I Big Data nell’ecosistema digitale italiano: considerazioni dell'AGCM - Big Data, struttura di mercato e barriere all’entrata

Mercati e utilizzo dei Big Data. L’utilizzo dei Big Data è diffuso in una varietà di settori economici. In considerazione del grado di rilevanza dei Big Data nei processi competitivi, si possono distinguere almeno tre macro-categorie di settori/mercati, che risultano comunque in continua evoluzione:

i) mercati in cui l’utilizzo dei Big Data ha un rilievo minimo nella fornitura del bene/servizio. Si tratta di mercati nei quali i Big Data sono assimilabili ad altri input utilizzati dalle imprese, ad esempio, per migliorare la propria efficienza produttiva, senza però incidere in maniera significativa sul processo competitivo. I Big Data possono essere impiegati dalle imprese per ottimizzare i processi interni di natura organizzativa e gestionale, per migliorare l’efficienza e la performance aziendale (ad esempio, per lo sviluppo di campagne di marketing, la gestione dei call centere la minimizzazione delle attività di frode, il c.d. Tracking delle modalità d’uso e dello stato di salute dei macchinari, l’ottimizzazione della logistica e della distribuzione e la valutazione delle performance del personale);

ii) mercati in cui l’utilizzo dei Big Data può incidere sulle condizioni di offerta del servizio, ad esempio in termini di qualità, e investe in maniera diretta la relazione fornitore-utente. Ciò può verificarsi nei settori caratterizzati da elevate asimmetrie informative -si pensi ai mercati “tradizionali” già data intensive, quali quelli finanziari, bancari e assicurativi -e dallo svolgimento di attività di distribuzione/intermediazione. In questi casi, la raccolta e l’analisi di una quantità sempre maggiore di dati porta a una conoscenza più approfondita dei processi e dei clienti e consente di adottare decisioni in grado di migliorare ogni aspetto dell’attività di impresa, dal design di prodotti e servizi, al marketing, alla vendita, al customer care;

iii) mercati in cui l’utilizzo dei Big Data è essenziale perché da esso dipendono caratteristiche fondamentali del bene/servizio, in particolare in termini di innovazione e/o di personalizzazione del servizio. Si tratta, ad esempio, dei servizi che rivestono un ruolo centrale nell’ecosistema digitale e che non potrebbero essere realizzati senza l’utilizzo di Big Data, ovvero di servizi in cui i Big Data permettono una “personalizzazione” dell’offerta, basata sulle caratteristiche del singolo utente. È evidente, ad esempio, che la caratteristica distintiva della pubblicità online risiede proprio nella capacità di utilizzare le informazioni raccolte sui singoli utenti per consentire agli inserzionisti pubblicitari di raggiungere target specifici di consumatori, indirizzando loro messaggi mirati, con crescenti livelli di personalizzazione (e di misurare in modo più preciso l’efficacia della campagna pubblicitaria).

A fronte della pervasività del fenomeno di datafication dell’economia, dunque, è soprattutto in alcuni ambiti che diviene impellente la necessità di considerare i Big Data nelle analisi economiche svolte per la comprensione del processo competitivo, anche nell’ambito dell’esercizio delle competenze di tutela della concorrenza dell’Autorità. A tal fine, occorre tenere presente che l’avvento e la diffusione di un’economia basata sui dati ha un impatto sia sulle dinamiche competitive che si realizzano all’interno di singoli mercati, sia sull’organizzazione e la fisionomia della catena del valore di interi settori economici.

Le caratteristiche economiche dei mercati data-driven. I modelli di business fondati sui Big Data costituiscono un aspetto che contraddistingue profondamente ecosistemi e servizi digitali, caratterizzati da elevati livelli di concentrazione e la presenza di operatori che detengono posizioni dominanti.

La disponibilità di Big Data, tuttavia, è solo uno dei diversi fattori che contribuiscono cumulativamente all’elevato grado di concentrazione e all’esistenza di barriere all’entrata nei mercati digitali. Infatti, altri fattori (oltre agli investimenti per sviluppare le capacità di analisi ed elaborazione dei dati), come le economie di scala e di scopo e le esternalità di rete, continuano a svolgere un ruolo importante nello spiegare il potere di mercato. Si tratta di aspetti che, pur non essendo nuovi nell’ambito dell’analisi antitrust, acquisiscono un particolare rilievo nei mercati digitali, per il condizionamento significativo che il loro effetto cumulato è in grado di esercitare sulle dinamiche concorrenziali.

In primo luogo, l’utilizzo dei Big Data tende spesso ad assumere rilievo in una specifica struttura di mercato, quella c.d. a due o più versanti, che si caratterizza per la presenza di due o più gruppi distinti di utenti e di effetti di rete diretti e/o indiretti. Si tratta, ad esempio, di piattaforme online che danno luogo a mercati a più versanti c.d. di attenzione (come i motori di ricerca onlineo i socialnetwork) o di scambio (es. i marketplace del commercio elettronico).

In tale contesto, gli effetti di rete assumono particolare rilievo. Nelle c.d. piattaforme di attenzione, ad esempio, chi ha più utenti dispone di più dati per migliorare il proprio servizio, attirando a sua volta ancora più utenti e determinando così effetti di rete diretti, che si traducono in barriere all’uscita per gli utenti e in un più difficile ingresso per nuovi operatori. Più dati consentono inoltre una maggiore capacità di generare valore nei confronti degli inserzionisti pubblicitari, aumentando i ricavi che potranno a loro volta essere investiti nella qualità del servizio, dando luogo a effetti di rete indiretti. Tali effetti di rete possono progressivamente portare l’intero mercato a determinarsi a favore di una determinata piattaforma (c.d. market tipping), consolidandone la posizione.

In aggiunta agli effetti di rete, anche la presenza di significative economie di scala e di scopo può concorrere a determinare l’assetto dei mercati. Nel settore digitale, infatti, elevati costi fissi –che spesso possono risultare eccezionalmente elevati e non recuperabili (c.d “sunk cost”), come nel caso dei motori di ricerca e delle piattaforme di distribuzione di e-book–sono accompagnati da ridotti, o addirittura nulli, costi variabili.

Un ulteriore elemento che può incidere significativamente sul processo competitivo è dato dall’eventuale presenza di c.d. switching costs, ovvero di limitazioni tecniche e/o economiche che possano prevenire gli utilizzatori dalla possibilità di cambiare fornitore. Ciò può avvenire, ad esempio, per assenza di interoperabilità tra sistemi di operatori concorrenti, generando fenomeni di c.d. lock-in, o per la scarsa propensione degli utenti a cambiare fornitore a causa dell’esistenza di significativi effetti di rete. Per alcuni servizi digitali, il multi-homing può essere diffuso e contribuire a ridurre gli switching costsderivanti dagli effetti di rete. Tuttavia, in alcuni casi, tale fenomeno può essere limitato dai costi (anche in termini di costo opportunità) che gli utenti dovrebbero eventualmente sostenere per utilizzare attivamente una pluralità di piattaforme; ad esempio, il multi-homing potrebbe essere poco frequente nei servizi di social network, in considerazione del significativo tempo necessario a curare il proprio profilo sul singolo network.

Dati come barriera all’entrata. Nei mercati in cui l’utilizzo di Big Data assume un particolare rilievo nell’offerta del servizio e, dunque, nel processo competitivo, i Big Data possono costituire o contribuire a rafforzare le barriere all’entrata derivanti da altri fattori come le esternalità di rete.

Ad esempio, nei mercati a due versanti, l’accesso a una grande quantità di dati degli utenti può alimentare le esternalità di rete e costituire un significativo vantaggio competitivo, in quanto, per un potenziale nuovo entrante, potrebbe risultare difficile acquisire la quantità e la tipologia dei dati necessari per fornire un servizio adeguato ai propri clienti, nonché sviluppare la capacità necessaria per analizzarli. La combinazione tra utilizzo di Big Data ed effetti di rete può, dunque, consentire ai primi operatori che entrano sul mercato (c.d. first movers) di beneficiare di un significativo vantaggio competitivo rispetto ai potenziali nuovi entranti, creando barriere all’entrata.

Al fine di comprendere se e in che misura i Big Data costituiscano concretamente una barriera all’entrata per la fornitura di un particolare servizio, occorre tuttavia affrontare la questione inriferimento a uno specifico mercato e tenere presente (almeno) tre aspetti: i) la rilevanza dei Big Data per la fornitura del bene/servizio alla luce di tutte le caratteristiche del mercato in questione; ii) la natura, la qualità e la quantità di dati necessari per poter competere efficacemente; iii) la numerosità/varietà di fonti (sia online che offline) utilizzabili per generare la conoscenza rilevante per offrire i servizi in questione in maniera competitiva.

In primo luogo, dunque, rilevano le modalità concrete con le quali i Big Datasono utilizzati per la fornitura dello specifico servizio considerato, alla luce di tutte le caratteristiche del mercato interessato quali, ad esempio, la presenza e la natura delle esternalità di rete.

In linea generale, più che l’acquisizione dei dati in quanto tale, ciò che rileva a fini competitivi è dato dalle informazioni e dalla conoscenza generate attraverso i Big Data. In alcune circostanze, a fronte dell’esistenza di algoritmi e meccanismi di machine learning consolidati, può essere la disponibilità di dati a costituire l’elemento effettivamente in grado di determinare un significativo vantaggio competitivo. In particolare, la disponibilità di grandi quantità di dati variegati per tipologia e provenienza può assumere rilievo cruciale ai fini delmiglioramento della qualità degli algoritmi e della generazione di nuova conoscenza. Può anche accadere, per converso, che i dati grezzi siano ampiamente disponibili e accessibili a tutti, ma è lo sviluppo di particolari algoritmi proprietari, attraverso investimenti ed innovazione, ad essere fonte di vantaggio competitivo.

Un esempio dell’importante ruolo svolto sia dai dati che dagli algoritmi si rinviene nell’agricoltura digitale, che ha ad oggetto la raccolta di dati e informazioni sulle aziende agricole allo scopo di fornire a queste ultime servizi personalizzati o aggregati (come servizi di consulenza sui metodi di coltivazione). Nella valutazione dell’operazione di concentrazione Bayer-Monsanto, la capacità di fornire prescrizioni agronomiche è stata considerata dalla Commissione europea di fondamentale importanza per la competizione nel settore dell’agricoltura digitale. Essa richiede una serie di funzionalità rilevanti, quali la raccolta di dati agronomici, l’adozione di modelli automatici basati su algoritmi, nonché un sistema di consegna digitale di tali prescrizioni agli agricoltori tramite applicazioni o piattaforme. In tale settore, la disponibilità di dati in quanto tale non è da sola sufficiente per poter fornire prescrizioni agronomiche digitali: occorre infatti elaborare un processo per “ripulire” i dati grezzi, un algoritmo per modellare e prevedere un dato fenomeno e un software in grado di combinare i dati e fornire quindi un servizio maggiormente competitivo.

In secondo luogo, rilevala natura, la qualità e la quantità di dati necessari per poter competere efficacemente. A tale riguardo, occorre tenere presente se e in che misura vi siano rendimenti di scala decrescenti (o crescenti) rispetto alla quantità di dati disponibili nonché rispetto alla varietà dei dati e alla velocità con la quale i dati sono raccolti. Ad esempio, nel caso dei motori di ricerca online, che utilizzano dati per migliorare i risultati forniti agli utenti, maggiore è il numero di richieste che il motore di ricerca riceve, più rapidamente questo è in grado di cogliere un cambiamento nei comportamenti degli utilizzatori e di aggiornare e migliorare la rilevanza e la qualità delle proprie risposte. Tuttavia, i ritorni di scala in termini di miglioramento nella pertinenza dei risultati potrebbero decrescere una volta che il volume delle richieste ricevute superi un certo livello. Laddove, invece, i dati vengono utilizzati prevalentemente per scopi pubblicitari e di marketing–stando a quanto emerso nel corso dell’Indagine –più che lo stocke il volume dei dati sembrerebbe che a rilevare sia la loro attualità. In questa prospettiva, le barriere per i nuovi operatori risulterebbero meno elevate, in quanto i dati dell’incumbent (e il suo vantaggio competitivo) sarebbero più rapidamente deperibili.

Infine, l’impatto dei Big Data sulle condizioni di concorrenza dipende dalla numerosità/varietà di fonti (sia online che offline) utilizzabili per generare la conoscenza rilevante finalizzata ad offrire i servizi in questione in maniera competitiva. Sebbene non si possa escludere a priori che alcuni datasetabbiano caratteristiche di unicità, va considerato che spesso le fonti utilizzabili per l’acquisizione delle informazioni rilevanti ai fini dell’offerta di un particolare bene/servizio sono molteplici. La maggior parte dei dataset, infatti, può essere in qualche modo replicata perché sui mercati sono disponibili numerosissimi dati, sia online che offline, molti dei quali pubblicamente accessibili e utilizzabili in modi alternativi. Ad esempio, nell’ambito della valutazione dell’operazione di concentrazione Facebook/WhatsApp, la Commissione europea ha osservato come, anche a valle dell’operazione, vi sarebbe stata una elevata quantità di dati rilevanti a fini pubblicitari disponibile sul mercato. Anche nella valutazione dell’operazione Apple/Shazam, la Commissione ha considerato che l’integrazione dei database delle parti, contenenti dati sui rispettivi utenti, non avrebbe conferito alla nuova entità un vantaggio non replicabile. Si trattava, infatti, di database contenenti dati non unici e non qualificabili come input importanti per la fornitura dei prodotti a valle.

In ogni caso, solo in circostanze eccezionali, i Big Data raccolti da un’impresa possono costituire una risorsa “essenziale” per operare in un mercato, soprattutto in considerazione del fatto che la conoscenza necessaria per offrire i servizi può essere sviluppata attraverso l’impiego di database diversi (cfr. infra, sezione 5.4.4.).

Relazione tra diritto alla protezione dei dati personali e barriere all’entrata. Quanto rilevato in materia di Big Data e barriere all’entrata suggerisce che, in generale, esiste una possibile tensione tra diritto alla protezione dei dati e concorrenza. Poiché l’esistenza o meno di barriere all’entrata dipende anche dalla disponibilità di una molteplicità e varietà di fonti di acquisizione dei dati rilevanti, un approccio molto restrittivo volto a salvaguardare la protezione dei dati personali potrebbe avere come conseguenza un aumento delle barriere all’entrata. D’altro canto, va considerato che anche nell’esperienza nazionale –tenendo conto del quadro regolatorio proprio di singoli settori (ad es., energia elettrica e gas, servizi finanziari) –sono state individuate le condizioni,nel rispetto della disciplina di protezione dei dati, per consentire l’accesso a dataset di informazioni (selezionate) aventi natura personale riferite alla clientela, definendone le modalità di impiego. In questa prospettiva, la piena applicabilità del RGPD potrebbe contribuire ad assicurare un livello di tutela omogeneo e favorire la costruzione di quel level playing field propedeutico allo svolgimento del processo competitivo.

Il portato concorrenziale della regolazione in materia di dati personali deve essere oggetto di particolare attenzione soprattutto laddove abbia un effetto differenziale, da una parte avvantaggiando le imprese incumbent, che tipicamente dispongono dei dati ottenuti dalla relazione diretta con i propri utenti, e dell’altra andando a svantaggio dei potenziali nuovi entranti, che potrebbero avere l’esigenza di acquisire con altre modalità i dati rilevanti per entrare e crescere nel mercato. Nella Sezione 5.3. di questo documento, la relazione non univoca tra concorrenza e protezione dei dati personali viene illustrata più in dettaglio.

Portabilità dei dati e riduzione switching costs. La portabilità dei dati può costituire un elemento di fondamentale rilevanza sotto il profilo concorrenziale. Riducendo i costi di switching dell’utente da una piattaforma all’altra, la portabilità dei dati può incidere, infatti, sulla mobilità degli utenti. La circolazione dei dati e la riduzione dei costi di switching possono contribuire a far sì che i dati non costituiscano una barriera all’ingresso, riducendo possibili rischi di lock-in, e che la mobilità degli utenti riduca gli effetti di rete connaturati all’attività delle piattaforme.

In questo contesto, il diritto alla portabilità dei dati, introdotto dal RGPD (cfr.art. 20), rappresenta senz’altro un importante passo avanti nella prospettiva di facilitare la circolazione dei dati e la mobilità degli utenti. Si tratta infatti del diritto dell’interessato a ottenerei propri dati personali da un titolare del trattamento, qualora ricorrano talune condizioni quali il consenso dell’interessato o un contratto di cui l’interessato è parte (ai sensi dell’art. 6, par. 1, lett. a e b) e del diritto di trasmetterli ad altro titolare, senza impedimenti e in un formato strutturato, di uso comune e leggibile da dispositivo automatico.

Tuttavia, i possibili esiti dell’introduzione del diritto alla portabilità dipendono in maniera sostanziale dalla misura in cui tale diritto sarà esercitato dagli utenti. In quest’ottica, non può non rilevare come dal documento redatto dall’AGCM e pubblicato nel giugno 2018 di cui in Premessa emerga che attualmente solo 1 utente su 10 è consapevole dei propri diritti in materia di portabilità dei dati. Lo scarso interesse all’utilizzo della portabilità è dovuto allabassa propensione ad utilizzare altre piattaforme/applicazioni (41,1%), ad una limitata sensibilità sulla rilevanza di tali dati (36,1%) nonché alla percezione di un’elevata complessità degli strumenti tecnologici (30,4%).

Fonte: Rapporto 2020 AGCOM, AGCM E GARANTE sui Big Data