DOI: 10.37791/2687-0657-2021-15-2-19-28
Большие данные как ключевые мощности в антимонопольном регулировании цифровых рынков
А. И. Коваленко1*
1 Университет «Синергия», Москва, Россия ' alkovalenko@synergy.ru
Аннотация. Статья посвящена вопросу применения к большим данным доктрины ключевых мощностей (ДКМ) в целях антимонопольного регулирования цифровых рынков. В статье раскрывается понятие больших данных, не имеющее в настоящее время нормативно-правового закрепления в законодательстве РФ. В статье определяется разница между большими данными и обычными данными, между организационно-управленческим, экономическим и правовым содержанием этих феноменов цифровой эпохи. На основании анализа научных публикаций, правоприменительной и судебной практики антимонопольных ведомств зарубежных стран и России автор систематизирует направления использования больших данных в конкуренции на цифровых рынках. Также в статье раскрывается содержание доктрины ключевых мощностей в конкурентном праве. Автор описывает ключевые идеи научной дискуссии по вопросу применения доктрины ключевых мощностей к большим данным. Статья содержит авторские предложения и рекомендации по правильному разделению комплекса технологии больших данных на конкурентные (ИИ) и инфраструктурные (массивы данных) компоненты. При необходимости доктрина ключевых мощностей может распространяться на вычислительные мощности, серверные хранилища данных, массивы данных (в неструктурированном виде) цифровых гигантов - датаполий. Автор считает, что применение доктрины ключевых мощностей к большим данным способно устранить злоупотребление доминированием в больших данных со стороны технологических гигантов - датаполий. Но применение доктрины ключевых мощностей не способно системно изменить положение вещей на цифровых рынках. Для того чтобы устранить стимулы интернет-гигантов к злоупотреблению доминированием с помощью больших данных, следует принудительно выделить из состава интернет-гигантов бизнес-единицы - датаполии, которые бы занимались исключительно предоставлением недискриминационного доступа к услугам управления большими данными. А компетенции, связанные с разработкой и применением технологий аналитики больших данных (ИИ), следует закрепить за бизнес-единицами, которые бы конкурировали на производных цифровых рынках самостоятельно и независимо от датаполий.
Ключевые слова: доктрина ключевых мощностей, большие данные, цифровые рынки, искусственный интеллект, антимонопольное регулирование, злоупотребление доминированием
Для цитирования: Коваленко А. И. Большие данные как ключевые мощности в антимонопольном регулировании цифровых рынков // Современная конкуренция. 2021. Т. 15. № 2. С. 19-28. DOI: 10.37791/2687-0657-2021-15-2-19-28
Big Data as a essential facilities in the antitrust regulation of digital markets
A. Kovalenko1*
1 Synergy University, Moscow, Russia ' alkovalenko@synergy.ru
Abstract. The article is devoted to the issue of applying the Essential Facilities Doctrine to big data for the purpose of antitrust regulation of digital markets. The concept of big data is revealed, which currently does not have a normative legal fixation in the legislation of the Russian Federation. The article identifies the difference between big data and regular data, between the organizational, managerial, economic and legal content of these phenomena of the digital age. Based on the analysis of scientific publications, law enforcement and judicial practice of antimonopoly agencies of foreign countries and Russia, the author systematizes the directions of using big data in competition in digital markets. The article also reveals the content of the doctrine of essential facilities in competition law. The author describes the key ideas of the scientific discussion on the application of the doctrine of essential facilities to big data. The article contains author's suggestions and recommendations for the correct division of the complex off big data technology into competitive (AI) and infrastructure (data sets) components. If necessary, the doctrine of essential facilities can be extended to computing power, server data storage, data sets (in an unstructured form) of digital giants. The author believes that applying the doctrine of essential facilities to big data can eliminate the abuse of dominance by tech giants. But the application of the doctrine of essential facilities is not able to systematically change the state of affairs in digital markets. In order to remove the incentives of Internet giants to abuse dominance with the help of big data, it is necessary to separate from the Internet giants business units, that would exclusively provide non-discriminatory access to Big Data management services. And the competencies associated with the development and application of big data analytics (AI) technologies should be assigned to business units, that would compete in derivative digital markets independently.
Keywords: essential facilities doctrine, big data, digital markets, artificial intelligence, antitrust regulation, abuse of dominance
Forcitation: Kovalenko A. Big Data as a essential facilities in the antitrust regulation of digital markets. Sovremennaya konkurentsiya=Journal of Modern Competition, 2021, vol.15, no.2, pp.19-28 (in Russian). DOI: 10.37791/2687-0657-2021-15-2-19-28
Введение
Антимонопольное регулирование конкурентных отношений на цифровых рынках в настоящее время находится в стадии формирования. Оформляются, интерпретируются, определяются новые правовые институты организационно-технологических отношений цифровой эпохи: искусственный интеллект, большие данные, Интернет вещей, дополненная реальности, ценовые алгоритмы, сетевые эффекты и др. [1].
Многие из этих экономико-правовых институтов трансформируют и отношения конкуренции на цифровых рынках [2], что порождает бурную научную дискуссию среди ученых, экспертов, экономистов, специализирующихся на цифровых рынках.
Одной из активно дискутируемых проблем антимонопольного регулирования цифровых рынков является вопрос о применении к цифровым монополиям доктрины ключевых мощностей (ДКМ) [3]. В настоящее время нет однозначного ответа на этот вопрос.
Правоприменительная и судебная практика антимонопольных ведомств России и зарубежных стран знает примеры применения доктрины ключевых мощностей к базам данных и информации, но не к большим данным. В этом контексте необходимо определить, в чем разница между большими данными и обычными данными, между организационно-управленческим, экономическим и правовым содержанием этих феноменов цифровой эпохи.
Статья состоит из нескольких разделов. Сначала автор раскрывает понятие больших данных, не имеющее в настоящее время нормативно-правового закрепления в законодательстве РФ. Далее раскрываются направления использования больших данных в конкуренции на цифровых рынках; описывается содержание доктрины ключевых мощностей в конкурентном праве - четыре условия применения ДКМ; анализируется научная дискуссия по указанному вопросу.
После этого автор раскрывает подход к разделению комплекса технологии больших данных на конкурентные (ИИ) и инфраструктурные компоненты (массивы данных).
В заключении изложены предложения системного реформирования цифровых монополий.
Что такое большие данные?
Большие данные - это не просто большие массивы данных. В цифровой экономике базы данных стали такими огромными, что для аналитики и обработки требуются новые принципы и технологии.
Большие данные - это технологии быстрого получения данных из разных источников (от измерительных устройств и счетчиков, интернет-ресурсов (социальных сетей), программных продуктов, технических средств (датчиков, сканеров, гаджетов, дисплеев, камер и микрофонов, от сетей сотовой связи о местонахождении абонентов и т. п.). В этом контексте нет разницы между
потоком данных и массивом данных. Данные не отделены от реального мира, как раньше.
Большие данные - это также технологии быстрой аналитики (технологии искусственного интеллекта), позволяющие принимать решения в реальном времени. Более того, решение принимает не менеджер, а сам алгоритм.
В цифровую эру появился принципиально новый подход в организации к принятию решений и (шире) обучению и изменениям -на основании данных.
В индустриальную эпоху мы специально собирали данные с помощью контролируемых исследований с небольшой выборкой, потом масштабировали результаты, чтобы понять, что происходит в компании или на рынке. Смысл сбора данных в индустриальной экономике состоял в том, чтобы принять правильное решение, прежде чем действовать. Мы ставили задачу, собирали данные, анализировали их, принимали решение на основании полученных результатов анализа.
В цифровую эпоху большие данные и искусственный интеллект позволяют отойти от этой модели. Вместо того, чтобы самостоятельно принимать правильные решения, мы можем создать для этого нейронную сеть.
Потоки данных вводятся в алгоритмы распознавания паттернов, которые определяют дальнейшие рыночные возможности, прогнозируют потребительское поведение. Ценовые алгоритмы позволяют осуществлять динамическое ценообразование, что создает большие возможности для всех видов ценовой дискриминации.
Вместо того чтобы пытаться придумать правильную идею и затем тестировать ее на рынке, теперь мы можем организовать циклическое моделирование рынка с меньшими затратами и риском.
По сути, большие данные - это состав разных ресурсов: и вычислительные мощности, и хранилища данных, и алгоритмы, и модели, и ключевые компетенции по их использованию.
Информационные технологии хранения и обработки данных охватывают крупные центры данных, серверы, ПО для анализа данных, интернет-соединение с передовыми средствами сетевой защиты, высокооплачиваемые трудовые ресурсы (специалистов в области вычислительной техники и программистов). Как только система становится полностью работоспособной, данные в виде приращений могут «тренировать» и улучшать алгоритмы (также являясь таким образом элементом качества продукта или услуги) [4, с. 227].
Для целей антимонопольного регулирования надо различать:
• сами данные - сырые, неструктурированные, их потоки;
• средства фиксации данных (датчики, камеры, счетчики, сенсоры) здесь большие данные связаны с Интернетом вещей;
• форма представления данных (структуры базы данных);
• модели, способы и технологии сбора данных из разных источников (технические и социальные);
• средства хранения данных (серверы, накопители, память компьютеров);
• технологии (алгоритмы) обработки, анализа данных и принятия решения на основе данных - здесь большие данные связаны с искусственным интеллектом.
Одни их этих ресурсов материальные, другие - технологические, третьи - человеческие.
Они имеют разную мобильность, доступность, гетерогенность, копируемость, а значит, разный конкурентный характер.
Принципиальным здесь является не количество данных, а качество искусственного интеллекта, который тоже может быть рассмотрен как программа, то есть как результат интеллектуальной деятельности.
Большие данные в конкуренции
С одной стороны, большие данные могут выступать в роли товара. Сегодня лю-
бой желающий бизнес-стартап может заказать услуги управления большими данными на аутсорсинге. Консультанты создадут релевантную бизнесу модель данных. Далее можно арендовать суперкомпьютерные мощности у Amazon или Microsoft и использовать их для работы с данными, полученными в результате собственной деятельности, или из общедоступных источников (data. gov), или приобретенных по разумной цене от операторов-агрегаторов.
С другой стороны, большие данные могут быть ядерным блоком бизнес-модели или дополнительным элементом, повышающим качество и создающим добавочную стоимость.
Стратегически большие данные могут восприниматься и как конкурентное преимущество, и как объективные барьеры входа на отдельные цифровые рынки.
Большие данные могут восприниматься как фактор производства, который позволяет повышать продуктивность, эффективность, качество сервиса компании.
Большие данные могут восприниматься также как стратегический ресурс, позволяющий удерживать лидерство, в том числе за счет создания барьеров для входа конкурентов на рынок. Отдельные цифровые биз-несы ставят в основу своей бизнес-модели способность оперативного сбора и обработки данных. Например, интернет-сервис дорожного навигатора должен в реальном времени обновлять данные геолокации всех автомобилей для оперативной перестройки рекомендуемого маршрута движения. То, что раньше делало «Авторадио» благодаря постоянной обратной (мобильной) связи от водителей-радиослушателей, теперь более оперативно делают датчики геолокации и алгоритмы Яндекс.Пробки.
Как и во многих других отраслях цифровой экономики, для достижения критической массы в больших данных необходимы гигантские первоначальные вложения, основные затраты. Вспомним стабильную убыточность Amazon в первое десятилетие своего
существования. Дата-центры, серверы и ПО для анализа данных - очень затратные ресурсы. Но после достижения критической массы, когда искусственный интеллект начинает принимать решения и самообучаться автоматически, предельные издержки радикально снижаются. При этом бизнес-модель характеризуется значительными эффектами масштаба, охвата, сетевыми эффектами и эффектами диверсификации. Такая особенность структуры издержек детерминирует олигополистическую структуру рынка больших данных - на рынке функционирует небольшое число технологических гигантов - датаполий с высокими стимулами к экономической концентрации в цифровой отрасли. Поэтому большие данные являются частым предметом анализа при осуществлении деятельности по контролю экономической концентрации (согласованию сделок слияний-поглощений).
Например, в деле по контролю экономической концентрации - слияние компаний Nielsen и Arbitron (2013) - Федеральная торговая комиссия США (ФТС) определила, что слияние приведет к созданию уникальной базы данных - демографических данных для точного измерения аудитории телевидения и радио. В собственности Nielsen и Arbitron находились уникальные данные, которые другим фирмам было бы крайне трудно воспроизвести. При проверке сделки ФТС решила, что отсутствие данных об аудитории является существенным барьером для входа на рынок, и потребовала разделения бизнеса Arbitron (выделения в независимый бизнес сервиса по кроссплатформенному измерению аудитории)1.
Возможность монополизации данных стала причиной оспаривания Министерством юстиции США сделки слияния компаний Bazaarvoice и Power-Reviews, которые являются цифровыми платформами рейтингов и отзывов о товарах. Сделка слияния
1 https://www.ftc.gov/enforcement/cases-proceedings/ 131-0058/nielsen-holdings-nv-arbitron-inc-matter
могла привести к концентрации рынка отзывов и создать барьеры для входа на рынок. Федеральный окружной суд США поддержал позицию Министерства юстиции, обязав компанию Bazaarvoice продать компанию PowerReviews2.
Большие данные могут использоваться как инструмент недобросовестной конкуренции, например, когда в результатах Google-поиска 90% ссылок ведут на сервисы, аффилированные с Google, от чего страдают конкурирующие интернет-сервисы (известные кейсы Kayak и Yelp).
Большие данные могут использоваться как инструмент ограничения конкуренции в формах «цифровых» картелей на ценовых алгоритмах или злоупотреблении доминированием в больших данных (дискриминационном доступе к большим данным, недопуске конкурента на рынок, навязываниях пользователям невыгодных условий договора и др.) [5].
Создание дискриминационных условий доступа к большим данным также может рассматриваться в качестве злоупотребления доминирующим положением. Так, антимонопольное ведомство Франции квалифицировало отказ компании Cegedim, занимающей доминирующее положение на рынке медицинских баз данных, продавать базу данных клиентам, которые используют ПО конкурента, как злоупотребление доминирующим положением [6, с. 19].
Доктрина ключевых мощностей (ДКМ)
Рассмотрим возможность применения к большим данным концепции ключевых мощностей.
Доктрина ключевых мощностей по своей сути является инструментом принуждения доминирующего владельца мощностей (монополиста, датаполиста) делиться с прямым
2 http://www.justice.gov/atr/case-document/file/488826/ download
конкурентом источником конкурентного преимущества [7]. Монополист принуждается не только к открытию своего рынка для новичков, но и к постоянному ресурсному обеспечению их конкурентной деятельности, к кооперации с конкурентом в отношениях совместного использования своих уникальных конкурентных преимуществ. Признав определенные активы, ресурсы, средства, инструменты, элементы или объекты бизнеса, патенты, лицензии, права, статусы и (шире) любое экономическое благо монополиста ключевыми мощностями, регулятор перераспределяет его между хозяйствующими субъектами, делает его общим в использовании.
Ключевые мощности - это не особый тип ресурсов, а доктрина режима использования. Можно сказать, что в действительности никаких ключевых мощностей не существует, существует только доктрина ключевых мощностей (ДКМ). Причем ДКМ описывает не отдельный вид ресурсов, а особую конкурентную диспозицию, сложившуюся между конкурентами на рынке, производном от ключевых мощностей.
При упоминании ключевых мощностей речь идет вовсе не о свойствах, имманентно присущих активам, а о сложившемся в конкурентной предпринимательской практике сочетании четырех условий, характеризующих доктрину ключевых мощностей применительно к конкретным материальным или нематериальным ресурсам.
1. Необходимость: ключевыми мощностями называются такие активы, которые являются необходимыми для входа в отрасль и функционирования на рынке. Необходимость мощностей может быть обеспечена их специфичностью или редкостью; горизонтальной, сетевой структурой; естественно-монопольным компонентом; вертикальной интеграцией в производные рынки; патентной защитой; эффектами масштаба, разнообразия, обучения и сетевыми экстерналия-ми; общественными институтами, деловыми обычаями и соглашениями; дополняемостью
и платформой; другими причинами. Мощность представляет собой ресурс, который фирма должна использовать для функционирования на производном рынке (релевантного цифрового сервиса), и отказ в доступе к такому ресурсу влечет ограничение конкуренции на цифровом рынке.
2. Незаменимость: копирование ключевых мощностей невозможно из-за их уникальности (отсутствуют близкие заменители); дуплицирование, то есть самостоятельное и независимое создание и формирование отдельными конкурентами сходных мощностей невозможно физически, или нецелесообразно технически, или неэффективно экономически.
3. Коллективность: у независимых конкурентов есть возможность совместного использования ключевых мощностей без потери полезности для владельца, так что это не вредит владельцу ключевых мощностей и остальным конкурентам. Ключевые мощности являются общественным или коллективным в использовании, неисключительным в потреблении благом совместного пользования. Для проверки критерия коллективности надо убедиться, что обеспечение доступа новичка к мощностям старожила и совместное их использования не приведет к снижению ключевых показателей операционной эффективности и конкурентоспособности бизнеса старожила, к миграции ценности и снижению полезных свойств продукта старожила, к увеличению его издержек, снижению качества клиентского сервиса, и не возникнет никаких непредвиденных отрицательных последствий для старожила. Проще говоря, коллективность означает существование возможности предоставления ключевой мощности третьим лицам.
4. Блокировка: выраженный в действии или бездействии сознательный и целенаправленный отказ старожила в предоставлении мощности новичку, с негативными последствиями для конкуренции и инноваций (недопуск более эффективного конкурента в терминах цены или качества).
Нетрудно заметить, что условия необходимости, незаменимости и совместности характеризуют структурные и технологические особенности отрасли и рынка, структуру издержек, существующие объективно и независимо от поведения субъектов, но определяющие их возможности. А критерии блокировки описывают свойства поведения и действий субъектов. Можно сказать, что условия необходимости, незаменимости и коллективности выражают содержательные признаки доктрины ключевых мощностей, а критерии блокировки формируют квалифицирующий критерий принятия решения о противоправности действий доминирующего субъекта.
Так, ДКМ применима и к искусственным монополиям, например к субъекту, занимающему доминирующее положение на первичном рынке сетевого блага и вертикально интегрированному в смежные производные рынки.
Предоставление доступа к информации как к ключевому ресурсу уже являлось предметом ряда антимонопольных дел. В частности, в деле «Европейский союз против Microsoft»3 было установлено, что компания отказывается раскрывать информацию, необходимую для того, чтобы конкурирующие программные продукты могли полноценно взаимодействовать с версиями Windows, и таким образом злоупотребляет доминирующим положением.
Дискуссия о применении ДКМ к большим данным
Специалисты-практики обсуждают, можно ли рассматривать данные в качестве важнейших исходных ресурсов на ряде рынков, без которых компании не могут конкурировать. Ясно, что в некоторых случаях данные, а точнее знание, полученное из данных, являются источником существенного конкурентного преимущества.
3 https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/ ?uri=CELEX:62004TJ0201&from = EN
Sokol й.и Balto D., как правило, утверждают, что данные не составляют решающего ресурса успеха любой фирмы, поскольку новые инновационные участники способны утвердиться на рынке, несмотря на изначально небольшую долю пользовательских данных: «...в истории цифровой экономики есть много примеров: Slack, Facebook, Snapchat и Tinder, когда понимание потребностей клиентов позволило выйти на рынок и стремительно преуспеть вопреки сетевым эффектам» [8, с. 5].
Оппоненты ДКМ нередко прибегают к доводу, что данные нельзя легко монополизировать: они не имеют конкурентного характера и, как утверждают, неэксклюзивны, так как нет соглашений, препятствующих пользователям делиться своими персональными данными со многими компаниями.
Аргументируется, что существует очень мало барьеров на пути доступа новых платформ на рынок, поскольку сбор данных относительно недорог, данные имеются в большом количестве и действительны в течение короткого периода времени [9].
Формально сама постановка вопроса о доступе к данным теряет смысл, так как любой независимый бизнес сам прекрасно генерирует, производит и собирает данные, как первичные, так и вторичные. Сами по себе данные являются объектами нематериальной природы и могут генерироваться в бесконечных объемах.
Действительно, Slack, Facebook, Snapchat и Tinder сумели оттеснить действующих игроков с их позиций, но роль больших данных в качестве важнейшего элемента бизнес-стратегии - относительно новое явление, и технологические разработки, и бизнес-модели, вытекающие из использования технологий глубокого обучения, значительно отличаются от того периода, когда компании выходили на рынок [4]. Поэтому вполне возможно, что новым компаниям становится все труднее разработать инновационные решения, которые являются прорывными для оказания конкурентного давления на
доминирующих игроков рынка или участников с прочными позициями [4].
Для применения так называемой доктрины ключевых мощностей недостаточно показать, что большие данные являются незаменимым исходным ресурсом; необходимо также доказать, что конкуренты не в состоянии их дублировать [10].
Однако, как было сказано ранее, не столько сбор данных, сколько способность оперативно извлекать полезную информацию из большого объема разнообразных данных обеспечивает конкурентное преимущество [4].
Оказывается, даже в отношении больших данных объем сгенерированных и накопленных данных имеет значение. Если у вас недостаточный массив данных, вы не сможешь научить свой искусственный интеллект находить закономерности и принимать правильные решения. ИИ нужно постоянно «кормить» данными, чтобы он чему-то научился. И даже если фирма имеет преимущество в правильном моделировании структуры баз данных, в правильном программирование алгоритмов ИИ, все эти преимущества срабатывают только в том случае, если есть большой массив данных, на котором ИИ можно отладить.
Без большого массива данных даже идеально запрограммированная нейросеть не принесет никаких положительных результатов в части решения бизнес-задач, так как не будет данных, на которых можно учиться. Выводы и решения такого ИИ будет сложно верифицировать.
Большие данные как ключевые мощности
Для того чтобы применить к большим данным ДКМ, нужно решить вопрос о пределах обобществления ресурсов компании - датаполии: что является конкурентным компонентом, а что - ключевым (похоже на проблему дерегулирования); что можно предоставлять на правах недискриминационного доступа, что следует принудительно
лицензировать, а что необходимо признать частным ресурсом техногиганта; что является специальной динамической компетенцией конкуренции на производных цифровых рынках.
Другими словами, до какого предела, до какого ресурса, до какой степени можно распространять ДКМ на технологическую систему доминирующей датаполии? Только ли массивы данных необходимо предоставлять на правах недискриминационного доступа или еще и сервера, вычислительные мощности, систему датчиков (Интернет вещей) и сами алгоритмы ИИ?
Может быть, в качестве ключевых мощностей можно признать систему датчиков, Интернет вещей или специальные технологии, выгружающие большие массивы персональных пользовательских данных.
В каждом отдельном случае вопрос заключается в том, насколько этот ресурс подходит под ДКМ: насколько он является необходимым и незаменимым для функционирования на производном цифровом рынке; насколько в действительности являются необходимыми именно те ресурсы, которыми располагает датаполия, или же здесь происходит злоупотребление ДКМ, и маленькая фирма, не имея преимущества в данных, просто ленится сама их собирать, сама придумывать модель данных и алгоритмы их обработки?
Давайте посмотрим на большие данные как на ключевую компетенцию фирмы. Тогда получается, что конкурент, не развивший у себя соответствующую технологическую компетенцию, просто требует предоставления ему доступа к средствам и ресурсам, обеспечивающим эту ключевую компетенцию у технологического монополиста.
Любая фирма, конкурирующая на цифровом рынке, должна уметь сама собирать, обрабатывать и использовать данные и совершать действия на их основании с применением технологий ИИ. То есть тогда, когда эти технологии использования данных являются ключевым ядром бизнес-модели, требовать распространения на них ДКМ означает
просто предоставлять конкурирующей фирме ключевые компетенции монополиста, источник его конкурентного преимущества.
Если ДКМ будет широко применяться к большим данным, то очень скоро можно будет просто требовать от цифровых гигантов, чтобы они предоставляли по доступным ценам свои ключевые компетенции, организационные динамические способности, свои уникальные ресурсы. Это абсурдная ситуация.
Конкурентное преимущество возникает не столько в объеме данных, сколько в том, что на этом объеме данных долго находится искусственный интеллект, который уже научился принимать решения в реальном времени.
Гипотетически ДКМ можно пробовать применить к разным ресурсам:
• мощности облачных вычислений;
• аналитические алгоритмы и ИИ;
• сервера и объемы памяти;
• массивы данных,
• Интернет вещей (датчики).
Из перечисленных выше выраженным конкурентным характером обладает ИИ. Каждый конкурент может создать свою модель данных, свой ИИ, свои алгоритмы, свою нейронную сеть. Для развития ИИ его нужно «кормить» большими массивами данных. Именно в этом можно видеть разделение конкурентного и инфраструктурного компонента бизнес-модели.
Можно легко найти соблюдение условий необходимости, незаменимости и коллективности в массивах данных, серверах, вычислительных мощностях, Интернете вещей.
Заключение
Сами данные легко могут подходить под ДКМ. Важно получить доступ к технологии, которая в режиме реального времени обрабатывает данные и используют их в деятельности.
ДКМ должна применяться к большим данным в тех случаях, когда отказ доминирующих субъектов в доступе к ним может приводить к ограничению конкуренции на рынке.
Но таким образом регулятор будет только реагировать на злоупотребления. Стратегически правильным выводом представляется принудительное разделение технологических гигантов, так чтобы отделить датаполию, обладающую ключевыми конкурентными преимуществами в больших данных, - поставщика больших данных, от бизнес-единицы, которая будет на равных конкурировать с другими цифровыми сервисами на производных цифровых рынках и иметь доступ к большим данным на равных с другими сервисами.
При этом все цифровые сервисы, конкурирующие на производных рынках, могут рассчитывать на равный недискриминационный доступ к большим данным как инфраструктуре, предоставляемой отдельным самостоятельным и независимым бизнесом. То есть эти большие данные должны быть превращены в инфраструктуру, подобно электрической мощности, обеспеченной гарантирующим поставщиком, который при этом не имеет права заниматься никакими другими видами деятельности.
Список литературы
1. Коваленко А. И. Сетевой эффект как признак доминирующего положения цифровых платформ // Современная конкуренция. 2020. Т. 14. № 1 (77). С. 18-37. DOI: 10.37791/1993-7598-2020-14-1-18-37.
2. Коваленко А. И. Технологические гиганты на цифровых рынках - результат провала регулятора // Современная конкуренция. 2020. Т. 14. № 4 (80). С. 5-24. DOI: 10.37791/1993-7598-2020-14-4-5-24.
3. Коваленко А. И. Многосторонние платформы и концепция ключевых мощностей // Современная конкуренция. 2019. Т. 13. № 3 (75). С. 26-34. DOI: 10.24411/1993-7598-2019-10303.
4. Ючинсон К. С. Большие данные и законодательство о конкуренции // Право. Журнал Высшей школы экономики. 2017. № 1. С. 216-245. DOI: 10.17323/2072-8166.2017.1.216.245.
5. Антимонопольное регулирование в цифровую эпоху. Как защищать конкуренцию в условиях глобализации и четвертой промышленной революции // под ред. А. Ю. Цариковского, А. Ю. Иванова, Е. А. Войниканис. -М.: Изд. дом Высшей школы экономики, 2018. - 311 с. DOI: 10.17323/978-5-7598-1750-5.
6. Competition Law and Data. Report by the Autorité de la Concurrence and Bundeskartellamt. 10.05.2016. URL: http://www.autoritedelaconcurrence.fr/doc/reportcompetitionlawanddatafinal.pdf (дата обращения: 08.08.2016).
7. Коваленко А. И. Ограничения рыночной власти цифровых платформ // Современная конкуренция. 2020. Т. 14. № 2 (78). С. 89-105. DOI: 10.37791/1993-7598-2020-14-2-89-105.
8. Sokol D, Comerford R. Does Antitrust Have a Role to Play in Regulating Big Data? // Cambridge Handbook of Antitrust, Intellectual Property and High Tech. Cambridge: Cambridge University Press, 2016. P. 293-316. DOI: 10.1017/9781316671313.016.
9. Balto D, Lane M. Monopolizing Water in a Tsunami: Finding Sensible Antitrust Rules for Big Data // SSRN. 2016. URL: http://ssrn.com/abstract=2753249 (дата обращения: 04.10.2016).
10. LipskyA., Sidak J. Essential Facilities // Stanford Law Review. 1999. Vol. 51. No. 5. P. 1187-1249. DOI: 10.2139/ SSRN.205668.
Сведения об авторе
Коваленко Александр Иванович, ORCID 0000-0003-3131-6107, канд. экон. наук, доцент, кафедра теории и практики конкуренции, Университет «Синергия», Москва, Россия, alkovalenko@synergy.ru
Статья поступила 02.04.2021, рассмотрена 09.04.2021, принята 20.04.2021 Refereces
1. Kovalenko A. I. Network effect as a sign of dominating position of digital platforms. Sovremennaya konkurentsiya=Journal of Modern Competition, 2020, vol.14, no.1(77), pp.18-37 (in Russian). DOI: 10.37791/19937598-2020-14-1-18-37.
2. Kovalenko A. I. Technological giants on digital markets as a result of a regulator failure. Sovremennaya konkurentsiya=Journal of Modern Competition, 2020, vol.14, no.4(80), pp.5-24 (in Russian). DOI: 10.37791/19937598-2020-14-4-5-24.
3. Kovalenko A. I. Multi-sided platforms and essential facilities doctrine. Sovremennaya konkurentsiya=Journal of Modern Competition, 2019, vol.13, no.3(75), pp.26-34 (in Russian). DOI: 10.24411/1993-7598-2019-10303.
4. Hutchinson C. S. Big Data and Competition Law. Pravo. Zhurnal Vysshey shkoly ekonomiki, 2017, no.1, pp.216-245 (in Russian). DOI: 10.17323/2072-8166.2017.1.216.245.
5. Antimonopol'noe regulirovanie v tsifrovuyu epokhu. Kak zashchishchat konkurentsiyu v usloviyakh globalizatsii i chetvertoipromyshlennoi revolyutsii [Antitrust regulation in the digital age. How to protect competition in
the context of globalization and the fourth industrial revolution]. Ed. by A. Yu. Tsarikovsky, A. Yu. Ivanova, E. A. Voinikanis. Moscow, Publishing House of the Higher School of Economics, 2018, 311 p. DOI: 10.17323 / 9785-7598-1750-5.
6. Competition Law and Data. Report by the Autorité de la Concurrence and Bundeskartellamt. 10.05.2016. Available at: http://www.autoritedelaconcurrence.fr/doc/reportcompetitionlawanddatafinal.pdf (accessed 08.08.2016).
7. Kovalenko A. I. Limits of market power of digital platforms. Sovremennaya konkurentsiya=Journal of Modern Competition, 2020, vol.14, no.2(78), pp.89-105 (in Russian). DOI: 10.37791/1993-7598-2020-14-2-89-105.
8. Sokol D., Comerford R. Does Antitrust Have a Role to Play in Regulating Big Data? Cambridge Handbook
of Antitrust, Intellectual Property and High Tech. Cambridge, Cambridge University Press, 2016, pp.293-316. DOI: 10.1017/9781316671313.016.
9. Balto D., Lane M. Monopolizing Water in a Tsunami: Finding Sensible Antitrust Rules for Big Data. SSRN, 2016. Available at: http://ssrn.com/abstract=2753249 (accessed 04.10.2016).
10. Lipsky A., Sidak J. Essential Facilities. Stanford Law Review, 1999, vol.51, no.5, pp.1187-1249. DOI: 10.2139/ SSRN.205668.
About the author
Alexander I. Kovalenko, ORCID 0000-0003-3131-6107, Cand. Sci. (Econ.), Associate Professor, Theory and Practice of Competition Department, Synergy University, Moscow, Russian, alkovalenko@synergy.ru
Received 02.04.2021, reviewed 09.04.2021, accepted 20.04.2021