在数字经济快速发展的背景下，数据成为了推动经济高质量发展的核心要素，企业收集、存储数据资源，凭借可观的经济收益获取更大的市场竞争力，但与此同时，数据抓取引发的不正当竞争纠纷案件也频频发生。数据抓取涉及数据自由流动和数据安全之间的冲突，关系着数据抓取者、被抓取者、社会公众等多元主体的利益。从反不正当竞争的角度分析数据抓取问题，可以通过判断行为正当性、损害后果中的权利范围与边界，协调多元主体间重叠或冲突的权利主张，并以合理的赔偿满足利益诉求，从而以最小冲突的方式实现利益的平衡。

　　一、区分数据类型，确定数据抓取行为的正当性

　　数据涉及的主体、权益复杂多元，静态而单一的权利配置方式将导致数据流通受阻，不利于保障基于劳动而获取的数据权益。在推动数据市场化配置的背景下，对市场竞争中的数据进行分类更加关注资源配置的合理性，以及数据在流通利用中为市场主体、社会整体带来的效益。确定数据抓取行为的正当性，可以根据数据处理程度的不同，为数据权益划定边界。

　　对于未经加工的原始数据，需要进行利益平衡的是属于个人信息的数据，这类数据涉及信息主体、数据经营者、经营者的同类竞争者三方利益期待，经营者享有的数据权益边界受到个人信息主体权益的制约。个人信息与信息主体的人格权益密切相关，体现着人格尊严，因此应当优先保障信息主体的权利，经营者对这部分数据享有有限的使用权，不能完全排除他人对这类数据的使用。个人信息保护法第四十五条第三款规定的信息主体的个人信息携带权，即“个人请求将个人信息转移至其指定的个人信息处理者，符合国家网信部门规定条件的，个人信息处理者应当提供转移的途径”，也从侧面说明了经营者对其掌握的个人信息并不享有独占的权利。

　　对于经过经营者加工的数据，按照洛克的劳动赋权理论，因为这些数据是基于经营者付出劳动的所得，所以经营者应当享有相应的财产权益，否则经营者将难以获得稳定的权利保障，以持续进行数据开发利用。此时利益衡量发生在数据公开的情形下，一方面，经营者对这类数据享有更为饱满的财产权益，可以不受限制地支配、利用，但另一方面，数据的公开形态又意味着数据有被他人使用的可能。此时，需要尊重经营者的意志，将经营者设置的数据权益条款作为判断的标准，例如经营者设置的爬虫协议，指明了允许和禁止爬取的数据范围，如果他人依照条款进行爬取，同时又未违反相关法律规定，则是合理的利用，否则可能构成不正当竞争。

　　二、平衡多元利益，确定数据抓取的损害后果

　　数据流通能够激发数据价值，还能够防止数据壁垒的出现，从而为更多主体赋能。但与此同时，经营者独占数据能够为其带来更多竞争性资源。由此可见，数据关系着多元主体的利益诉求，也不可避免地引发利益间的冲突。从数据抓取导致的损害结果来看，竞争引起交易机会的减少是常见状态。市场竞争是动态的，竞争优势也会随着资源变化、技术革新而改变，应当为经营者的损害划定适当限度，因市场正常竞争而出现的损害应当被容忍，当损害超过合理边界时，才可能构成不正当竞争。

　　为了实现对多元利益的平衡保护，可以从以下两个方面考量边界范围。一方面是对损害程度的判断。损害程度可以通过替代效果表现出来，如果数据抓取方的产品已经对被抓取方造成了实质性替代，那么损害就超过了合理边界。经营者掌握的数据资源是其付出劳动形成的成果，基于此开发的产品还投入了大量智力劳动。而数据抓取者并未投入与数据资源成比例的劳动，直接利用他人的市场成果，使经营者的产品被替代，这种食人而肥的竞争方式不正当地损害了经营者的合法利益。在“大众点评诉百度案”中，实质性替代的标准进一步完善，包括使用的数据规模较大，竞争所使用的大部分数据均来源于被抓取方的数据，超出了必要的限度。此外，在使用方式上，并未采取适当的方式，而是通过全文以及前排显示用户评价等被抓取数据，事实上替代了被抓取方的产品功能。

　　另一方面是对公共利益的审查。当数据抓取为消费者带来了福利或提升了公共利益水平，也可能使数据抓取者豁免责任。在“HiQ诉领英数据爬虫案”中，法院认为数据爬虫可以促进数据流通，实现言论的充分交流与互联网的公共性，因此反对为数据爬虫设置壁垒。数据抓取存在公共利益的面向，但也不能因此排除不正当竞争的可能，需要对公共利益与数据被抓取者的损害进行衡量。此时，可以借助比例原则为利益平衡提供审查框架。其一，在合目的性上，使用抓取的数据应当包含促进公共利益实现的目的，存在公共利益是进行利益衡量的前提。抓取的数据被用于有创新性的技术或服务，能够促进市场的繁荣发展，或是有利于推动相关权利的实现，提升利于消费者的福祉等，都可以作为公共利益的内容。其二，在必要性上，审查抓取数据的行为是否是对被抓取方损害最小的措施。在抓取数据时，如果反复高频地访问服务器，导致服务器的过载甚至崩溃，会造成被抓取方合法利益受损，难以维系正常的经营。这种行为以牺牲经营者合法利益为代价，超出了实现公共利益的必要限度。其三，在相称性上，以长期的视角评估数据抓取带来的正面效应是否与损害成比例。部分不正当竞争行为在短期内可以为消费者带来更低的交易成本等福利，但从长远来看，可能损害行业创新能力与公平的市场秩序，消费者的长期利益也难有保障。

　　三、划定合理区间，确定不正当竞争的赔偿数额

　　在认定构成不正当竞争行为后，还面临确定赔偿损失数额的问题。反不正当竞争法第十七条规定，因不正当竞争行为受到损害的经营者的赔偿数额，按照其因被侵权所受到的实际损失确定；实际损失难以计算的，按照侵权人因侵权所获得的利益确定。但是，在数据抓取不正当竞争案件中，无论是实际损失还是侵权所获利益都难以确定。其原因在于，一方面，数据具有多样性，产生的价值也可能因其种类、规模、时效的不同而具有不确定性；另一方面，由于侵权获利的证据大多由数据抓取方所掌握，原告获取相关证据存在困难，因此也难以通过被告侵权获利确定赔偿数额。因此，在数据抓取不正当竞争案件中，通常要依赖法院根据实际情况、综合不正当竞争行为持续时间、影响后果、数据价值等相关因素，通过酌定的方式确定赔偿数额。

　　酌定赔偿的合理运用以公平、效率为价值，平衡当事人之间的权利义务，实现对受害方的救济。在确定数据价值时，可以将成本法与收益法相结合，确定数据价值的区间。基于成本法确定的数额可能低估数据的价值，因为缺少对数据作为生产要素，与具体劳动结合创造出各种不同的使用价值的评价，所以可用于判断最低赔偿数额。美国《计算机欺诈与滥用法》（CFAA）也使用了成本法作为损害认定的标准，并将成本范围扩大，认定较为宽松。该法将“损失”定义为“对受害者的任何合理成本，其中包括应对违法行为成本，损害评估成本，将数据、程序、系统或信息恢复至违反行为发生前的成本，以及因服务中断而导致的任何收入损失、成本增加或其他间接损失”。收益法则评价数据使用的预期收益，在被抓取方对于数据使用的目的明确清晰的情况下，例如用于吸引流量、获取广告收益，那么可以结合被抓取数据的规模，以及历史收益情况，对预期收益进行量化计算。这种方式可能面临不同时期、不同数据类型，市场需求度有所不同的问题，而难以获取与被抓取数据收益一致的历史数据。此外，数据被抓取方也更倾向于提供有较高收益的历史数据，提高可能获得的赔偿数额。因此，可以通过收益法确定数据价值的上限，在成本法与收益法之间酌定赔偿数额，为数据抓取方确定公平的法律责任。

　　（作者单位：华东政法大学）