购可能是为了获取对方的生产厂房、设备，或者是为了打通销售渠道，实现规模经济和协同效应。而数据驱动型经营者集中则聚焦于数据资源的整合。数据作为数字经济时代的关键生产要素，具有独特的经济价值和战略意义。经营者通过集中获取更多的数据资源，进而对这些数据进行分析和挖掘，以获取用户的行为模式、偏好等信息，从而实现精准营销、个性化服务等商业目标。以百度为例，百度作为一家以搜索引擎为核心业务的互联网企业，在发展过程中不断通过收购等方式获取数据资源。例如，百度收购了一些专注于大数据分析、人工智能技术的企业，这些企业拥有大量的用户搜索数据、行为数据等。通过整合这些数据资源，百度能够进一步优化其搜索引擎算法，提高搜索结果的准确性和相关性，为用户提供更优质的搜索服务。同时，百度还可以利用这些数据开展其他业务，如智能推荐、广告投放等，进一步提升自身的市场竞争力。数据资源的整合不仅能够帮助企业更好地了解用户需求，还能为企业的创新和发展提供有力支持。通过对海量数据的分析，企业可以发现新的市场机会，开发新的产品和服务，满足用户不断变化的需求。因此，数据资源成为数据驱动型经营者集中的核心客体，对企业的发展和市场竞争格局产生着深远的影响。2.2.3竞争优势获取特征数据驱动型经营者集中在竞争优势获取方面具有独特的路径。其核心在于通过整合数据资源来获取用户注意力，进而扩大用户规模和提升用户粘性，以此增强自身的竞争优势。在数字经济时代，用户注意力成为一种稀缺资源，是企业实现商业价值的关键。数据驱动型经营者通过收集、分析用户数据，能够深入了解用户的兴趣、偏好和需求，从而提供个性化的产品和服务，吸引用户的注意力。以今日头条为例，今日头条利用其强大的算法推荐系统，对用户的浏览历史、搜索记录、点赞评论等数据进行分析，为用户精准推送感兴趣的内容。这种个性化的内容推荐服务，成功吸引了大量用户的注意力，使得今日头条的用户规模迅速扩大。在获取用户注意力后，今日头条通过不断优化产品功能、丰富内容生态等方式，提升用户粘性。用户在今日头条上能够方便地获取自己感兴趣的各种信息，并且能够与其他用户进行互动交流，这使得用户更愿意留在平台上，增加了用户使用平台的频率和时长。随着用户规模的扩大和用户粘性的提升，今日头条在市场中的竞争优势不断增强。更多的用户意味着更多的数据，而更多的数据又能进一步优化算法推荐系统，提高内容推荐的精准度，从而吸引更多的用户，形成一个良性循环。同时，庞大的用户基础也为今日头条带来了更多的商业机会，如广告投放、电商合作等，进一步提升了其市场竞争力。2.2.4市场结构特征数据驱动型经营者集中在市场结构方面呈现出独特的发展态势。在行业发展的初创期和成长期，市场呈现出较为开放和竞争的状态。此时，市场中没有明显的准入和退出壁垒，每个经营者都注重通过核心技术和应用来参与市场竞争，在技术共享和用户转化方面也没有过多障碍。众多初创企业凭借创新的技术和应用，能够较为容易地进入市场，为用户提供多样化的产品和服务，用户也有更多的选择机会。然而，当行业发展步入成熟阶段，市场结构会发生显著变化。随着数据驱动型经营者不断通过集中获取数据资源、提升技术实力和扩大用户规模，市场逐渐向少数具有优势的企业集中，形成寡头竞争的状态。这些优势企业凭借在数据、消费者注意力规模及技术上的领先优势，在市场中占据主导地位，并且这种寡头竞争的状态会逐渐趋于稳定。以网约车市场为例，在发展初期，市场中有众多的网约车平台参与竞争，如滴滴、优步、神州专车等。这些平台通过提供不同的服务和优惠政策，吸引用户和司机。然而，随着市场的发展，滴滴通过不断的并购和业务拓展，整合了大量的数据资源，优化了自身的算法和服务，逐渐在市场中占据了主导地位。虽然市场中仍存在其他竞争对手，但滴滴的市场份额和影响力远远超过其他平台，形成了寡头竞争的格局。这种寡头竞争的市场结构一旦形成，就会相对稳定，其他企业要想打破这种格局，进入市场并取得竞争优势，面临着巨大的困难。优势企业在数据、技术、用户基础等方面的优势，使得它们能够更好地满足用户需求，提高市场进入门槛，限制新企业的进入，从而维持自身的市场地位。三、数据驱动型经营者集中对市场竞争的影响3.1积极影响3.1.1促进资源优化配置数据驱动型经营者集中能够通过整合数据和技术，实现资源的更高效配置。在数字经济时代，数据作为关键生产要素，具有独特的经济价值。不同的经营者往往掌握着不同类型和领域的数据资源，通过集中，这些数据资源得以整合，形成更全面、更有价值的数据集合。以电商行业为例，当一家电商平台收购另一家具有独特用户数据或供应链数据的企业时，双方的数据可以实现共享和协同利用。收购方可以利用被收购方的用户数据，更精准地了解消费者的需求和偏好，优化商品推荐和营销策略，提高销售效率和客户满意度；同时，利用被收购方的供应链数据，优化供应链管理，降低采购成本和库存成本，提高物流配送效率。这种数据资源的整合，使得企业能够更高效地利用资源，避免资源的重复投入和浪费。在技术方面，数据驱动型经营者集中也能促进技术的优化和协同。不同的企业在数据处理、算法开发、人工智能应用等方面可能具有不同的技术优势。通过集中，企业可以整合这些技术资源，实现技术的互补和协同创新。例如，一家拥有先进算法技术的企业与一家拥有丰富数据资源的企业合并后，可以利用双方的优势，开发出更强大的数据分析和预测模型，为企业的决策提供更准确的支持。这种技术的整合和协同创新，不仅能够提高企业的生产效率和创新能力，还能推动整个行业的技术进步和资源优化配置。3.1.2推动技术创新与进步数据驱动型经营者集中后，企业通常会拥有更多的资源投入到研发中，从而有力地促进技术创新。以谷歌收购DeepMind为例，DeepMind是一家在人工智能领域具有卓越技术和创新能力的公司，拥有顶尖的科研团队和先进的人工智能算法。谷歌收购DeepMind后，为其提供了更充足的资金和更丰富的数据资源。在资金方面，谷歌的雄厚财力使得DeepMind能够开展大规模的科研项目，吸引全球顶尖的人工智能人才，加大对人工智能技术的研发投入。在数据资源方面，谷歌作为全球最大的搜索引擎公司之一，拥有海量的用户搜索数据、浏览行为数据等。这些数据为DeepMind的人工智能算法训练提供了丰富的素材，使得DeepMind能够不断优化其算法，提高人工智能系统的性能和智能水平。通过这次收购，DeepMind在人工智能技术上取得了一系列重大突破。其中，最为著名的是开发出了AlphaGo和AlphaFold等具有里程碑意义的人工智能系统。AlphaGo是一款能够通过深度学习算法学习围棋的人工智能程序，它在与人类围棋高手的对弈中取得了惊人的成绩，战胜了多位世界冠军，如李世石、柯洁等。AlphaGo的成功，标志着人工智能在复杂博弈领域取得了重大突破，引发了全球对人工智能技术的广泛关注和深入研究。AlphaFold则是一款专注于蛋白质结构预测的人工智能系统，它能够利用深度学习算法，准确地预测蛋白质的三维结构。蛋白质结构预测是生物学领域的一个重大难题，AlphaFold的出现，为生命科学研究提供了强大的工具，推动了药物研发、疾病治疗等领域的发展。谷歌收购DeepMind的案例充分表明，数据驱动型经营者集中能够为企业提供更多的资源，促进技术创新与进步，推动行业的发展和变革。3.1.3提升消费者福利数据驱动型经营者集中在丰富产品服务种类和提高产品服务质量等方面，对消费者福利的提升具有显著作用。在丰富产品服务种类方面，以美团收购大众点评为例，美团原本是一家以在线外卖、酒店预订等业务为主的生活服务平台，而大众点评则是一家专注于提供消费者对商家的评价和推荐信息的平台。美团收购大众点评后，实现了双方业务的融合和拓展。美团不仅可以利用大众点评的海量商家评价数据，为用户提供更精准的商家推荐和消费决策参考，还可以将大众点评的优质商家资源整合到自己的平台上，丰富了平台的服务内容。除了原有的外卖、酒店预订业务外，用户还可以在美团平台上获取更多的生活服务，如美容美发、健身、亲子活动等。这种业务的融合和拓展，为消费者提供了更多的选择，满足了消费者多样化的生活需求，提升了消费者的福利。在提高产品服务质量方面，数据驱动型经营者集中可以通过整合数据资源，实现对消费者需求的更深入了解，从而优化产品和服务。以电商平台为例，当一家电商平台收购另一家具有独特用户数据的企业后，平台可以通过分析整合后的用户数据，了解消费者的购物习惯、偏好、需求等信息。根据这些信息，平台可以优化商品推荐算法，为用户精准推荐符合其需求的商品，提高用户找到心仪商品的效率。同时，平台还可以根据用户的反馈和评价数据，优化商品的品质和服务，如改进商品的包装、提高物流配送速度、加强售后服务等。这些举措都有助于提高产品和服务的质量，提升消费者的购物体验，进而提升消费者福利。3.2消极影响3.2.1垄断势力增强数据驱动型经营者集中可能导致企业垄断势力增强，进而限制市场竞争。在数字经济时代，数据成为关键的生产要素，拥有大量数据的企业能够通过数据分析深入了解消费者需求，优化产品和服务，提高市场竞争力。当数据驱动型经营者通过集中整合大量数据资源后，它们在市场中的优势地位将进一步巩固，甚至可能形成垄断势力。以社交媒体领域为例，脸书在收购Instagram和WhatsApp后，整合了这两个平台的用户数据，使其在社交网络市场的用户规模和市场份额大幅增加。凭借这些海量的用户数据，脸书能够精准地进行广告投放，为用户提供个性化的服务，吸引更多的用户和广告商，其他竞争对手难以与之抗衡，市场竞争受到严重限制。数据的累积和集中使得企业在市场中拥有更强的定价能力和市场控制能力。企业可以利用数据优势对不同的用户群体进行精准定价，实施价格歧视，获取更高的利润。同时，企业还可以通过数据垄断，限制其他企业获取必要的数据资源，提高市场进入门槛，阻碍新企业进入市场，从而维持自身的垄断地位。例如，某些大型电商平台掌握了大量的用户购物数据和商家数据，它们可以根据这些数据对不同的用户制定不同的价格，对商家收取更高的平台费用，而其他小型电商平台由于缺乏数据资源，无法提供类似的个性化服务，在市场竞争中处于劣势地位。3.2.2阻碍创新活力垄断企业通过数据驱动型经营者集中，可能会抑制创新，阻碍行业的发展。在市场竞争充分的环境下，企业为了获取竞争优势，会积极投入研发，推动技术创新和产品创新。然而，当企业通过集中形成垄断地位后，其创新的动力会减弱。垄断企业往往更关注如何维持自身的垄断地位和获取垄断利润，而不是进行创新。它们可能会利用自身的垄断势力，对潜在的竞争对手进行打压，收购具有创新潜力的初创企业，将其创新成果束之高阁，以防止竞争对手的崛起。以谷歌为例，谷歌在搜索引擎市场占据着主导地位，通过不断收购具有创新技术的初创企业，如收购DeepMind等人工智能公司，谷歌进一步巩固了自身在技术领域的优势。然而，一些被收购的企业原本具有独立的创新能力和发展潜力，但在被收购后，其创新活动受到了一定的限制，创新成果更多地服务于谷歌的垄断利益，而不是推动整个行业的创新发展。这种现象在数据驱动型经营者集中中较为普遍，导致市场创新活力不足，行业发展受到阻碍。此外，垄断企业还可能通过数据封锁、技术壁垒等手段，限制其他企业获取创新所需的数据和技术资源，使得其他企业在创新过程中面临重重困难，进一步抑制了市场的创新活力。3.2.3损害消费者权益企业凭借数据驱动型经营者集中形成的垄断地位，可能会损害消费者的权益，其中价格上涨和服务质量下降是较为突出的表现。在垄断市场中，企业缺乏竞争压力，往往会提高产品或服务的价格，以获取更高的利润。以网约车市场为例，滴滴在收购优步中国后，市场份额大幅增加，逐渐形成了垄断地位。此后，滴滴多次调整价格，乘客的打车费用明显上涨。据相关调查显示，在一些城市，滴滴的打车价格较收购前上涨了20%-30%，消费者的出行成本显著增加。除了价格上涨，服务质量下降也是消费者权益受损的重要体现。垄断企业在没有竞争压力的情况下，可能会减少在服务质量提升方面的投入，导致服务质量下滑。例如，一些外卖平台在市场份额集中后，出现了配送时间延长、配送服务不规范等问题。消费者在下单后，可能需要等待更长的时间才能收到商品，而且配送过程中可能会出现商品损坏、丢失等情况，严重影响了消费者的消费体验。此外，垄断企业还可能利用数据优势，侵犯消费者的隐私权益。它们可能会过度收集消费者的个人信息，并将这些信息用于商业目的，甚至泄露消费者的个人信息，给消费者带来潜在的风险和损失。四、我国数据驱动型经营者集中反垄断法律规制现状与挑战4.1我国相关立法现状我国在数据驱动型经营者集中的反垄断法律规制方面，已构建起以《反垄断法》为核心，相关配套法规和指南为补充的法律体系，以适应数字经济发展的需求，维护市场竞争秩序。2022年修订的《反垄断法》在数据驱动型经营者集中规制方面迈出重要一步。其中第九条明确规定，经营者不得利用数据和算法、技术、资本优势以及平台规则等从事本法禁止的垄断行为。这一规定为数据驱动型经营者集中的反垄断规制提供了原则性指引，将数据和算法等因素纳入反垄断法的考量范围，体现了对数字经济时代新型垄断行为的关注。例如，若某数据驱动型经营者利用其掌握的海量用户数据和先进算法，实施排除、限制竞争的行为，如对竞争对手进行数据封锁、实施算法共谋等，就可依据此条款进行规制。在申报标准方面，我国现行《反垄断法》第二十五条规定了经营者集中的申报标准，主要以营业额为衡量指标。然而，对于数据驱动型经营者集中而言，这一标准存在一定局限性。数据驱动型企业在发展初期往往营业额较低，但却可能通过数据的积累和整合迅速扩大市场影响力，传统营业额申报标准难以捕捉到这类潜在的垄断风险。为了进一步规范数字经济领域的反垄断执法，国家市场监督管理总局发布了《平台经济领域反垄断指南》。该指南对平台经济领域经营者集中的申报标准、审查程序等方面进行了细化规定。在申报标准上，除了考虑传统的营业额因素外，还提出可以综合考虑平台的用户数量、交易额、数据规模等因素。这一规定在一定程度上弥补了传统申报标准在数据驱动型经营者集中规制中的不足，使申报标准更加符合数字经济的特点。例如，对于一些用户数量庞大、数据规模巨大但营业额相对较低的平台型企业，若其发生经营者集中行为，可依据指南中综合考虑多因素的申报标准进行审查。在相关市场界定方面，我国目前主要依据《国务院反垄断委员会关于相关市场界定的指南》来进行。该指南提出了以需求替代分析为主，供给替代分析为补充的相关市场界定方法，即通过分析消费者对产品或服务的需求替代性来确定相关市场范围。然而，在数据驱动型经营者集中的场景下，由于双边市场和跨界竞争的存在，传统的相关市场界定方法面临挑战。双边市场中，平台企业通过连接不同类型的用户群体，实现网络外部性，其产品或服务的价值不仅取决于自身，还与平台上其他用户的数量和行为相关。例如，电商平台既为消费者提供商品购买服务，又为商家提供销售渠道，其相关市场的界定不能仅从消费者对商品的需求替代角度考虑，还需考虑商家对销售渠道的需求替代以及平台两边用户之间的相互影响。跨界竞争则使得数据驱动型企业的业务边界模糊，传统的产品功能和地域范围界定方法难以准确适用。例如，一些互联网企业通过数据和算法的运用，实现了业务的跨界拓展，如社交媒体平台涉足金融服务领域，此时传统的相关市场界定方法难以准确确定其相关市场范围。4.2执法实践情况在执法实践中，我国反垄断执法机构积极应对数据驱动型经营者集中带来的挑战，努力维护市场竞争秩序。自2020年以来，我国反垄断执法机构对互联网领域的经营者集中案件给予了高度关注，加大了执法力度。2020年12月14日，国家市场监管总局首次对几大互联网平台的未依法申报经营者集中予以处罚。此后，大量互联网领域的未依法申报经营者集中案件被成批公布。2021年1月1日至2021年12月14日，国家市场监管总局共发布反垄断处罚案例118起，其中89起涉及互联网企业，占总数的75.42%。这一系列执法行动表明，我国反垄断执法机构对数据驱动型经营者集中的监管日益严格。以阿里巴巴收购银泰商业股权案为例，2014年阿里巴巴通过协议转让、认购银泰商业定向增发股份等方式，逐步取得对银泰商业的控制权。2017年，国家市场监管总局对该案件进行调查时发现，阿里巴巴在实施收购银泰商业股权的过程中，未依法申报经营者集中。虽然该案件发生在数据驱动型经营者集中概念尚未明确提出的时期，但阿里巴巴作为一家典型的数据驱动型互联网企业，其收购行为对市场竞争格局产生了重要影响。国家市场监管总局依据《反垄断法》相关规定，对阿里巴巴处以50万元罚款。这一案件体现了我国反垄断执法机构在处理数据驱动型经营者集中案件时，严格按照法律规定，对未依法申报的行为进行处罚，维护了法律的严肃性和市场竞争秩序。在滴滴收购优步中国案中，滴滴和优步中国作为网约车市场的两大主要参与者，其合并涉及大量用户数据的整合。这一合并行为可能导致市场垄断，限制竞争，损害消费者权益。国家市场监管总局对该案件进行了深入调查，评估了合并对市场竞争的影响。虽然最终并未禁止该合并，但通过后续的监管措施，如要求企业加强数据安全管理、保障消费者权益等，一定程度上降低了合并可能带来的负面影响。这一案件反映了我国反垄断执法机构在处理数据驱动型经营者集中案件时，注重对市场竞争和消费者权益的保护，通过灵活运用监管手段，平衡企业发展和市场竞争的关系。然而，我国在数据驱动型经营者集中的反垄断执法实践中也面临一些问题。在申报标准方面，传统的营业额申报标准难以适应数据驱动型企业的特点。许多数据驱动型企业在发展初期营业额较低，但却具有巨大的市场潜力和数据优势，这些企业的经营者集中行为可能被传统申报标准所忽视，导致一些具有潜在垄断风险的集中行为未能得到及时审查。在相关市场界定方面，由于数字经济的双边市场和跨界竞争特征，传统的相关市场界定方法难以准确适用，导致执法机构在判断经营者集中是否会对市场竞争产生排除、限制影响时面临困难。在市场支配地位评估方面，数据的规模、质量以及对算法的控制能力等因素在评估数据驱动型企业市场支配地位时的权重难以确定，缺乏科学合理的评估模型，使得执法实践中对市场支配地位的判断存在一定的主观性和不确定性。4.3面临的挑战4.3.1申报标准的局限性在数据驱动型经营者集中的场景下，我国现行以营业额作为单一申报标准的方式存在明显的可操作性不足。传统的营业额申报标准主要是基于工业经济时代的市场特点制定的，其核心在于通过企业的销售额来衡量企业的规模和市场影响力。然而，数据驱动型企业在发展模式和经济特征上与传统企业存在显著差异。许多数据驱动型企业在发展初期，由于业务处于拓展阶段，市场尚未完全打开，营业额往往较低。但这些企业通过创新的商业模式和技术手段，能够快速积累大量的用户数据和独特的算法技术，从而在市场中占据重要地位，具有潜在的垄断风险。以一些新兴的短视频平台为例，在成立初期，它们通过提供个性化的短视频内容和社交互动功能，吸引了大量年轻用户。这些平台在短时间内积累了数以亿计的用户，但由于其主要收入来源可能是广告投放和少量的付费服务，在发展初期的营业额并不高。如果按照传统的营业额申报标准，这些平台在进行经营者集中时，可能因营业额未达到申报标准而无需申报，从而逃脱反垄断执法机构的审查。然而，这些平台一旦进行集中，可能会整合大量的用户数据，进一步扩大市场份额，形成垄断势力，对市场竞争产生不利影响。此外，数据驱动型企业的价值评估方式与传统企业也有所不同。传统企业的价值主要体现在其固定资产、生产设备和销售额等方面，而数据驱动型企业的价值更多地体现在其数据资产、用户基础和技术创新能力上。仅以营业额作为申报标准，无法全面反映数据驱动型企业的真实价值和市场影响力，导致一些具有重要市场地位的数据驱动型经营者集中行为被忽视。因此，传统的营业额申报标准在数据驱动型经营者集中的场景下，难以准确捕捉到潜在的垄断风险，需要进行改进和完善。4.3.2相关市场界定困难双边市场和跨界竞争是数据驱动型经营者集中场景下的重要特征，这些特征给相关市场界定带来了巨大的困难。在双边市场中，平台企业通过连接不同类型的用户群体，实现网络外部性，其产品或服务的价值不仅取决于自身，还与平台上其他用户的数量和行为相关。以电商平台为例，电商平台一方面为消费者提供商品购买服务，另一方面为商家提供销售渠道。消费者在选择电商平台时，会考虑平台上商家的数量、商品种类和价格等因素；而商家在选择电商平台时，会考虑平台上消费者的数量、消费能力和购买意愿等因素。因此，电商平台的相关市场界定不能仅从消费者对商品的需求替代角度考虑，还需考虑商家对销售渠道的需求替代以及平台两边用户之间的相互影响。传统的以需求替代分析为主的相关市场界定方法，在双边市场中难以准确适用，因为它无法全面考虑双边市场中复杂的网络外部性和用户互动关系。跨界竞争则使得数据驱动型企业的业务边界模糊，传统的产品功能和地域范围界定方法难以准确适用。随着数字技术的发展，数据驱动型企业通过数据和算法的运用，实现了业务的跨界拓展。例如，社交媒体平台涉足金融服务领域，搜索引擎公司开展电商业务等。这些企业通过整合自身的数据资源和技术能力，进入其他传统上被认为不相关的市场，使得相关市场的范围难以确定。在传统的相关市场界定方法中，主要依据产品的功能和用途来确定相关商品市场，依据地域范围来确定相关地域市场。但在跨界竞争的情况下，数据驱动型企业的产品和服务往往具有多种功能，难以明确其核心功能，从而难以确定其相关商品市场。同时，由于互联网的无边界性，数据驱动型企业的业务可以在全球范围内开展，传统的地域范围界定方法也难以准确划定其相关地域市场。4.3.3市场支配地位评估难题数据的复杂性和多变性给数据驱动型经营者的市场支配地位评估带来了诸多难点。在传统的市场支配地位评估中，市场份额是一个重要的指标，通常通过企业的销售额、产量等数据来计算。然而，在数据驱动型企业中，市场份额的计算面临诸多困难。一方面，数据驱动型企业的业务模式多样，收入来源复杂，难以准确统计其在相关市场中的销售额。例如，一些互联网平台企业通过广告投放、付费会员、电商交易等多种方式获取收入，这些收入来源之间相互关联，难以准确划分其在不同业务领域的销售额，从而难以准确计算其市场份额。另一方面，数据驱动型企业的用户数量和用户活跃度也是衡量其市场地位的重要因素，但这些数据的统计和计算也存在一定的难度。不同平台之间的用户定义和统计方法可能存在差异，而且用户的使用行为具有动态性，难以准确跟踪和统计用户的活跃度。数据的质量和独特性也是评估数据驱动型经营者市场支配地位的关键因素，但目前缺乏有效的评估方法。高质量的数据能够为企业提供更准确的用户画像和市场分析，从而帮助企业制定更有效的竞争策略。独特的数据资源则可以使企业在市场中占据独特的竞争优势。然而，如何评估数据的质量和独特性，目前尚无统一的标准和方法。数据的质量和独特性受到数据收集方法、数据处理技术、数据更新频率等多种因素的影响，难以进行量化评估。此外，数据的价值还与企业的算法和技术能力密切相关，同样的数据在不同的算法和技术条件下，可能产生不同的价值，这也增加了评估数据质量和独特性的难度。4.3.4违法集中处罚不完善我国现行的违法集中处罚情形存在一定的不足，这可能导致在数据驱动型经营者集中案件中出现法律适用空白。根据《反垄断法》的规定，违法集中的处罚主要包括责令停止实施集中、限期处分股份或者资产、限期转让营业以及罚款等。然而，这些处罚措施在面对数据驱动型经营者集中时，存在一些局限性。在数据驱动型经营者集中中，集中行为往往已经完成，数据和业务已经进行了整合。此时，责令停止实施集中可能无法有效恢复市场竞争状态，因为数据和业务的整合已经对市场竞争格局产生了影响，即使停止集中，也难以消除已经产生的垄断效果。限期处分股份或者资产、限期转让营业等处罚措施在数据驱动型企业中也存在实施困难。数据驱动型企业的核心资产往往是数据和技术，这些资产具有无形性和难以分割的特点，难以像传统企业的有形资产那样进行处分和转让。而且，在数据已经整合的情况下，处分股份或者资产、转让营业可能会导致数据的泄露和滥用，给用户和市场带来更大的风险。此外，对于一些未达到申报标准但实际上对市场竞争产生了排除、限制影响的数据驱动型经营者集中行为，现行法律缺乏明确的处罚规定，导致这些行为可能逃脱法律的制裁，从而损害市场竞争秩序。五、域外数据驱动型经营者集中反垄断法律规制经验借鉴5.1美国的规制经验美国作为数字经济的先发国家，在数据驱动型经营者集中反垄断审查方面积累了丰富的经验，其法律规定、审查标准和执法实践具有重要的借鉴意义。美国的反垄断法律体系主要由《谢尔曼反托拉斯法》《联邦贸易委员会法》和《克莱顿法》构成。《谢尔曼反托拉斯法》作为世界反垄断法的开山鼻祖，主要禁止垄断协议和独占行为，为数据驱动型经营者集中的反垄断规制奠定了基础。《联邦贸易委员会法》增加了消费者权益保护和禁止不正当竞争行为等内容，进一步丰富了反垄断法律的内涵。《克莱顿法》则聚焦于限制集中、合并等行为，明确规定了非法垄断行为，包括削弱竞争或建立垄断的商业活动、价格歧视、搭卖合同等，这些规定同样适用于数据驱动型经营者集中的审查。在申报标准方面，美国采用了“交易规模测试”和“当事人规模测试”相结合的方式。“交易规模测试”要求达到一定交易规模的经营者集中需要申报，例如交易金额超过特定数额；“当事人规模测试”则规定参与集中的当事人达到一定规模时需申报，如当事人的资产或销售额超过一定标准。这种双标准的申报模式，能够更全面地捕捉到可能对市场竞争产生影响的数据驱动型经营者集中行为。以脸书收购WhatsApp为例，该收购案涉及大量的数据资产和用户资源，虽然WhatsApp在当时的营业额相对较低，但由于其用户数量庞大且增长迅速，交易规模巨大，符合美国反垄断申报标准，因此受到了严格的反垄断审查。美国在相关市场界定上，注重运用经济学分析方法。除了传统的需求替代和供给替代分析外，还引入了“假定垄断者测试”（SSNIP）及其改进方法。在数据驱动型经营者集中的审查中，考虑到双边市场和跨界竞争的特点，美国反垄断执法机构会综合分析平台两边用户的需求和供给情况，以及平台之间的竞争关系。例如，在谷歌收购摩托罗拉移动的案件中，执法机构不仅分析了智能手机市场的竞争情况，还考虑了谷歌在搜索引擎市场的地位以及数据资源的整合对相关市场竞争的影响。通过对谷歌在搜索引擎市场拥有的海量用户搜索数据和摩托罗拉移动在智能手机硬件和通信技术方面的优势进行综合评估，判断该收购行为是否会对相关市场的竞争产生不利影响。在市场支配地位评估方面，美国除了考虑市场份额外，还会综合考量数据的规模、质量、数据的获取能力、数据的使用和分析能力以及企业对算法的控制能力等因素。数据规模越大、质量越高，企业在市场中的竞争力就越强；而数据的获取能力和使用分析能力则反映了企业对数据资源的掌控和利用效率。以亚马逊为例，亚马逊拥有庞大的用户购物数据和先进的数据分析算法，能够精准地了解消费者需求，优化商品推荐和供应链管理。在评估亚马逊的市场支配地位时，执法机构会充分考虑其数据优势和算法能力，判断其是否利用这些优势在市场中形成了垄断地位。在执法实践中，美国对数据驱动型经营者集中的审查较为严格。例如，在微软收购领英案中，美国联邦贸易委员会对该收购案进行了深入调查。微软作为全球知名的科技企业，拥有广泛的用户基础和强大的技术实力；领英则是全球最大的职业社交网络平台，拥有海量的职场用户数据。执法机构关注到该收购可能导致微软在职业社交网络领域的数据垄断，进而影响市场竞争和创新。经过详细的调查和分析，执法机构要求微软采取一系列措施，以确保收购不会对市场竞争产生不利影响，如保证领英数据的独立性和开放性，防止微软滥用领英的数据资源进行不正当竞争。此外，美国还对谷歌、脸书等互联网巨头的一系列收购行为进行了密切关注和调查，体现了其在数据驱动型经营者集中反垄断执法方面的积极态度和严格标准。5.2欧盟的规制经验欧盟在数据驱动型经营者集中的反垄断法律规制方面，形成了一套较为完善的体系，其法律制度、市场界定方法和监管措施具有独特之处，对我国具有重要的参考价值。欧盟的反垄断法律体系主要由《欧盟运行条约》《欧盟并购条例》以及相关的指南和判例构成。《欧盟运行条约》第101条和第102条对限制竞争协议和滥用市场支配地位等垄断行为进行了规定，为数据驱动型经营者集中的反垄断规制提供了基本原则。《欧盟并购条例》则专门针对经营者集中的审查程序、标准等进行了详细规定，明确了欧盟委员会在经营者集中审查中的职责和权限。相关的指南和判例进一步细化了法律规定，为执法实践提供了具体的指导。在申报标准方面，欧盟采用了全球营业额和欧盟境内营业额相结合的标准。当参与集中的经营者在全球范围内的营业额总和超过一定数额，且至少两个经营者在欧盟境内的营业额分别超过一定数额时，该经营者集中需要向欧盟委员会申报。这种申报标准综合考虑了企业的全球影响力和在欧盟市场的规模，能够有效地筛选出可能对欧盟市场竞争产生影响的数据驱动型经营者集中行为。例如，在脸书收购WhatsApp的案件中，由于脸书和WhatsApp的全球营业额以及在欧盟境内的营业额均达到了申报标准，因此该收购案受到了欧盟委员会的严格审查。在相关市场界定方面，欧盟充分考虑了数字经济的双边市场和跨界竞争特征。除了传统的需求替代和供给替代分析外，还引入了“假定垄断者测试”（SSNIP）的变体方法，如“假定垄断者测试的质量调整法”（SSNDQ）和“假定垄断者测试的时间调整法”（SSNIT）等，以适应数字经济中产品和服务的非价格竞争特性。在数据驱动型经营者集中的审查中，欧盟委员会会综合考虑平台的功能、用户群体、数据的可替代性等因素来界定相关市场。例如，在谷歌收购DoubleClick案中，欧盟委员会在界定相关市场时，不仅考虑了在线广告市场的竞争情况，还分析了谷歌和DoubleClick在数据收集、分析和广告投放等方面的业务重叠性，以及用户在不同在线广告平台之间的转换成本等因素，从而准确地界定了相关市场范围。在市场支配地位评估方面，欧盟除了考虑市场份额外，还高度重视数据的因素。数据的规模、质量、数据的获取和使用能力以及数据的网络效应等都被纳入评估范围。例如，在对脸书的市场支配地位评估中，欧盟委员会关注到脸书拥有庞大的用户数据，这些数据使得脸书能够精准地进行广告投放，吸引大量的广告商，从而在社交网络广告市场中占据优势地位。此外，欧盟还考虑了脸书对用户数据的控制能力以及用户在不同社交网络平台之间的转移成本等因素，综合评估脸书的市场支配地位。在监管措施方面，欧盟对数据驱动型经营者集中采取了严格的事前审查和事后监管。在事前审查阶段，欧盟委员会会对申报的经营者集中案件进行全面的调查和评估，包括对市场竞争状况、数据保护、隐私政策等方面的审查。如果认为集中可能会对市场竞争产生不利影响，欧盟委员会会要求经营者采取相应的救济措施，如剥离资产、开放数据接口等，以消除竞争担忧。在事后监管阶段，欧盟委员会会对经营者集中后的企业进行持续的监督，确保其遵守相关的承诺和规定。例如，在谷歌收购摩托罗拉移动案中，欧盟委员会在批准收购的同时，要求谷歌保证摩托罗拉移动的专利不会被滥用，以维护市场的公平竞争。此外，欧盟还加强了对数据隐私和安全的监管，通过《通用数据保护条例》（GDPR）等法规，强化了对用户数据的保护，防止数据驱动型经营者集中后可能出现的数据滥用和隐私侵犯问题。5.3德国的规制经验德国在数据保护与反垄断交叉领域的探索为数据驱动型经营者集中的反垄断规制提供了独特的视角。德国的《反对限制竞争法》在数据驱动型经营者集中的反垄断规制中发挥着关键作用。该法在数字经济时代不断演进，以适应数据驱动型企业发展带来的新挑战。在申报标准方面，德国除了考虑传统的营业额因素外，还注重企业在数据市场中的地位和数据资源的规模。例如，对于一些在数据收集、存储和分析方面具有重要地位的企业，即使其营业额未达到传统的申报标准，但如果其数据资源规模庞大，对市场竞争可能产生潜在影响，也会被纳入反垄断申报的范围。这种申报标准的设定，充分考虑了数据在数字经济中的重要性，能够更全面地捕捉到可能对市场竞争产生影响的数据驱动型经营者集中行为。在相关市场界定方面，德国强调对数据的独特性和不可替代性的考量。德国反垄断执法机构在界定相关市场时，会分析数据的类型、来源、用途以及数据之间的可替代性等因素。如果某些数据具有独特的价值，难以被其他数据所替代，那么拥有这些数据的企业在相关市场中的地位就会更加重要。例如，在社交媒体市场中，用户的社交关系数据具有很强的独特性，对于社交媒体平台的竞争优势至关重要。德国反垄断执法机构在界定社交媒体市场的相关市场时，会充分考虑这些社交关系数据的独特性，以及不同社交媒体平台之间数据的可替代性，从而准确地确定相关市场的范围。在市场支配地位评估方面，德国将数据的控制能力和数据的使用效率作为重要的评估指标。拥有大量数据且能够高效利用数据的企业，在市场中往往具有更强的竞争力和市场支配地位。例如，谷歌在搜索引擎市场中，凭借其强大的数据收集和分析能力，能够为用户提供精准的搜索结果，吸引了大量用户，从而在市场中占据了主导地位。德国反垄断执法机构在评估谷歌的市场支配地位时，会重点考察其对数据的控制能力和数据的使用效率，以及这些因素对市场竞争的影响。德国在数据保护与反垄断交叉领域的实践也为其他国家提供了借鉴。例如，在Facebook案中，德国联邦卡特尔局对Facebook收集和使用用户数据的行为进行了深入调查。Facebook在德国拥有庞大的用户群体，其通过收集用户在不同平台上的数据，实现了对用户的全面画像和精准营销。德国联邦卡特尔局认为，Facebook的这种数据收集和使用行为可能会对市场竞争产生不利影响，因为其他竞争对手难以获取同样规模和质量的数据，从而在市场竞争中处于劣势。德国联邦卡特尔局依据《反对限制竞争法》，对Facebook进行了处罚，并要求其改进数据保护措施，以维护市场的公平竞争。这一案例表明，德国在数据驱动型经营者集中的反垄断规制中，注重保护数据隐私和市场竞争的平衡，通过加强对数据收集和使用行为的监管，防止企业利用数据优势形成垄断地位，保护了市场竞争秩序和消费者权益。5.4经验总结与启示美国、欧盟和德国在数据驱动型经营者集中反垄断法律规制方面的经验，为我国提供了多方面的启示，有助于我国完善相关法律规制体系，更好地应对数据驱动型经营者集中带来的挑战。在申报标准方面，我国可借鉴美国和欧盟的做法，构建多元化的申报标准体系。我国现行主要以营业额为申报标准，难以适应数据驱动型企业的特点。可参考美国的“交易规模测试”和“当事人规模测试”相结合的方式，以及欧盟综合考虑全球营业额和欧盟境内营业额的标准，引入交易额标准、用户数量标准、数据规模标准等。对于一些交易金额巨大、用户数量众多或数据规模庞大的数据驱动型经营者集中行为，即使其营业额未达到传统申报标准，也应要求申报。这样可以更全面地捕捉到可能对市场竞争产生影响的数据驱动型经营者集中行为，避免潜在的垄断风险逃脱监管。在相关市场界定方面，我国应充分借鉴欧盟和德国的经验，创新相关市场界定方法。针对双边市场和跨界竞争的特征，除了传统的需求替代和供给替代分析外，引入“假定垄断者测试”（SSNIP）及其改进方法，如欧盟的“假定垄断者测试的质量调整法”（SSNDQ）和“假定垄断者测试的时间调整法”（SSNIT）等。在界定数据驱动型经营者集中的相关市场时，综合考虑平台的功能、用户群体、数据的可替代性、用户的多归属行为等因素。对于社交媒体平台，在界定相关市场时，不仅要考虑用户对社交功能的需求替代，还要考虑广告商对平台用户数据和广告投放效果的需求替代，以及用户在不同社交媒体平台之间的转移成本等因素。在市场支配地位评估方面，我国可参考美国、欧盟和德国的做法，完善评估指标体系。除了市场份额外，将数据的规模、质量、数据的获取能力、数据的使用和分析能力以及企业对算法的控制能力等因素纳入评估范围。对于拥有大量高质量数据和先进算法的企业，在评估其市场支配地位时，应充分考虑这些因素对其市场竞争力的影响。建立科学合理的市场支配地位评估模型，运用定量和定性分析相结合的方法，提高评估的准确性和客观性。在违法集中处罚方面，我国可借鉴欧盟和德国的经验，完善处罚措施。对于已经完成的数据驱动型经营者集中行为，如果发现其对市场竞争产生了不利影响，除了责令停止实施集中、限期处分股份或者资产、限期转让营业以及罚款等传统处罚措施外，还应根据数据驱动型企业的特点，采取针对性的处罚措施。要求企业开放数据接口，促进数据的共享与流通，打破数据垄断；加强对企业数据使用行为的监管，防止数据滥用和隐私侵犯。明确未达到申报标准但对市场竞争产生排除、限制影响的数据驱动型经营者集中行为的处罚规定，填补法律空白，维护市场竞争秩序。六、完善我国数据驱动型经营者集中反垄断法律规制的建议6.1优化申报标准针对我国现行以营业额为单一申报标准在数据驱动型经营者集中场景下的局限性，可借鉴美国和欧盟的经验，构建多元化的申报标准体系。引入交易额申报标准，补充营业额申报标准。在数据驱动型经营者集中中，交易的核心往往是数据资产，而数据资产的价值难以通过传统的营业额来准确衡量。例如，一些初创的数据驱动型企业虽然营业额较低，但拥有独特的数据资源和先进的算法技术，其被收购时的交易金额可能很高。通过设定交易额申报标准，当交易金额达到一定数额时，要求经营者进行集中申报，可以有效捕捉这类潜在的垄断风险。除了交易额标准，还应探索其他可行的申报标准。考虑将用户数量纳入申报标准体系。在数字经济时代，用户数量是衡量数据驱动型企业市场影响力的重要指标之一。拥有大量用户的数据驱动型企业，能够收集到更多的用户数据，从而在市场竞争中占据优势地位。当参与集中的经营者用户数量达到一定规模时，应要求申报。将数据规模作为申报标准的考量因素。数据规模的大小直接关系到企业的数据优势和市场竞争力。对于数据规模达到一定量级的数据驱动型经营者集中行为，应进行申报审查。综合运用这些多元化的申报标准，能够更全面、准确地识别数据驱动型经营者集中可能带来的垄断风险，为后续的反垄断审查提供更有效的依据。6.2完善相关市场界定方法在数据驱动型经营者集中的场景下，相关市场界定面临着诸多挑战，传统的界定方法难以准确适用。为了更精准地界定相关市场，应结合多种分析方法，对传统的相关市场界定方式进行创新和完善。传统的假定垄断者测试法（SSNIP）在数据驱动型经营者集中的相关市场界定中存在局限性。在数字经济中，产品和服务的价格弹性较低，且存在大量免费服务，使得基于价格变化的SSNIP测试难以准确衡量需求替代关系。因此，需要对SSNIP测试法进行改进。可以引入“假定垄断者测试的质量调整法”（SSNDQ），考虑产品或服务质量变化对需求替代的影响。在社交媒体平台的相关市场界定中，除了考虑价格因素外，还应考虑平台的用户体验、社交功能的多样性、数据隐私保护水平等质量因素。如果一个社交媒体平台通过集中提高了服务质量，吸引了更多用户，导致其他平台用户流失，那么就可以认为该平台在相关市场中具有更强的竞争力，从而更准确地界定相关市场范围。可以采用“假定垄断者测试的时间调整法”（SSNIT），考虑时间因素对需求替代的影响。在数字经济中，市场变化迅速，技术创新和用户需求的变化可能导致相关市场的范围在短时间内发生改变。例如，短视频平台的兴起在短时间内改变了互联网内容市场的竞争格局，用户的注意力和使用时间迅速向短视频平台转移。在界定短视频平台的相关市场时，需要考虑时间因素，分析在一定时间范围内用户需求的变化和市场竞争态势的演变，以准确界定相关市场。除了改进假定垄断者测试法，还应综合运用多种分析方法来界定相关市场。加强对平台竞争的分析，考虑平台的多边市场特性和网络外部性。以电商平台为例，电商平台连接了消费者和商家，其相关市场的界定需要考虑平台两边用户的需求和供给情况。消费者在选择电商平台时，会考虑平台上商家的数量、商品种类和价格等因素；商家在选择电商平台时，会考虑平台上消费者的数量、消费能力和购买意愿等因素。因此，在界定电商平台的相关市场时，需要综合分析平台两边用户的需求替代和供给替代关系，以及平台之间的竞争关系。关注用户的多归属行为。在数字经济中，用户往往会同时使用多个平台，这种多归属行为增加了相关市场界定的复杂性。在界定社交媒体平台的相关市场时，需要考虑用户在不同社交媒体平台之间的多归属情况。如果用户在多个社交媒体平台上都有账号，并且在不同平台上的使用频率和活跃度相近，那么这些平台之间的竞争关系就更为密切，相关市场的范围也应相应扩大。通过综合运用多种分析方法，能够更全面、准确地界定数据驱动型经营者集中的相关市场，为反垄断审查提供更可靠的依据。6.3改进市场支配地位评估体系在数据驱动型经营者集中的反垄断审查中，市场支配地位的评估至关重要。为了更准确地评估数据驱动型经营者的市场支配地位，需要构建科学合理的评估体系，综合考虑多方面因素。在评估数据驱动型经营者的市场支配地位时，用户数量和用户活跃度是重要的考量因素。用户数量直接反映了企业在市场中的覆盖范围和影响力。以社交媒体平台为例，拥有庞大用户数量的平台，如微信、微博等，能够吸引更多的广告商和合作伙伴，从而在市场中占据更有利的地位。用户活跃度则体现了用户对平台的依赖程度和参与度。活跃用户频繁使用平台，为平台提供了大量的数据，同时也增加了平台的商业价值。例如，抖音以其丰富的短视频内容和便捷的社交互动功能，吸引了大量用户，用户活跃度极高。用户在抖音上发布、点赞、评论和分享短视频，使得抖音能够收集到海量的用户数据，这些数据为抖音的个性化推荐和广告投放提供了有力支持，进一步提升了抖音在短视频市场的竞争力。数据规模和质量也是评估市场支配地位的关键因素。数据规模越大，企业能够获取的信息就越全面，对市场的了解也就越深入。以电商平台为例，拥有大量用户购物数据的平台，能够通过数据分析精准地了解消费者的需求和偏好，优化商品推荐和供应链管理，提高市场竞争力。数据质量则决定了数据的价值和可用性。高质量的数据具有准确性、完整性和时效性等特点，能够为企业提供更有价值的信息。例如，金融机构在进行风险评估和信贷决策时，需要高质量的用户信用数据，以确保决策的准确性和可靠性。拥有高质量数据的金融机构，能够更好地识别风险，提供更合理的信贷服务，在市场中占据优势地位。除了用户数量、用户活跃度、数据规模和质量外，还应考虑企业对算法的控制能力。算法在数据驱动型企业中起着核心作用，它能够对海量数据进行分析和处理，为企业提供决策支持。企业对算法的控制能力越强，就越能够利用算法实现精准营销、个性化服务和价格歧视等行为，从而在市场中占据优势地位。例如，一些互联网广告平台通过先进的算法，能够根据用户的兴趣、行为和地理位置等信息，精准地投放广告，提高广告效果和转化率。这些平台对算法的控制能力使得它们在互联网广告市场中具有较强的竞争力。为了更科学地评估市场支配地位，还可以引入定量分析方法，构建市场支配地位评估模型。可以采用赫芬达尔-赫希曼指数（HHI）来衡量市场集中度。HHI指数通过计算市场中所有企业市场份额的平方和，能够更准确地反映市场的竞争程度。在数据驱动型经营者集中的市场中，将用户数量、数据规模等因素纳入HHI指数的计算，能够更全面地评估市场支配地位。可以构建基于机器学习的评估模型，利用大数据和人工智能技术，对企业的市场行为、用户数据、技术创新能力等多方面信息进行分析和预测，从而更准确地评估市场支配地位。通过构建科学合理的市场支配地位评估体系，综合考虑多种因素，并运用定量分析方法和先进的技术手段，能够更准确地评估数据驱动型经营者的市场支配地位，为反垄断审查提供有力的支持。6.4健全违法集中处罚机制明确违法集中处罚情形是健全违法集中处罚机制的基础。在数据驱动型经营者集中的场景下，应进一步细化违法集中的认定标准。对于未依法申报实施集中的行为，除了依据现有法律规定进行处罚外，还应考虑数据驱动型企业的特点。若企业在集中过程中故意隐瞒关键数据信息，导致申报信息不实，应加重处罚。对于虽已申报但集中行为对市场竞争产生严重排除、限制影响的情况，应明确具体的认定标准和处罚措施。参考欧盟在相关案件中的做法，综合考虑市场份额变化、数据垄断程度、对消费者权益的损害等因素，确定违法集中的性质和程度。加大处罚力度是增强违法集中处罚威慑力的关键。目前我国对违法集中的罚款力度相对较低，难以对企业形成有效的威慑。以美国为例，其对违法集中的处罚力度较大，不仅包括高额罚款，还可能对企业高管进行刑事处罚。我国可适当提高罚款上限，根据违法集中对市场竞争的危害程度，确定罚款金额。对于严重损害市场竞争的数据驱动型经营者集中行为，可将罚款金额提高至企业上一年度销售额的更高比例，如10%-20%，以增加企业的违法成本。引入多元化处罚方式可以使违法集中处罚更加灵活有效。除了传统的责令停止实施集中、限期处分股