“数据池”共享行为的竞争风险及反垄断法分析

时建中 王煜婷

摘要：“数据池”是数据共享的重要表现形式，对提高经济效率、鼓励创新、增进消费者福利、促进竞争具有积极的推动作用。但是，大规模数据的集合也将为市场竞争带来挑战和不确定性。经营者可能会通过“数据池”进行敏感数据信息的交换，促进卡特尔共谋的达成和实施，将数据优势限定在少数成员手中造成数据封锁，从而限制、排除相关市场上的竞争。“数据池”共享行为可能产生的竞争隐患多来自垄断协议。考虑到“数据池”的复杂性，在评估“数据池”共享行为的竞争效果时，应在一般垄断协议的分析框架的基础上，重点分析“数据池”成员间竞争关系、“数据池”共享的数据种类、“数据池”约定的分析工具、“数据池”的开放程度以及“数据池”的消费者损害等因素。

关键词：“数据池”;数据共享;反垄断法;垄断协议

中图分类号：D922.29    文献标志码：A    文章编号：1001-862X（2021）02-0123-008

一、问题的提出

2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》正式将数据要素作为新型生产要素看待。数据价值的突显通常需要依赖于对大规模、多样化数据进行聚集、处理和分析。[1]因此，促进数据流动、共享和再利用成为发展数字经济的趋势和必要。数据控制者通过允许他人对其所控制的数据进行访问、使用或将数据转移给他人来实现数据共享。（1）当数据共享行为包含互惠因素时，即可被称为“数据池”。[2]92

目前，学界和实务界关于“数据池”并没有一个统一的定义。本文参照相关“专利池”的概念，将“数据池”解释为：两个或两个以上数据控制者或持有者同意将他们关于特定市场、特定产品或服务、消费者、使用者或是数字生态系统的各种数字化信息通过某种形式相互共享或共同分享给第三方的一种协议安排。“数据池”的形式包括但不限于为此目的专门成立的合资公司或组织机构，或者委托“数据池”的某一成员进行操作、管理，或是通过专门的第三方数据中介/代理人、数据平台来实现。例如，脸书（Facebook）与一些应用程序的开发者之间称为“数据互惠”（Data Reciprocity）[3]的数据共享模式就可以被视为一种“数据池”。“数据池”对数据的聚集并不只是停留在物理层面的集中，通常也包含了逻辑互联。

数据共享行为具有提高效率、鼓励创新、增进消费者福利等促进竞争的积极意义，但在一些情况下，经营者也会通过数据共享行为聚集大量数据，达成垄断协议、获得市场支配地位并滥用或实施排除、限制竞争的经营者集中，从而损害市场竞争秩序和消费者福利。相比与数据有关的滥用市场支配地位和经营者集中行为所引发的竞争担忧的大量讨论，“数据池”共享行为是否会构成反垄断法所禁止的垄断协议是一个相对较新且未被深入研究的领域。本文将聚焦于数据共享中“数据池”行为对竞争的影响及反垄断法分析，分别从“数据池”行为对竞争产生的积极效果和可能造成的竞争隐患方面进行剖析，并对如何适用反垄断法对“数据池”共享行为引发的竞争问题进行分析和规制提出建议。

二、“数据池”共享行为的价值与竞争风险

“数据池”共享行为在很多情况下伴随着效率和福利的产生，能够提升产品或服务的质量，有效配置数据资源，促进创新。但是，将大量数据聚集在少数经营者的手中，“数据池”共享行为也会对市场竞争秩序带来挑战和冲击，减弱经营者决策的独立性，控制或封锁数据资源，从而损害竞争。

（一）“数据池”的产生原因及价值

数字经济具有三大关键性特征，分别是极度规模报酬、网络外部性和数据的作用。[2]19这些特征决定了“范围经济”的出现，有助于生态系统的发展并给予现任者强大的竞争优势。[2]2数据价值的实现需要通过对大规模、多种类、多来源的数据进行高速处理、分析并及时做出反应，从而对相关产品、服务、消费者或经营者自身得出一个全方位、完整的认知。单一的经营者或机构很难凭借自身的积累而实现这种数据的规模化效应，“数据池”由此产生。

“数据池”的形成通常具有一定的积极效果。首先，“数据池”可以通过实现对相同种类或互补型数据的集中、分析，改善產品和服务的质量。[4]14其次，“数据池”的组建实现了数据的自由流通和共享，有助于优化数据资源的配置，提升经济效率。信息交换普遍存在于竞争性的市场中，通过信息交换可以产生多种效率收益。（2）再次，“数据池”的形成为一些新型技术创新的实现和运行奠定了基础，解决了一些特定数据可能成为创新的瓶颈这一难题。[5]24最后，“数据池”的建立能够成为阻碍垄断形成的重要工具[6]148，打破由数据匮乏而造成的市场集中或垄断，淡化数据集中所产生的杠杆效应，降低数据驱动型市场的准入门槛，从而促进竞争。

（二）“数据池”共享行为引发的竞争风险

数据驱动型行业会受到网络效应的影响，且在数据驱动背景下的网络效应不仅涵盖传统的网络效应，更涉及数据规模和范围所产生的网络效应。[7]“数据池”所产生的竞争优势也随之得到了扩展和加强。在这种背景下，“数据池”成员出于商业战略目的的考量，便有足够的动机去寻求如何充分利用、维持并锁定“数据池”的竞争优势以控制市场，使这种优势不被成员外的竞争者所超越或分享。此时，聚集大规模数据的“数据池”共享行为也会对市场竞争产生消极影响，引发竞争担忧。[8]

1.利用“数据池”交换敏感数据信息

在数字产业范围内，数据是创新的基础原料，也是数字产品和服务的重要输入;但是，在某些条件下数据所包含的信息内容也会使“数据池”沦为经营者交换商业敏感信息的工具，从而对竞争造成损害。[2]96当聚集和共享的是战略性数据时，该类“数据池”更有可能会促进共谋，减少或消除商业战略上的不确定性，构成协同行为，具有限制竞争的目的或是产生限制竞争的效果。（3）战略性数据通常与价格、成本、营销计划、风险控制等商业敏感信息相关。（4）在“数据池”内对此类数据信息进行共享，经营者便有机会获知竞争对手的市场地位以及对相关市场的战略部署情况，进而削弱相关经营者作出决策的独立性，阻碍竞争积极性，从而限制竞争。（5）尤其是当“数据池”主要集中了各个竞争者有关未来的预期价格或是生产数量方面的数据信息时，该类“数据池”将被认定为具有限制竞争的目的。

2.利用“数据池”增强卡特尔稳定性

在实践中，经营者还可能将“数据池”作为一种手段或機制来辅助卡特尔协议的实施，提高共谋行为的内部稳定性，进而限制竞争。卡特尔共谋协议的成员可以此来监控各个成员对共谋协议的执行情况，监测是否有人背离了达成的共谋条款，并决定是否采取惩罚措施。更甚者，行为人会采取“‘数据池+算法”的形式，用算法来处理、分析池中的共享数据，更精准、高效地监测市场变化和各行为人的实施情况，并及时作出反应，提高卡特尔共谋的效率。

3.利用“数据池”造成数据封锁问题

“数据池”行为可能会导致相关行业数据资源的垄断和封锁，对市场准入造成阻碍，从而排除、限制相关或相邻市场的竞争。“数据池”的组建往往伴随着竞争优势的产生，大部分成员不愿将池中的数据继续对外共享，而更希望将这种优势限定在少数的“数据池”成员的手中。此时，“数据池”成员们可能借机达成反竞争的协作，将未参与该“数据池”的竞争对手置于一定的竞争劣势地位中。这将造成对竞争对手的排挤，严重限制他们在相关市场上的竞争，导致价格的上涨或质量下降，最终损害消费者福利。更甚者，这类“数据池”还将排除、限制经营者在相邻市场上的竞争。例如，经营者们通过“数据池”在上游市场获得足够的市场力量，并将该“数据池”所带来的竞争优势惠及至下游的相邻市场，影响下游产品或服务的生产成本和价格，从而限制下游市场上竞争对手的竞争。

三、“数据池”共享行为的反垄断法分析

反垄断法保护的是市场竞争秩序，而不是单个的竞争者，只有当相关行为对竞争造成了损害才会引起反垄断法层面的干预。如前所述，“数据池”共享行为可能产生的竞争隐患多来自垄断协议。我国《反垄断法》第13条和第14条列举了一些具有核心限制的垄断协议并对这类协议予以禁止。原则上，这些具有核心限制协议的反竞争效果明显，其违法性不需要进行详细的效果分析即可推定。但为了证明限制竞争的目的，有时也需要对反竞争的效果进行适当阐述。而非核心限制的认定则需要进行严格的反竞争效果分析。同时，根据我国《反垄断法》第15条，垄断协议的禁止还需要对其产生的积极和消极效果进行衡量，当事人可以援引效率和公共利益抗辩来对垄断协议的认定申请个案豁免。因此，“数据池”共享行为是否构成垄断协议而遭到反垄断法的禁止主要依赖于对“数据池”共享行为和竞争效果的分析和评估。

目前，世界各国有关于“数据池”的案例十分有限，相关执法经验也很匮乏，但“数据池”的应用却呈现出上升趋势，这对于“数据池”竞争效果的分析和评估带来了困难。尤其是“数据池”共享行为的反竞争目的和效果通常较为隐蔽，在执法过程中很难直接界定“数据池”共享行为的违法性。传统的效率获得分析似乎已经无法驾驭“数据池”的复杂情况，需要对具体案例进行具体分析。[2]96而“数据池”法律地位的不明确也将对数据共享造成阻碍，从而影响技术的进步和行业的发展。2020年12月举行的中央经济工作会议确定，要完善平台企业垄断认定、数据收集使用管理、消费者权益保护等方面的法律规范。因此，亟待出台数字领域的相关指南来辅助对“数据池”共享行为的反垄断法分析。在对一般垄断协议的分析框架的基础上，本文将对分析“数据池”共享行为是否构成了反垄断法所禁止的垄断协议时需特别注意的考量原则和因素进行非穷尽式建议。当然，下列内容对于评估其他类型的反竞争行为也具有一定的参考价值。

（一）“数据池”成员间竞争关系

横向协议对竞争的损害远比纵向协议来得更加直接和严重，所以当事人之间竞争关系的判断对于分析“数据池”共享行为的反竞争效果十分重要。横向协议存在于同一相关市场上的竞争者或潜在竞争者之间，他们之间一般具有共同从事反竞争行为而获益的动机。纵向协议则存在于处在生产或销售不同环节的经营者之间，各方当事人通常具有一定的互补性，对一方进行限制造成的损害很可能会成为行为人阻止该限制的动机进而减少竞争损害。因此，对于本就具有一定正当性的“数据池”而言，在评估其是否具有排除、限制竞争的目的或效果从而需要适用反垄断法来进行调整时，应当首先确定组建“数据池”各方之间是否存在竞争关系。

但是，在数字经济这一动态的市场环境中，掌握数据的经营者常常涉猎多个领域，不再像传统市场上的经营者一样只局限于单一的市场或行业，经营者之间的关系变得更为复杂，不再是简单的竞争者或是非竞争者。因此，在认定各方当事人之间关系的时候，应当充分考虑相关行业与市场的结构和特点，从而灵活地对当事人之间的竞争关系进行分析。例如，在互联网领域的发展过程中，已经出现了一种非典型的竞争形式——动态的友敌关系。[9]在这种动态友敌关系中，经营者之间既有合作，相互依存;但又存在着竞争，相互对立。这种友敌关系不仅存在于诸如苹果IOS系统和安卓系统这样的超级平台之间，同时也存在于独立的应用程序开发者和平台之间。当这些具有动态友敌关系的数据控制者或持有者将各自控制的数据集中在一起形成“数据池”的时候，该“数据池”共享行为的竞争效果会随着成员之间在不同情境下的不同关系而有所差异。因此，评估“数据池”共享行为的竞争效果时，有必要特别注意并厘清“数据池”所涉及的行业和相关市场以及成员间是否存在竞争关系。

（二）“数据池”共享的数据种类

“数据池”所具有的竞争效果很大程度上取决于被交换共享数据信息的种类。不同种类的数据，具有的价值不尽相同。只有当所集中的数据具有一定程度的价值和意义时，“数据池”共享行为才可能会引起相应的竞争担忧。一方面，经营者们对具有战略性或竞争性数据的集中共享通常具有很强的限制竞争目的，此类“数据池”共享行为具有极大的可能会构成反垄断法所禁止的核心限制。另一方面，经营者们集中与技术、专有技术或研发相关的数据通常具有积极效果，此类“数据池”可以提升数据的相互操作性和兼容性，有益于物联网的发展，并促进创新，通常不会引起竞争隐患。以上两类“数据池”共享行为的竞争效果相对而言比较容易辨别。但是，当成员们通过“数据池”集中的是用户数据（如公司或消费者的数据信息）时，该类“数据池”对竞争的影响则难以轻易区分，需要进行进一步的分类评估。[6]150

（四）“数据池”的开放程度

“数据池”的开放程度对于衡量此类数据共享行为是否具有排除、限制竞争的目的或效果起到了关键性作用。在审查过程中，建议对“数据池”开放程度的分析从以下三个方面来具体展开。

第一，应当确定是否所有的利益相关方都享有相同的机会参与到“数据池”的组建和形成中来。具有积极效果的“数据池”，其所集中的数据应当是基于数据本身的质量或可获得程度而选取的。如果“数据池”的组建仅限于特定的当事人参与而排除相当部分的利益相关方，尤其排除的是具有竞争关系的相关方时，该“数据池”行为就极有可能构成垄断协议而受到反垄断法的规制。

第二，应当审查“数据池”制定的数据共享的使用费率和条件是否对访问和使用相关数据造成阻碍。按照惯常的做法，“数据池”成员应当有权就共享数据的费用和条件自由沟通协商并达成一致。但是，当“数据池”具有一定竞争重要性甚至具有一定市场力量后，对“数据池”中数据的使用成为了进入相关市场的准入门槛或重要条件时，“数据池”所施加的使用费率和条件就应当遵循公平、合理、无歧视的原则（简称FRAND原则）以确保“数据池”的开放性。特别是，数据的收集、存储和共享是需要一定的技术手段来支撑的，也就是说，“数据池”很有可能会与技术标准和专利池相结合。[6]152如若该“数据池”通过施加高昂使用费或不合理条件，抑或是通过控制技术标准来限制、阻止非成员对相关数据的访问和使用，则可能造成限制市场上同类产品或服务的竞争，排挤竞争对手，限制新技术、新产品的开发，或联合抵制等反竞争行为。最终，将导致市场的封锁，消费者福利的减少，损害竞争，阻碍创新，为反垄断法所禁止。在这种情况下，关于标准必要专利以及FRAND原则的探讨也为反垄断法对“数据池”共享行为进行干预提供了正当理由和支持。[5]24但需要注意的是，在审查过程中，这并不应当被理解为对所有使用者或访问者都应采取同一使用费率和条件。“数据池”成员有权根据使用目的或领域等的不同，在FRAND原则下，动态地调整使用费率和条件。

第三，应当分析“数据池”对其成员控制或使用数据的限制。在组建“数据池”时，组建者可能会禁止参与“数据池”的成员对各自贡献的相关数据在“数据池”外单独地共享给他人使用或访问，或者要求各成员将相关数据排他性地共享给“数据池”并由“数据池”统一进行管理或控制。这样的安排将导致数据共享仅限于“数据池”成员之间，对共享数据的利用和控制更加集中，形成一个相对封闭的“数据池”，为通过“数据池”进行固定价格、划分市场、抵制交易、限制新技术或新产品的研发等反竞争行为创造了空间。因此，建议在对“数据池”共享行为进行分析和评估的过程中，应当根据不同案件的具体情况，对下列四个因素进行不同程度的分析：（1）各成员是否依然可以如组建前一样自由地对各自所控制的数据进行独立、单独的共享;（2）对“数据池”中数据的访问或使用是否以提供数据为义务或前提;（3）“数据池”是否向其成员施以排他性的回授义务，即要求成员不断地将各自更新或推测的、对现有“数据池”的运行或使用非必要的数据独占性地回填给该“数据池”;（4）“数据池”是否为成员建立了合理的退出机制，允许成员在正当情况下携带他所提供的数据退出“数据池”。

有学者曾建议，可以将数据共享与基于FRAND原则的专利交换进行对比[5]4，那么欧盟有关技术/专利池的相关规定或指南对于“数据池”共享行为的竞争效果评估和规制可以提供重要的指引并发挥积极作用。（8）但笔者认为，数据共享和专利交换虽然有相似的地方，但是存在本质的不同。专利赋予了专利权人对其发明创造一定程度的排他性权利，是明确的财产权利并受到法律的保护。所以，专利池具有明确且清晰的界限范围。而数据的权属问题无论在学术界还是实务界，都存在巨大的争议，没有达成共识，对其是否采取保护以及采取怎样的保护还在摸索阶段。再者，数据本身的非排他性和非竞争性也与专利形成了鲜明的对比。因此，在评估和分析过程中不能完全照搬有关专利池的指南和解释，要结合数据和数据共享自身的特点和模式，制定相应的规范和分析体系，根据相关行业和具体案件的自身情况动态评估。

（五）“数据池”的消费者损害

维护消费者利益是《反垄断法》所追寻的立法目的之一，对竞争利益的损害最终也将转嫁到消费者的身上。消费者损害理论能够与任何形式的负面效果产生联系;在实践中，我们通常将效果分析聚焦于可识别的消费者损害，尤其是可能产生的短期的、以价格为基础的效果。[2]41但与传统的效果或损害分析侧重点不同，在数字经济背景下，我们应当更加关注相关行为对于质量以及创新所造成的损害效果。[2]41尤其在互联网行业，经营者提供给消费者的服务或产品很多都是免费的，以此来换取流量和数据。此时，经营者将数据集中在“数据池”的一系列行为所产生的反竞争效果就很可能表现为非价格的形式，典型的就是服务或产品质量的降级或创新的减弱。

“所提供的产品或服务质量的减损或降级（此时价格并没有变化）对消费者福利造成的损害如同价格提升所带来的损害一样（此时质量并没有变化）。”[17]5尤其在數字经济中，基于对日常使用产品或服务的信任，这种质量的下降所造成的消费者损害甚至可能会更大。[18]这里的质量是一个多维度的概念，在传统的竞争效果分析中质量包括了产品或服务的持久性、可靠性、安全性、性能等方面[17]6;在数字服务中，对质量的考量更应该囊括隐私保护、数据保护等新的层面。

因此，在对“数据池”共享行为的竞争效果和损害进行分析、认定的时候，不应仅局限于与价格有关的考量，还应当充分考虑“数据池”共享行为对非价格因素影响导致的消费者损害。虽然在理论上质量因素的重要性得到了认可和重视，但基于质量因素本身具有不稳定性和主观性的特点，在传统竞争分析的实践中对质量因素进行系统的考量还存在着很大的困难和挑战。[17]5-6这也是未来在数字经济领域进行反垄断执法的难点所在。

四、结 语

“数据池”作为数据共享的重要表现形式，对提高经济效率、鼓励创新、增进消费者福利、促进竞争产生了积极的推动作用。与此同时，“数据池”共享行为也不可避免地会产生一些消极效果，其中包括对竞争秩序和消费者福利可能造成的损害。在这种情况下，反垄断法仍然是用以纠正被扭曲的竞争、保障数据可访问性并规制数据共享的唯一适用的一般性法律。[5]24对“数据池”等数据共享行为进行反垄断法层面的适当干预能够更好地鼓励共享，保障数据市场的竞争，促进创新和社会发展。因此，相关执法机构应该采取审慎监管但不放任的态度，对相关行为进行充分的梳理与分析。

“数据池”共享行为产生的反竞争风险多来自垄断协议，且反竞争的本质较为隐蔽，因而反竞争效果是认定“数据池”共享行为违法性的重要依据。因此，应当抓紧制定数字领域反垄断指南，为“数据池”共享行为的竞争效果评估提供有效的指引，以期对“数据池”的组建、运行和发展以及相关执法提供一定的参考。在对一般垄断协议的分析框架的基础上，可以在相关指南中列明分析“数据池”共享行为的竞争效果时应当重点考虑的因素，如“数据池”成员间竞争关系、“数据池”共享的数据种类、“数据池”约定的分析工具、“数据池”的开放程度以及“数据池”的消费者损害等。基于上述考量因素，根据个案情況对“数据池”共享行为的促进竞争效果和反竞争效果进行衡量。如若“数据池”共享行为产生的积极效果满足《反垄断法》第15条的规定且不会严重限制相关市场竞争时，此类“数据池”共享行为可以得到豁免;如若该“数据池”共享行为不存在正当理由或其反竞争效果大于积极效果时，此类行为将被《反垄断法》第13条或第14条所禁止。

除了通过反垄断执法机构对“数据池”共享行为进行事中和事后的监管外，数字企业应当加强反垄断的合规意识，结合自身企业规模、业务情况和行业特点，建立健全本企业的反垄断合规管理制度，指导企业经营者以及员工的经营管理行为，增强社会责任意识和自我约束意识，提高对垄断行为的认识，及时识别竞争风险，维护市场竞争，从源头上避免具有竞争风险的“数据池”行为的达成和实施。

注释：

（1）本文所探讨的数据共享行为是指经营者之间直接的数据分享，并不包括经营者与其他主体，如政府或消费者之间的共享行为。

（2）European Commission.Guidelines on the Applicability of Article 101 of the Treaty on the Functioning of the European Union to Horizontal Cooperation Agreements，[2011]OJ C11，para.57.

（3）European Commission.Guidelines on the Applicability of Article 101 of the Treaty on the Functioning of the European Union to Horizontal Cooperation Agreements，[2011]OJ C11，para.61.

（4）数据的战略性还取决于数据的市场覆盖程度、聚合程度、数据的时效性以及数据的交换频率。

（5）Case C-7/95 P，John Deere，para.88;European Commission.Guidelines on the Applicability of Article 101 of the Treaty on the Functioning of the European Union to Horizontal Cooperation Agreements，[2011]OJ C11，para.86.

（6）See e.g.Philips （Case AT.40181）Commission Decision C （2018）4797 final; Pioneer （Case AT.40182）Commission Decision C （2018）4790 final; ASUS （Case AT.40465）Commission Decision C （2018）4773 final; Denon & Marantz （Case AT.40469）Commission Decision C （2018）4774 final.

（7）See e.g.UK Competition & Markets Authority.Case 50223 Online Sales of Posters and Frames，12 August 2016; Case 50565-2 Online Resale Price Maintenance in the Digital Piano and Digital Keyboard Section，1 August 2019.此处列举案例为英国正式脱欧前所发生的案例。

（8）European Commission.Guidelines on the Application of Article 101 of the Treaty on the Functioning of the European Union to Technology Transfer Agreements，[2014]OJ C 89/3，Section 4.4.

参考文献：

[1]Otero B G.Evaluating the EC Private Data Sharing Principles：Setting a Mantra for Artificial Intelligence Nirvana？[J].Journal of Intellectual Property，Information Technology and Electronic Commerce Law，2019，10 （1）：72.

[2]Crémer J，Montjoye Y，Schweitzer H.Competition Policy for the Digital Era （Final Report）[R].Luxembourg：Publications Office of the European Commission，2019：92.

[3]Digital，Culture，Media and Sport Committee，House of Commons.Disinformation and ‘Fake News：Final Report，Eighth Report of Session 2017-19[R].2019：paras 130 and 106.

[4]OECD.Exploring the Economics of Personal Data：A Survey of Methodologies for Measuring Monetary Value[R].Paris：OECD Publishing，OECD Digital Economy Papers No.220，2013：14.

[5]Richter H，Slowinski P R.The Data Sharing Economy：On the Emergence of New Intermediaries[J].International Review of Intellectual Property and Competition Law，2019，50：24.

[6]Lundqvist B.Competition and Data Pools[J].Journal of European Consumer and Market Law，2018，7（4）：148.

[7]Stucke M E，Grunes A P.Big Data and Competition Policy[M].First Edition.Oxford University Press，2016：para.1.17.

[8]Mattioli M.The Data-Pooling Problem[J].Berkeley Technology Law Journal，2017，32 （1）：235.

[9]Ezrachi A，Stucke M E.Virtual Competition—The Promise and Perils of The Algorithm-Driven Economy[M].Harvard University Press，2016：147-148.

[10]World Economic Forum.Personal Data：The Emergence of a New Asset Class[R/OL].2011：14[2021-01-01]https：//www.weforum.org/reports/personal-data-emergence-new-asset-class.

[11]The French Autorité de la concurrence，the German Bundeskartellamt.Competition Law and Data[R/OL].2016：7[2021-01-01]https：//www.concurrences.com/IMG/pdf/reportcompetitionlawanddatafinal.pdf？32334/8c96fc50e8b48fef952b8948986b1d3621c6f17c.

[12]Duflos G，Viros D.The Collection，Storage and Processing of Data and Its Implications for Competition Law：Something Old，Something New[J].Competition Law & Policy Debate，2016，2 （4）：23.

[13]Whish R，Bailey D.Competition Law[M].Ninth Edition.Oxford University Press，2018：553.

[14]The French Autorité de la concurrence，the German Bundeskartellamt.Algorithms and Competition[R/OL].2019：18[2021-01-01]https：//www.concurrences.com/IMG/pdf/algorithms_and_competition_working-paper.pdf_jsessionid=4a6cce801ff35

c3f7b87b158e57966f0.2_cid387.pdf？53938/0c49f496c4bf769a6c44109e9f1f494ebe9714e1.

[15]Ezrachi A，Stucke M E.Artificial Intelligence & Collusion：When Computers Inhibit Competition[J].University of Illinois Law Review，2017，2017：1784.

[16]UK Competition & Markets Authority.Pricing Algorithms—Economic Working Paper on the Use of Algorithms to Facilitate Collusion and Personalised Pricing[R/OL].2018：27[2021-01-01]https：//assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/746353/Algorithms_econ_report.pdf.

[17]OECD.The Role and Measurement of Quality in Competition Analysis[R/OL].2013：5[2021-01-01]http：//www.oecd.org/competition/Quality-in-competition-analysis-2013.pdf.

[18]Carugati C.The 2017 Facebook Saga：A Competition，Consumer and Data Protection Story[J].European Competition and Regulatory Law Review，2018，2 （1）：7.

（責任编辑 吴 楠）