第三章 資訊力與數位平台競爭之關聯
第二節 平台匯集之資料類型
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
控制地位之資料萃取與強化(empowering)的技術工具或方法45。大數據與大數據 分析間具備相互提升的關係，事業若無法針對所取得的巨量資料進行大數據分析，
將使得大數據的價值減退46。而機器學習以及演算法的發展，亦仰賴持續之巨量 資料的投入與分析，以強化其自我學習與精進的能力47。對數位平台而言，開拓 並應用適當的演算法，持續並即時的監控所處競爭市場之情況，自動更新相關因 素對所屬市場變動的影響以及預測，而助其取得反映市場變動之決策先機，為大 數據分析帶動資料價值轉換而影響市場競爭之事例。
前面所提到的 3V 可以說是帶動資料價值轉換的根本，巨量而未結構化的資 料，是事業將資料結構化及分析應用的原料。有充足資訊的事業，即使僅具備簡 單的演算法，亦可勝過具備複雜的演算法，卻無法獲得足夠資料量的競爭事業48。 高速的資料處理讓事業得以獲得資料蒐集、處理、分析及應用的先機，運用前述 演算法的即時分析與反饋，讓資料產生價值轉換，而獲得市場競爭決策的時間優 勢。多樣化的資料則透過資料的融合，萃取出單一類型資料所無法形成的內涵，
更有助於事業對於競爭策略多面向的思考，以及促進創新商業作為的形成。
第二節 平台匯集之資料類型
數位平台作為資料匯集的中樞，大量、快速且多元的資料匯集到數位平台，
再由平台加值應用形成市場力的強大後盾。然而，匯集到數位平台資料到底有那 些類型或特性，可以在加值分析之後強化平台的市場競爭力，在進入資訊力平台 市場競爭之探討前，宜簡單先加以整理。
45 Maurice E. Stucke & Allen P. Grunes(2016), supra note 30, at 22；OECD (2014), supra note 29, at 23, Box5
46 Id. at 23
47 Id. at 23~24
48 Maurice E. Stucke & Allen P. Grunes(2016), supra note 30, at 23
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
不同類型或特性的資料，對事業也會產生不同程度之價值與用途。例如關於 個人的相關訊息，可能給予事業關於該個人的行為特性、喜好以及地理位置等相 關資訊。而若為涉及經濟實體的相關資訊，則可能提供平台關於該事業的網路活 動或交易狀況等資訊。若為涉及特定事物的資料，可能提供平台關於事物的位置，
或是移動的速度等資訊(如特定車輛目前所在之處及其車速)49。如果要針對平台 上資料類型化，大致可以從幾個面向來看：資料涉及的主體、資料是否經過結構 化以及資料蒐集的方式50等。而所謂資料涉及的主體，則可以簡單區隔成個人資 料及非個人資料。
一、個人資料與非個人資料
現階段就數位平台競爭議題所探究的資料類型，以個人相關資料為大宗。可 能是因為具備強大影響力，而受到國際競爭法主管機關注意的數位平台，其服務 之性質及主要網羅以建構平台網路效應的對象，多以個人為目標之故。例如近年 在競爭法執法備受關注的 Google 以及 Facebook，前者以搜尋引擎出發，累積大 量的使用者搜尋紀錄，透過不斷精進的演算技術強化搜尋結果，增加了使用者之 黏著度，使得平台使用者的搜尋資料源源不絕的累積。佐以對取得資料加以分析 應用，吸引更多具有廣告需求的事業前來購買目標性的廣告服務，進一步強化其 平台的市場力。平台使用者搜尋行為的相關資料，即屬於與個人網路行為有關的 資料。且 Google 透過使用者單一帳號的串聯，更進一步得以將使用者運用其平 台各項服務所主動或被動提供的資料，連結到特定的對象，使得相關資料與個人 的關係更加緊密。
而 Facebook 作為社群網站的龍頭，其服務的特色就是在連結個人。使用者 若想要享受利用 Facebook 平台可以帶來的人際互動優勢，就必須衡量自身的需 要，主動提供甚至公開必要的個人資料。而 Facebook 近年來透過與具潛力的新 創數位平台合併，並進行跨平台連結的作法(如 Instagram)，更拓展其個人資料累
49 Autorité de la concurrence & Bundeskartellamt(2016), supra note 16, at 5
50 Id. at 6
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
積與流通應用的管道與能力。當然也因此帶來的各國對於 Facebook 隱私議題的 關注，對於其與新創平台(如 WhatsApp)的結合衍生的資訊匯集等相關競爭議題 亦成為資訊力影響競爭的重要案例。
與個人相關的資料有很大的部分可能落入各國個人資料保護或隱私相關法 制規範的範疇。例如，歐盟一般資料保護規則(General Data Protection Regulation，
簡稱 GDPR)第 4 條揭示其所規制的個人資料，係指任何識別或可以識別自然人 (資料主體)的資訊。而所謂可以識別，則包含直接或間接的識別方式，尤其是透 過姓名、身分識別號碼、位置資訊、網路識別碼(online identifier)或一個或多個 與特定自然人身體、生理、遺傳、心理、經濟、文化或社會身分相關的因素加以 識別。且具識別性的個人資料在蒐集、處理與利用上亦須依循 GDPR 規範的要 件，符合合法、公平及透明51的處理原則。我國現行個人資料保護法對於個人資 料的定義範圍亦與 GDPR 規範的原則相似，包括自然人之姓名、出生年月日、
國民身分證統一編號、護照號碼、特徵、指紋、婚姻、家庭、教育、職業、病歷、
醫療、基因、性生活、健康檢查、犯罪前科、聯絡方式、財務情況、社會活動及 其他得以直接或間接方式識別該個人之資料。其蒐集、處理、利用亦須依據蒐集 主體為公務或非公務機關的不同，適用個人資料保護法的相關規範。
在個人資料保護法制的制約下，數位平台所獲得的資料若屬於個人資料保護 法所保護的資料範圍(如歐盟及我國保護得以直接或間接識別個人之資料)，則事 業即使保有具相當競爭分析價值的資料，但可能因為利用上受到限制，使其在市 場 競 爭 之 影 響 與 資 料 的 應 用 價 值 不 完 全 一 致 。 例 如 本 論 文 後 續 將 介 紹 的 Google/DoubleClick 案當中，DoubleClick 雖然從其廣告服務獲得極具目標性廣告 分析價值的使用者資料，但由於其與客戶間對於相關使用者資料利用的契約限制，
51 General Data Protection Regulation (GDPR), 2016 O.J. L 119 , Article 5,
1. Personal data shall be:
(a) processed lawfully, fairly and in a transparent manner in relation to the data subject (‘lawfulness, fairness and transparency’)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
讓歐盟執委會認為因該資料無法成為協助網路效應形成之要素52，對結合後之市 場競爭不具重大的影響。在 Microsoft/LinkedIn 案當中執委會亦明確提到個人資 料相關的法令以及 GDPR 的規範，對於資料利用施加的限制，會影響事業對資 料利用的動機，甚至因為上述規範對於事業資料處理與利用的責任要求，直接對 數位平台市場競爭之相關因素產生影響。而個人資料的利用在法律上限制，亦可 能形成資料驅動競爭市場的排他性因素之一，讓市場早期參進者，獲得資料累積 的時間優勢，亦會影響市場競爭。
至於數位平台可能蒐集到的非個人資料部分，基本上應該包括利用平台的事 業所為的行為資訊，例如特定商品或服務的價格資訊、廣告行銷資訊、銷售資訊、
商品服務內容及相關統計資料等；或是透過資訊設備、量測設備或行動載具回饋 平台的相關資訊等，如軟體或設備執行之錯誤回報資訊、行動定位技術回報之位 置資訊、設備量測回報資訊(如溫度、空氣品質、濕度、車流量等)。這些資訊對 於平台而言，亦可能有助於對於目前市場競爭狀態的掌握，或提供更多元應用的 服務。例如平台透過價格演算機制獲得市場相關競爭服務的即時價格動態，得以 迅速評估調整價格策略以為因應。或可協助平台透過機器學習方式持續改善其所 使用的軟體、演算法或相關設備的品質，以利提供更精確優質的服務，提高市場 競爭力。
設備量測資訊與線上個人資訊的結合，在 IoT 技術的蓬勃發展下，讓更多創 新服務得以出線。包括美國或是日本，皆有結合家用電器以及線上個人資料相互 應用而形成的創新服務(例如：智慧家居服務)正在發展中53。日本公平交易委員 會於 2017 年針對資料與競爭政策提出的檢討報告當中，對於此類由事業透過設 備或技術所蒐集的資料，稱為機器相關資料(機器等のデータ)或產業資料(産業デ
52 European Commission, “Google/DoubleClick”, COMP/M.4731, Brussels, Dated 11/03/2008, C(2008)927 final, §182~189, at 50~52
53 Japan Fair Trade Commission Competition Policy Research Center (公正取引委員會競爭政 策研究センター), Report of Study Group on Data and Competition Policy(データと競争政策に関 する検討会報告書), 6th June, 2017, at 19~20(EN), 17(JP)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
ータ)。這類資料的取得由於必須要佈建感測設備或機制，且在感測設備建置上 可能存在經濟或法律上的限制54，並非任何人都有能力做到，取得資料的途徑因 此受到限制，也可能形成市場力量55。
二、結構化資料與非結構化資料
資料對於事業的價值亦會因其是否已經過結構化而有別，也就是說資料的結 構化與否，可能影響事業從中萃取對其有價值之資訊的可能性。所謂結構化的資 料所指的是遵循一個已將許多區段加以定義的模型，將不同區段應該具備的資料 以及相關資料彼此之間的關聯性皆已建構起來56的資料集合。例如數位平台的消 費者資料庫，其設定的資料模型通常涵蓋消費者的姓名、地址、年齡、電話號碼 等資料，即為對於平台消費者的結構化資料。一般而言，結構化的資料由於具有 系統性，在商業目的的解讀及應用上相較於非結構化資料更容易處理57。
非結構化的資料則於平台上常見者，為資訊系統、演算機制在運作過程中直 接產製的資料、感測技術或設備所取得的原始資料，或其他尚未經過區段定義的 資料等。這類型的資料若採用傳統的整理與分析方法進行處理，將會耗費相當大 的工程，且未必可以有效萃取出最精華的資訊。然則，若能夠採納或設計新穎且 適當的演算機制，透過大數據分析技術的應用，亦有可能將傳統上認定為雜亂無
非結構化的資料則於平台上常見者，為資訊系統、演算機制在運作過程中直 接產製的資料、感測技術或設備所取得的原始資料，或其他尚未經過區段定義的 資料等。這類型的資料若採用傳統的整理與分析方法進行處理，將會耗費相當大 的工程，且未必可以有效萃取出最精華的資訊。然則，若能夠採納或設計新穎且 適當的演算機制，透過大數據分析技術的應用，亦有可能將傳統上認定為雜亂無