数据驱动型侦查法律属性的重释与厘定

数据驱动型侦查以数字技术为支撑,在犯罪治理领域发挥着重要作用.围绕数据驱动型侦查的法律属性,理论上存在着任意性侦查措施与强制性侦查措施的争议.我国目前偏向于将数据驱动型侦查作为任意性侦查措施,这引发侦查权外溢、侵害公民隐私权之风险.日本司法多以重要权利侵害说与强制处分说作为数据驱动型侦查方法强制性的判断标准与基本立场,但因严格的事前令状审批陷入制度僵化的“泥沼”.如若我国将数据驱动型侦查模式下的侦查方法全部归于既有的强制性侦查措施规范框架,则产生侦查失去活性、错失侦查良机等消极影响.为兼顾侦查活性与权利保障,类型化视角下宜将数据驱动型侦查定位为复合任意性与强制性的新型侦查措施,并以“阶段—种类”为具体分类之方法论,以分类型考量与分阶段控制之方式,区分不同数据驱动型侦查方法的法律属性.

我国数据驱动型并购的反垄断审查困境及其制度因应

在数字经济时代,数据资源已然成为社会经济的关键生产要素,亦是数字企业巩固和维持其市场力量的竞争基础。其中,数据驱动型并购基于数据集中引发的数据壁垒、隐私安全、破坏创新等竞争损害已然成为社会各界的关切重点。考察我国反垄断法及实践现状,存在营业额审查标准僵化、竞争效果分析工具失灵的实践困境。依循“误差-成本”最小化理念,应当关注反垄断执法“假阴错误”的社会风险,并结合消费者福利和公平竞争理念,构建“形式-实质”反垄断审查机制,适度提高并购反垄断审查强度。在形式反垄断审查机制方面,构建“营业额+交易额”二元标准,引入“特别名单”申报制度,建立并购事后复评机制;在反垄断实质审查机制方面,确立数据原料封锁、创新要素、隐私要素的核心考量地位。

数据驱动型并购中隐私风险的反垄断规制

数据驱动型并购过程中,平台极易侵犯消费者的数据隐私,造成消费者利益受损。反垄断法的立法目标是保护消费者利益,保护竞争,将消费者的数据隐私保护纳入反垄断规制符合反垄断法的立法目标。然而在规制中存在着反垄断理论与分析工具有待革新、法律适用冲突、价值平衡等问题,通过分析并购中的隐私风险和既有保护路径存在的缺陷提出以下完善建议:一是将数据隐私作为一项独立于价格的消费者福利,通过改革分析工具衡量并购对隐私保护程度的影响;二是在规制时通过“共票”技术平衡隐私保护与其他价值;三是从整合效应出发,注重数据保护立法和反垄断法的互补与协调,由不同部门协同监管并购中的数据隐私保护问题。

数据驱动型人力资源管理研究述评

本文采用系统文献综述方法,对数据驱动型人力资源管理(DHRM)相关文献进行系统梳理。第一,界定了数据驱动型人力资源管理的内涵及系统结构;第二,阐述了研究数据驱动型人力资源管理所使用的理论视角;第三,从技术、组织和环境层面系统归纳了数据驱动型人力资源管理应用的影响因素;第四,整理汇总了数据驱动型人力资源管理应用后带来的积极和消极影响;第五,提出整合框架并对未来的发展方向进行了展望,以进一步推动数据驱动型人力资源管理研究。

数据驱动型并购中隐私风险之反垄断规制的逻辑基础及路径选择

数字经济时代下,数据资产日益成为平台形成竞争优势的关键要素。因此,平台企业的合并多以获取数据资源及占据数据优势为主要商业目的。在数据驱动型的经营者集中频发而反垄断法的适用受制于传统的价格导向时,集中行为中的非价格竞争维度愈发受到学界重视。当前,在互联网免费经济模式下,数据资源与竞争行为建立了内生逻辑联系。然而,数据驱动型并购中的限制竞争行为却基于这一联系严重威胁消费者隐私安全,例如企业调整隐私政策导致隐私保护水平降低、企业建筑数据壁垒对用户实施歧视行为等。可见,反垄断法关注隐私威胁并不是对反垄断法规内在机理的颠覆,而是在新环境下丰富市场规制与消费者权益保护的层次,将隐私保护视为反垄断审查的新型非价格竞争因素合理且必要。关于在反垄断框架下如何认定隐私因素,欧盟的实务裁判结果与美国、日本的官方态度均具有借鉴意义。现代化社会面临的问题日趋复杂,在通过精细化分工制定专门法的同时,也需要部门法的共同着力。针对隐私与集中行为的交叉,我国于2022年8月1日起正式施行的新修《反垄断法》并未作出明确回应,在今后的立法与司法工作中应对此予以重视。在反垄断立法与解释上,应当革新消费者福利的内涵,明晰审查隐私的前提条件,并与其他部门法建立科学的衔接关系。在司法实务上,反垄断执法机构则可以考虑采取确定隐私评估基准、引入SSNDPP(小而显著的非暂时性隐私保护水平下降)等分析范式、设计配套监管方案等措施。可见,反垄断法与隐私保护的融通并非简单的制度拼接,而是数字经济时代下多层保护机制的现代交汇。

数据驱动型经营者集中:现实源流、规制理路与制度因应

随着数据要素战略地位的逐步提升,数据驱动型经营者集中带来的数据集聚效应愈发加剧竞争隐忧。对数据驱动型经营者集中进行理论溯源,经历了从“规制的合理性争议”到“规制的可操作性探讨”的研究历程,回应型规制范式成为理论研究与实践探索的主要趋势。在数字经济的创新外衣加持下,存在传统审查框架难以适用,以及新兴命题应对不力等问题。对此,我国可借鉴域外的规制经验寻求宏观层面的监管转型,中观层面的制度完善,以及微观层面的重点关注领域,以引导数字经济良性发展。

论数据驱动型经营者集中反垄断法规制

大数据时代的来临使得数据在经营活动和市场竞争中的价值日益凸显,数字企业已然认识到数据重要的商业价值,数据驱动型经营者集中的产生和发展有其时代必然性。现有反垄断框架下,经营者集中审查标准存在局限性、相关市场界定的传统框架适用困难、竞争效果分析受到干扰等问题,使得数据驱动型经营者集中的反垄断法规制无法适应现实需要。为此,应当通过改善经营者集中申报标准、优化数据密集型行业相关市场界定的方法以及重视竞争效果评估中的非价格因素等手段,加强对数据驱动型经营者集中规制规范。

数据驱动型平台的数据产权配置研究——基于双边市场理论

数据驱动型平台的数据产权数字经济时代的数据承载了更多的价值。2020年4月10日,中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》,明确提出要加快培育数据要素市场,将数据作为第五生产要素,推动数据资源整合和安全保护建设。作为新型生产要素,数据在互联网平台中的作用逐渐凸显:一方面,海量的个人数据蕴藏了巨大的商业价值;另一方面,数据又隐含了个人隐私,这就引发了关于个人数据的权利问题探讨。

基于语义分析的数据驱动型漏洞检测方法

随着计算机技术的成熟和Internet技术在各行各业的应用,信息安全问题变得越来越重要.各种各样的软件漏洞可能会被病毒、木马利用而产生各种各样的信息安全问题.在所有的软件漏洞中,数据驱动型漏洞是最常见的、也是最容易被利用的漏洞之一.目前的检测工具往往不够深入,仍然存在许多的不足.该文提出了一种基于语义分析的数据驱动型漏洞的静态检测算法.该算法定义了漏洞的词法成分和语法成分,在词法分析和语法分析的基础上,实现了对漏洞的语义层次检测.与传统的采用编译原理方法实现的静态检测工具相比,本算法实现了对数据驱动型漏洞更准确的检测.最后,设计并实现了一个静态检测原型系统,并通过实验证明了系统的有效性.

数据驱动型并购的经营者集中审查挑战及应对策略

数据已经成为重要的生产资料,其能够为企业带来经济效益,也导致以整合数据资源和数据处理能力为主要目的的数据驱动型并购案大量出现。因其在并购主体(数据驱动型企业)、并购客体(用户数据、用户关注度、技术创新)和并购方式等方面具有特殊性,传统经营者集中审查框架模式正面临新的挑战,包括特殊的并购主体引发相关市场界定的困难、特殊的并购客体引发市场力量的认定困难、特殊的并购方式引发申报制度的适用困难。针对相关市场界定的困境,可以尝试引入盈利模式测试法、产品性能测试法,并更新反垄断指南以指导经营者集中审查;针对市场力量认定的困境,可以尝试改进市场份额计算方法,同时充分考量新型市场进入壁垒因素的影响;针对传统申报制度在数据驱动型并购中的适用困境,可以尝试通过引入交易额标准和流量数据标准来丰富既有的单一标准申报制度。

数据驱动型经营者集中的审查困境及对策建议

在数字市场,数据驱动型经营者集中的现象日渐增多,横向、纵向与复合集中交织,协议集中为主要形式,资本和大数据平台是集中的主要推动者。数据驱动型经营者集中引发的数据垄断效应明显,如违规收集和共享用户数据,对用户和新入者设置新的市场壁垒,降低用户的隐私保护力度等。加大对数据驱动型经营者集中的审查具有必要性,在审查过程中应以潜在竞争者认定和替代能力分析不能等同、审查介入与行业发展不冲突、监管与审查不影响竞争中立等为基本理念。数据驱动型经营者集中的审查正面临着前瞻性缺失、传统相关市场界定理论失灵及经营者申报标准滞后等困境。因此,为了完善数据驱动型经营者集中的审查机制,在分析竞争效果时应注重消费者福利原则,创新相关市场界定标准及认定方式,适用大数据必要设施原则,推进申报标准的多元化创新,合理设定集中的附加条件。

数据驱动型平台并购的反竞争效应及反垄断路径研究

大数据时代以获取数据资产为目的的数据驱动型平台并购不断增多,数据驱动型平台并购引起的反竞争效应、隐私风险等反垄断问题也日益凸显。数据驱动型平台并购会带来强化市场支配地位、阻碍竞争、消除潜在创新的反竞争效应,会给用户带来隐私风险。由于数据具有用户权利与竞争价值的双重属性,隐私与竞争逐渐产生交汇,主要表现为并购削弱了用户隐私保护的力度、平台通过修改隐私政策增强竞争优势、占据优势地位的平台会排挤隐私保护政策更优的平台。为了消除数据驱动型平台并购引起的反竞争效应与隐私风险,反垄断机构要从修订申报标准、淡化“相关市场”概念、积极行使主动调查权、全面评估竞争影响、着重考察单边协调与封锁效应等方面应对反竞争效应;从加强对隐私与竞争交汇的认识、完善审查工具与分析框架、完善平台隐私保护政策、附加限制性条件、鼓励平台间隐私保护竞争等方面应对隐私风险问题。

基于缓冲区溢出的数据驱动型漏洞静态检测模型

给出数据驱动型漏洞的基本原理和现有检测技术,针对可执行文件中存在的数据驱动型漏洞,提出一种数据驱动型漏洞检测方法,该方法采用词法分析和语法分析相结合的方法,并对检测结果进行数据跟踪法的人工分析方法,建立基于可执行文件的数据驱动型漏洞检测方法的具体设计,该设计具有较低的误报率和运算性能。

数据驱动型并购的经营者集中审查困境及其出路

随着越来越多的企业选择采取并购或经营者集中的方式共享数据资源,以巩固和扩大其在市场中的地位,数据驱动型并购随之出现。其复杂性给反垄断监管机构进行经营者集中审查带来诸多困难。本文在分析研究的基础上,针对相关问题,提出解决建议。

数据驱动型决策研究框架与应用——以电动汽车领域为例

伴随着数据密集型科学的发展与成熟，决策也出现了非线性、去中心化、自下而上、群体智慧等方面的新动向。通过梳理数据驱动型决策的基础理论，综述国内外研究进展，介绍其主要应用领域，最后从决策框架角度出发，针对电动汽车产业发展情况，总结面向决策导向型的电动汽车多源多维数据整合时，在整合范围、时效和展示方面的特点，提出了面向电动汽车的数据驱动型决策框架，并结合两个电动汽车领域的决策实践，介绍了其具体应用。

数据驱动型人才盘点探索与实践

企业内、外两个人才市场的不充分,造成了人才总是稀缺的局面,更加考验企业快速有效评价人才队伍的能力。中国石化西北油田分公司以人才盘点为突破口,基于人力资源数据集成化、智能化、可视化的技术实现,探索形成数据驱动型人才盘点体系,促进了人才供应全链条、全场景管理水平的提升。

基于缓冲区溢出的数据驱动型漏洞检测系统的研究

计算机技术与网络技术发展非常迅速,计算机操作系统和一些应用软件经常受到攻击,严重时候影响我们正常工作与生活,本文提出一种基于缓冲区溢出的数据驱动型漏洞检测系统的研究,该系统用于检测,能对计算机系统提出一种保护措施,在系统实现过程中,应用模型及错误注入技术,为基于缓冲区溢出的数据驱动型漏洞检测系统的实现提供了技术保障。

数据驱动型“综合英语(1)”课程形成性评价范式建构

概述教学评价研究现状。综述数据驱动型形成性评价。以“综合英语(1)”课程为例,阐述如何基于智慧教学软件“雨课堂”构建数据驱动型形成性评价范式,从而提高学生的综合创新能力,并提高英语类专业的教学质量。

警惕数据垄断:数据驱动型经营者集中研究

以获得数据为目的的经营者集中正在频繁上演,而且不断发生平台违规收集和共享用户数据、通过拒绝使用设置市场进入壁垒、降低隐私条款、大数据杀熟等事件,数据竞争和垄断的问题引起了反垄断实务和理论的关注。本文通过分析数字市场下的数据驱动型企业的竞争和垄断以及数据驱动型经营者集中审查的新挑战,探讨各种细节,然后建议数据驱动型集中审查时需要有前瞻性防范意识,剖析相关市场界定、必要设施原则的适用、申报门槛标准问题的解决方案,提出要重视消费者福利原则以及善用附加限制性条件来规制,希望为日后的合并审查提供可借鉴的思路。

研发投入对数据驱动型企业经营绩效的影响研究

研发投入是数据驱动型企业开展创新活动的重要支撑,也是企业可持续发展的出路。选取BDIEAC榜单中19家数据驱动型企业2016-2018年的数据作为样本,对研发投入对企业经营绩效的影响进行回归实证分析。结果表明,数据驱动型企业的研发投入强度较高,且呈稳步上升趋势;研发投入对经营绩效的影响存在滞后性,在滞后二期更为显著;研发经费投入强度和研发人员占比与当期营运能力负相关,与滞后二期营运能力正相关,对企业的盈利能力、偿债能力和发展能力影响不一致;企业规模在当期和滞后期均表现出了显著性。因此,应优化数据驱动型企业的投资活动,注重研发人员的培育和发展,合理规划企业的研发活动,为企业提供研发支持,加强并购监管。