Big Data as a Factor of Industry Market Entry.pdf Введение Активное использование больших данных1 в деятельности компаний, как на традиционных, так и на цифровых рынках, становится в последние годы одним из ключевых факторов роста их операционной эффективности и конкурентоспособности. Сегодня на возможностях больших данных и инструментов их обработки базируются, в значительной мере, и процессы 1 Для целей настоящей статьи под «большими данными» авторы понимают крупные объемы различной рыночной информации (о пользователях, конкурентах, параметрах рынка и пр.), поступающие из разнообразных источников (поиск, интернет-ресурсы и пр.) и подлежащие дальнейшему анализу и структурированию с помощью специальных технических средств. Big Data как фактор входа на отраслевые рынки 51 формирования новых рынков, а также современные технологии вывода новых продуктов. Приобрело широкую известность и словосочетание «цифровые следы», к которым следует относить любые индикаторы, характеризующие активность пользователей различных интернет-ресурсов и сервисов, - от платежных и поисковых систем, до маркетплейсов, от сайтов-агрегаторов и сервисов бронирований до социальных сетей и различных информационных ресурсов. И такие «следы», возникающие (и, по мнению специалистов, сохраняющиеся навсегда) в результате каждой транзакции или каждого захода пользователя на цифровой ресурс, включая даже анонимные подключения, сегодня составляют информационный фундамент современной цифровой бизнес-аналитики. В свою очередь, на базе последней формируются предпосылки для улучшения информационного обмена, прогнозирования спроса и клиентского поведения, осуществления мониторинга рынков и конкурентного анализа, улучшения качества продуктов и сервисов, обеспечения качественной сегментации, таргетинга и фокуса на целе- і вых рынках . Практически безграничный потенциал больших данных фиксируется в части кастомизации процессов ценообразования, которая формирует условия для эффективной реализации стратегии ценовой дискриминации2. Например, алгоритмическая обработка персональных данных позволяет сегодня исключительно точно определять готовность потребителей платить [1]. Так, отдельные исследователи [2] приводят результаты расчетов, согласно которым использование для адаптации цен данных по демографии повысило прибыль исследуемого объекта только на 0,14 %, однако дополнительное включение в алгоритм данных о просмотре веб-страниц увеличило прибыль уже значительнее - на 2,14 % больше, чем в случае применения стратегии дискриминации II типа3. А генерируемые большими данными возможности для кастомизации товарного предложения и коммуникационных сигналов, например рекламных, ощутимо повышают эффективность механизма взаимодействия с клиентами [3]. В результате возрастает качество планирования бизнес-решений, нивелируется фактор неопределенности при их принятии, растет доходность операционной деятельности, а также конкурентоспособность и рыночное влияние фирм. С большой долей уверенности можно полагать, что один из основных резервов роста конкурентоспособности фирмы сегодня лежит в плоскости 1 Вместе с тем сохраняется определенный скепсис относительно целесообразности и эффективности использования в реальной практике огромных массивов пользовательских данных с такой их детализацией. 2 Вплоть до наиболее сложной для осуществления в практическом смысле - ценовой дискриминации I типа. 3 В [2] авторами также приводятся результаты расчетов по стриминговому сервису Netflix, показывающих, что адаптация цен на основе данных просмотра веб-страниц позволила бы увеличить данному сервису свою годовую прибыль на 12 %. А.В. Заздравных, Е.Ю. Бойцова 52 ее способностей генерировать, привлекать и использовать большие данные. И на такие компетенции сегодня опираются и процессы конкуренции на рынках [4]. Действительно, в настоящее время большие данные следует рассматривать как значимый «цифровой актив» современных компаний. И, в практическом смысле, ценность представляют, в первую очередь, качественно структурированные под конкретные бизнес-задачи наборы данных, а также технический инструментарий для их анализа в реальном времени [5]. По данным немецкого антимонопольного ведомства1, в последние годы зафиксировано присутствие значительного числа операторов, стремительно достигших чрезвычайно высоких масштабов деятельности с помощью моделей бизнеса, построенных на сборе и коммерческом использовании больших данных, в том числе персональных [6]. А данные по Российской Федерации свидетельствуют, что в 2017 г. 13 % российских компаний, активно использующих в своей деятельности большие данные, располагали (каждая) их объемом свыше 500 терабайт. При этом лидерами в области использования больших данных выступают телекоммуникационная отрасль, банковский сектор и ритейл - уровень внедрения больших данных в этих сферах в 2017 г. составлял 67, 56 и 33 % соответственно [7]. Очевидно, что к настоящему времени располагаемые объемы данных значительно возросли и продолжают стремительно увеличиваться. Так, капитализация мирового рынка аналитики больших данных, составившая в 2019 г. $ 41,85 млрд, по прогнозам агентства Research&Markets, увеличится к 2028 г. до $115 млрд2. Поскольку наборы данных и программные инструменты их анализа можно относить не только к активам, но и к специфическому «продукту», создаваемому фирмами3, то и процессы конкуренции сегодня вышли далеко за пределы профильных товарных рынков. Все острее развивается соперничество между компаниями, способными коммерциализовать информацию, обладающими идентичными или сопоставимыми наборами данных и аналитическими компетенциями. Таким образом, в «поле конкуренции» современной фирмы попадают операторы рынков, традиционно не считавшиеся прямыми конкурентами. Как отмечалось выше, многие крупные участники глобальных рынков, и, в первую очередь, рынков цифровых, строят свои конкурентные преимущества на базе контроля информации о рынках, о клиентах и о прямых конкурентах. Такой контроль позволяет повысить качество рыночных прогнозов и увеличить эффективность практических мер по нейтрализации потенциальных конкурентных угроз. Анализ и контроль данных, обеспе- 1 Das Bundeskartellamt. 2 Источник: официальный сайт аналитического агентства Tadviser. URL: https://www.tadviser.ru/ 3 Действительно, и рынки самих данных сегодня также получили значительный импульс для развития. Big Data как фактор входа на отраслевые рынки 53 чивая, с одной стороны, повышение эффективности бизнес-процессов, способен одновременно выступать инструментом ограничения конкуренции, «приводить к поведению, имеющему эффект манипулирования динамикой рынка» [8], «увеличивать рыночную власть и повышать барьеры для входа, снижая конкурентное давление» [9]. А в связи с тем, что крупные и известные операторы рынков способны генерировать больший объем данных и вкладывать больше средств в продвижение, нежели небольшие новые фирмы, то процесс накопления данных, увеличивая асимметрию распределения фирм по размеру, влияет и на динамику рынков [10]. Несмотря на то обстоятельство, что «накопление пользовательских данных само по себе не следует квалифицировать как несправедливое преимущество» [11], вместе с тем «в определенных условиях контроль больших данных способен стать фактором усиления рыночной власти, формирующим стимулы для антиконкурентного поведения» [12]. Таким образом, потенциал контроля больших данных в части получения фирмой значимой рыночной власти, в части ограничения доступа фирм на рынки и создания препятствий для развития конкуренции, стал в последнее годы предметом активных дискуссий в экспертной среде [13]. А вопросы обеспечения беспрепятственного доступа участников рынка к обмену информацией и ее распределению, наряду с созданием условий для полноценной защиты конфиденциальности пользовательских данных, стоят сегодня в одном ряду с наиболее острыми проблемами современной антимонопольной политики. Большие данные и условия входа на рынки Роль и потенциал больших данных как важного источника формирования барьеров входа отмечаются рядом авторов (см., например, [8, 14-19]). «Использование данных становится препятствием на пути выхода новых фирм на рынок» [8], «накопление и использование данных стали уникальным, специфическим и сложным входным барьером, требующим особого антимонопольного контроля» [20]. Основные аргументы в пользу антиконкурентного потенциала контроля больших данных, влияющего, в первую очередь, на перспективы входа новых операторов, выстраиваются вокруг двух ключевых обстоятельств. Во-первых, вокруг возможности получения собственником таких данных весомых рыночных преимуществ1 и, во-вторых, вокруг формирования дополнительных предпосылок для координации деятельности укоренившихся в отрасли фирм. В частности, отмечается, что фирмы, действующие в отрасли, в первую очередь крупные и известные технологические компании, способны созда- 1 Указанный аспект, в первую очередь, касается тех видов данных, которые обобщают различные формы поведения потребителей: интернет-активности, поисковые запросы, осуществленные транзакции и платежи и пр. А.В. Заздравных, Е.Ю. Бойцова 54 вать потенциальным новичкам ощутимые проблемы для входа на рынки, используя в целях повышения качества собственных продуктов и сервисов, а также в целях улучшения своего предложения и экспансии в новые сферы крупномасштабные наборы данных, задействуя при этом технологии машинного обучения [14]. А непреодолимый дефицит критических для эффективной работы на рынках данных серьезно снижает рыночные возможности и уровень потенциальной конкурентоспособности новичков [17]. И данный барьер постоянно увеличивается [21]. Одним из факторов дефицита данных у новых фирм выступает величина первоначальных капитальных затрат, необходимая для построения соответствующей инфраструктуры для эффективной работы с большими данными1. Так, помимо мощностей для их накопления и хранения, требуются и современные аналитические инструменты, программное обеспечение и квалифицированный IT-персонал. И контроль инфраструктуры позволяет действующим фирмам выстраивать дополнительные барьеры входа, обусловленные как техническими возможностями сбора данных и инструментами их синтеза и анализа, так и требованиями защиты информации, персональных данных и интеллектуальных прав [15]. Действительно, принципиальным моментом с позиций экономической ценности данных выступают возможности для их качественного структу-рирования2, позволяющего осуществлять их эффективную обработку и дальнейшее использование в коммерческих целях. Неструктурированность данных радикально снижает их ценность и отдачу все возрастающих выборок [22]3. И здесь закономерно встает вопрос о доступности для небольшой фирмы, действующей на начальной стадии жизненного цикла, качественной обработки и анализа неструктурированных данных, а также о ее технологических возможностях извлечения из общего массива получаемой информации тех фрагментов, которые критически значимы с позиций качества прогнозов состояния спроса, поведения потребителей и иных параметров рынка. Одновременно справедливо отмечается [5, 23, 24], что в связи с тем обстоятельством, что данные быстро утрачивают свою актуальность, принципиальное значение в контексте барьеров входа приобретает не столько доступ к данным как таковым, сколько доступ в режиме реального времени к источникам таких данных. Таким образом, барьером доступа на ры- 1 Такие затраты часто носят «невосполнимый» характер. 2 Здесь под «структурированием» понимается упорядочение данных таким образом, который позволял бы применять к ним широкий спектр методов обработки, алгоритмов анализа и интерпретации. 3 В [22] авторы полагают, что большие данные, по сути, в основной своей массе дублируют друг друга, и необходимую информацию фирма способна извлекать из их минимального, но качественно структурированного набора. При этом авторы ссылаются на практику компании Google, которая, по имеющейся у них информации, обычно использует в своей бизнес-аналитике случайные выборки в размере 0,1 % от всей совокупности располагаемых данных. Big Data как фактор входа на отраслевые рынки 55 нок, обусловленным потенциалом больших данных, становится барьер доступа к самим данным, к их источникам. У фирм, способных агрегировать и контролировать большие массивы информации, часто фиксируются так называемые эффекты петли положительной обратной связи, которые, в общих чертах, можно представить следующим образом. Полноценный доступ к большим данным, как уже отмечалось, создает базу для существенного улучшения бизнес-процессов, позволяя выводить максимально адаптированные под требования целевых рынков продукты, а также поддерживать более качественный и востребованный клиентский сервис. Это, в свою очередь, положительно влияет на рост у фирмы клиентской базы и на объем ее транзакций, что в дальнейшем позволяет генерировать еще больший массив данных, увеличивать монетизацию и производственные показатели, в большем объеме инвестировать в развитие -«высокие доходы, получаемые более крупными операторами, стимулируют больший объем инвестиций»1 [6]. Одновременно могут возникать и дополнительные финансовые возможности для приобретения сторонних компаний, располагающих ценными активами больших данных, - «поступая данным образом, фирма еще больше увеличивает объем собственных пользовательских данных» [9]. Благодаря располагаемому массиву ретроданных2, «фирмы предоставляют более высокое качество услуг, и, таким образом, их рыночные позиции дополнительно защищены высокими входными барьерами» [16]. Зачастую указанные процессы в деятельности компаний сопровождаются расширением географии продаж и охвата целевых рынков. В свою очередь, у потенциальных новичков - молодых и малоизвестных компаний - должны наблюдаться противоположные тенденции: снижение общего числа пользователей, снижение объема агрегируемых данных и как следствие дальнейшее увеличение разрыва с крупными операторами в качестве сервиса, в объеме пользовательского трафика, величине валовых доходов и прибыли. Большие данные и инструменты их обработки играют сегодня значительную роль в упрощении процессов координации деятельности фирм, стабилизации параметров рынка, и в возникновении новых форматов картельных сговоров, «которые, в конечном итоге, приводят к повышению цен или разделу рынков» [25]. Так, антиконкурентный потенциал больших данных способен раскрываться в росте «прозрачности» параметров рынка, оказывающей положительное влияние на стабильность горизонтальных сговоров и на возможности фирм по выявлению отклонений от заключенных соглашений. И данные обстоятельства вызывают сегодня значитель- 1 Речь идет об инвестициях в новые алгоритмы, в новые функциональные возможности онлайн-сервисов, в диверсификацию инструментов работы с целевой аудиторией. 2 Здесь под «ретроданными» понимается различная информация о пользовательской активности за длительный временной горизонт. А.В. Заздравных, Е.Ю. Бойцова 56 ную обеспокоенность антимонопольных регуляторов, ссылающихся1 на то, что современные цифровые технологии могут быть активно задействованы в латентной монополизации рынков, а также в реализации широкого пула недобросовестных антиконкурентных практик. Значительный уровень «прозрачности» ценовых параметров высококонцентрированных рынков делает эти рынки весьма уязвимыми для сговора, поскольку контроль ценовой информации позволяет легче и эффективнее сопоставлять данные о ценах, а также прогнозировать возможные ответные реакции конкурентов на динамику цен. Идентичные ценовые алгоритмы позволяют фирмам одновременно корректировать цены, в эти алгоритмы может быть заложен как широкий диапазон решений по ценообразованию, так и широкий спектр целевых индикаторов2. Значительные возможности образуются и для анализа данных в режиме реального времени с целью мониторинга соответствия действий фирм положениям картельного соглашения - «упрощается наблюдение компаний друг за другом, выявление и коррекция потенциальных отклонений от условий сговора» [6]. Также здесь появляются и технические возможности для программирования консолидированной реакции фирм при изменении параметров рынка либо для выявления оппортунистического поведения и ввода ответных санкций за любые нарушения договоренностей. Как результат - повышение устойчивости сговоров и ощутимо больший «параллелизм» в рыночном поведении операторов. Регуляторами анонсируется и появление новых инструментов для формирования картельных сговоров, основанных на технологиях искусственного интеллекта, постоянно модифицируемых благодаря методам машинного обучения. Уже известны примеры организации картельных соглашений на базе автономного взаимодействия программ при полном отсутствии прямого участия физических лиц либо с их минимальным участием. И цифровые механизмы сговора на базе использования больших данных и алгоритмов постоянно совершенствуются, что серьезно снижает возможности регуляторов по идентификации и доказательству такого поведения -«антиконкурентные практики часто сложно выявлять и доказывать» [26]. Безусловно, более совершенный в техническом отношении механизм сговора способен серьезно усилить рыночную власть укоренившихся фирм, 1 Указанная обеспокоенность транслируется в многочисленных пресс-релизах официальных источников антимонопольных служб. Ознакомиться с ними подробнее читатель сможет на официальных страницах ведомств, например: International Competition Network (https://www.intemationalcompetitionnetwork.org/); Bundescartellamt (https:// www.bundeskartellamt.de/DE/Home/home_node.html); ФАС РФ (https://fas.gov.ru/). 2 Отметим, что в самом факте использования специальных компьютерных программ нет ничего криминального, тем более в случаях их использования в целях соперничества, когда, например, фирмой отслеживаются цены конкурентов с целью корректировки собственных цен. Другой вопрос, когда указанные программы внедряются с целью координации ценообразования, что, очевидно, в большинстве случаев следует квалифицировать как картельный сговор. Big Data как фактор входа на отраслевые рынки 57 получивших сегодня новые рычаги для воздействия на рыночную динамику через ограничение входа новых операторов и вытеснение действующих. Другая современная проблема - это использование баз данных и алгоритмов с целью сговоров на торгах. Так, аукционные роботы (боты)1 могут быть запрограммированы на автоматическую генерацию предложения цен от имени конкретного участника аукциона в определенном диапазоне их колебания либо на автоматическое поддержание максимальной цены в ходе данного аукциона, либо поддержание «желаемого» уровня цен. И совместное использование в ходе электронных торгов идентичных алгоритмов фирмами-конкурентами (в ряде случаев, номинальными) позволяет на практике реализовывать различные сценарии антиконкурентных соглашений, достигнутых до начала торгов, обеспечивать «комфортный» для участников аукциона уровень цен, а также победу конкретным фирмам. Очевидно, что подобные стратегии способны отрицательно сказаться на возможностях независимых фирм для входа на товарные рынки, например через механизм государственных закупок. При этом в функционал таких программ могут входить различные опции, позволяющие «заметать цифровые следы»2, оставляемые ими на электронных торговых площадках. Очевидно, что в условиях быстрого развития методов анализа данных, искусственного интеллекта и программных средств, а также по мере роста объемов контролируемых массивов данных возможности для координации действий операторов рынка будут расширяться, а их потенциал ограничения входа возрастать. Альтернативные взгляды на вопрос Ряд исследователей (см., например, [27]) ссылается на то обстоятельство, что потенциал контроля больших данных в ограничении входа на рынки не очевиден и не доказан. И для обоснованного утверждения, что обладание большими данными гарантирует фирмам надежную защиту их рыночных позиций, недостаточно эмпирических доказательств. При этом констатируется, что ряд крупных платформ, вытесненных в свое время с рынка конкурентами, на момент своего краха располагали значительными массивами пользовательских данных. При этом практика богата примерами, когда новички обгоняют успешные укоренившиеся фирмы, имеющие ощутимо большие преимущества по объему контролируемых данных. Действительно, сегодня понимание потребностей клиен- 1 «Боты» (техн.) - компьютерные программы, самостоятельно выполняющие различные действия через веб-интерфейсы. Главная задача - осуществление множества рутинных операций на высоких скоростях, в том числе имитация участия человека по определенному заданному алгоритму или по определенным заданным критериям. 2 Источник: интервью руководителя управления по борьбе с картелями Федеральной антимонопольной службы изданию «Консультант^» от 06 марта 2018 г. Официальный сайт ФАС РФ: https://fas.gov.ru/content/interviews/2438. А.В. Заздравных, Е.Ю. Бойцова 58 тов и актуальных рыночных трендов, наряду с относительно простыми, но точными и своевременными технологическими решениями, часто выступает достаточным условием для входа новых фирм на рынки, где уже действуют крупные и известные операторы. Также известны многочисленные случаи, когда новые для данного рынка операторы из числа технологических гигантов, обладающие весомым объемом накопленных данных по смежным или иным направлениям своей деятельности, не способны успешно войти на рынок и составить серьезную конкуренцию. Отметим, что сегодня приобретают значение не столько сами данные, сколько способность фирмы эффективно работать с ними, создавать наборы, структурированные под решение конкретных бизнес-задач, а также комбинировать эти наборы с ключевыми ресурсами и факторами производства. И в настоящее время важны не столько массивы располагаемых данных, сколько качественные алгоритмы прогнозирования поведения потребителей. Значительное развитие в последние годы получил как сам рынок больших данных, так и рынок их анализа, что существенно расширило возможности для покупки любого объема необходимой информации. Значительное число профильных компаний сегодня предлагает не только релевантные наборы данных, но и услуги по интеграции и интерпретации данных, поступающих из разнородных источников, а также коммерчески перспективные идеи по их использованию на различных рынках [27].1 Звучат мнения о таких свойствах больших данных, как неисключаемость и неконкурентность2, и эти свойства приближают их по своей природе к общественным благам. Таким образом, согласно отдельным альтернативным взглядам, использование больших данных одной компанией не порождает препятствий для их сбора и использования другими операторами. «Ни одна фирма не в состоянии ограничить другим фирмам возможности использования данных» [28]. В результате все фирмы, действующие на релевантном товарном рынке, потенциально обладают сравнительно сопоставимой информацией. И здесь возникает закономерный вопрос: насколько объективна потребность в сопоставимом наборе и объеме данных у различных фирм, действующих даже на общем рынке? «Естественно задаться вопросом, существует ли замена инсайтам из больших данных в тех секторах, где традиционно от них было мало пользы» [22]. «Большие неудачи в больших данных уже продемонстрировали, что прогнозы, основанные лишь на исторических данных, способны вводить в заблуждение, в то время как данные, даже не связанные непосредственно с анализируемой или решаемой про- 1 Автор [27] ссылается на практику ключевых брокеров данных в США и указывает, что «ценность услуг, которые предлагает брокер данных, зависит не столько от размера и объема данных, сколько от идей и выводов, которые брокер может извлечь из этих данных». 2 См., например, [14]. Big Data как фактор входа на отраслевые рынки 59 блемой, но мобилизованные совсем недавно, гораздо более ценны» [4]. Таким образом, решающее значение приобретает способность фирмы привлекать и обрабатывать данные в режиме реального времени. Одновременно с этим данные как ресурс характеризуются высоким уровнем замещаемости, следовательно, фирмам потенциально доступно множество альтернативных источников данных. Большинство типов ретроданных быстро устаревают, теряют свою ценность и актуальность. И в определенный момент дальнейшее накопление данных за долгий временной горизонт перестает являть собой дополнительную ценность с позиций конкурентоспособности фирмы и ее рыночного потенциала. Действительно, какие преимущества для вывода и продвижения современных новых продуктов способны обеспечить данные по клиентскому профилю за последние десять лет? Очевидно, что со временем (а сегодня очень быстро) у потребителей меняются жизненные ценности, мотивации, отношение к деньгам, обновляются источники информации, возникают новые каналы коммуникаций и покупок. В этой связи первоочередное значение приобретают именно текущие пользовательские активности и информация по ним - «не следует делать стратегические инвестиции на базе данных, игнорируя факт изменения реальности» [29]. При этом столь популярный сегодня формат распределительной политики фирм, основанный на предоставлении пользователям бесплатного доступа к цифровым продуктам и услугам и позволяющий привлечь за этот счет еще больший массив пользовательской информации, часто не имеет реального отношения к возведению барьеров и к попыткам снизить і уровень конкуренции . Приводятся доводы, что большие данные бессмысленно включать в типологию барьеров входа, рассматривая их как неизбежное препятствие для развития конкуренции и роста благосостояния потребителей. Несмотря на то обстоятельство, что инвестиции в большие данные действительно способны увеличивать разрыв в конкурентоспособности между фирмами, «такая дистанция будет побочным продуктом процессов конкуренции по существу и не обязательно станет препятствием для входа на рынок новых инновационных фирм» [20]. И, по мнению данных авторов, в рамках концепции больших данных, проблему ограничения входа необходимо анализировать с учетом принятой деловой практики на конкретных рынках и принимая во внимание фактор результативности - потенциального вреда или потенциальных выгод. К тому же потенциал барьеров входа, обусловленных контролем больших данных, может существенного различаться в зависимости от конкретного товарного рынка и его структуры, а также быть производным от силы влияния прямых и косвенных сетевых эффектов. 1 Так, получение компанией Google беспрецедентно большого объема пользовательской информации (статистика поиска, заходы на интернет-ресурсы, регистрационные данные и пр.) направлено, в основном, на продажу таргетированной рекламы и услуг по ее размещению [21]. А.В. Заздравных, Е.Ю. Бойцова 60 По мнению старшего консультанта антимонопольного департамента консалтинговой группы Fasken Джона Пекмана, несмотря на то, что препятствия для входа способны возникать на стадии сбора данных, являющейся важным этапом цепочки формирования их ценности, все-таки возникают сомнения, что даже те рынки, для которых большие данные имеют критическое значение, относятся к рынкам с высокими барьерами [14]. К тому же использование больших данных связано, в первую очередь, с работой фирм на онлайн-рынках, состояние которых крайне динамично. И это обстоятельство теоретически способно положительно влиять на динамику входа фирм и снижение уровня барьеров [30]. Как уже было отмечено, накопление цифровых данных повышает «прозрачность» рынков, а последняя, несмотря на возможности для сговора, действительно способна положительно влиять на развитие конкуренции. В определенных обстоятельствах большая информированность о состоянии спроса и других параметрах рынков будет стимулировать появление новых фирм, что положительно скажется на интенсивности ценовой и неценовой форм конкуренции. А дополнительный доступ к информации о запросах клиентов и предложениях конкурентов снизит стоимость входа на рынок [6]. Большие данные и потребительское благосостояние В контексте использования больших данных следует вкратце затронуть важный аспект, связанный с их потенциальным влиянием на потребительское благосостояние, - «большие данные всегда способствуют повышению либо снижению благосостояния» [20]. Как уже было отмечено, агрегация большого массива информации о предпочтениях и о поведении своей целевой аудитории дает возможность фирмам совершенствовать предложение, улучшать ассортиментную линейку, повышать качество сервисов и продуктов, создавая условия для роста потребительского благосостояния. «Положительный эффект может заключаться в определении наиболее полезных для потребителей характеристик продукта, в прогнозировании и предотвращении узких мест в цепочке поставок» [8], «содействии предложению более релевантных услуг со стороны компаний» [24]. Вместе с тем возникают и основания полагать, что распределение больших данных способно, теоретически, нанести ущерб потребительскому благосостоянию, например, в следующих обстоятельствах: - когда данные использованы таким образом, который ограничивает технологические возможности клиентов переключаться между представленными на рынке альтернативами либо формирует у потребителей жесткую «цифровую привязанность» к продукту или сервису конкретного оператора и, как результат, ограничивает свободу потребительского выбора; - когда на базе таких данных «осуществляется «изощренная» ценовая дискриминация» [8]. Исходя из положений экономической теории, назна- Big Data как фактор входа на отраслевые рынки 61 чение цен на уровне максимальной готовности платить приводит к изъятию потребительского излишка1 в полном объеме; - когда возникают значительные риски утраты сохранности персональной информации и конфиденциальности. Несмотря на то, что проблема защиты информации весьма подробно рассмотрена в современной литературе и не входит в круг проблем, анализируемых в настоящей статье, ее авторы полагают, что сегодня, особенно в контексте функционирования цифровых рынков, конфиденциальность следует рассматривать одновременно и как одну из важнейших составляющих благосостояния (в широком смысле - благополучия) потребителей, и как фактор дифференциации, конкурентоспособности и рыночной власти фирм. Очевидно, что проблема утраты конфиденциальности потенциально способна негативно повлиять на права, свободы и охраняемые законом интересы потребителей. Вместе с тем, по мнению Вольфганга Кербера2, пользовательское отношение к проблеме конфиденциальности персональных данных «в значительной мере зависит от контекста, от типа информации и конкретных обстоятельств ее раскрытия, а предпочтения конфиденциальности у пользователей неоднородны» [16]. Автор утверждает, что недостаточный уровень конкуренции на высококонцентрированных рынках позволяет фирмам собирать ощутимо больший объем данных и предлагать меньше вариантов обеспечения конфиденциальности, нежели в рамках эффективной конкуренции3. Это обусловлено нередким отсутствием у пользователей возможностей для переключения на альтернативные ресурсы и возникающей отсюда их «большей готовностью платить высокую персональную цену в виде собранных данных... и соглашаться с политикой конфиденциальности, не соответствующей их конкретным предпочтениям» [16]. Безусловно, не является секретом, что значительная доля потребителей обычно не осведомлена о масштабах сбора персональных данных, а также о степени вовлеченности этих данных, например, в процесс таргетинга целевой аудитории. Более того, многие из них потенциально склонны без каких-либо опасений предоставлять любой объем запрашиваемых данных (например, в момент регистрации на интернет-ресурсе), особенно в случаях последующего обеспечения им бесплатного доступа к интересующим их продуктам и сервисам. Вместе с тем существует и иной многочисленный пользовательский сегмент, чувствительный к проблеме «утекания» персональных данных и 1 Consumer Surplus. 2 MACIE - Марбургский центр институциональной экономики, Г ермания. 3 Справедливости ради заметим, что на данный момент существует дефицит достоверных и адекватных эмпирических сведений, позволяющих установить факт наличия и оценить характер связей между структурой рынков и политикой компаний в области конфиденциальности, а также связей между объемами агрегации и распределения пользовательских данных и потребительским благосостоянием. А.В. Заздравных, Е.Ю. Бойцова 62 утрате контроля над ними, к тенденциям увеличения «прозрачности» транзакций, неопределенности круга лиц, получающего доступ к данным, и неопределенности целей такого доступа и, в широком смысле, к проблеме неприкосновенности их частной жизни. «Многие пользователи испытывают тревогу из-за неадекватно большого объема запрашиваемых у них персональных данных»1 [31]. Таким образом, следует констатировать, что важным параметром дифференциации предложения и значимым условием потребительского выбора, важным потенциальным отличием, обеспечивающим конкурентоспособность современной фирмы, сегодня становятся предлагаемые ею решения в области конфиденциальности и гарантий обеспечения надежной защиты пользовательских данных. И это обстоятельство способно стать значимым барьером для компаний с низкой репутацией2 в области защиты данных, утраты ими конкурентоспособности и рыночных позиций. И поскольку одним из способов решения проблем обеспечения конфиденциальности в реальной практике сегодня выступает усиление регулятивных мер, направленных на защиту прав пользователей, то этот фактор, в свою очередь, также способен повлиять на рост уровня барьеров и динамику входа фирм на рынки [32]. Подводя итоги настоящей статье, констатируем, что в связи возрастающим значением использования фирмами массивов больших данных на современных товарных рынках, известная в теоретическом и практическом смысле проблема барьеров входа получает сегодня дополнительный импульс для дальнейших исследований. Несмотря на то обстоятельство, что постоянно возрастающие сегодня возможности компаний по агрегации и распределению больших данных не отражают, в строгом смысле, рост показателей их рыночной власти, вместе с тем такие возможности способны создавать предпосылки для ограничения конкуренции и формирования новых типов барьеров входа на рынки. Таким образом, развитие теоретических подходов к анализу потенциала контроля больших данных как важного элемента процессов конкуренции на современных рынках, значимого фактора конкурентоспособности фирм и новой детерминанты входа на рынки приобретает в настоящий момент особую актуальность. 1 Отметим, что в отдельных случаях необходимость истребования дополнительных данных может быть продиктована практическими соображениями соблюдения экономических интересов продавца или поставщика услуг. В этом контексте интересен резонансный пример стримингового сервиса Spotify, который в попытках пресечения несанкционированного бесплатного использования контента третьими лицами начал запрашивать GPS-данные у своих подписчиков. 2 Заметим, что подобная репутация часто формируется в рамках острой конкурентной борьбы, когда распространяется недостоверная информация о низком уровне защиты данных.

Скачать электронную версию публикации