论文部分内容阅读
摘要：大数据是一个多维度的集合性概念，其不仅包含海量的数据，还包含专业化的数据处理技术。目前，市场竞争受大数据的影响越来越大，不仅改变了商业竞争格局，还对商业模式和竞争秩序造成冲击。当前的大数据时代是更有利于垄断的时代，但垄断不再那么明显，而是通过算法数据实现垄断。
关键词：大数据，反垄断，垄断
一、经营者大数据垄断概述
大数据包含极为丰富的数据资源，其和传统数据相比，涵盖的数据范围更广，数据更为复杂，增长速度更快，大数据可同时处理海量数据，进而将数据的价值最大限度发挥出来。
大数据具有数据容量大、数据处理速度快、数据类型多、可挖掘价值大的特点1，在当前互联网时代下，大数据在市场竞争中也有着举足轻重的意义。保持领先地位的互联网经营者，核心竞争力是因其掌握了海量数据，并具有数据集中处理的能力。任何一个互联网经营者，都必须高度重视数据的投入，这项因素对其来说是非常重要的资产，企业拥有大数据优势，即可获取市场竞争优势，但如若控制范围集中，竞争扭曲现象产生的概率极高，本文主要是对经营者涉及大数据垄断的表现进行研究。
二、大数据对市场竞争的意义
（一）产生规模经济
大数据的应用会产生规模经济，融合网络效应后形成“赢者通吃”的局面，因而准入门槛也有可能随之提高。
经营者若要提升对用户的吸引力，就应借助大数据技术，获取和分析用户数据，进而明确用户实际需求，并结合用户需求为其提供相对应的产品和服务，有效提升用户满意度。而在产品或服务使用过程中，用户又会将使用状况通过数据反馈给经营者，同时，大数据技术不断地进行优化和创新来支撑数据的处理需求。
此外，经营者会借助大数据对市场竞争进行预测，由此保障比反垄断机构更早挖掘出潜在的竞争威胁。经营者在大数据技术充分利用的基础上，可在相关市场达到一定的经济规模。规模经济的核心是规模，其也是普遍存在的，进入壁垒也并非百分百很高。所以，进入壁垒可否形成，应对规模报酬的增长状况进行考察，或者观察某企业数据资源巨大的情况下，是否会逐步减少规模收益。双边客户的相互独立及作用是平台企业的重要特征，两个平台相互影响，一个平台若增加用户量，也会对另一个平台用户产生一定的吸引力，从而产生网络效应。企业可借助此网络效应，通过累积一侧平台的大数据资源，以及完善两侧的服务，为多平台市场的开拓提供有力支持。
（二）造成市场进入壁垒
对于企业来说，入股前期投入了较高成本，且边际成本接近于零，是有造成市场进入壁垒的可能的。只要企业前期的准备逐渐成熟，只需对算法进行小成本的改进，且由于大数据的价值密度较低，只有达到一定规模才能获取其经济价值，因此上述成本结构可能会造成资金壁垒、人才壁垒以及技术壁垒等。在实践中，大数据确实提高了企业市场竞争力。
对此，反垄断管理部门必须意识到大数据在市场自由竞争秩序中影响的重要性，反垄断法应该具备应对由大数据带来挑战的灵活性。判断某一对象是否具有反垄断法的一般意义，是否符合反垄断法的主要特征，是判断该对象是否应由反垄断法进行规制的主要指标。虽然一般的数据具有非排他性，但是在当前大数据时代背景下，已经没有数据的成本低下并且能源源不断获得的这种说法了，如果可以毫无限制地获得数据资源，那么企业就不用为了保持大数据的竞争优势而提高数据收集技术或提供无偿服务，从而减少人力和财力的消耗。
当前，通过经营者集中、滥用市场支配地位等方法是经营者确保大数据资源的特有性的主要方式。本文接下来将对经营者涉大数据垄断的几种表现形式进行详述。
三、数据驱动型企业的经营者集中
在当前的数字经济领域中，大数据资源作为核心竞争力被大数据市场的经营者争先恐后地占有，他们通过并购等方式整合大数据技术和资源，无可厚非的是，此种做法必然会在一定程度上影响其他经营者。理论上来说，因数据驱使企业并购的方式主要包含两种，一种为横向集中，另一种为纵向集中。
（一）横向集中
数据驱动型企业和传统企业相比，在横向集中方面存在一定的差异，其主要是通过收购潜在的市场竞争者来达成横向集中的目标。基于大数据预测功能之上，产生了防御性收购战略，这是数字经济背景下非常重要的一种战略。经营者如若已有大数据技术和资源，即可借助此优势开展预测工作，抢在反垄断规制部门前挖掘潜在竞争威胁。经营者是以消灭潜在对手为目的进行收购，虽然刚开始应用此收购方式时不会明显对市场造成危害，但这些准备进入市场的潜在对手，还未踏入市场即被拦截，会导致市场未来的竞争者数量过少，甚至市场会呈现集中度过高的现象。此种收购方式的应用，只可使得现有经营者实现单边效应，在未来市场现有经营者的地位有所加强，且能够限制竞争，并通过提升价格等方式侵害消费者利益。
（二）纵向集中
此种纵向集中是大数据需求方收购大数据供应方。需求方和供应方两者在实践过程中，并非始终都为对立的，如若需求方无法借助有效方式获取供應方的产品，或者获取的数据资源并非是其实际所需的，则就需要收购大数据资源来满足需求，一般来说收购对象是专门收集大数据的企业或者拥有大数据的相关企业。封锁效应源自于纵向集中，其封锁的对象是企业竞争对手，主要对这些对象采取纵向集中的方式对其大数据技术和资源的获取进行限制，从而削弱竞争对象的竞争力，由此使得数据市场的竞争变得无序化。无论是大数据市场或是其他市场，现有竞争者和新进入者就算已经并购，也会由于集中多种类型的数据而形成范围经济，从而出现限制竞争的现象。如若在上下游市场，并购双方的市场地位已相对较强，此种并购极易导致其他的下游数据需求方受到数据资源获取的限制。
四、滥用大数据相关市场支配地位
所谓的市场支配地位，实际上指的是对于相关市场经营者拥有一定程度的支配地位，且传统反垄断法并未禁止此类经营者的经营地位，却对其的市场支配地位滥用、限制竞争的行为进行禁止，涉大数据市场支配地位是否具有违法性，应该看经营者有无借助大数据技术和资源提升准入门槛，有无存在市场支配地位乱用的现象，从而导致竞争秩序受到破坏。 （一）拒绝获取数据的行为
企业在数据的获取、存储及分析过程中，消耗了大量资金，或者数据的收集是通过无偿服务的情况下，所收集的数据对他们来说非常重要，极易不会分享给竞争对手，由此竞争对手难以共享数据。此时就出现了一个新的问题，大数据资源和技术可使得经营者获取竞争优势，同时还可形成规模经济，极易出现进入壁垒。如若必要设施原则可合理应用于大数据领域，大数据垄断相关问题就能够得到有效解决，但要保障原则的适用性，就应先验证大数据这个要素是不可或缺的，且无法被竞争者复制，但因原本数据就存在非对抗性，新进入者收集同一类数据可能不会被排斥。因此，大数据资源是否构成必要设施是需分情况讨论的，不可一概而论。
（二）排他条款
为使得数据驱动型企业可得到应有的经营保障，经营者可结合此类企业的状况，设计和排他条款相类似的反竞争策略。此类策略对竞争者数据访问的限制，是通过和提供者签订排他性条款的形式。例如新浪微博的《用户服务使用协议》第1.3.2条规定2，实际这是修改后的规定内容，协议未修改之前，第三方并无采取技术手段获取微博内容的权利。由此可知，对于“非法抓取”微博并无明确的解释，实际上数据抓取主要采取的是技术手段，微博对此种行为合理与否进行直接认定，以及竞争是否通过新浪微博和用户们签订排他协议进行限制的问题，目前还存在争议。
（三）借助大数据技术实行价格歧视
经营者若要了解用户数据情况，可借助大数据技术进行分析，并对使用者的使用感受和购买意愿进行评估，因此，经营者就有可能为了实现超额利润而根据收集的使用者数据对使用者进行区分，根据价格或者质量来进行区分是最常见的方式。此种方式具体表现为，经营者专门为某个产品设置特殊价格，或者结合用户群体差异对某个产品设置差异化的价格，又或者将质量不同的产品用相同价格卖给消费者。此种价格歧视不一定会导致滥用市场支配地位，对于需要低廉产品和服务的人，经营者可提供对应的产品和服务给他们，用此来实现消费者数量增加的目的。大部分企业在实践过程中，都依据已有的用户数据进行分析，结合用户的产品喜好，制定对应的产品折扣，对于消费者来说，此种有针对性的折扣，有很大的吸引力，可提升他们的消费积极性，但如若制定此种折扣策略，就极易使得消费者间产生不平等，长期以往极易使得消费者对特定商品或服务降低了解程度。
（四）数据搭售
某些有支配权的经营者，极易随意实行竞争行为，并无适当的理由情况下，将自身在某个市场的支配能力延伸至另一个市场，一般来说会将此行为视作捆绑或者搭售，具体而言，就是经营者将两个市场——具有支配地位的市场和相关市场中提供的产品或服务捆绑在一起，将其反映到大数据相关市场，企业可将自身的市场支配力利用数据搭售的方式延伸到其他市场。虽然此种搭售模式在某些情况，会使得企业和消费者获取效益，但数据搭售在市场竞争极为激烈的情况下，也可成为经营者给其他竞争对手进行限制的手段，阻碍了新公司进入市场，此种破坏市场本有的自由竞争规律的做法，会导致市场竞争被扭曲，应该由反垄断法进行规制。
五、算法合谋
前文中已阐述大数据的概念，从该界定中可知“大数据”并非是单纯的“数据”，其在包含数据的同时，还包含了大数据技术，且算法是其的核心技术所在。所以，在进行反垄断分析时，应纳入大数据技术作为分析对象，事实上，对于现在以及未来的市场竞争力来说，先进计算机的作用是举足轻重的，认可计算机技术的行业也将不断增加，复杂的定价算法会被越来越多的行业所采用，并且还有潜在的默示共谋。数据驱动的业务模型的发展不断壮大，随之而来的是，能够在数据处理的过程中“学习”的科学计算机算法被越来越多企业所青睐。此种算法并非是按照静态程序来运行，而是借助示例输入先建立模型，并通过此模型来预测的运行方式。除此之外，也在一定程度上提升了生成、访问以及处理、分析数据的效率，且某些应用程序还可实现数据的实时处理，所以，用大数据技术来做决定可更为高效。不仅考虑到高效性，同时也考虑到科学性，因而人们在今后决策时更加青睐于用高级算法。以算法为基础的垄断协议现阶段主要包含三种，具体如下：
第一种是仅将算法作为“信使”，实际上是共谋时的人们用于限制竞争的主观意志是利用算法完成的，与传统垄断协议相比，其在本质上是相同的，只是算法的作用是信息传递工具，所以无法将其视作特殊的垄断协议。
第二种是“轮辐式”共谋。计算机可利用在线交易平台实时评估和调整价格，甚至可针对特定对象在特定时间进行定价，卖方可利用平台的动态交易数据来细分市场定价。在线商品销售现阶段的支配权归于定价算法，定价算法能对价格进行优化以满足库存和预期需求，这种算法在酒店预订以及旅游、零售、体育和娱乐等行业应用广泛。提供定价算法的一方（轮毂）和行業参与者（辐条）在该情况下签订的单个纵向协议，可能不会产生反竞争效果，也不一定反映出扭曲市场价格的趋势。
第三种是默示合谋。因市场透明度有所限制，所以经营者在算法使用前，不可以连续不断地在同一时间内实施某一行为。使用价格算法提升了公司市场的透明度，这有助于计算机的并行行为在经营者默许的基础上改变市场价格，也就是形成默示共谋，企业间在此种合谋类型下，并不存在共同协议，企业的算法是自行创建和实施的，他们的违法意图并不明显，都是以谋取最大经济利益进行算法的开发和实施。竞争对手间是在无明确协商的情况下，利用算法达成共识，主要是借助计算机来对比自身和竞争对手的价格差，并进行快速调整。同时，所有竞争对手都充分利用计算机技术，基于价格上涨鼓励的个人原因反对来自其他人的竞争行为。计算机技术的实时调节优势，使得经营者减弱对降价的依赖性，不再一味的通过降价来赢得消费者购买，用以提升竞争力，实现获利目的。
参考文献
[1]马建光，姜巍.大数据的概念、特征及其应用[J].国防科技，2013年第34期：10-17
[2]陈兵.大数据的竞争法属性及规制意义[J].法学，2018年第8期：107-123.
[3]李荣，陈社璇.大数据反垄断的挑战与规制优化[J].石河子大学学报（哲学社会科学版），2019年第33期（05）：16-23.
[4]许光耀.互联网产业中双边市场情形下支配地位滥用行为的反垄断法调整—兼评奇虎诉腾讯案[J].法学评论，2018年第36期（01）：108-119.
[5]钟原.大数据时代垄断协议规制的法律困境及其类型化解决思路[J].天府新论，2018年第2期：66-75.
[6]雷琼芳.论大数据垄断的法律规制[J].湖北经济学院学报（人文社会科学版），2019年第16期（01）：86-88.
[7]张里安，韩旭至.大数据时代下个人信息权的私法属性.法学论坛，2016年第31期：119-129
注释：
[1]张枝令.结构化数据及非结构化数据的分类方法[J].宁德师专学报（自然科学版），2007（04）：417-420.
[2]未经微博运营方事先书面许可，用户不得自行或授权、协助任何第三方非法抓取微博内容，“非法抓取”是指采用程序或者非正常浏览等技术手段获取内容数据的行为。
（山东财经大学法学院 250014）
关键词：大数据，反垄断，垄断
一、经营者大数据垄断概述
大数据包含极为丰富的数据资源，其和传统数据相比，涵盖的数据范围更广，数据更为复杂，增长速度更快，大数据可同时处理海量数据，进而将数据的价值最大限度发挥出来。
大数据具有数据容量大、数据处理速度快、数据类型多、可挖掘价值大的特点1，在当前互联网时代下，大数据在市场竞争中也有着举足轻重的意义。保持领先地位的互联网经营者，核心竞争力是因其掌握了海量数据，并具有数据集中处理的能力。任何一个互联网经营者，都必须高度重视数据的投入，这项因素对其来说是非常重要的资产，企业拥有大数据优势，即可获取市场竞争优势，但如若控制范围集中，竞争扭曲现象产生的概率极高，本文主要是对经营者涉及大数据垄断的表现进行研究。
二、大数据对市场竞争的意义
（一）产生规模经济
大数据的应用会产生规模经济，融合网络效应后形成“赢者通吃”的局面，因而准入门槛也有可能随之提高。
经营者若要提升对用户的吸引力，就应借助大数据技术，获取和分析用户数据，进而明确用户实际需求，并结合用户需求为其提供相对应的产品和服务，有效提升用户满意度。而在产品或服务使用过程中，用户又会将使用状况通过数据反馈给经营者，同时，大数据技术不断地进行优化和创新来支撑数据的处理需求。
此外，经营者会借助大数据对市场竞争进行预测，由此保障比反垄断机构更早挖掘出潜在的竞争威胁。经营者在大数据技术充分利用的基础上，可在相关市场达到一定的经济规模。规模经济的核心是规模，其也是普遍存在的，进入壁垒也并非百分百很高。所以，进入壁垒可否形成，应对规模报酬的增长状况进行考察，或者观察某企业数据资源巨大的情况下，是否会逐步减少规模收益。双边客户的相互独立及作用是平台企业的重要特征，两个平台相互影响，一个平台若增加用户量，也会对另一个平台用户产生一定的吸引力，从而产生网络效应。企业可借助此网络效应，通过累积一侧平台的大数据资源，以及完善两侧的服务，为多平台市场的开拓提供有力支持。
（二）造成市场进入壁垒
对于企业来说，入股前期投入了较高成本，且边际成本接近于零，是有造成市场进入壁垒的可能的。只要企业前期的准备逐渐成熟，只需对算法进行小成本的改进，且由于大数据的价值密度较低，只有达到一定规模才能获取其经济价值，因此上述成本结构可能会造成资金壁垒、人才壁垒以及技术壁垒等。在实践中，大数据确实提高了企业市场竞争力。
对此，反垄断管理部门必须意识到大数据在市场自由竞争秩序中影响的重要性，反垄断法应该具备应对由大数据带来挑战的灵活性。判断某一对象是否具有反垄断法的一般意义，是否符合反垄断法的主要特征，是判断该对象是否应由反垄断法进行规制的主要指标。虽然一般的数据具有非排他性，但是在当前大数据时代背景下，已经没有数据的成本低下并且能源源不断获得的这种说法了，如果可以毫无限制地获得数据资源，那么企业就不用为了保持大数据的竞争优势而提高数据收集技术或提供无偿服务，从而减少人力和财力的消耗。
当前，通过经营者集中、滥用市场支配地位等方法是经营者确保大数据资源的特有性的主要方式。本文接下来将对经营者涉大数据垄断的几种表现形式进行详述。
三、数据驱动型企业的经营者集中
在当前的数字经济领域中，大数据资源作为核心竞争力被大数据市场的经营者争先恐后地占有，他们通过并购等方式整合大数据技术和资源，无可厚非的是，此种做法必然会在一定程度上影响其他经营者。理论上来说，因数据驱使企业并购的方式主要包含两种，一种为横向集中，另一种为纵向集中。
（一）横向集中
数据驱动型企业和传统企业相比，在横向集中方面存在一定的差异，其主要是通过收购潜在的市场竞争者来达成横向集中的目标。基于大数据预测功能之上，产生了防御性收购战略，这是数字经济背景下非常重要的一种战略。经营者如若已有大数据技术和资源，即可借助此优势开展预测工作，抢在反垄断规制部门前挖掘潜在竞争威胁。经营者是以消灭潜在对手为目的进行收购，虽然刚开始应用此收购方式时不会明显对市场造成危害，但这些准备进入市场的潜在对手，还未踏入市场即被拦截，会导致市场未来的竞争者数量过少，甚至市场会呈现集中度过高的现象。此种收购方式的应用，只可使得现有经营者实现单边效应，在未来市场现有经营者的地位有所加强，且能够限制竞争，并通过提升价格等方式侵害消费者利益。
（二）纵向集中
此种纵向集中是大数据需求方收购大数据供应方。需求方和供应方两者在实践过程中，并非始终都为对立的，如若需求方无法借助有效方式获取供應方的产品，或者获取的数据资源并非是其实际所需的，则就需要收购大数据资源来满足需求，一般来说收购对象是专门收集大数据的企业或者拥有大数据的相关企业。封锁效应源自于纵向集中，其封锁的对象是企业竞争对手，主要对这些对象采取纵向集中的方式对其大数据技术和资源的获取进行限制，从而削弱竞争对象的竞争力，由此使得数据市场的竞争变得无序化。无论是大数据市场或是其他市场，现有竞争者和新进入者就算已经并购，也会由于集中多种类型的数据而形成范围经济，从而出现限制竞争的现象。如若在上下游市场，并购双方的市场地位已相对较强，此种并购极易导致其他的下游数据需求方受到数据资源获取的限制。
四、滥用大数据相关市场支配地位
所谓的市场支配地位，实际上指的是对于相关市场经营者拥有一定程度的支配地位，且传统反垄断法并未禁止此类经营者的经营地位，却对其的市场支配地位滥用、限制竞争的行为进行禁止，涉大数据市场支配地位是否具有违法性，应该看经营者有无借助大数据技术和资源提升准入门槛，有无存在市场支配地位乱用的现象，从而导致竞争秩序受到破坏。 （一）拒绝获取数据的行为
企业在数据的获取、存储及分析过程中，消耗了大量资金，或者数据的收集是通过无偿服务的情况下，所收集的数据对他们来说非常重要，极易不会分享给竞争对手，由此竞争对手难以共享数据。此时就出现了一个新的问题，大数据资源和技术可使得经营者获取竞争优势，同时还可形成规模经济，极易出现进入壁垒。如若必要设施原则可合理应用于大数据领域，大数据垄断相关问题就能够得到有效解决，但要保障原则的适用性，就应先验证大数据这个要素是不可或缺的，且无法被竞争者复制，但因原本数据就存在非对抗性，新进入者收集同一类数据可能不会被排斥。因此，大数据资源是否构成必要设施是需分情况讨论的，不可一概而论。
（二）排他条款
为使得数据驱动型企业可得到应有的经营保障，经营者可结合此类企业的状况，设计和排他条款相类似的反竞争策略。此类策略对竞争者数据访问的限制，是通过和提供者签订排他性条款的形式。例如新浪微博的《用户服务使用协议》第1.3.2条规定2，实际这是修改后的规定内容，协议未修改之前，第三方并无采取技术手段获取微博内容的权利。由此可知，对于“非法抓取”微博并无明确的解释，实际上数据抓取主要采取的是技术手段，微博对此种行为合理与否进行直接认定，以及竞争是否通过新浪微博和用户们签订排他协议进行限制的问题，目前还存在争议。
（三）借助大数据技术实行价格歧视
经营者若要了解用户数据情况，可借助大数据技术进行分析，并对使用者的使用感受和购买意愿进行评估，因此，经营者就有可能为了实现超额利润而根据收集的使用者数据对使用者进行区分，根据价格或者质量来进行区分是最常见的方式。此种方式具体表现为，经营者专门为某个产品设置特殊价格，或者结合用户群体差异对某个产品设置差异化的价格，又或者将质量不同的产品用相同价格卖给消费者。此种价格歧视不一定会导致滥用市场支配地位，对于需要低廉产品和服务的人，经营者可提供对应的产品和服务给他们，用此来实现消费者数量增加的目的。大部分企业在实践过程中，都依据已有的用户数据进行分析，结合用户的产品喜好，制定对应的产品折扣，对于消费者来说，此种有针对性的折扣，有很大的吸引力，可提升他们的消费积极性，但如若制定此种折扣策略，就极易使得消费者间产生不平等，长期以往极易使得消费者对特定商品或服务降低了解程度。
（四）数据搭售
某些有支配权的经营者，极易随意实行竞争行为，并无适当的理由情况下，将自身在某个市场的支配能力延伸至另一个市场，一般来说会将此行为视作捆绑或者搭售，具体而言，就是经营者将两个市场——具有支配地位的市场和相关市场中提供的产品或服务捆绑在一起，将其反映到大数据相关市场，企业可将自身的市场支配力利用数据搭售的方式延伸到其他市场。虽然此种搭售模式在某些情况，会使得企业和消费者获取效益，但数据搭售在市场竞争极为激烈的情况下，也可成为经营者给其他竞争对手进行限制的手段，阻碍了新公司进入市场，此种破坏市场本有的自由竞争规律的做法，会导致市场竞争被扭曲，应该由反垄断法进行规制。
五、算法合谋
前文中已阐述大数据的概念，从该界定中可知“大数据”并非是单纯的“数据”，其在包含数据的同时，还包含了大数据技术，且算法是其的核心技术所在。所以，在进行反垄断分析时，应纳入大数据技术作为分析对象，事实上，对于现在以及未来的市场竞争力来说，先进计算机的作用是举足轻重的，认可计算机技术的行业也将不断增加，复杂的定价算法会被越来越多的行业所采用，并且还有潜在的默示共谋。数据驱动的业务模型的发展不断壮大，随之而来的是，能够在数据处理的过程中“学习”的科学计算机算法被越来越多企业所青睐。此种算法并非是按照静态程序来运行，而是借助示例输入先建立模型，并通过此模型来预测的运行方式。除此之外，也在一定程度上提升了生成、访问以及处理、分析数据的效率，且某些应用程序还可实现数据的实时处理，所以，用大数据技术来做决定可更为高效。不仅考虑到高效性，同时也考虑到科学性，因而人们在今后决策时更加青睐于用高级算法。以算法为基础的垄断协议现阶段主要包含三种，具体如下：
第一种是仅将算法作为“信使”，实际上是共谋时的人们用于限制竞争的主观意志是利用算法完成的，与传统垄断协议相比，其在本质上是相同的，只是算法的作用是信息传递工具，所以无法将其视作特殊的垄断协议。
第二种是“轮辐式”共谋。计算机可利用在线交易平台实时评估和调整价格，甚至可针对特定对象在特定时间进行定价，卖方可利用平台的动态交易数据来细分市场定价。在线商品销售现阶段的支配权归于定价算法，定价算法能对价格进行优化以满足库存和预期需求，这种算法在酒店预订以及旅游、零售、体育和娱乐等行业应用广泛。提供定价算法的一方（轮毂）和行業参与者（辐条）在该情况下签订的单个纵向协议，可能不会产生反竞争效果，也不一定反映出扭曲市场价格的趋势。
第三种是默示合谋。因市场透明度有所限制，所以经营者在算法使用前，不可以连续不断地在同一时间内实施某一行为。使用价格算法提升了公司市场的透明度，这有助于计算机的并行行为在经营者默许的基础上改变市场价格，也就是形成默示共谋，企业间在此种合谋类型下，并不存在共同协议，企业的算法是自行创建和实施的，他们的违法意图并不明显，都是以谋取最大经济利益进行算法的开发和实施。竞争对手间是在无明确协商的情况下，利用算法达成共识，主要是借助计算机来对比自身和竞争对手的价格差，并进行快速调整。同时，所有竞争对手都充分利用计算机技术，基于价格上涨鼓励的个人原因反对来自其他人的竞争行为。计算机技术的实时调节优势，使得经营者减弱对降价的依赖性，不再一味的通过降价来赢得消费者购买，用以提升竞争力，实现获利目的。
参考文献
[1]马建光，姜巍.大数据的概念、特征及其应用[J].国防科技，2013年第34期：10-17
[2]陈兵.大数据的竞争法属性及规制意义[J].法学，2018年第8期：107-123.
[3]李荣，陈社璇.大数据反垄断的挑战与规制优化[J].石河子大学学报（哲学社会科学版），2019年第33期（05）：16-23.
[4]许光耀.互联网产业中双边市场情形下支配地位滥用行为的反垄断法调整—兼评奇虎诉腾讯案[J].法学评论，2018年第36期（01）：108-119.
[5]钟原.大数据时代垄断协议规制的法律困境及其类型化解决思路[J].天府新论，2018年第2期：66-75.
[6]雷琼芳.论大数据垄断的法律规制[J].湖北经济学院学报（人文社会科学版），2019年第16期（01）：86-88.
[7]张里安，韩旭至.大数据时代下个人信息权的私法属性.法学论坛，2016年第31期：119-129
注释：
[1]张枝令.结构化数据及非结构化数据的分类方法[J].宁德师专学报（自然科学版），2007（04）：417-420.
[2]未经微博运营方事先书面许可，用户不得自行或授权、协助任何第三方非法抓取微博内容，“非法抓取”是指采用程序或者非正常浏览等技术手段获取内容数据的行为。
（山东财经大学法学院 250014）