1. 问题的提出
首先，对于数据本身是否会造成垄断进行讨论，在目前学界中大多数的学者认为数据是可无限复制的，因此认为数据具有非竞争性与非排他性的特征。在互联网平台上企业通过平台软件收集用户的数据使其数据实现大量积累这一单纯行为并不会被认为企业形成竞争优势，因此就数据本身的属性而言并不会导致市场垄断，那么我们所说的“数据垄断”实际是指目前迅速崛起的互联网平台企业利用其自身的数据优势，从而实施影响经营者之间公平竞争的行为，破坏数据市场良好秩序。目前，我国的反垄断政策并不能有效地实现在数据领域中所设计的关于保障数据安全、促进数据流通以及推动数字产业创新等多种目标，特别是在数据领域最受公民所关注的个人信息隐私保护的问题。反垄断执法机构能否对其进行审查，这个问题就陷入两难的境地，如果进行审查就会有侵犯公民个人隐私的危险，如果不对其进行审查也无法对数据互联网平台企业进行管制。在反垄断政策中对于不同的行为进行的审查时间不一，在经营者集中这一行为上侧重于对申请的企业进行事前审查。为了促进数字经济的发展，在关于平台创新上更偏向于事后规制，避免事前审查阻碍企业创新的尝试与想法。2022年12月19日，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称“数据二十条”) [1]。提出“建立公共数据、企业数据、个人数据的分类分级确权授权制度”，再次引发人们对数据确权的探讨[2]。这一富有创新性的新概念，新政策通过对数据财产权进行分类分级确权，加强个人数据的数据保护、促进企业数据的数据流通、推动公共数据的数据共享，从而实现数据财产权的结构化归属，充分释放数据要素的利用价值。这一制度初步搭建我国数据基础制度体系，从数据经济发展中产生的实际问题为切入点，创新性地提出弱化数据所有权，强化数据的使用权与经营权概念，将数据制度落到实处。所提出的新数据要素制度对规制数据垄断行为，促进数据要素流通提供了新思路。
2. 数据垄断行为的危害检视
2.1. 平台企业数据垄断行为的成因与典型表现
数据要素的内在特性掣肘数据要素市场发展，从数据的内在特性出发，数据在理论上通常认为是具有非竞争性和非排他性特征，目前对于数据这一概念达成共识，认为数据以电子形式而存储在多媒体设备上，能够无限的分享与复制，数据转移的成本极低，甚至可以说是零损耗，这就说明数据资源的价值不会随着使用者的增多而降低，这是与其他生产要素显著不同的地方。但是在实际流通的过程中，数据在人为控制下，这些应然属性会与实然层面产生出入。平台是作为数据实际掌控者，它可以选择是否将本平台所掌握的数据进行披露以及披露对象，数据在互联网平台企业是极具价值的商品资源，就商品供求规律而言，数据的拥有者越多那么数据的价值则会相应的减少。所以平台为了实现数据价值的最大化追求利润会采用各种措施来阻碍其他竞争者来获得同样或者类似的数据，例如通过订立排他性协议或者在技术手段上设置壁垒，亦或者仅授权给特定主体而限制其他主体取得，这些行为都会在实际上产生排他效果。这就给平台一个可以通过合法或者非法的手段来独占数据的机会，其他企业也是可以通过自身平台获取用户数据，但是很少有企业能够获得与大型平同样高质量的数据，这就为数据垄断提供了可行性。
互联网平台外部效应加剧形成数据垄断。数据垄断行为具有很强的隐蔽性，无法被有效的识别。如果仅从表面来看数据垄断并没有降低产品质量与服务水平，甚至不同企业之间为了吸引用户，取得用户长久依赖而提供更多样化产品和更高质量的服务。当我们使用一款软件的次数越多，该平台依靠算法能够精准的计算出用户的习惯偏好，以此所推送更加精准的内容，进而提升用户的使用频率巩固自身地位，也可以利用老用户吸引新用户参与使用，在互联网平台上所提供的大部分基本服务都是免费为用户所提供的，这是形成了正向用户反馈。平台企业在市场中占据了绝对优势之后，经过用户的长期使用就会养成在该平台上固定消费的习惯，从而被锁定在该企业的商品和服务上，这就是所谓的互联网平台锁定效应。这也是造成数据垄断的成因之一，几乎所有的用户数据均被一家或者几家大型平台进行收集，其他企业即使进行竞争也很难与之抗衡收集到相同的高质量数据信息。而如此锁定效应又会产生网络效应，直接的网络效应所表现出来的是当一个平台上的用户量越多，那么该平台对新用户的吸引也会如同滚雪球一般越来越大。
在网络效应的作用之下，一些平台在已经拥有了一定的用户量的基础上进一步强化数据优势，进而发展为市场竞争中的支配地位。这对互联网上尚处于发展初期的中小企业而已是一个打击，网络效应会使得新入驻的市场主体甚至无法开展竞争的第一步，从而早早夭折。当平台的用户规模越大，对市场秩序的影响越深，大型平台企业的不可替代性越强，对中小企业的挤压严重，这极大的削弱了数据市场的创新与发展。
除此之外，还有多种原因阻碍着初创企业去获取用户的数据，事实上每个平台对用户数据的收集都需要高昂的数据收集成本，收集和处理的过程都需要巨额成本的投入，任何平台企业的发展壮大都面临着高投入的问题。只有高成本的技术投入才能使得承载庞大的数据量，数据信息能够进入完整的分析处理的流程，能够保证输出结果的精确程度，这才是发挥真正数据价值的前提条件。但是关于数据技术的前期性投入通常是耗费大且周期长，这对中小企业或初创企业是不友好的，往往会造成在起步初期就面临破产或被收购吞并的结局。巨型平台的数据处理技术一经发展成熟便可无限使用，后续的处理成本几乎为零，而回报与利润是极大的，这长期在市场竞争中就会占据优势甚至支配地位，这也是导致数据垄断行为产生的原因之一。
数据要素流通的外部确权模式与数据治理理念相背离传统的数据产权保护模式是侧重所有权，由此产生的使用、收益的权利居于从属地位。如此，数据产权被视为不可分割的整体，呈现出单维产权配置特征。在数据利用规则中强调静态的财产所有，弱化动态的财产利用。这就导致数据非排他性与主体相斥的冲突，无法平衡不同主体之间的利益，是的数据流通与市场发展陷入困境。数据要素与其他要素存在显著区别，数据是附着在电子代码上，因此数据并不具备物的独立性；且数据可以被多个主体持有，不具备物的特定性。对数据要素所有权保护模式的推行不可避免使数据资源陷入到“公有”或“私有”的二元困境，数据资源公有的认定往往忽视了个人数据与企业数据的合理利益期待，数据资源的私有认定则会引发“一物一权”的法理质疑。因此，关注所有权路径的传统数据产权保护模式存在诸多解释论困境[3]。
政府在提供公共服务与管理是势必会产生公共数据，但是这些数据在政府的持有下是受到限制的，政府作为管理者很难将数据的经济价值完全发挥处理。而企业基于授权同意规则与算法技术而获取的资源，由于数据权属模糊与数据流通规则不完善等原因，诱发一系列的垄断与不正当竞争的行为，对数据市场秩序造成破坏。除此之外在传统数据确权的保护中，数据资源的利用大多被权利者所拘束，多方主体对接共享上存在障碍，加剧技术壁垒，阻碍数据资源优化配置的进程。
2.1.1. 算法共谋
在数字时代的背景下数据要发挥价值离不开算法，算法是使数据产生价值的方式，并且算法运用的领域十分广泛。目前算法的普遍应用为大众的生产生活带来许多便利：一是提高资源配置效率。在生产生活中利用算法可以迅速实现资源的优化配置提高效率，在减少资源的浪费的同时节省人工成本；二是精准定位推送信息。应用平台可以利用算法通过消费者的页面点击与停留时长推算消费者的喜好，分析消费者的兴趣与潜在需求，进而对消费者实现消息的精准推送。三是便利搜索信息。算法能够通过抓取关键词智能推荐搜索结果，并为用户制定个性化的搜索引擎，对搜索的结果进行排序筛选，为用户提供高效贴心的使用体验。
企业的根本目的是盈利。因此为实现收益最大化，企业平台在利用新算法技术达到企业规模化发展的同时也产生了算法滥用的问题。目前常见的行为是企业平台利用算法所进行的大数据杀熟的行为，平台利用信息数据优势对消费者进行差别定价。当不同的消费者进入到相同软件中，但是软件中的同一产品却在消费者的页面中显示不同价格，这就是算法针对少数主体所产生的偏见行为。
算法共谋简单而言是通过利用算法设置垄断协议，通过算法设置数据规则与运行规则，使得多方市场主体达成垄断协议在数据平台上共同行动，垄断协议又分为横向垄断协议与纵向垄断协议，在横向垄断协议中同一阶级市场主体之间相互传递消息，在纵向垄断协议中对上下游企业的执行情况进行监控。
在反垄断法中，认定垄断协议的必要条件就是参与协议各方的意思联络[4]。传统经济下的垄断协议多是出现在市场份额与集中度较高的寡头企业之间，当其中一家企业的价格进行变动会引起这一产业的波动，因此企业之间并不轻易的变动价格，各企业通过该方式达到瓜分市场份额巩固自身地位的目的。在数字经济下，企业可以依托算法了解市场趋势以随时调整自身经营策略，利用算法可以轻易的计算出最优价格方案，让市场主体在追求竞争优势的同时隐蔽达成共谋行为。
传统的共谋行为是很容易被打破的，即当某一企业破坏原本协议会引发企业间展开激烈的竞争以稳固自身地位。然而在数字背景下，市场主体的共谋行为较为稳定，因为企业依据算法实行共谋行为，当以企业试图改变，与之相关联的企业利用算法可以很轻易的发觉并制定相应的计划，对其背离企业进行跟踪监督以尽可能阻碍企业实现获利，其他企业根据算法进行跟随，比如利用共谋信号算法、价格跟随算法等进行动态调整。这与传统的共谋行为相比大大降低了竞争成本，也降低了企业之间实现共谋的门槛。
传统的共谋行为是企业通过签订垄断协议这一行为而确定的，然目前在数字模式下当企业想实施共谋时只需要依靠算法想特定主体发送邀约或者设置程序，其他主体只需要接收信号并跟随就能隐蔽的完成共谋，企业之间都无需进行协商和谈判的交流互动行为，依靠算法即可达成垄断的默契。没有进入共谋行为的企业以及监管部门是很难察觉到其行为，与传统共谋行为相比具有隐蔽性。毋庸置疑算法给我们的社会注入新发展动力，然而我们同样不可忽视算法在应用中所带来的危害。
2.1.2. 算法价格歧视
在数字经济下超级平台会通过人工智能、大数据、互联网等高端的信息技术工具来构建搜索引擎与算法模型，企业在进行算法建构时，利用本平台已经掌握的用户数据量进行规则设定，最后输出算法结果以此为依据进行潜在优质用户搜寻。不仅企业之间可以利用算法进行歧视性交易，企业对消费者也会使用此行为，平台会根据用户的个人信息对其进行分类，针对不同的客户进行针对性的定价规则，以此用来分析用户的消费偏好，精准推送产品或服务，并在价格上实施“差别待遇”，最终实现“千人千价”“看人下菜”[5]。精准推送可以满足消费者的多元化需求，达到消费者购物目的，然而另一方面平台对消费者数据的过度探索与分析也被认为威胁到消费者的自主选择权与隐私权。这种情况多出现在网上购物软件、打车软件、外卖软件等多种互联网平台，“因客定价”已经成为目前多平台惯用的营销手段，这类现象屡禁不止并且这种情况所带来的司法问题目前还没有一个有效的解决方案。当前的《反垄断法》《中华人民共和国电子商务法》《中华人民共和国价格法》《中华人民共和国消费者权益保护法》等相关法律对该类行为并没有明确规范。
目前在数据领域出现新名词——算法黑箱。技术公司为算法设置了相关的排他性政策，进一步加剧了算法的复杂性，在外界看来算法就如同一个外界无法可知的“黑箱”，算法黑箱的存在使得用户与反垄断执法机构无从详细知晓算法设计者与使用者之间的隐蔽信息与目的，算法价格歧视的本质是在于数据滥用与定价算法，外界想对其进行监管是存在困境的。故而，如何实现对定价算法穿透性监管是目前亟待考量的问题。
2.1.3. 混合集中
为了提升自身企业的竞争优势，数据驱动型经营者大多会通过收购或者合并的方式来获取数据资源，在此行为下易带来数据驱动型经营者集中问题[6]。目前正处于数据资源爆炸的阶段，市场经营者搜集与分析数据的能力是有限的，若想达到理想状态则需要高昂的运行成本，而企业发现只需要进行合并并不需要较高的投入并且可以在短时间内获取大量资源时，就会有意识的实施此种行为。尤其是目前存在的超级平台，它们的数据资源优势十分明显甚至出现数据寡头的情况。关于数据驱动型经营者是无法利用传统的横向和纵向的模式进行界定，而经营者集中主要目的就是为实际的经营内容做好数据资源的储备工作。
3. 数据垄断行为规制困境
3.1. 理论层面
“价格理论”是目前反垄断法理论与实务层面的主流观点，核心观点是价格来自交换，主要是指买房与卖方之间的交换。但是这一理论对数据垄断行为无法进行有效的识别。在“价格理论”中认为反垄断监管主要是为了规制企业在提高价格或者降低服务的质量与水平的行为上，在面临数据垄断时存在一定的局限性。数据被认为是连接技术与产品之间的桥梁，数据产品的生产与销售过程与其他产业之间是相关联的，但是目前反垄断法的规定还不能深入贯穿到数据产品与服务的各个环节，数据产品中存在复杂的过程行为中存在内在复杂性与牵连性不能仅通过价格进行衡量。只依据传统的营业额标准并不能准确的反映出经营者集中的情况，常见的是平台通过提供免费的服务吸引用户使用该软件，但是免费服务可以认为是用户的个人信息来换取的，经营者通过获取用户量来吸引商家入驻进行广告宣传，广告费也会将免费服务的这一损失覆盖住。传统的营业额的计算并不包括免费服务这一项，并且在数据市场中许多企业的更替性是很强的，因此对于互联网平台企业而言，与营业额相比，数据资产的多少是更能反映出市场的竞争力，许多平台进行收购并不是看中被收购企业的营业额，根本目的是为了获得更多的用户资源与数量。对于以获得数据资源为目的的互联网平台企业的经营者集中如果还是按照传统营业额作为申报标准进行审查，则会使得许多经营者间的并购行为逃脱相应的审查义务。
3.2. 技术局限
针对算法所达成的默示合谋行为是很难被认定与监测到，难以搜集数据垄断的有效证据。由于算法共谋具有智能性和隐蔽性的特点，并且算法只是为平台企业进行服务的一种工具，算法本身是不可能具有垄断的主观意思，因此想要搜集证据证明算法存在共谋是比较困难的。算法共谋是不需要经营者之间进行意思联络，只需要利用算法对数据进行实时监控与分析处理就能实现经营者期待的所价格策略调整，使不同的平台之间设定并维持相同的价格协同行为。特别是在自主学习类算法共谋中，先进的算法技术可以利用强大的自主学习能力与运行能力，它能够独立自主的达成或跟随实施垄断协议，在这样的情况下，基于传统的反垄断法的规定因缺乏意思联系证明，仅仅通过算法运行程序是很难被认定为垄断协议而受到执法机构的管制。并且数据市场竞争的动态性较强，动态竞争也增加了数据垄断行为的认定难度，互联网平台企业可能会可以在短时间迅速崛起、发展、壮大，对原有的市场产生冲击，打破竞争格局，这会造成反垄断评估难度的增加。
3.3. 规制滞后
例如算法共谋、大数据杀熟、歧视性交易等损害市场公平竞争秩序有关的数据垄断行为都可以归入到反垄断法的研究领域之中，目前在反垄断领域中仍然对诸类行为仍以事后规制为主要监管方式。在实践中对于相关行为也都是以处罚为主，这对引导数据市场进行公平竞争的并没有起到明显效果。如果对于该类的行为只侧重于事后的规制，不仅在时效上存在滞后性，对于反垄断的相关部门而言也十分被动，无法充分发挥出反垄断治法机构的作用。实际上，平台监管应立足于市场的要素分配地位，拓宽数据资源有序供应渠道，引导平台形成全过程以反垄断为直接靶向的数据共享体系。
4. 数据三权分置的适用逻辑
三权分置最早是在农用地领域中提出，从体系解释出发农地“三权分置”可以给数据“三权分置”带来有益参考，这也反映出三权分置这一概念是在农用地领域中发挥出有效价值才会被引入到数据要素这一领域之中。与农地“三权分置”相比，数据“三权”中并没有设置“数据所有权”这一母权，这就说明数据的权利分置脱离了传统的模式，选择了权能独立的权利束形态。数据的三项权利并不是由一个总权利所派生出来的，三项权利是彼此独立。在厘清数据三项权利的基础上可以推出一主体可以同时拥有不同权利，但是也可以将本人权利进行转让或授权。数据“三权”将数据产权拆分打破各方主体之间的竞合关系，灵活处理与保护不同权利主体的合法利益，这一制度体现了顶层设计者的智慧。三权分置制度是目前解决数据垄断的新思路与新路径。权利分置这一制度能够促进数据合规高效流通，并赋能实体经济，明确数据权属以减少相关纠纷。对具路径进行设置应当明确在反垄断视角下对数据的三项权利进行内涵解释，明确平台之间互联互通边界，对用户隐私保护规则进行完善。
4.1. 三权分置视角下数据垄断的治理路径
4.1.1. 理论层面：形塑权利内涵
从逻辑上看，在数据资源持有权、数据加工使用权、数据产品经营权的分置布局中，数据资源持有权构成了数据加工使用权与数据产品经营权的前置性基础权利[7]。在数据的三项权利中数据资源持有权是其产生的第一项权利，是数据加工使用权和数据产品经营权产生的基础，在三项权利中具有重要的基础性地位。在《数据20条》提到关于数据资源所有权要淡化，通常在法律制度中都是赋予所有权，法律将一项权利规定为持有权是很少见。但是，对于数据资源持有权的创造性产生是符合目前数据产业发展要求的，目前我国主要的数据资源大多被各平台与企业所收集，平台与企业在各种软件上经过个人权限后允许访问个人信息，但是个人信息并不只会被某一平台所单独享有，因为数据信息收集达到一定数量后成为数据资源被存储在平台的云端中，从而大量的数据信息集合成数据资源，但是这并不意味着平台和企业对该数据资源享有所有权，因所有权是物权，具有绝对性与排他性，数据信息因其特殊属性，不宜采用所有权或物权形式加以保护。如果赋予所有权将会产生法律逻辑冲突。数据资源的持有者起码应该拥有对数据的管理权与控制权，管理权即对数据进行保存、更新和使用等行为；控制权是对数据资源具有排他性和竞争性的权益，有权同意或拒绝他人对自身数据的请求。数据资源持有权明确数据资源持有者的合法数据使用权，进一步推动公共机构合理顺畅的进入数据市场，构建数据流通秩序。创造性的提出数据资源持有权是解决该问题的一大突破，有效的平衡了多方矛盾与冲突问题，也避免了法律逻辑的背离。
将数据按照主体进行划分可以将数据分为公共数据、企业数据与个人数据三类，由此可知持有数据的主体包括政府、企业和个人三种。在政府主体上应明确权利行驶的边界，避免上述主体利用数据优势实施垄断行为，限制竞争阻碍全国统一大市场建设。企业主体在市场中基于经营活动搜集的数据的持有和使用的权利归属于经营者，权利的行驶不得产生排除、限制市场竞争的效果；个人对个人信息数据可自主决定使用或者授权给其他主体使用。在当前的数据治理之中最重要的前提条件之一是要确保个人数据的隐私和安全，在数据“三权”中强调了要弱化数据资源持有权，确立个人数据可携带权，这样可以提升个人对数据控制的能力从而实现保障个人信息自决权。
数据加工使用权是作为数据资源持有权与数据产品经营权之间的中间权利。上接数据资源持有者的大量数据资源，向下传递数据资源进行加工后的数据产品。在数字经济，数据资源持有权与数据加工使用权两项权利是否同属于一个主体并不确定，数据资源持有人对自身所掌握的数据资源，既有自己进行加工的权利，也可以将数据资源交给其他社会主体进行加工。持有人与加工人之间可根据法律规定或合同约定该资源由谁享有该项权利。在反垄断的视角下对数据加工要坚持数据隐私保护原则与必要数据原则，在数据隐私原则中主要主体是企业，强调企业要做好对收集的用户数据的保护工作，禁止对用户数据随意的进行流转或者曝光；在必要数据原则中要求设定数据共享规则，以此来预防大企业滥用市场支配地位而妨碍竞争。
数据的加工可分为简单加工与深度加工，简单加工即对数据资源进行简单的信息整合，并没有使得数据资源具有实质的质量与价值，则不认定为对数据产品进行的加工。深层加工即实质性加工，是对数字资源付出脑力劳动，人力与金钱投入，将数据资源进行复杂的数据分析与升级，从而将数据资源转化为数据产品。数据产品是对数据资源的升级，是数字经济中的重要标的物，数据加工使用权着重保护保护加工人对数字资源进行的劳动贡献。数据产品经营权并不是直接来源于数据加工使用权或数据资源持有权这两项权利，而是数据资源持有者或数据加工者通过投入实质性加工和创新性劳动，“原始取得”了数据产品经营权[8]。经营权会在数据加工使用权中产生，但是又不止单纯的产生在加工使用权中，大多是从数据加工处理行为里衍生出来。三项权利的情形既是可以进行一条龙连贯产生，也可分离产生与独立使用。“数据二十条”中第10条提出要有序培育产业化数据商与第三方专业服务机构。很多平台会在用户使用的时候要求授予权限同意收集个人信息，但是并不具有将大量数据资源形成数据产品的能力，当数据资源不能形成数据产品时，也是对数据资源的一种浪费行为，因此根据现实需求，“数据二十条”形成该条款，专门进行数据升级的加工商得到授权后取得数据加工使用权，将本企业的数据产品所形成的经营权授权给具有数据产品营销资格和能力的企业进行经营，实现数据加工使用权与数据产品经营权两项权利的分置。经营权对数据产品进行流转，促进数据产品的重复利用率，满足目前各企业与平台对客户进行精准定位满足消费需求的需要，利于企业进行产品与技术升级。对数据升级为数据产品，并将经营权授权给具有数据产品营销资格和能力的企业进行经营，这就是数据加工使用权与数据产品经营权两项权利分置的作用。使数据产品进行流转是使数字经济“活”起来的重要因素，我国创造性的提出数据产品经营权的最终目的就是使数据这一最新的生产要素在最高效的效率下发挥出最大的经济价值。
4.1.2. 制度层面：完善反垄断制度规则
在经济与科技高速发展的今天，数据产业日趋兴盛。明确数据确权，明晰数据三权分置，构建数据制度建设刻不容缓。完全依靠个人授权才能获取数据资源是无法培育出理想的数据要素市场，也无法使得数据“三权”这一政策实现良好落地，在该情况下可以利用反垄断执法机构进行介入来减少对数据封锁的影响。在保障数据隐私安全的前提下进行数据开放接入政策，实现用户授权数据批量进入。在相关制度的完善方面我国可以借鉴其他国家的相关经验，尝试引入守门人制度，将守门人认定标准进行本土化修正；建立信托机构作为中介组织进行管理，用来实现个人数据与企业数据之间的对接以及当用户的个人信息遭到损害时进行向企业进行维权。
数据是开展商业活动与市场竞争必不可少的核心要素，而需要强制接入的个人数据主要应集中在涉及重大公共利益的特殊行业。例如医疗行业与能源行业，对此应进行合理的行业监管，在保护的同时促进行业创新发展健康运行。数字平台作为数据市场的依托应当细化平台之间互联互通的义务内容。主要涵盖数字平台上经营者的数据范围与行业范围，细化经营者提供数据的标准与方式，对于共享数据的设定标准要综合考量个人隐私的敏感程度、关键行与可用性。完善企业之间交换数据的要求和限制，并搭建出配套的救济机制。
个人信息权益与人格尊严息息相关，在数据垄断行为频繁侵害个人权益的背景下，从司法层面下健全数据垄断背景下的消费者公益诉讼制度具有必要性与紧迫性，并且以反垄断公益诉讼的方式对保障消费者个人信息权益具有可行性，通过公益诉讼的形式赋予消费者集体诉讼权利符合反垄断法在个人信息保护中的定位。在消费者公益诉讼制度方面应构建多元诉讼主体。目前仅规定人民检察院是公益诉讼的适格主体。根据我国公益诉讼实践与大众对消费者协会的认同，可以增加消费者协会为适格主体，并且这与《个人信息保护法》中对公益诉讼主体的规定是一致的，有利于实现《反垄断法》与《个人信息保护法》的协调适用。另一方面在诉讼中可以考虑适用举证责任倒置规则。在反垄断领域诉讼具有专业性，数据平台损害个人权益是隐蔽性与复杂性，因此“谁主张谁举证”的传统证明责任规则或不适用，为解决原告存在举证困难并降低消费者的维权与诉讼成本，保障司法公平，可以考虑适用举证责任倒置进行解决。
5. 结论
目前数据资源与超级平台相互依托，在当前的经济背景下成为了推动市场发展的关键要素。数据垄断开始成为各国学者关注的焦点问题，因数据不能明晰本身的权利配置，带来了平台与用户之间、平台与平台之间数据流通失范这一问题。在平台对数据的商业开发上与用户的个人隐私保护方面都存在制度困境，而“数据二十条”的提出为解决这一困境提供新路径；在数据“三权分置”的新理念下，明确在反垄断的语境下数据三权的权利内涵以制定平台数据垄断的治理规则，实现对个人信息隐私的安全保护。“数据二十条”提出数据产权制度的基本框架，已表明我国数据产权制度建设势在必行。目前关于数据“三权分置”的制度还没有上升为法律语言，相关配套设施没有形成完整链接，因此数据“三权分置”要完善且有效地适用于竞争法领域仍任重道远。