数据要素的价值释放及反垄断治理

张蕴萍,翟妙如

(中共山东省委党校/山东行政学院,山东 济南 250014)

在传统经济社会条件下,数据通常作为科学实验或观测结果的数字记录,隶属于技术范畴。随着信息技术的发展,电子计算机取代了算盘、算筹等计算工具,数据运算速率得到几何级提升①李直,吴越:《数据要素市场培育与数字经济发展:基于政治经济学的视角》,《学术研究》,2021年第7期。。近年来,云计算、人工智能、5G 等数字技术的应用场景越来越广泛,大数据令社会生产方式和居民生活方式都发生了巨大变革。党的十九届四中全会首次将数据纳入生产要素,与劳动、资本、土地等并列。中国是数据要素市场大国,数据资源丰富,中国的数字行业正在迅速发展。作为最具时代特征的新型生产要素,数据要素不仅能够与其他传统生产要素深度融合实现价值倍增,而且能够替代部分传统生产要素,在降低资源投入的同时提升价值创造力。通过与算法算力相结合,数据要素提高了传统生产要素的资源配置效率,重组了社会生产与再生产的各个过程②谢富胜,吴越,王生升:《平台经济全球化的政治经济学分析》,《中国社会科学》,2019年第12期。。让数据要素参与社会治理和政府治理体系建设,不仅有利于提高公共服务的精准度,而且有助于推动政务服务的智能化。党和国家高度重视数据要素的核心引擎作用,2022年1月,我国首部数字经济领域国家级专项规划《“十四五”数字经济发展规划》正式发布。该规划明确提出,要加快构建数据要素市场规则,培育市场主体、完善治理体系,促进数据要素市场流通。当前,随着数据价值的凸显,数据要素市场暴露出诸多问题,其中数据垄断趋势较为严峻,亟待建立科学规范的数据治理体系。目前,我国在数据反垄断治理领域面临垄断行为界定标准不清、数据产权制度缺失、反垄断治理的利与弊难以平衡等问题。由于受到各种制约因素的限制,数据资源难以实现真正的公平流通和开放共享,数据要素价值创造的优势没有得到充分发挥,在应用过程中存在不同程度的资源浪费,造成价值流失。

一、数据要素及其价值释放

第四次工业革命催生了数字经济的蓬勃发展,数据作为新经济形态下的核心资源,已经引起了国家战略的高度关注。将数据作为生产要素是时代演进的必然和重大理论创新,无论是基于生产要素的特征还是生产力的内部矛盾,数据都符合成为生产要素的条件。

(一)数据的生产要素属性

大数据技术催生了一系列新的经济形态,正在推动从生产要素到生产力、从生产力到生产关系的全面系统性变革。在当今复杂经济生态下,数据已成为最具时代特征的生产要素资源,具有重大研究与实践价值。

1.数据的科学内涵。根据国际标准化组织(ISO)的定义,数据是“对事实、概念或指令的一种特殊表达方式”。有学者认为数据是事实或观察的结果,是对客观事物的逻辑归纳①王璟璇,窦悦,黄倩倩,童楠楠:《全国一体化大数据中心引领下超大规模数据要素市场的体系架构与推进路径》,《电子政务》,2021年第6期。。有学者把数据定义为对事实和概念等表达的一种特殊方式,是事实和信息的载体②冯科:《数字经济时代数据生产要素化的经济分析》,《北京工商大学学报》(社会科学版),2022年第1期。。事实上真正作为数据要素的应当是“数据信息”,“数据信息”可以视作任何以电子介质方式记录的信息集合③郑佳宁:《数字财产权论纲》,《东方法学》,2022年第2期。。国外有学者将数据定义为信息中不属于“创意”和“知识”的部分④JONES C I,TONETTI C,Nonrivalry and the Economics of Data.American Economic Review,2020(9).。虽然国内外学者对数据的定义侧重点有所不同,但在现代社会生产活动中,数据正逐渐成为推动经济高质量发展的关键生产资源,已经具备了生产要素的属性。

2.数据符合成为生产要素的条件。生产要素是指用于生产经营活动的经济资源。一方面,从生产要素的特征来看,数据能够与其他传统生产要素结合,减少传统生产要素投入,有效降低生产成本,激发社会价值创造的乘数效应。如果把数据看作数字化的知识和信息,那么信息可以看作是自然要素,知识则可以看作劳动要素,因此,数据本身具有生产要素的基本特征;另一方面,从生产力的内部矛盾来看,数字技术的发展带来了经济形态的重大变革,人类日益增长的需求与落后生产力之间的矛盾必将倒逼关键生产要素的演化。从农业经济时代的土地,到工业化后期的企业家才能,关键生产要素向着通用性逐渐增强,竞争性不断降低的方向演变⑤戚聿东,刘欢欢:《数字经济下数据的生产要素属性及其市场化配置机制研究》,《经济纵横》,2020年第11期。。

3.数据成为关键生产要素是时代演进的必然。数据作为信息的高效载体,与传统生产要素相比,具有衍生性、共享性、非消耗性等特征。数据成为现代生产要素符合生产力发展规律,本质上是时代演进的必然⑥宋冬林,孙尚斌,范欣:《数据成为现代生产要素的政治经济学分析》,《经济学家》,2021年第7期。。一方面,得益于科学技术的进步与算法算力的显著提升,数据资源的可得性显著增强,不仅价格更趋低廉,边际成本几乎可以忽略不计,而且复制与传播十分便捷,可以由多方同时使用,效能与质量几乎不会发生损耗,具备投入大规模生产的可行性;另一方面,数字技术与实体经济的融合能够有效提高供需匹配效率,实现生产者与消费者的合作共赢。生产者可以利用数据高效互联、精细化分工的独特优势实现对消费者需求动态的精准研判,消费者可以通过个性定制等方式参与价值链的生产环节形成双向互动的生产模式。

(二)数据要素在经济社会发展中的重要价值

数据要素市场是国内统一大市场的重要组成部分,作为关键生产要素,数据在个人消费、社会生产等经济活动以及社会治理、技术创新等领域正在带来深刻影响。充分利用数据竞争优势,激发数据要素潜能,深入挖掘并释放数据要素的潜在价值,对提升国家整体发展水平具有重大战略意义。

1.适应个性化消费需求。随着数字科技的迅猛发展,社会物质产品更加丰富,消费者对商品的需求愈来愈趋向于个性化。激活数据要素潜能,推进数字产业化与产业数字化,有利于实现消费者与生产者的互联互动,更好地适应消费者的个性化需求。生产者利用数字技术能够突破传统市场约束,实现生产场景与应用场景的连接,向数据驱动的生产管理模式转变。厂商依据数据分析结果可以准确识别市场需求的动态变化,以需求为导向做出更加科学精准的生产决策,为消费者提供更加专业的产品与服务。消费者可以参与商品的研发设计等生产过程,有利于满足自身偏好,在与生产者更加平等高效的合作中实现双向共赢。

2.全面提高生产效益。数据具有天然的流动性优势,数据要素与其他传统生产要素一起参与生产过程,能够推动信息在短时间内广泛传播,降低价值创造过程中的信息摩擦,改善生产流通效率,加速经济循环。数据要素通过信息挖掘、协同创新与传统生产要素相结合,有利于促进企业向知识密集型发展模式转型,优化资源投入方式和生产决策方式。由于数据具有非竞争性,当同一数据资源被多方同时使用时,其质量几乎不会发生损耗,边际成本趋近于零,规模效应显著,在降低生产成本的同时驱动产业升级,从而实现生产质量与效益的全面跃升。

3.提升社会治理现代化水平。在以数据为关键要素的数字经济中,获取技术、信息、知识等学习资源更加便利,为社会治理实践提供了更加有力的智力支持。将大数据技术与宏观调控相结合,有利于政府部门以更加全面准确的信息作为决策依据,优化社会治理结构,提高社会治理的精准度与有效性,形成标准化的政务服务体系①江小涓:《加强顶层设计 解决突出问题 协调推进数字政府建设与行政体制改革》,《中国行政管理》,2021年第12期。。数据的开放与流动有助于打破部门间的信息壁垒,促进各部门互联互通,方便政府部门及时掌握社会运行态势,更好发挥市场与公共部门的协同监管作用,带动经济效益、社会效益的双提升。以大数据推动国家治理,建设数字政府,有助于激励政府自我改革,提升社会治理的现代化水平。

4.推动信息通信技术进步。随着数字化转型进程的不断加快,各种新业态新模式持续涌现,深入挖掘并释放数据的价值潜力有助于引导各类创新要素向企业集聚,进而推动信息通信技术的协同进步。一方面,数据在企业间流通共享,能够辅助企业对创新成果的收益进行预测分析,激励企业进行协同创新;另一方面,根据摩尔定律可知,从长期来看,在其他条件不变的情况下,企业处理数据信息的效能不断提升。在数据要素驱动下,企业可以更好地把握市场动态,制定更加科学合理的生产经营策略,进一步提高利润空间,反过来又会推动信息通信技术进步。

(三)数据要素价值释放机制与实现路径

数据作为“新时代的石油”,已经和其他要素一起融入价值创造过程,激发数据要素价值潜能是推进高质量发展的迫切要求,数据要素的价值释放已经成为重要的经济社会发展命题。要促进数据资源的有效利用,必须明确数据要素价值释放的独特运行机制,遵循价值形成规律,设计科学有效的实现路径。

1.数据要素的价值释放机制。作为最具新时代特征的生产要素,数据价值的开发要经过采集加工、分析处理、市场流通等环节。在价值链生产过程中,可以将数据分为原始数据、数据资产和数据资本三种形态。

原始数据一般是指未经技术加工过的数据信息,呈现零散的原料状态,没有任何资本或劳动的投入,往往不能直接利用,仅具有潜在的经济价值。按照数据主体的不同,原始数据可以分为个人数据和非个人数据,因为个人数据中包含部分敏感信息,为了保护消费者的合法权益不受侵犯,企业需要设置有效的隐私保护。原始数据经过一系列深度加工和技术解析,有效转化为数据资源进而转化为数据资本,深度嵌入生产链、供应链、价值链的各个环节,参与社会财富的现实创造。

数据资产是指由数据资源转化而来的数据产品或服务,可归属为物质资产,同时也包含着大量资本、劳动等传统生产要素的投入,其主体既可以是企业,也可以是政府部门或其他组织。数据资产具有实际价值,能够在数据要素市场上直接交易,需要有效的财产权保护。数据资产的价值高低不仅受到要素投入情况与开发利用程度等因素的影响,还与经济主体的需求有关,对于不同的企业,同一份数据的价值也可能各不相同。经过数据资产的交易流通,数据要素的潜在价值能够得到有效释放。

在共享流通的过程中,数据价值得以不断挖掘和放大,完成在不同行业和部门间的社会化配置,成为一种通用的生产要素。在市场规律的作用下,数据流向最能激发自身价值的领域,将乘数效应发挥到最大,形成数据资本②何伟:《激发数据要素价值的机制、问题和对策》,《信息通信技术与政策》,2020年第6期。。企业通过商业战略决策,实现数据资本价值的深度开发。数据的价值创造由于受到规模收益递减规律的影响,在达到一定限度后可能不增反降,但数据驱动创新具有规模收益递增效应与外溢性特征,能够打破这种束缚。因此,实现数据要素价值充分释放的关键,不仅在于数据的开放与流通,更在于数据驱动的创新。

2.数据要素价值释放的实现路径。按照数据主体的不同,可以将其细分为个人数据、商业数据和公共数据三大类。实现数据要素价值的最大化释放,需要破除各种市场与体制机制障碍,构建良好的市场与政策环境。

第一,针对不同的数据类型,可以分别设置促进开放的激励机制,设计相应经济政策,实施科学精准治理。对于个人数据,应当重视对隐私权的保护,加强对数据采集利用的全过程监督,培育具有匿名化处理原始数据功能的数据中介机构,完善个人信息保护相关法律法规。对于商业数据,应当重视数据资产的财产权保护,确保各经济主体享有平等的获取数据资源的机会。对于政府以及事业单位等拥有的公共数据,要积极推进数据在各部门内部的互联互通以及面向社会的开放共享。第二,根据不同类型数据的特点,可以灵活设置数据开放方式,基于市场价格的交易机制并不是唯一路径。个人数据可以通过设立中介机构,在得到授权的情况下实现批量交易。商业数据既可以基于市场价格机制进行交易,也可以作为一种“俱乐部产品”基于私人协议与合作企业共享①唐要家,唐春晖:《数据价值释放的理论逻辑、实现路径与治理体系》,《长白学刊》,2022年第1期。。公共数据可以收取一定服务成本,也可以免费向社会开放。无论何种路径,数据的开放都应当建立在无歧视的原则下,不能扰乱市场竞争秩序。第三,实现数据要素价值的最大化释放,关键在于数据驱动创新。要激发数据驱动的创新潜能,必须鼓励发扬企业家精神,培育良好的数据要素市场生态体系,营造更有利于创新创业的政策环境,以多领域数字化转型为数据驱动创新提供充足的人才、技术与市场支持。

二、数据要素价值释放过程中产生的垄断问题

进入数字时代,伴随着人工智能、云计算、5G 等信息技术的深度应用,平台企业在利用数据资源进行精准化、个性化服务过程中累积了海量数据。通过信息汇集、存储、分析、挖掘,这些数据实现从信息到知识再到竞争力的价值释放,从而转化为支撑社会财富创造的关键性资源。然而,在数据要素价值加速释放的同时逐渐产生了数据垄断问题,甚至有些大型平台企业形成了“数据霸权”地位。

(一)数据垄断是数据要素价值释放过程中产生的主要问题

作为生产要素,数据在价值释放过程中产生的垄断问题是当下大型平台企业垄断地位形成的重要原因。数据垄断是垄断在数据产品市场中的表现形式,是指平台经营者借助数据相对优势,增强对数据资源的控制力,进而排除或限制市场竞争的现象。数据具有边际成本递减以及边际效用递增的基本属性,驱动着平台企业凭借着网络效应、规模效应、锁定效应、技术溢出效应加速数据聚集,从而获取市场支配地位甚至是垄断地位。尽管单个数据的价值极其有限,很难直接在生产经营活动中产生效益,然而经过聚合、流通和共享,数据要素的价值便能得到充分释放。在数据要素价值释放的每个环节尤其是汇集、流通过程中,都可能存在形式各异的竞争壁垒,由此引发数据垄断。一是在数据汇集过程中,各平台企业收集数据的渠道、速度不同,造成了数据规模和质量的较大差异;对数据安全、用户隐私和数据产权的保护,在一定程度上限制了数据的收集效能;为了增强相对竞争优势,大型平台企业多采取设立排他性合约等策略,在损害平台创新力的同时为数据获取设置了种种限制条件。二是在数据流通和共享过程中,数据分析技术和工具会对处理结果造成显著影响,拥有算法优势的平台企业能够获取更高质量的数据,占据更大的竞争优势,并且算法的所有权保护会进一步加深企业间竞争力的差距;数据参数以及组织方式等存在差异,不同企业或数据搜集者各自建立的数据库难以具备普遍适配性②方燕:《数据价值链、数据多用途性与反垄断初探》,《产业组织评论》,2021年第1期。,如果与其他企业共享,需要附加相应注解,兼容难度和交易成本相对增加,无形中筑起引致数据垄断的技术壁垒,各企业间的数据难以互通。

不同环节的壁垒现象产生的负面效应有可能叠加积累,数据垄断势力越发凸显。由于重要数据的控制权集中在少数垄断企业或其他市场主体手中,数据要素市场的竞争秩序遭到破坏,数据收益被部分市场主体独占,严重阻碍数据的普惠共享和公平流通,数据价值创造的潜能得不到充分挖掘,数据经济价值和数据社会价值得不到有效释放。一是容易造成数据资源的浪费。垄断企业为了减少竞争威胁,或者设置壁垒提高其他经营者进入相关市场的难度,或者基于利益最大化有差别地向潜在竞争企业开放数据,或者将数据共享限制在本企业及利益相关者内部,这些行为在一定程度上限制了数据价值倍增效应的发挥,造成数据资源的价值损失。从短期来看,数据垄断企业做出了符合自身利益的战略抉择。但从长期来看,市场共同体所遭受的不利影响必将反噬垄断企业自身。二是容易造成消费者福利受损。当数据垄断出现时,少数企业为了追求超额利润、掌握数据要素市场主导权,有可能实施隐蔽的不当定价或强制“二选一”等行为,在公平竞争秩序遭到破坏的同时,消费者议价能力随之下降,选择自由受到限制。信息安全监管体系、技术水平与现实需求存在较大差距,消费者面临个人隐私数据泄露风险。三是容易造成数据创新受阻。数据垄断比传统垄断行为对市场的破坏力更大,垄断企业利用大数据技术深度洞悉新生市场力量的信息,利用压倒性优势挤压新入企业的创新空间以维持或降低市场竞争度。在市场竞争度较低的情况下,垄断企业创新动力不足,其他企业缺乏足够的创新资源支撑,整个行业的创新都会受阻。四是当数据垄断形势严峻到一定程度,不但会导致经济问题,还会产生严重的社会影响。

(二)数据垄断形成的原因

数据作为平台企业重要的核心资源,虽然本身具有非竞争性,但质量和价值却有优劣之分,优质数据势必会成为各市场主体竞相争夺的对象。占据竞争优势的平台企业可以利用市场势力对数据资源形成事实上的控制,限制竞争对手对数据的获取和使用,阻碍数据资源的公平流通,从而垄断数据要素市场,降低数据要素的价值释放效率。

1.数据的正反馈循环加剧了市场势力差距。在价值释放过程中,数据聚合能够带来价值量的显著提高,引致数字经济平台企业表现出范围经济与规模经济等典型特征。越是具备数据优势的企业,其市场势力越强,更容易获取并控制数据;反过来,对数据资源的掌控力加强,又能进一步强化企业的相对市场优势,实现正反馈循环机制。由于数据要素市场的马太效应十分显著,新入企业的市场势力较弱且数据积累不足,与在位企业的竞争实力本就悬殊,在此基础上,除了需要考虑经营问题,还需要解决数据价值开发等技术问题,市场竞争难度加剧。但在位企业不仅能够借助算法优势实施更加隐蔽的差别定价、合谋博弈等不正当竞争行为,而且可以借助数据优势将市场势力扩张至价值链的上下游,在经营活动中进行自我优待,从而进一步增大与市场竞争者之间的势力差距并强化其垄断地位。

2.数据用户黏性不断强化。对于用户而言,尽管可以同时选择多家数据平台,但受限于技术兼容等问题,切换平台往往面临数据移植等困难,并且基于锁定效应,用户进入新平台需要学习新的系统操作,也会增加进入障碍。对于第三方商家而言,在平台上长期积累的声誉不能转移,平台切换成本较高,因此,多数情况下,用户不会轻易转换主要服务供应商。另外,基于网络效应,原始用户越多的平台越能够受到新用户的青睐,占据主导地位的平台获取新用户则更加容易,数据资源的积累就越多,数据价值释放程度就越高,更有利于数据的获取,数据的锁定效应得到叠加,从而形成马太效应,又会进一步加深优势企业与竞争者之间的数据鸿沟。由于用户做出选择后往往不会轻易变更,多归属性自然减弱,并且随着时间的推移,用户对平台的依赖性也越来越强,用户黏性不断得到强化。

3.直接交易的机会成本过高。得益于数据能够在关联市场之间进行传导的特性,企业不仅可以利用数据优势加强对上下游市场的掌控,还可以利用数据流动性扩大市场经营范围实现跨界生产以拓展利润空间。即使企业在纵向市场上的直接经营利润有限,也能够通过提升在上下游市场的竞争实力获取更大的好处,这种方式带来的收益会远远超过数据产品的直接交易①曾彩霞,朱雪忠:《数字经济背景下构建数据强制许可制度的合理性、基本原则和监管思路:基于数据作为关键设施视角》,《电子政务》,2022年第2期。。当前,我国的数据交易市场还不成熟,数据确权制度还在探索阶段,监管体系尚不健全,配套制度有待完善,数据价值缺乏公允可靠的评估方法,数据产品的直接交易没有完备的价格机制,信息不对称问题较为突出,商业机密泄露的风险较为严重。

三、数据反垄断的治理困境

作为一种新型生产要素,数据已然成为推动国民经济高质量发展的重要驱动力,然而,在数据要素价值释放过程中,不同企业在数据资源的储备、应用上的差异愈加明显,数据垄断态势逐渐形成。数据垄断具有显著的数字时代特征,传统反垄断的规制模式、规制手段在数据要素市场中已经难以奏效。在数据反垄断的治理过程中,数据垄断行为界定标准不清、数据产权制度缺失以及数据反垄断治理的利弊难以平衡等矛盾尤为突出。

(一)数据垄断行为界定标准不清

一般而言,数据垄断行为包括经营者共谋、滥用市场支配地位以及算法共谋等类型。在传统反垄断规制制度体系下,认定独立数据相关市场的难度较高,因为对于某种特定数据,往往存在许多其他质量相似的数据可以作为替代品。判定是否产生垄断高价的标准也不再适用,因为数据产品的定价机制尚不完善,在数字经济下,大多数平台企业提供商业服务并不收取货币费用,而是以消费者的个人数据或关注度等非货币形式作为替代对价。是否存在数据集中也不能作为判断数据垄断的依据,因为实践证明二者之间并不存在必然的相关性。对于合法的数据收集行为以及出于维护公共利益、保护数据安全或用户隐私等正当目的而采取的数据限制行为,都不应认定为垄断。

(二)数据产权制度缺失

数据是平台企业盈利的核心资产,数据产权制度是数据反垄断治理的核心制度依据之一。要解决数据垄断问题,产权界定至关重要。然而,尽管社会各界对数据确权高度关注,但数据主体之间的权属关系错综复杂,在数据产权划分、数据开放、数据流通、数据交易等方面仍旧缺乏系统的法律制度规范。数据产权制度缺失导致数据使用缺乏行为准则,数据反垄断治理没有明确的法律基础可依循。在具体实践中,各市场主体间由于权利与义务边界不明,各方利益关系难以平衡,各种数据侵犯与滥用行为层出不穷,数据权利主体的合法利益无法得到充分保障,开放数据接口不仅不能为企业带来超额利润,还会增加商业机密泄露风险。因此,优势企业为了降低市场风险、提高经营收益,倾向于限制数据共享并通过“圈数”等行为设置竞争壁垒①童楠楠,窦悦,刘钊因:《中国特色数据要素产权制度体系构建研究》,《电子政务》,2022年第2期。。由此,平台经济的市场竞争秩序受到扰乱,数据要素市场生态体系将遭到破坏,数据资源的配置效率必然下降。

(三)数据反垄断治理利弊难以平衡

数据垄断使得数据要素市场进入企业获取和使用数据的成本增加,在一定程度上导致竞争难度提高、创新力受损,不利于数据要素价值的有效释放,而且占据优势地位的企业容易利用自身支配地位操纵市场,造成社会福利不必要的损失。但如果全面破除垄断,并不利于优势企业的数据资产权益保护,特别是如果强制性要求数据共享,也将违背市场经济的交易自由原则,不仅将导致各社会主体间利益分配不均,而且会引致开发数据资源的正反馈效应降低,企业投入研发动力不足,数据资源生产和改进的效率也会因此降低,阻滞数据驱动的创新②胡继晔:《数据生产要素的反垄断困境及破解对策》,《人民论坛》,2021年第19期。。数据价值的充分释放离不开数据的互联互通,需要对妨碍数据流通共享的垄断行为进行规制。在数据信息的收集、处理、使用等每个环节都可能存在安全隐患,贸然开放不仅会增加商业机密数据泄露的风险,还可能会对社会公共利益造成严重威胁。数据要素市场具有不同于传统市场的特点,数据反垄断不仅应关注数据霸权的遏制,也要尽量避免破除垄断可能带来的负面效应,在现实执法实践中,数据反垄断治理利弊难以平衡,治理难度进一步增大。

四、数据反垄断治理的政策建议

数据驱动在经济社会的发展中占有重要战略地位,数据要素市场的建设越来越受到各国政府的重视。在垄断情况下,数据资源的自由流通遇到障碍,数据要素价值释放受阻。为了促进数据要素市场领域的有序竞争,亟待建立有效的数据反垄断治理体系,引导数字经济的良性发展。

(一)规范数据垄断行为的界定标准

当前,我国对于数据要素市场中的垄断行为缺乏明确的界定标准,现有的法规内容比较笼统,难以给执法实践提供可操作化的制度支撑。在法规修订方面,可以对滥用市场支配地位的行为作出细化分类,以列举的方式对降低服务质量、有差别地开放数据等行为作出具体规定,提高界定标准的科学性。在条款制定方面,可以根据数据要素市场竞争的特殊性与复杂性建立案例参考制度,作为企业自律以及执法部门处理案件的指导规则。在举证模式方面,可以酌情将举证责任归于拥有数据优势的被调查企业,要求企业自证其行为不具备垄断性,解决当下垄断诉讼案件举证难的局面。在公共利益领域,应当对数据经营者、使用者形成约束,建立数据领域公共利益诉讼制度,对侵害公共利益的垄断行为依法追责,确保实现有效维权。

(二)建立数据产权制度

数据产权是一系列数据权利的集合,具有可分割性,能够在多个利益主体间分享、转移或交换。数据的权属关系较为复杂,低成本复制传播的特点使得非法采集数据的行为屡禁不止,在缺乏权益保护机制的情况下,容易造成数据滥用、侵犯消费者隐私权、威胁商业机密安全等严重后果,数据的交易价值难以完全释放。为解决数据要素市场的垄断问题,必须重点关注数据的使用、流通以及收益权利归属,完善相关法律法规,建立起一套系统的数据确权制度以解决数据权属问题。可以利用区块链等数字技术建立完善数据登记、公证体系,提高数据交易的透明度。鼓励企业供给高质量数据资源,保障个人用户的隐私权、人格权与收益权,合理兼顾各经济主体的法律权益,促进数据的公平开放与流通。

(三)构建数据安全治理体系

数据要素的价值释放关键在于数据的流动,推进数据共享,破除数据垄断势在必行,但数据的开放流通必须建立在保障数据安全的基础上。加强数据安全保护工作,着力构建数据安全治理体系,一是要完善数据安全顶层设计,健全相关法律法规。提升数据安全治理水平,落实坚持发展与安全并重的原则,探索建立规范化的数据安全治理模式,完善数据风险评估等关键制度。二是要持续加大对违法违规行为的监督执法力度,全面落实数据安全管理的要求。利用数字技术赋能数据反垄断监管,构建多方联动的数据安全治理机制。三是要研究开发各领域数据安全保护关键技术。加强数据安全监测、防护、测试等方面的技术能力建设,降低数据安全风险,提升数据安全治理效能。

(四)完善数据反垄断监管机制

推进数据要素市场反垄断治理体系的构建,必须建立数据流通各环节的制度规范,完善数据反垄断监管机制。一是建立数据资产登记备案体系。要加强行业自律,完善数据资产登记流通机制,将数字经济的贡献纳入财政核算体系,设置科学合理的数据金融制度和配套的财政制度。二是建立数据交易信用体系。要切实加强法律约束,明确对数据违法失信行为的处理规范,限制并责令数据要素市场主体整改违规交易活动,对违法行为进行追究和惩治。三是落实科学监管原则。建立数据企业认定办法,引入数字监管机制,发挥政府与社会的协同监督作用,严厉打击数据要素市场中的不正当竞争行为。

(五)加快培育良性的数据要素市场生态体系

为打破数据流通壁垒,遏制数据垄断行为,更好释放数据价值红利,必须培育良性的数据要素市场生态体系。一是创新数据交易机制。要重视在交易效率、网络信息空间、利益分配、约束规范等方面的机制设计。利用平台交易优势拓展交易数据资源,深化数据需求场景理解,深度挖掘细分领域数据交易需求,联合供给数据要素产品与数据服务,打造更为精准的交易模式。二是促进数字技术创新。要提高对复杂数据的计算处理能力,着力突破关键数字技术的发展障碍,实现多方安全计算,满足数据自由流通的算法算力要求。三是健全数据流通制度。要重点完善数据准入、交易管理、分类标识、跨境合作等方面的标准规范,以实际应用为导向,建设畅通高效的数据要素市场生态体系。

(六)多措并举优化反垄断治理模式

治理数据垄断行为,既可以对数据价值释放的全过程进行监管,也可以对数据的生产源头、流通过程分别进行针对性治理。对数据价值释放的全过程进行监管,需要利用先进的数字技术将数据控制权从数据经营方转移到用户与监管方。维持竞争秩序、限制垄断行为的全过程监管模式可以采取以下两种方式:一种是通过统一的平台对所有数据进行集中管控,另外一种则是借助区块链等技术把数据控制权向各利益相关方分散。二是对数据的生产源头进行治理,需要在企业收集数据前就对数据进行隐私保护处理。通过提高数据的处理成本,限制数据的大规模无序收集,从而达到破除数据垄断的目的,然而这种模式有可能会降低企业搜集数据信息的准确度,造成数据价值的部分损失。同时,对数据的流通过程进行治理,设置数据交易、共享或众包等第三方中介平台,规范数据要素市场流通秩序,推动不同部门间数据的开放共享。