《大數據與競爭政策》是2019年3月法律出版社出版的圖書，作者是[美]斯圖克。
基本介紹
- 中文名：大數據與競爭政策
- 作者：[美]斯圖克
- 出版社：法律出版社
- 出版時間：2019年3月
- 頁數：426 頁
- 定價：118 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787519730826
內容簡介,作者簡介,圖書目錄,
內容簡介
《大數據與競爭政策》探討了數據驅動型經濟帶來的潛在效益，以及數據驅動型併購及濫用數據壟斷之行為帶來的潛在風險。大數據是當下炙手可熱的一個話題。許多企業在戰略決策過程中，賦予大數據至關重要的地位，設法取得“數據優勢”。數據驅動型併購不斷增多，花樣繁多的數據驅動型競爭行為不斷湧現。這些商業策略在隱私、消費者保護和競爭政策等方面引發了廣泛關切。其中，越來越多的競爭執法機構開始關注數據驅動型商業策略引發的競爭問題。某些競爭執法機構已經對網際網路企業實施的數據驅動型併購、濫用市場支配地位和卡特爾行為展開調查，甚至作出嚴厲的處罰。
作者簡介
莫里斯·E. 斯圖克 美國田納西大學終身法學教授、The Konkurrenz Group諮詢公司聯合創始人。先後獲得喬治城大學（Georgetown University）文學學士和法律博士（JD）學位。莫里斯·E. 斯圖克在競爭法方面，擁有二十餘年私人執業和聯邦法務部供職經驗；就競爭政策問題發表眾多學術論文，其著述運用行為經濟學和心理學等實證研究成果重新審視競爭政策的很多傳統觀點；通過重新評估競爭法的立法目的和假設，力圖向政策制定者提供更具實證基礎的競爭政策。與牛津大學競爭法教授阿里爾·扎拉奇（Ariel Ezrachi）合著《算法的陷阱：超級平台、算法壟斷與場景欺騙》（Virtual Competition: The Promise and Perils of the Algorithm-Driven Economy）。
艾倫·P. 格魯內斯 反壟斷法律師、The Konkurrenz Group諮詢公司聯合創始人。先後畢業於達特茅斯學院（Dartmouth College）和羅格斯大學肯頓分校（Rutgers-Camden）法學院，並獲得紐約大學法學碩士（LL.M.）學位。曾在美國聯邦法務部反壟斷局工作十餘年，負責無線電、電視、新聞、電影及其他行業的反壟斷調查工作。
圖書目錄
詳目
中文版序言
致謝
簡目
詳目
縮略詞
案例表
中國案例
歐洲案例
美國案例
立法表
歐洲立法及併購指南
美國立法及併購指南
第一章引言
一、誤區1：隱私法與競爭法追求不同目的
二、誤區2：競爭執法官員的現有工具能夠完全處理所有大數據問題
三、誤區3：市場的力量就能解決隱私問題
四、誤區4：數據驅動型線上產業不存在網路效應
五、誤區5：數據驅動型市場的進入壁壘低
六、誤區6：數據沒有或只有很小競爭意蘊，因為數據無處不在、成本低廉且廣泛可得
七、誤區7：數據沒有或只有很小競爭意蘊，因為支配性企業不能排除小規模企業取得關鍵數據或使用數據獲得競爭優勢
八、誤區8：競爭執法官員不應關注數據驅動型產業，因為競爭總能在不經意間發生
九、誤區9：競爭執法官員不應關注數據驅動型產業，因為免費產品和服務通常使消費者受益
十、誤區10：使用免費產品和服務的消費者對隱私不抱任何合理期望
第一部分勃興的數據驅動型經濟
第二章大數據的定義
一、數據規模
二、數據速度
三、數據種類
四、數據價值
第三章以智慧型手機例示大數據與隱私的交叉
一、賴利案的案情對政府有利
二、出人意料的一致判決
三、反思
第四章大數據的競爭意蘊
一、商業文獻中呈現的關於大數據戰略意蘊的六大主題
二、回應大數據無競爭政策意蘊之主張
三、如果數據具有非排他性，企業為何要排斥第三方訪問數據？
四、推特消防帶
五、難以成立的大數據隱喻
第五章市場的力量未能解決消費者的隱私關切
一、市場的力量未促進隱私保護程度更高的服務
二、市場未對如此眾多個體的隱私關切作出回應
三、個體是否有隱私關切
四、顯示性偏好理論存在的問題
五、缺乏保護隱私的可行替代選項
第二部分競爭執法機構在認識數據的重要性以及少數企業空前數據收集和變現系統的意義方面表現得失互見
第六章美國和歐盟在評估數據驅動型併購方面表現得失互見
一、2008年歐盟委員會決定不質疑通騰/電圖併購
二、臉書/瓦茨普併購案
三、聯邦貿易委員會“提前終止”對聯合數據系統公司/熟聊併購案的審查
四、谷歌和耐斯特實驗室併購案和谷歌和卓普攝像併購案
五、谷歌和位智併購案
六、2014年美國法務部在市場聲音和強力點評併購案中勝訴
七、併購案件概要
第三部分許多競爭執法機構尚未考慮大數據的意蘊
第七章執法機構關注的可測度因素（價格）並非總是重要因素
一、邁向價格中心型反壟斷法的衝動
二、價格中心型路徑的不足
三、併購的質量競爭影響難以評估
四、許多數據驅動型多邊市場上質量競爭至關重要
五、隱私SSNDQ測試的挑戰
六、以SSNIP評價免費服務
七、價格中心型分析可能導致錯誤結論
八、反思
第八章數據驅動型併購往往不能歸入競爭政策的傳統分類
一、併購分類
二、認為相似產品比不相似產品相互競爭更激烈
三、數據的可替代性
四、界定一個新類別
第九章隱私關切不同於競爭政策目的之觀念
一、數據驅動型經濟中的隱私界定
二、是否及何時需要證明損害以及證明何種類型的損害
三、競爭執法機構和法院如何平衡隱私利益與其他利益？
四、法院以主流默認值替代平衡操作
五、設定競爭法案件中的默認值
六、結論
第四部分競爭執法機構忽視或輕視
大數據將造成多重風險
第十章進入壁壘在反壟斷分析中的重要作用
一、數據驅動型市場的進入壁壘
二、超越傳統進入壁壘考察
第十一章一邊有傳統網路效應的多邊市場可能存在較高進入壁壘
一、臉書與瓦茨普併購案中的傳統網路效應
二、歐委會關於併購不會導致市場向臉書側傾的推理
三、對歐委會網路效應分析的評價
第十二章數據規模：試錯、“做中學”網路效應
一、位智的逐嚮導航套用
二、搜尋引擎
三、臉書
四、反思
第十三章另兩種網路效應：數據範圍和溢出效應
一、數據範圍
（一）臉書數字助理M
（二）搜尋引擎
二、溢出效應：多邊平台一邊的網路效應能提升其他邊的市場勢力
（一）多邊線上平台上的傳統溢出效應
（二）數據驅動型溢出效應
（三）集券網
（四）臉書
（五）搜尋引擎
第十四章數據驅動型網路效應之反思
一、數據驅動型網路效應的十大意蘊
二、控制作業系統的平台較獨立套用享有競爭優勢
三、獨立套用開發商依賴谷歌和蘋果
四、谷歌受益於這些網路效應
五、網路效應並不能確保主導地位
第十五章併購執法不足的風險
一、預測活動
二、大多數併購獲準實施
三、巨大的謎團：競爭執法機構預測併購反競爭效果的準確率
四、併購複評的結果不容樂觀
五、競爭執法機構僅考察多邊平台一邊導致高昂的錯誤成本
六、數據驅動型併購加劇假陰錯誤風險
第十六章反壟斷弱執法的高社會成本
一、芝加哥學派對假陽錯誤的擔心
二、以美國為例說明反壟斷弱執法
三、農業反壟斷弱執法的社會成本
四、金融業反壟斷弱執法的社會成本
五、消費者的總體福利
六、忽視大數據將加劇損害
七、競爭執法機構不應假定其他機構會彌補其錯誤
第五部分為執法機構和學術界提出的研究議程
第十七章認識隱私與競爭法的交叉情形
一、促進消費者隱私利益是質量競爭的重要部分
二、隱私和競爭法交叉的幾個簡單例子
三、對隱私主觀性的剖析
四、發展更有效處理隱私問題的經濟工具
五、效率並非競爭政策的過濾器
六、以消費者福祉作為過濾機制
七、以媒體併購為例說明消費者福祉過濾機制
八、結論
第十八章數據壟斷：識別數據驅動型排斥行為和掠奪行為
一、對壟斷的謬讚
二、破除競爭法不適合新產業的認識誤區
三、“等待動態競爭”論證忽視路徑依賴
四、即便失敗的反壟斷執法也能開啟競爭門戶
五、即時預報雷達——某些數據壟斷比20世紀90年代的微軟更危險
六、警惕數據驅動型反競爭行為，保持競爭門戶開放
（一）通過獨家交易阻礙競爭對手獲取關鍵數據
（二）通過排斥行為阻礙競爭對手取得規模
（三）支配性企業將受監管市場上的數據優勢傳導至另一市場
（四）增加客戶轉換成本
（五）支配性平台運營商實施縱向一體化
七、競爭執法機構應達到的崇高目的——罪罰相當
第十九章理解和評估數據驅動型效率主張
一、效率必須使消費者受益
二、效率必須是併購特有的
三、效率必須是可證實的
四、平衡效率與隱私
五、未來挑戰
第二十章複評數據驅動型併購的必要性
一、等待出現恰當的數據驅動型併購
二、通過併購複評消除偏見
三、聯邦貿易委員會開展的醫院併購複評
四、開展併購複評的效益
第二十一章加強競爭、隱私和消費者保護執法官員間的協調
一、超越“通知—同意”範式
二、激發隱私競爭的若干前提條件
第二十二章結論
索引
譯後記
