数字经济概论课件：数据垄断与算法滥用

数据垄断与算法滥用

数字经济的核心是算法+数据，数字垄断的本质是算法与数据带来的垄断。数字经济时代，数字技术在各行各业迅速普及，深入在社会生活的方方面面，伴随数字技术的发展，人类社会的总数据量呈现爆炸式增长。这些数据包含了社会、经济、法律等方面的信息，这就是数据的价值源泉。13.1什么是数据垄断？

数据垄断源于数据自身的特点：第一，数据易聚集、难确权、价值密度低，缺乏数据量就无法产生价值，使得数据垄断易形成。第二，收集数据存在一定的技术和法律门槛，导致其前期投入成本高，而后期边际成本低，极易形成规模经济。数据寡头多产品、跨领域、高用户量的商业运营特点，是数据垄断形成的重要因素。数据垄断对市场的负面影响主要体现在：第一、数据安全性问题。第二、对数据过度依赖。第三、出现数据鸿沟。第四、在整个产业生态层面阻碍竞争。第五、消费者权益难以得到保护。第六、数据垄断会加大大数据处理技术的使用壁垒。13.2数据垄断相关立法

中国《反垄断法》、《电子商务法》、《网络安全法》、《关于加强网络信息保护的决定》欧盟《数据库指令》13.3数据垄断认定

首先判断企业是否具有市场支配地位。其次是判断该企业是否有足够的可能收集到用户多个维度的数据。再次是判断该企业是否合规使用数据。最后就是确保数据跟随用户的选择进行删除和转移。13.4算法滥用

数据为算法提供实施滥用行为的物质基础，而算法则是实施滥用行为的主体。算法能够挖掘数据的价值，其本质是算法对大数据所含信息的深度挖掘，通过特定规则预测消费者潜在的需求，并搜寻全平台商品，将消费者最可能需要的商品找出来。第一、降低卖家调价成本和买家的比价成本，促进价格透明。第二、预测消费者需求，提前推荐相关产品，减少消费者搜寻成本，提升消费者福利。13.5算法的影响

算法对平台的影响

13.6算法滥用的表现形式与后果

数据是算法的依托，本身具有客观中立性，但人为设计的算法却不可避免地隐含偏见。另一种算法歧视是在进行决策时故意采用有偏数据进行学习，让算法的参数有偏。

13.6.1算法歧视

算法歧视的成因有以下四个方面：一是算法本身非中性。二是学习用数据的偏向性。三是算法黑箱造成的透明度缺失。四是算法的编程人员对各种规则缺乏足够的理解。。算法歧视识别存在两个难点第一，算法的专业性导致非自身技术人员难以理解算法的底层逻辑。第二，算法本身也是一个黑箱，并且是企业的核心竞争力，企业可以对算法主张商业秘密或者私人财产。13.6.2算法合谋

主动寻求合谋，被动地合谋。13.7算法的反竞争边界划定

1.是否属于本身违法行为2.应用主体是否拥有市场支配地位3.是否对人民利益造成实质性损害13.8数据垄断规制

数据垄断使得寡头企业一家独大，掌握对用户数据的控制权，易加剧算法滥用、隐私泄露、用户歧视等其他数据伦理问题的产生。数据治理模式：第一、推行数据普遍预处理。第二、在应用层面，确保数据透明保证数据质量与价值。评估和监管个人隐私数据的使用。13.9算法规制

在技术层面，第一、制定算法备案制度，要求各大互联网平台企业在每次调整其算法时，必须向反垄断监管机构提交一份代码备案。第二，加强与算法技术机构和专家的合作，并成立独立研究算法技术的调研部门。第三，制定并公布一套算法透明度原则。关键概念

数据是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。数据垄断指重要数据被控制在少数人或公司手中，并被以不合理的方式使用，主要是指数据被企业占有和使用，并利用对数据优势排斥竞争对手。数据集中指大量数据汇集到特定企业或机构。算法是从给定的输入生成输出的命令序列，进行机械的、重复度高的反复运算，用以解决某个特定的问题。算法在基本算法的概念上，叠加了自动处理能力和学习能力，伴随数据量的上升，算法的处理正确率也不断上升。算法非中立指算法在进行排序的时候，会存在隐藏条件，导致其排序结果不完全公平。算法合谋是一种新形式的