Big Data, utilizzo dei dati personali e concorrenza - L’utilizzo di Big Data, algoritmi di prezzo e collusione online

L’utilizzo dei Big Data può avere un impatto sul livello dei prezzi anche per il tramite dell’utilizzo di algoritmi di pricing. Un algoritmo di pricingè una procedura automatizzata usata per determinare i prezzi di vendita ottimali di prodotti/servizi sulla base delle condizioni del mercato e adeguarli in “tempo reale” alle variazioni di queste ultime.

Gli algoritmi di pricingpossono essere implementati dalle stesse imprese che vendono il prodotto/servizio o da software houseche offrono soluzioni complete per una gestione automatizzata della definizione dei prezzi. L’esistenza di prodotti di questo tipo fa sì che algoritmi di pricinganche molto sofisticati possano essere utilizzati da imprese di dimensione relativamente piccola.

Gli algoritmi di pricingusano largamente sistemi di monitoraggio, i quali acquisiscono i prezzi applicati dalle imprese concorrenti e sulla base di questi ricalcolano e aggiornano frequentemente i prezzi. I dati elaborati da un algoritmo di pricingal fine di computare il prezzo di un bene o di un servizio includono: i costi dell’impresa, i dati storici relativi a prezzi e profitti, i prezzi dei concorrenti, le informazioni personali del consumatore, ecc.

Gli algoritmi di pricingpossono anche essere molto semplici e basarsi su regole predefinite, come la regola di allinearsi al prezzo più basso del mercato o di rimanere al di sotto/sopra di una determinata soglia rispetto al prezzo più basso del “mercato” di riferimento. Algoritmi di pricing più avanzati possono essere basati su modelli predittivi e sull’utilizzo di tecniche di machine learning, che “imparano” autonomamente le strategie ottimali di prezzo al fine di massimizzare i profitti dell’impresa.

L’elevata trasparenza dei mercati online, ossia l’ampia disponibilità di dati sui prezzi dei concorrenti e di altre informazioni rilevanti, la frequenza di aggiustamento dei prezzo, ossia la capacità degli algoritmi di monitorare in tempo reale i mercati potendo modificare istantaneamente e continuamente i prezzi, nonché le capacità di apprendimento delle strategie di prezzo ottimali attraverso il machine learningfanno sì che l’utilizzo degli algoritmi possa potenzialmente agevolare fenomeni collusivi, più o meno taciti, e dunque più o meno leciti.

La difficoltà di rintracciare l’ingrediente decisivo per una violazione dell’art. 101 TFUE –lo scambio di volontà –in presenza di algoritmi sofisticati, caratterizzati da meccanismi di machine learningè, a dir poco, complicata.

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