反垄断与大数据监管外文翻译资料

反垄断与大数据监管

原文作者 D. Daniel Sokolamp; Roisin Comerford

摘要：近年来，在线用户数据的收集出现了巨大的增长。消费者通过免费或大量补贴服务的增加、更高质量的产品和快速创新从这种增长中受益。与此同时，关于大数据及其对消费者和竞争的真正意义的争论越来越激烈。许多人关注大数据是否会引发反垄断问题，以及是否应根据反垄断法分析和补救大数据造成的危害，以及应如何分析和补救。然而，学术文献在一定程度上落后于政策辩论，对现有学术著作的仔细检查会发现对这个问题缺乏透彻的研究。评论家通常分为两个阵营：一个支持在大数据领域更积极主动的反垄断执法，另一个反对这种干预，认为反垄断不适合监管大数据。前者的学术案例没有，至今， 已经完全开发，目前比较轻。与此同时，该领域学者和从业者以政策为重点的工作表明，对大数据的反垄断干预为时过早且被误导，尤其是考虑到大数据提供的无数促进竞争的好处。

本文回顾了有关大数据影响的学术工作竞争，并考虑反垄断在大数据监管中的潜在作用。第一部分概述了稀缺的学术文献，专门讨论反垄断在大数据问题中的作用。第二部分和

第三部分深入探讨了围绕大数据的政策问题，以及它是否对竞争构成了需要反垄断干预的风险。第二部分详细介绍了大数据可能证明有利于竞争的方式，而第三部分则审查和批评了大数据对竞争的潜在危害。第四部分讨论了反垄断作为大数据问题的制度选择的适宜性，第五部分得出结论认为，目前反垄断不适合作为制度选择。此外，这种伤害的学术案例并没有尚未充分建立。总的来说，这篇文章发现了很多关于当前反垄断工具和政策是否足以应对大数据“挑战”的潜在“问题”。实际上，根本不存在挑战，因为当大数据成为一个问题时，反垄断干预的论点从未在任何司法部反垄断司（“DOJ”）的任何合并或决定的行为案件中占据一席之地，迄今为止的联邦贸易委员会（“FTC”）或竞争总局（“DG 竞争”）案件。

关键词：大数据； 数据归属； 反垄断；信息；

I. 现有学术文献

对解决大数据与反垄断法交叉问题的学术文献的回顾显示，关于该主题的文章相对较少。学者们尚未深入分析为什么大数据问题是反垄断问题，如果是，那么如何反垄断法而不是消费者保护法可能最好地解决它们。迄今为止的工作表明，虽然反垄断法和消费者保护法是互补的，但它们仍然包含不同的法律领域，消费者保护仍然是正确的解决潜在大数据危害的制度选择。 “大就是坏”自标准石油时代以来一直是反垄断的忌讳。然而，大并不是反垄断犯罪。相反，反垄断关注的是消费者福利损失，并且至少在一代人的时间里，还没有一个明确的合并或诉讼行为决定。可以说，对大数据和竞争主题的学术辩论最全面的贡献是

Ohlhausen 和 Okuliar 的一篇文章。Ohlhausen 和 Okuliar 提出了一个由三部分组成的框架来分析大数据问题。首先，他们关注伤害的性质——无论是商业的、个人的还是其他方面的。他们得出结论，在对消费者福利或经济效率造成损害的情况下，作为制度选择，反垄断应优先于消费者保护法。其次，他们审查了用户与数据收集者之间关系的性质，并确定由公司与个人消费者之间的交易引起的问题比反垄断更有可能属于消费者保护法的范畴。第三，他们认为最后，作者建议将消费者保护问题纳入反垄断框架是“不必要的”，“可能会导致反垄断领域的混乱和理论问题”，以及无法承受“消费者保护的真正收益”。” Ohlhausen 和 Okuliar 还指出了大数据的四个重要特征，这些特征警告反对针对消费者保护法的反垄断申请，本文下面的第四部分将对此进行更详细的探讨。首先，大数据创造了效率收益。10其次，反垄断制度的选择会增加反垄断分析的主观性。第三，使用反垄断将为法律系统的公司创造战略博弈的机会。最后，奥尔豪森和 Okuliar 警告说，使用反垄断视角可能会威胁到新产品和服务的创新。詹姆斯·库珀 (James Cooper) 回应说，反垄断法是监管大数据的不当工具。他写：

反垄断法应直接考虑行为如何影响隐私，而不考虑竞争影响的争论问题可以很容易地解决。如果没有修改反垄断法或严重偏离遵循先例，法院就不太可能在反垄断分析中考虑隐私影响 此外，即使人们接受加强个人数据收集与表面价格（或等效地，较低质量）之间的类比，反垄断法中没有任何内容阻止公司单方面参与这种行为。反垄断长期以来对价格监管的反感意味着合法垄断者可以随意收取市场所能承受的任何价格。

Cooper 还表示，将大数据中的隐私作为反托拉斯问题会引起某些第一修正案的问题，并混淆实现目标强制，从而在分析中引入不必要的主观性，并有助于弗吉尼亚学派式的反垄断寻租。Andres Lerner 认为大数据提出竞争问题的说法没有现实世界证据的支持。特别是，Lerner 认为，在实践中经常被引用的“反馈循环”并没有像通常认为的那样产生强大的影响。Lerner 讨论了在线收集和使用消费者数据的促进竞争的理由，包括改进服务的潜力，以及公司在付费方有效货币化以便以更低的价格或免费提供更好的服务的能力。 他驳斥了公司可能有动机或能力使用数据来巩固其主导地位的想法（例如，用户数据是非竞争性的，没有任何公司控制大量数据），引用数据的属性类似于Ohlhausen 和 Okuliar 列出的那些。勒纳坚持认为，完全缺乏证据表明在线市场已经“倾斜”给占主导地位的公司， 在很大程度上是由于在线产品的差异化性质。他得出结论，如果没有强有力的现实世界证据表明反竞争效果，积极的反垄断执法将阻碍竞争并抑制创新，在此过程中损害消费者福利。

尽管政策制定者在大数据辩论中涉足反垄断问题，反垄断机构和法院并未发现大数据竞争问题。事实上，FTC 和 DG Competition 已经彻底将大数据视为一个反垄断问题并完全驳回了它。美国反垄断当局，在 DG Competition而在国家层面，法国和德国竞争管理机构和欧洲迄今为止都采取了谨慎的行动。这种宽容不仅是适当的，而且还提醒人们，反垄断法和消费者保护法所解决的不同问题，以及每套法律可能适用于禁止行为的解决方案，都是有充分理由的，并且是互补的 , 而不是替代品。

II. 大数据能否带来促进竞争的好处？

通过使用大数据已经实现了前所未有的消费者利益，其中主要是免费的用户服务（正如一些案例所指出的），提高了质量，以及创新的快速增长。此外，围绕大数据及其被大型在线公司使用的担忧是没有根据的，因为大数据的经济特征减轻了对此类数据可能被操纵以获

得反竞争收益的担忧。

A. 数据货币化为消费者提供免费产品补贴

也许在大数据时代实现的最明显和普遍的好处是公司能够向消费者提供大量补贴的、通常是免费的服务，因为消费者允许这些公司在其业务的另一端将消费者数据货币化。在竞争法制度中，消费者认为较低的价格是非常可取的，这无疑对消费者有利。

以反垄断为目的的定向广告销售形式的数据货币化不是可疑或有害的，而是“经济合理、利润最大化的行为”，导致明显的消费者利益。在线平台是否被阻止或限制收集将消费者数据货币化，用户竞争将受到抑制，对消费者造成损害，表现为更高的服务价格。28事实上，数据和搜索的转换成本很低。一些人批评提供免费服务，声称这使得最初无法有效货币化的竞争对手更难与老牌竞争对手竞争，但案例表明，这种论点完全没有抓住要点。提供服务的能力免费为消费者提供高质量的服务是大数据货币化的一种促进竞争的效果，而不是一种反竞争的伤害。此外，这种说法是不真实的——新进入者在免费服务方面与老牌竞争对手竞争并不困难。

B. 提高质量和加强创新

作为输入，在线公司使用数据以多种方式改进和完善产品和服务，并开发全新的创新产品。例如，一般搜索引擎和小众搜索引擎都可以使用数据来提供相关性更高、质量更高的搜索结果。通过从用户搜索查询和点击中学习，搜索引擎可以识别特定查询的最相关结果。众所周知，“点击查询”数据是提供高质量搜索结果的非常有价值的输入。除了相关结果之外，搜索引擎可以使用数据来提供额外的为用户提供“增值”服务。例如，旅游搜索引擎可以使用数据来预测特定航线航班的价格趋势。亚马逊和其他多个电子商务网站使用过去的购买信息和浏览历史来预测为用户提供个性化的购物推荐。社交网络平台使用从用户收集的数据来推荐朋友、名人或企业页面，或客户可能感兴趣的文章。在线媒体使用浏览历史和个人信息进行推荐读者可能感兴趣的其他文章。

C. 大数据的经济特征防范竞争危害

除了上面阐述的大数据积极的促进竞争的好处之外，如下所述，大数据如何运作的经济学损害了反垄断应该害怕或控制的主张。此外，数据独特的经济特征意味着数据的积累本身不会构成进入壁垒，也不会自动赋予公司排除竞争对手、扩大或维持自己的垄断地位的动机或能力，或以其他方式损害竞争。Lambrecht 和 Tucker 解释说，“要获得可持续的竞争优势，公司的竞争对手必须无法实际复制战略或投入的收益。”

如下所述，理论和实际案例都支持这样一个发现，即数据的特性使得大型在线公司无法阻止竞争对手复制他们所享受的大数据的好处，大公司手中的大数据并不一定会带来重大的反垄断风险。

1. 进入门槛低

典型特征是进入壁垒低，这一点可以从快速出现的创新挑战者并取代拥有比它们自身多得多的数据资源的老牌公司来证明。市场到市场，并且不能抽象地做出全面的决定，数字经济的历史提供了许多例子，如 Slack、Facebook、Snapchat 和 Tinder，在这些例子中，

尽管建立了网络，但对客户需求的简单洞察使进入和快速成功成为可能效果。

新竞争者的数据要求比成熟公司的数据要求要低得多，质量也不同。大多数在线服务的起点几乎不需要用户数据。相反，公司可能会带着巧妙地满足客户需求的创新产品进入市场，并快速从用户那里收集数据，然后他们可以将这些数据用于进一步的产品改进和成功。因此，新进入者不太可能处于显着的竞争中在数据收集或分析方面相对于现有企业的劣势。

而且，虽然运营了 10 年的公司可能拥有比新进入者更大的数据存储，但迄今为止，缺乏资产等效性从来都不是在任何情况下定义进入壁垒的充分依据。在在实体零售中，新进入者的陈列室可能比老牌竞争对手小，但这并不会使实体店成为不可逾越的进入障碍。事实上，

一家成熟的实体店可以拥有更多关于当地客户偏好的数据，但这从未被视为禁止进入。

2. 数据无处不在、价格低廉且易于收集

数据无处不在、价格低廉且易于收集。用户不断地创建数据，因为互联网和智能手机使用量的增加意味着客户不断留下他们的需求和偏好的痕迹。公司可以轻松快速地从以下位置收集数据消费者在启动时，读取数据以及存储和分析数据所需的工具可从众多第三方来源获得。大数据的生产和分销边际成本接近于零。公司能够从许多不同的来源收集数据，这证明了用户无论走到哪里都会留下“多个数字足迹”的现实。数据的事实因此，可以从第三方来

源获取意味着即使在产品发布的第一天，在任何用户与平台进行交互之前，供应商已经可以从对消费者偏好的洞察中受益，并设计出一个可以迅速采取行动的平台数据被收集和处理。

虽然有些人认为公司为获取数据所花费的资源和努力足以证明数据收集和处理既“昂贵”又“耗时”，区分原始数据的收集和任何给定公司都会对数据进行分析，这就是使数据有价值的原因。这是该公司的“秘方”。顺便说一下，这种分析也是公司大数据使用中需要最多资源的部分。还有很多现成的开源分析软件可以让小公司领先一步。

3. 数据是非排他性和非竞争性的

数据是非排他性和非竞争性的。没有一家公司能够或确实控制了世界上的所有数据。一家公司收集数据不会以另一家公司为代价。“多归属”是互联网用户的常态——用户可以并且确实在互联网上传播他们的数据，使用多个不同的提供商提供多种不同的服务，有时甚至是相同的服务。虽然多归属，用户与多个提供商共享数据。多归属也有助于降低市场力量。

随着大数据成为越来越重要的资产，它被比作其他输入。然而，大数据的非竞争性和非排他性使其有别于其他关键输入。如果一个提供者拥有一段数据，则不会阻止另一个提供者收集同样的数据。类似地，虽然一个提供商至少在理论上可以例如，拥有世界上所有的石油资源，没有一个供应商可以收集所有可用的数据。此外，现有在线提供商对用户数据没有明确或事实上的排他性。在与用户的服务方面没有排他性条款，也没有限制用户只与一个提供商共享数据的结构（定价或其他）。

4. 数据的价值是短暂的

数据的生命周期有限——旧数据几乎没有新数据那么有价值——而且数据的价值会随着时间的推移而显着降低。此外，规模回报会随着时间的推移而减少。因此，数据的任何竞争优势提供是短暂的，在数据收集和分析方面，相对于现有企业而言，进入者不太可能处于显着劣势。对新鲜、差异化数据的需求意味着持有大量陈旧或泛化数据并不一定，对持有者有利，对潜在挑战者不利。潜在的竞争对手不需要创建“与现有企业规模相当”的数据存储；他们更需要制定一种策略来积累高度相关且及时的数据。

5. 仅靠数据是不够的

数据通常不会单独提供价值。因此，仅仅拥有数据，即使是大量数据，也不能确保通信安全小成功——这只能通过工程人才、服务质量、创新速度和对消费者需求的关注来实现。因此，拥有最多数据的公司不一定获胜。以最初于2012 年 9 月推出的在线约会应用程序 Tinder 为例。数据在个性化体验很重要的行业中具有特殊价值，例如在线约会。Tinder 推出时，它无法访问用户数据，但尽管如此，它还是在几年内成为市场领导者。Lambrecht和 Tucker 解释说，即使在这个高度数据驱动的行业中，Tinder 的成功也不是通过依赖大数据，而是由于其底层解决方案的强大。简单的用户界面和对消费者需求的精确关注导致了巨大

剩余内容已隐藏，支付完成后下载完整资料

ANTITRUST AND REGULATING BIG DATA

D. Daniel Sokolamp; Roisin Comerford

INTRODUCTION

The collection of user data online has seen enormous growth in recent years. Consumers have benefitted from this growth through an increase in free or heavily subsidized services, better quality offerings, and rapid innovation. At the same time, the debate about Big Data, and what it really means for consumers and competition, has grown louder. Many have focused on whether Big Data even presents an antitrust issue, and whether and how harms resulting from Big Data should be analyzed and remedied under the antitrust laws. The academic literature, however, has somewhat lagged behind the policy debate, and a closer inspection of existing scholarly works reveals a dearth of thorough study of the issue. Commentators generally are split into two camps: one in favor of more proactive antitrust enforcement in the Big Data realm, and one opposing such intervention, considering antitrust inappropriate for regulation of Big Data. The academic

case for the former has not, as yet, been fully developed, and is relatively light at present. Meanwhile, policy-focused work by academics and practitioners in this arena suggests that antitrust intervention in Big Data would be premature and misguided, especially considering the myriad procompetitive benefits offered by Big Data.

This article reviews the scholarly work on the implications of Big Data on competition, and considers the potential role of antitrust in the regulation of Big Data. Part I provides an overview of the scarce, academic literature specifically addressing the role of antitrust in Big Data issues. Parts II and III delve into the policy issues surrounding Big Data and whether it poses a risk to competition that warrants antitrust intervention. Part II details the ways in which Big Data may prove pro-competitive while Part III reviews and critiques the suggested potential harms to competition from Big Data. Part IV discusses the suitability of antitrust as the institutional choice for Big Data issues, and Part V concludes that, at present, antitrust is ill suited as the institutional choice. Further, the scholarly case for such harm has not yet been adequately established. Overall, this Article finds much noise as to potential “problems” around whether current antitrust tools and policy are adequate to deal with a Big Data “challenge.” In reality, there is no challenge at all, as the arguments for antitrust intervention when Big Data has come up as an issue have never carried the day for any merger or decided conduct case in any Department of Justice Antitrust Division (“DOJ”), Federal Trade Commission (“FTC”) or Directorate-General for Competition (“DG Competition”) case to date.

EXISTING ACADEMIC LITERATURE

A review of the academic literature addressing the intersection of Big Data and antitrust law reveals relatively few articles on the topic.1 Scholars have yet to conduct an in-depth analysis of why Big Data issues are antitrust issues, and if so, how they may be best addressed by the antitrust laws as opposed to the consumer protection laws. Work to-date suggests instead that while antitrust and consumer protection laws are complementary, they still comprise distinct areas of law, and consumer protection remains the correct institutional choice to address potential Big Data harms. “Big is bad” has been a bogeyman of antitrust since the time of Standard Oil.3However, bigness is not an antitrust offense. Rather, antitrust focuses on consumer welfare loss and there has not been a decided merger or a litigated conduct decision that has said otherwise for at least a generation.

Arguably the most comprehensive contribution to the academic debate on the topic of Big Data and competition is an article by Ohlhausen and Okuliar.4Ohlhausen and Okuliar present a three-part framework for analyzing Big Data concerns. First, they focus on the character of the harm—whether it is commercial, personal, or otherwise. They conclude that where there is harm to consumer welfare or to economic efficiency, antitrust should prevail over consumer protection law as a matter of institutional choice. Second, they examine the nature of the relationship between the user and the data collector, and determine that issues arising from the bargain between a firm and an individual consumer are more likely to fall within the realm of consumer protection law than antitrust. Third, they consider the nature of available remedies and their presumed efficiency in resolving particular violations. Ultimately, the authors advise that trying to

fit consumer protection concerns within the antitrust framework is “unnecessary,” “could lead to confusion and doctrinal issues in antitrust,” and would not afford “true gains to consumer protection.” Ohlhausen and Okuliar also note four important features of Big Data that caution against an antitrust application over consumer protection law, which are explored in more detail in Part IV of this article below. First, Big Data creates efficiency gains.Second, an antitrust institutional choice would increase subjectivity into antitrust analysis.Third, using antitrust would create opportunities for strategic gaming by firms of the legal system.Finally, Ohlhausen and Okuliar warn that using an antitrust lens may threaten innovation for new products and services.

James Cooper echoes that antitrust law is an inappropriate tool to regulate Big Data. He writes:

The problem with contentions that antitrust laws should directly consider how conduct affects privacy, irrespective of competitive effects, can be addressed rather easily. Absent amendment of the antitrust laws or serious departure from stare decisis, courts are unlikely to accommodate privacy effects in an antitrust analysis . . . . Further, even if one were to accept the analogy between enhanced personal data collection and prices (or

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[596855]，资料为PDF文档或Word文档，PDF文档可免费转换为Word