有人称“数据垄断”，是从数据占有角度来说的，其实是指“垄断数据”。垄断是一个内涵极其丰富的词，其本义是指独占。这种说法使用了垄断一词的“独占”含义，即“独占数据”。但独占数据本身并不违反《反垄断法》，即使独占的是海量数据。独占数据，只有因此在某一相关商品市场形成市场支配地位，并滥用这种市场支配地位，才会违反《反垄断法》。

有人称“数据垄断”，是从数据流动角度来说的，其实是指“不共享数据”。数据共享是一个重要问题，涉及多方利益调整。不共享数据在很多情况下可能有正当理由，是符合相关法律规定的，不违反《反垄断法》。不共享数据，只有在涉及垄断协议或滥用市场支配地位时，才会违反《反垄断法》。

有人称“数据垄断”，是从个人信息保护角度来说的，其实是指“控制个人数据”。企业收集或共享个人信息，如果不履行告知义务或得到个人授权，对个人而言，企业就像黑箱，个人信息被控制、被“垄断”。但这种情况基本和垄断没有太大关系。

有人称“数据垄断”，是从数据收益角度来说的，其实是指“独占数据收益”。数据收益如何分配，是一个在目前争议很大的问题，但也基本和垄断没有太大关系。

有人称“数据垄断”，是从向相关部门报送数据角度来说的，其实是指“未充分向相关部门提供数据”。企业与政府相关部门的数据配合，是一个涉及面很广的问题，但与垄断基本没有关系。

上述说法，涵盖了与数据有关的很多重要问题，但都不是真正的垄断问题，却被冠之以“垄断”之名。这些说法，极易给人以误导，使问题复杂化，也不利于找到解决问题的正确方法。因此，应给予辨析、正误。

当然，数据，尤其是大数据也会产生垄断问题。因数据而产生的垄断问题，应该至少包括以下几类：一是数据可能造成进入壁垒或扩张壁垒，二是拥有大数据形成市场支配地位并滥用，三是因数据产品而形成市场支配地位并滥用，四是涉及数据方面的垄断协议，五是数据资产的并购。

这些都是新型反垄断问题，与传统工业经济的反垄断问题具有很大的区别，值得深入研究。比如，在审查数据资产并购时，如何界定数据资产的相关商品市场、如何评估并购可能产生的排除限制竞争影响、如何设计救济措施等，都具有新的特点。就拿界定相关商品市场来说，是按数据本身的属性来界定、还是按其用途或其产生的数据产品来界定，值得认真讨论。

而这些问题和特点，并不是“数据垄断”一词所能概括的。

“数据寡头”的是与非

从反垄断法的角度来说，寡头是指寡占市场的参与者。如果在某一相关商品市场中，只有很少数的几家厂商，那么这些厂商可以称之谓寡头。寡头一般具有市场支配地位，但寡头必须与特定的相关商品市场相联系，比如电视机行业的寡头、碳酸饮料行业的寡头等，很少有企业能成为所有行业的寡头。

很明显，“数据寡头”是把传统工业经济的“寡头”概念借用过来而形成的新词。简单机械的借用，也许会受到挑战。首先，这一提法未区分细分市场，给人以在所有领域都拥有海量数据的感觉，夸大了企业在数据方面拥有的市场力量。其次，如何分析数据领域的市场结构、如何判断数据领域的市场支配地位，目前还没有成熟的标准。在标准不明确的情况下，判断企业是否是数据寡头，容易引起争议。

其实，数据这一生产要素与其他生产要素具有很大区别，这使得因数据而产生的市场力量与传统市场力量也具有很大区别。比如，数据要发挥大作用，必须越多越好。因此，企业掌握的数据量越多，越有利于发挥数据的作用，也越有利于大化消费者福利和社会福利。同样，企业如果横跨多个领域，并将这些领域的数据打通，使数据在多个领域共享，那么数据的效用也将更大化发挥。这也是大型互联网公司能够不断进行生态化扩张的原因。从这个角度来说，“数据寡头”对消费者和社会来说，在效率上是有利的。

再比如，数据无时无刻都在产生，且呈指数级增长。数据一直呈爆炸性增长的事实，意味着这一领域具有很大的动态性，企业市场地位的变化相比于传统产业可能要快得多。市场的快速变化，将对所有在位企业，包括大型企业产生巨大的竞争压力，这种压力将迫使它们不敢轻易滥用自己的市场力量。

这些区别，增加了评价所谓“数据寡头”的复杂性。

数据产业的规范需要探索

与数据产业发展相伴而生的，是各种冲突和矛盾，如数据权属问题、个人信息保护问题、企业间数据流动问题、数据利益分配问题、企业与政府数据共享问题等等。这些问题，不能以“数据垄断”之名进行简单地概括，否则，既混淆了问题的性质，也夸大了问题的严重性。

要促进数据产业长期健康发展，必须抛开简单粗暴的方法，而应代之以对各种冲突和矛盾进行细致分析。比如，企业向相关部门报送数据问题，应平衡政府监管目标、企业报送负担、商业秘密保护、个人隐私保护等各方关切，在此基础上，找到妥善处理办法，而不应简单地以打破企业“数据垄断”为由，要求企业提供超出必要范围的数据。

从长远来看，数据产业还刚刚起步，各种商业模式还在探索和发展之中，暴露的问题还不彻底，解决问题的新方法、新手段也还在酝酿之中。在这种情况之下，应避免把结论下得太早，处理问题的方式也应具有更大的弹性和更大的开放空间。