数据抓取和反抓取的竞争合规路径——以用户公开类数据为例.pdf

研究目的 识别用户公开类数据抓取和反抓取行为的竞争合规困境,归纳、分析导致困境的政策因素,揭示行为的经济学本质,协调竞争政策,为企业竞争情报系统的合规化管理提供明确指引。研究方法 基于用户公开类数据的非竞争性,结合文献资料研究与专家访谈,构建 Hotelling 差异化竞争模型,厘清用户公开类数据抓取和反抓取行为的福利效应,分析竞争合规路径。研究结论 以“商业道德冶为原则的反不正当竞争法存在损害消费者福利、社会总福利的风险,应与反垄断法有效衔接,以消费者福利、社会总福利为原则,划定用户公开类数据抓取和反抓取行为的合法性边界,激励企业竞争情报系统的合规化管理。关键词:用户公开类数据;数据抓取;竞争合规;商业道德;消费者福利中图分类号:F419.9摇 摇 摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 摇 文章编号:1002-1965(2023)09-0051-06引用格式:冯摇 博,刘摇 龙,房摇 林.数据抓取和反抓取的竞争合规路径J.情报杂志,2023,42(9):51-56.DOI:10.3969/j.issn.1002-1965.2023.09.009Competitive Compliance Path for Data Capture and Anti-Capture:Taking Users Exposed Data as an ExampleFeng Bo摇Liu Long摇Fang Lin(Tianjin University of Finance and Economics,Tianjin摇 300222)Abstract:Research purpose Identify the competitive compliance dilemmas of users public data capture and anti-capture behaviors,summarize and analyze the policy factors that lead to the dilemmas,reveal the economic nature of the behaviors,coordinate the competi鄄tion policies,and provide clear guidance for the compliance management of enterprise competitive intelligence system.Research meth鄄od Based on the non-competitiveness of users public data,combined with literature research and expert interviews,the Hotelling differ鄄entiated competition model is built to clarify the welfare effects of users public data capture and anti-capture behaviors,and analyze thepath of competition compliance.Research conclusion The Anti-Unfair Competition Law based on the principle of business ethicshas the risk of damaging the welfare of consumers and the general welfare of society.It should be effectively connected with the Anti-Mo鄄nopoly Law,taking the welfare of consumers and the general welfare of society as the principle,and the legal boundary of users public da鄄ta capture and anti-capture behavior should be defined,encouraging the standardized management of enterprise competitive intelligencesystem.Key words:users public data;data capture;competition compliance;business ethics;consumer welfare0摇 引摇 言十九届三中全会通过的中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决定中,将数据列入五大生产要素。2022 年初,国务院印发要素市场化配置体制综合改革试点总体方案,明确“数据流通冶是数据要素市场化配置的重点。“数据抓取技术冶是实第 42 卷摇 第 9 期2023 年 9 月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇情摇 报摇 杂摇 志JOURNAL OF INTELLIGENCE摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇Vol.42摇 No.9Sep.摇 2023现“数据流通冶的基础性技术,是企业竞争情报系统的重要组成部分。自 2017 年至 2020 年,域内数据抓取和反抓取民事纠纷的年数量从 50 余件增至 150 余件,如“今日头条诉新浪微博不正当竞争案冶“新浪微博诉今日头条不正当竞争案冶“新浪微博诉蚁坊不正当竞争案冶等。域外类似案件如 Hiq vs.LinkedIn 案。数据流通的合规化管理已成为全球性难题。当前关于数据抓取和反抓取的讨论,主要分布在隐私保护、竞争法规制和数据共享,实务界和学界一致认为应划清数据抓取和反抓取行为的合法性边界,但是目前关于数据抓取和反抓取行为的关系、竞争效应尚未明晰,竞争合规制度还有很大的完善空间。1摇 问题提出围绕数据抓取行为和反抓取行为,典型案例之一是“新浪微博诉蚁坊不正当竞争案冶,涉诉行为是蚁坊公司未经许可抓取新浪微博内容和数据并展示,争议的焦点是数据抓取行为的正当性,2021 年北京市知识产权法院判定蚁坊公司所涉行为构成不正当竞争,蚁坊公司提出再审申请后,2022 年北京市高级人民法院驳回蚁坊公司的再审申请;后续蚁坊以拒绝抓取数据涉嫌垄断起诉新浪微博,该案处于在审状态。企业的竞争情报系统在与合规体系融合时,面临两个理论难题:问题一:用户公开类数据抓取行为对福利影响的二重性数字平台中,用户承载着数据消费者和生产者的双重角色,数据抓取行为不仅影响平台的利润,也间接影响消费者福利水平。用户公开类数据抓取行为对于消费者福利、社会总福利具有二重性。用户公开类数据抓取行为一方面有助于提升消费者福利:经由数据抓取,数字平台及时、充分地发挥数据的价值,提升平台服务的质量,拓宽用户获取信息的渠道,满足用户的多样化信息服务需求,从而增进用户的福利;另一方面,用户公开类数据抓取行为可能会影响用户规模分布,降低用户的直接、间接网络外部性,进而降低消费者福利。社会总福利包括消费者福利和生产者利润,用户公开类数据抓取行为可能提高抓取方平台的利润、降低被抓取方的利润,对二者利润之和的净效应不确定,加之对消费者福利的净效应不确定,导致对社会总福利的净效应不确定。总之,用户公开类数据抓取、反抓取行为会对消费者福利、社会总福利产生正效应和负效应,需要厘清行为的效应传导机制以分析其净效应。问题二:用户公开类数据抓取、反抓取纠纷面临竞争规则适用的困境针对数据抓取和反抓取纠纷,优势平台通常适用反不正当竞争法对劣势平台的抓取行为进行起诉,如新浪微博诉今日头条案,劣势平台则起诉优势平台的反抓取行为违反反垄断法,如蚁坊诉新浪微博数据垄断案。数据抓取和反抓取行为并不在反不正当竞争法类型化条款的规制范围内,法院一般会适用反不正当竞争法第二条一般性条款进行裁决,反不正当竞争法一般性条款的法律原则是“商业道德冶,法院会结合行业规则、商业惯例、社会公共利益等因素,判定损害竞争对手利益的行为是否符合“商业道德冶,进而判定行为的正当性。反垄断法对于违法性的判断主要依据“消费者福利标准冶。当“商业道德标准冶与“消费者福利标准冶冲突时,企业竞争情报系统应如何取舍?因此,企业竞争情报系统合规化管理面临顾此失彼的困境,源于用户公开类数据抓取和反抓取行为的竞争效应尚未明确、竞争政策内部的原则冲突,本文针对以上两个理论难题展开研究。2摇 研究综述推进企业竞争情报系统与竞争合规管理体系相融合,关键在于制定符合数据要素的经济学属性和数字经济特点的竞争政策,影响企业的成本结构,形成有效的合规激励。摇 2.1摇 数据界定和经济学属性经济学理论根据产品是否具有“排他性冶和“竞争性冶,将其分为“私用品冶“俱乐部品冶“公用品冶和“共用品冶。李三希等(2021)认为数据可以被无限复制、重复使用,具有非竞争性1。数据流转不受空间限制,数据的冰山成本为 0;数据使用不受时间限制,可以被不同的平台同时利用,且能够被无限利用,而不产生数量或质量上的损耗,从生产成本函数出发,数据使用的边际成本为 0,因此海量数据可以实现规模经济。但用户公开类数据的排他性不易确定。Romer 指出2,排他性是技术与法制的函数,数据要素的排他性属性依赖于技术与法制前置条件。平台作为数据控制方,数据的边际获取成本几乎为零,可以忽略不计,部分学者据此认为数据要素具有非排他性(Rayna,2008;Nuccio and Guerzoni,2019)3-4;于立认为数据要素的生产成本不为 05。但当前数据技术更迭迅速,数据法制不健全,数据要素属性不明晰,三者均不明确,所以不可片面地认为用户公开类数据具有排他性、部分排他性或不具有排他性。竞争政策可规避对用户公开类数据是否具有排他性的讨论,依循实用主义方法论,25 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 情摇 报摇 杂摇 志摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第 42 卷运用利益衡量的司法技术,以充分满足社会需要为目标,对用户公开类数据抓取和反抓取行为进行合规指引。摇 2.2摇 用户公开类数据抓取和反抓取行为的合规现状从初始的权利界定转向具体场景下权益权衡,当认可数据爬取是一种权益时,抓取方和被抓取方的权益都需要保护,即合规机制面临权衡问题。来自不同领域专家的综合研判可反映当前用户公开类数据抓取和反抓取行为的合规现状,以及竞争合规机制中有待改进之处,作者于 2022 年分别从经济学研究领域、法学研究领域与数据驱动型企业中遴选出代表性专家学者,包括天津财经大学的教授、吉林社会科学院、中国社会科学院的研究人员、京东公司的数据分析师,主要调研结果如下:第一,竞争合规机制中,对消费者福利、社会总福利的重视程度不足;第二,数字经济背景下,平台竞争合规管理体系面临挑战,当与竞争情报系统融合时,需要关注数据的非竞争性和广泛存在的网络外部性;第三,竞争情报工作的合规化管理需要因时而异,数据抓取和反抓取并不是绝对合法或违法的,需要结合具体的福利效应划定其合法性边界。专家访谈有助于建构符合数据要素属性和数字经济特点的数理模型,为竞争情报系统和合规管理体系融合提供了方向。2.2.1摇反不正当竞争法以“商业道德冶作为合规原则的现状及其局限性通过对 20112022 年国内企业数据抓取或反抓取不正当案件进行充分检索,经过标准化筛选,共获得有效最终样本 45 份,并针对“认定行为正当性是否依据商业道德冶“认定行为正当性是否依据行业惯例冶“认定行为正当性是否依据诚实信用原则冶和“认定行为正当性是否依据消费者福利冶作为设计变量,统计相关的数据量,运用 SPSS 软件进行了量化分析,结果显示共计 41 份,占总数 91%的案件判决中认定行为正当性是依据“商业道德冶“诚实信用冶 或“商业惯例冶,共计 25 份,占总数 55.5%的案件判决中认定行为正当性依据了“消费者福利冶,且均作为补充性的依据,单独以消费者福利作为依据的判决数为 0。数据结果反映当前的企业合规方向仍是商业道德、诚实信用或行业惯例,而缺少对消费者福利变动的关注。一些学者认为以“商业道德冶为原则的反不正当竞争法不足以维持自由平等的竞争秩序,叶明和陈耿华认为对依据商业道德原则时具体参照的自律公约等是否存在违背公平竞争的情况应进行再审查6。对“商业道德冶的维护并不等同对于竞争秩序的维护。李生龙认为,互联网商业道德具高度抽象性和不确定性,表现为互联网行业惯例与互联网公认商业道德的关系模糊,互联网商业道德对传统商业道德的巨大冲击7。数字经济中,数据抓取技术快速更迭,数据市场商业模式日新月异,使得“商业道德冶标准不明晰,需要转变反不正当竞争法的基本原则以确定竞争行为的正当性判定标准。数据抓取行为体现的是数据抓取与保护的矛盾关系,相应的竞争法规制在依据反不正当竞争法第二条一般性条款的时候,需要遵循社会整体利益最大化原则。2.2.2摇 企业竞争情报系统的合规化管理应考虑消费者福利2022 年 3 月 17 日,最高人民法院发布了关于适用掖中华人民共和国反不正当竞争法业若干问题的解释(以下简称解释),该文件在认定竞争行为的正当性时,消费者福利仍附属于“商业道德冶原则而非独立的考量因素。张占江(2020)认为“不受扭曲的竞争冶标准拉开了反不正当竞争法与反垄断法的距离8,反不正当竞争法主要对竞争方式的评价,对竞争的保护是一种质量的保护,规制经济主体的微观行为维持竞争秩序,反垄断法属于以市场结构为基础的行为控制,对竞争的保护是一种存在保护,防范市场竞争秩序的结构性风险。反垄断法的基本原则是“消费者福利冶,用户公开类数据抓取、反抓取行为如果符合消费者福利,就具有正当性;反不正当竞争法的基本原则是“商业道德冶,即使抓取行为增进了消费者福利,也会因为不符合“商业道德冶而被判定违法,优势平台用户公开类数据反抓取行为即便减损了消费者福利,但符合“商业道德冶就可能会被归入“经营自主权冶的范畴内,如今日头条诉新浪微博案中的裁判思路。因此反垄断法与反不正当竞争法的基本原则不同,在应对用户公开类数据抓取等不正当竞争或垄断问题时,可能损害竞争政策的连贯性和整体性。3摇 用户公开类数据抓取、反抓取的 Hotelling 模型对于数据抓取和反抓取行为,以今日头条和新浪微博之间关于数据抓取、反抓取的系列案件为例分析其竞争效应。今日头条和新浪微博同属于互联网资讯服务类数字平台,二者具有相同的商业模式和盈利模式,在信息服务相关市场中具有明显且直接的竞争关系。数据抓取和反抓取行为影响了今日头条的数据量,可以构建相应的 Hotelling 模型,数据抓取和反抓取行为影响数据优势的差异度,分析行为的竞争效应。摇 3.1摇 前提假设3.1.1摇 双边市场双边性是数字平台典型特征,平台一边用户的效用受到另一边用户情况的影响。今日头条和新浪微博35摇 第 9 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 冯摇 博,等:数据抓取和反抓取的竞争合规路径平台也是双边市场,一边是广告商,另一边是普通用户,用户的效用受到广告商数量和类型的影响。3.1.2摇 用户单归属法院在分析被诉行为对用户的影响时,侧重于分析用户在两个平台之间的转换及其产生的福利效应,为简化分析,可以假定用户是单归属的。摇 3.2摇 模型设定3.2.1摇 关于平台的基本假设市场上存在两家平台,分别记为平台 A 和平台 B,平台 A 提供 x1=a 类服务,平台 B 提供 x2=1-b类服务,偏好特征为 x 的用户选择平台 A 将产生偏好损失x-x1=x-a,选择平台 B 将产生偏好损失x2-x=1-b-x;平台提供服务的边际成本趋于 0;设平台 A、B 的单位用户收益率分别为 pA、pB,可以理解为信息服务费,包括会员费(直接支付)和通过收看广告支付给平台的货币(间接支付);平台 i 利润仔i等于用户收益率 pi和用户规模 Di的乘积,即 仔i=piDi,i 沂 A,B。为明确数据抓取、反抓取行为对平台竞争的影响,参照荆文军9的处理方法,对平台 A 和平台 B 提供的产品或服务进行更为精细化的模型表达,数字经济中,随着数据量的提升,平台能够更好地满足用户的需求,即降低偏好损失,因此可将平台提供产品或服务的类型以函数的形式表示,其满足如下性质:平台数据量di(i=A、B)与平台用户的偏好损失反方向变动,进一步假设平台 A 数据量少于平台 B,且处于左侧,平台 B处于右侧,即 a x 1-b,如图 1。图 1摇 平台差异化市场竞争示意图用函数形式可以表示为limdA寅肄ad()A=x,limdB寅肄bd()B=1-x,其 中dii=A、()B,为满足上述关系,可以将两个平台提供的服务设定为以下形式:ad()A=(dA-1)x/dA,bd()B=1-(dB+1)x/dB3.2.2摇 关于用户的基本假设不同偏好的用户均匀分布在0,1区间上;用户只有单位需求,用户使用任一平台的基本效用为 v,足够大以至于市场能够被完全覆盖。用户单位偏好损失成本为 t;用户从任一平台获取直接网络外部性,系数为 琢,且 0 琢;用户可从平台 A 或 B 获得交叉网络外部性,对应系数分别为 茁A或茁B,且0 茁A-茁B-琢,用户使用平台 i 可以获得总网络外部性 fD()i=琢 Di,i 沂A,B。位于 x 的用户选择使用平台,可获得净剩余:U()x=v+茁A+fD()A-tx-(dA-1)x/dA-pA,摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇选择使用平台 Av+茁B+fD()B-t(dB+1)x/dB-x-pB,摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇选择使用平台 B0,摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇不选择使用平台位于x 的无差异用户从任何一个平台处获得净剩余相等,即 UA(x)=UB(x),可得各自的需求函数:DAdA,dB;pA,p()B=摇 摇 摇 摇x=pB-pA+茁A-茁B-琢t/dA-t/dB-2琢DBdA,dB;pA,p()B=摇 摇 摇 摇 1-x=1-pB-pA+茁A-茁B-琢t/dA-t/dB-2琢(1)摇 3.3摇 数据抓取方和反抓取方博弈的纳什均衡用户公开类数据抓取、反抓取行为的 Hotelling 模型包括两个博弈阶段,第一个阶段是数据抓取、反抓取博弈阶段,此时数据抓取方面临抓取或不抓取的选择,数据控制方面临反抓取或不反抓取的选择;第二个阶段是定价阶段,两个平台在利润最大化目标下选择各自的最优价格,利用逆向归纳法,可以求出数据抓取方和数据控制方在第二个阶段的纳什均衡。3.3.1摇 定价阶段结合式,利用平台利润函数对自身价格一阶导数值为 0,得平台最优定价,并代入需求函数,最终得到两个平台的利润函数表达式为仔AdA,d()B=t/dA-t/dB+茁A-茁B-3()琢29t/dA-t/dB-2()琢仔BdA,d()B=2t/dA-2t/dB-茁A+茁B+3()琢29t/dA-t/dB-2()琢(2)3.3.2摇 数据抓取和反抓取阶段分别求 仔A和 仔B关于 dA的导数,得出利润与数据抓取量的关系:d 仔Ad dA 0,当 0 臆 dA 0,当t dB琢+茁A-茁()BdB+t dA摇 摇 摇 摇 摇 摇t dB(3琢+茁A-茁B)dB/2+t(3)d 仔Bd dA 0,当 0 臆 dAt dB(3琢+茁A-茁B)dB/2+t,平台 B 被挤出市场。表 1摇 不同抓取方数据规模下数据抓取行为对平台利润的影响抓取方的数据规模范围对抓取方的利润对被抓取方的利润纳什均衡0,t dB琢+茁A-茁()BdB+t)(较小时)引引(不抓取,不反抓取)t dB琢+茁A-茁()BdB+t,t dB(3琢+茁A-茁B)dB/2+t)(较大时)尹引(抓取,反抓取)摇 摇当0 臆 dAt dB琢+茁A-茁()BdB+t时,平台 A 抓取数据会降低自身利润,因此不会抓取数据,平台 B 不反抓取数据,两个平台不会围绕数据抓取产生纠纷。当t dB琢+茁A-茁()BdB+t臆dAt dB(3琢+茁A-茁B)dB/2+t时,平台 A 抓取数据会提高自身利润,此时平台 B 反抓取数据,两个平台围绕数据抓取产生纠纷。此时两个平台可能会将纠纷诉至法院。法院需要在该区域内判定数据抓取行为和反抓取行为的合法性。摇 3.4摇 数据抓取和反抓取行为与消费者福利消费者福利由五个部分组成:基本效用部分、交叉网络外部性、直接网络外部性、货币损失和偏好损失,表达式为CSd()A=v基本效用+茁ADA+茁B1-D()A交叉网络外部性+琢D2A+琢1-D()A2直接网络外部性+-pnADA-pnB1-D()A货币损失+-乙DA0tx/dAdx-乙1DAtx/dBdx偏好损失(5)由式(5)求导,可以得到数据抓取行为对各部分效应的正负性,其中,交叉网络外部性与抓取方的数据量同方向变动,随着抓取方数据量的增多,这种正效应得到进一步加强;直接网络外部性与抓取方的数据量反方向变动,这是因为在抓取前后,被抓取方的市场份额大于抓取方的市场份额,抓取方通过抓取数据,提高了自身的市场份额,进而提高了自身用户的直接网络外部性,但是降低了被抓取方的市场份额,降低了被抓取方用户的直接网络外部性,对整体用户获得直接网络外部性的净效应是负的,且随着抓取方数据的增多,这种负效应逐渐衰弱;货币损失的绝对值与抓取方的数据量反方向变动,这种负效应随着抓取方数据量的增多进一步加强,这是因为抓取方的数据量与自身价格、被抓取方的价格反方向变动,且更多的用户被抓取方的低价格所吸引;偏好损失的绝对值与抓取方的数据量反方向变动,这是因为随着抓取方的数据量的增多,选择被抓取方的用户面临的偏好损失更低,且选择抓取方的用户面临的偏好损失不会被改变,因此数据抓取行为对整体用户偏好损失的净效应是负的,这种负效应随着抓取方数据量的增多进一步加强。当抓取方数据规模较小时,数据抓取行为产生的交叉网络外部性正效应、货币损失负效应、偏好损失负效应的加总效应(增进消费者福利的效应),小于直接网络外部性的负效应(减损消费者福利的效应),那么数据抓取行为就会减损消费者福利;当抓取方数据规模大时,数据抓取行为产生的交叉网络外部性正效应、货币损失负效应、偏好损失负效应的加总效应(增进消费者福利的效应),大于直接网络外部性的负效应(减损消费者福利的效应),那么数据抓取行为就会增进消费者福利。归纳抓取方的数据量对消费者福利的影响,可以得到表 2。表 2摇 不同抓取方数据规模下数据抓取行为对消费者福利的影响抓取方的数据规模对消费者福利产生的正效应对消费者福利产生的负效应交叉网络外部性 偏好损失货币损失直接网络外部性对消费者福利较小时尹引引引引较大时尹引引引尹摇 摇 当抓取方数据规模小于临界值时,数据抓取行为减损了消费者福利;当抓取方数据规模大于临界值时,数据抓取行为增加了消费者福利。摇 3.5摇 数据抓取和反抓取行为与社会总福利社会总福利的表达式为:Wd()A=v用户基本效用+茁ADA+茁B1-D()A用户获得的交叉网络外部性+琢D2A+琢1-D()A2用户获得的直接网络外部性+-乙DA0tx/dAdx-乙1DAtx/dBdx偏好损失(6)从式(6)可以看出,社会总福利由五个部分组成:用户基本效用部分、用户获得的交叉网络外部性、用户55摇 第 9 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 冯摇 博,等:数据抓取和反抓取的竞争合规路径获得的直接网络外部性和用户偏好损失。数据抓取行为对各个部分产生的影响同上,可以归纳为表 3。表 3摇 不同抓取方数据规模不同下数据抓取对社会总福利的影响抓取方的数据规模对社会总福利产生的正效应对社会总福利产生的负效应交叉网络外部性偏好损失直接网络外部性对社会总福利较小时尹引引引较大时尹引引尹摇 摇 当抓取方数据规模小于临界值时,数据抓取行为减损了社会总福利;当抓取方数据规模大于临界值时,数据抓取行为增加了社会总福利。4摇 结摇 语当前我国企业的竞争情报系统的特点是与竞争环境相适应,对竞争对手进行情报研究,以采取最符合企业利益的竞争策略。企业合规管理体系是企业得以持续稳定经营的重要保障,与企业竞争情报系统相辅相成。作为重要的竞争策略行为,数据抓取和反抓取是企业竞争情报系统的重要部分,由于存在违规风险,与企业合规体系相交叉。已有关于数据抓取、反抓取的研究局限于传统法学理论框架,通过法条的梳理和解释,研究法律规制的完善路径。本文的边际贡献是揭示数据抓取行为和反抓取行为的“一体两面性冶,竞争情报系统需要兼顾两类行为,考虑其对消费者和社会总福利的影响;基于用户公开类数据的要素属性和平台经济的特点,构建数理模型,厘清行为的竞争效应传导机制,作为制定竞争规则的经济学理论支撑。在司法实践上,提炼出福利效应分析法,促进裁决的公平和效率,在社会总福利效应框架下,数据抓取行为合规的条件严于消费者福利效应框架下的条件;在法学研究上,反不正当竞争法应与反垄断法有效衔接,基本原则从“商业道德冶转变为“消费者福利、社会总福利冶,为企业竞争情报系统的合规提供重要指引。企业竞争情报合规趋于精细化管理,作为合规管理的重要考虑因素,消费者福利和社会总福利难以量化。构建符合企业现实的数理模型,辅以数据支撑,将有助于引导企业科学准确地分析行为的竞争效应,实现强健有效的竞争合规化管理。参 考 文 献1摇 李三希,曹志刚,崔志伟,等.数字经济的博弈论基础性科学问题J.中国科学基金,2021,35(5):782-800.2摇 Romer P.Endogenous technological changeJ.Journal of Po鄄litical Economy,1990,98(5):71-102.3摇 Rayna T.Understanding the challenges of the digital economy:The nature of digital goods J.Communications&Strategies,2008(71):13-36.4摇 Nuccio M,Guerzoni M.Big data:Hell or heaven?Digital plat鄄forms and market power in the data-driven economyJ.Com鄄petition&Change,2019,23(3):312-328.5摇 于摇 立,王建林.生产要素理论新论兼论数据要素的共性和特性J.经济与管理研究,2020,41(4):62-73.6摇 叶摇 明,陈耿华.反不正当竞争法视野下商业道德认定的困局及破解J.西南政法大学学报,2017,19(5):74-82.7摇 李生龙.互联网领域公认商业道德研究J.法律适用,2015(9):57-61.8摇 张占江.反不正当竞争法属性的新定位:一个结构性的视角J.中外法学,2022,32(1):183-205.9摇 荆文君.数据优势会使平台企业提高定价吗?模型推导与理论分析J.中国管理科学,2021,29(7):227-237.(责编:王育英;校对:贺小利蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚)(上接第 50 页)14 汪庆华.算法透明的多重维度和算法问责J.比较法研究,2020(6):163-173.15 孟令宇.从算法偏见到算法歧视:算法歧视的责任问题探究J.东北大学学报(社会科学版),2022,24(1):1-9.16 杨学科.论智能互联网时代的算法歧视治理与算法公正J.山东科技大学学报(社会科学版),2019,21(4):33-40,58.17 Caliskan A,Bryson J J,Narayanan A A.Semantics derived auto鄄matically from language corpora contain human-like biases J.Science,2017,356(6334):183-186.18 张摇 欣.免受自动化决策约束权的制度逻辑与本土构建J.华东政法大学学报,2021,24(5):27-40.19 程摇雷.大数据侦查的法律控制J.中国社会科学,2018(11):156-180,206-207.20 张凌寒.自动化决策与人的主体性J.人大法律评论,2020(2):20-48.21 章剑生.现代行政法基本理论M.北京:法律出版社,2014:499.22 Enarsson T,Enqvist L,Naarttij覿rvi M.Approaching the human inthe loop legal perspectives on hybrid human/algorithmic deci鄄sion-making in three contextsJ.Information&Communica鄄tions Technology Law,2022,31(1):123-153.23 王维嘉.暗知识 机器认知如何颠覆商业和社会M.北京:中信出版社,2019:27.24 Cino J G.Deploying the secret police:The use of algorithms inthe criminal justice system J.Georgia State University LawReview,2018,34(4):1073.25 卢克多梅尔.算法时代:新经济的新引擎M.胡小锐,等,译.北京:中信出版社,2016:139,138.26 程摇 雷.大数据背景下的秘密监控与公民个人信息保护J.法学论坛,2021,36(3):15-26.27 Brown S,Davidovic J,Hasan A.The algorithm audit:Scoringthe algorithms that score us J.Big Data&Society,2021,8(1):1-8.28 沈伟伟.算法透明原则的迷思 算法规制理论的批判J.环球法律评论,2019,41(6):20-39.(责编:王育英;校对:刘影梅)65 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 情摇 报摇 杂摇 志摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第 42 卷