内容提要：近年来，互联网平台经济迅猛发展，互联网平台作为一种重要的商业组织体已成为推动经济发展的新样态、新形式、新动能，各大平台企业也由初期聚焦特定场景，实现差异化的功能竞争走向多场景全周期的复合型生态系统间的竞争。基于各大平台生态系统中普遍存在的“数据+算法”双轮驱动的运行机理，双轮驱动下所形成的正向反馈回路正不断放大和强化平台生态系统的竞争优势。在平台生态系统的支撑下亿万流量和海量数据在跨市场上的交互传导，致使平台生态系统逐渐向生态型垄断演化。平台生态型垄断一旦形成，很可能带来市场过度集中、竞争固化封锁、数据安全降级等潜在风险的频发。为合理约束“生态型垄断”引发严重且难以恢复的市场竞争损害，需从系统观念出发，结合平台生态系统特征及其运行规律，解析平台生态型垄断演化的成因，重点从驱动平台生态系统运作的数据和算法的双轮运行机理出发，规范平台企业收集、使用数据及算法优化的行为，必须认识到无约束的算法优化存在着极大的社会治理风险，科技的发展需在法治的框架运行。在此基础上，完善和增强现行竞争法律法规对基于科技创新发展所带来的平台生态型垄断的规制框架与回应能力，充分发挥平台生态系统中多主体的力量，实现协同监管和系统监管。
关键词：数据；算法；平台生态系统；生态型垄断；数据安全；数据共享；竞争法
Abstracts：In recent years, the Internet platform economy has developed rapidly.As an important business organization, the Internet platform has become a new form and fresh driving force that can promote economic development.In the initial stage, some big platform enterprises focused on specific scenes in order to realize differentiated function competition.Now they turn to competing each other with multiscene and full cycle platform ecosystems.Based on the operation mechanism of platform ecosystem which driven jointly by data and algorithm, the positive feedback resulted from big data and algorithm is constantly amplifying and strengthening the competitive advantage of the platform ecosystem.With the support of the platform ecosystem, the interactive transmission of multimillion of traffic and massive data across the market has made such platform ecosystem become ecological monopoly.Once the ecological monopoly of platform formed, it may bring the frequently occurred potential risks, such as excessive market concentration, competition solidification and blockade, and data security degradation.In order to restrict the ecological monopoly reasonably before it would cause serious damage on market competition and be difficult to recover, it is necessary to analyze the causes of the evolution of platform ecological monopoly from the perspective of system concept.Combining with the characteristics and operative rules of platform ecosystem, we should focus on the double-drive operation mechanism of platform ecosystem, and regulate the behaviors of data collecting, using, and optimizing algorithm.It must be recognized that there are great social governance risks in unconstrained algorithm optimization, and that the development of science and technology needs to operate within the framework of the rule of law.Facing the ecological monopoly brought by the development of scientific and technological innovation, we should improve and enhance the regulatory framework and reaction capacity of the existing competition law, give full play to the power of multiple subjects in the platform ecosystem, and realize collaborative and systematic supervision.
Key Words：data; algorithm; platform ecosystem; ecological monopoly of platform; data security; data sharing; competition law
一、问题的提出
　　在互联网经济发展初期，“流量”一直被视作互联网企业，特别是具有优势的平台企业，获取和维持其竞争能力和地位的关键要素。伴随互联网经济在广度和深度上的高速发展，各行业的头部平台企业逐渐凸现，其在资本和技术的加持下对流量获取和维持的能力不断增强。当流量到达一定量级，平台通过流量变现进一步融资，在资本支持下扩大自身规模，以平台现有的核心业务为基础，在横向和纵向市场上不断扩围；在充分实现规模经济效应的同时，也吸引了更多流量和数据，加大了对流量的锁定效应和对相关数据的控制和处理能力。由此，头部平台完成了“资本加持流量，流量吸引资本”的早期积累过程，进而努力打造基于平台核心业务的生态系统。然而，此刻的互联网平台经济领域，并非格局已定，其正在或已然迎来了新一轮的更加激烈的互联网经济下半场竞争，从流量竞争步入以数据和算法为核心的生态系统竞争[1]。随着大量资本及其控制的平台企业涌入市场，各大平台消费者用户的数量增速放缓，平台经济早期发展中的流量红利逐渐达致上限，多数平台由此陷入发展停滞的“瓶颈期”。概言之，平台单纯依赖资本积累和规模扩张的模式，已难以推动平台经济可持续发展，无法突破互联网经济步入“下半场”所面临的“发展陷阱”。
　　当前，大数据和算法等数字数据技术的普遍应用，已推动互联网经济发展由“上半场”步入“下半场”。通过早期流量、数据积累所凸显的头部平台企业，已由资本驱动转入跨市场、跨领域的互动与合作，由早期提供单一场景和单一功能逐渐走向开放式、多场景、全场域、多功能的复合型生态型平台。平台通过构建生态系统，满足不同用户群体的多种需求，实现对消费者用户流量以及注意力的长期锁定，尤其通过将广告商等第三方商家转化为合作伙伴，使原本外部于平台的商品或服务内化为生态系统中的一部分，即出现了高度集中的聚合型平台[2]（group platform）或涵盖型平台[3]（covered platform）。以脸书（Facebook）、谷歌等涵盖型平台为例，这些平台在激烈的市场竞争中长期处于头部地位，且仍存在不断上升和固化的趋态，其共性在于这些平台并没有专一于单一领域，而是通过平台收购或者开放端口（API），吸收互补品，跨市场衍生到其他领域。此时，平台不再单纯满足特定群体的单一化需求，而是呈现出多样化、系统化的生态性运行特征。
　　虽然平台可通过搭建生态系统突破发展瓶颈，但是那些聚合型或涵盖型平台所拥有的强大的生态系统也对市场公平竞争产生了极大威胁。譬如，近年来谷歌平台的自我优待，[4]苹果应用商店限制Spotify，[5]腾讯屏蔽抖音[6]等。同时，各国竞争监管机构对上述平台的监管力度也正在逐步加强。譬如，德国竞争监管机构对谷歌的数据使用行为展开调查，[7]亚马逊公司价格条款被指控抑制创新，[8]脸书面临来自欧盟的反垄断调查，[9]阿里巴巴“二选一”行为受到行政处罚[10]等。这些事件的发生不仅引发了人们对生态型平台限制、排除竞争与正当竞争之间界限模糊的隐忧，同时也引发了学者们对平台生态系统垄断的思考。有学者认为，平台生态系统能够带来“生态优势”；[11]也有学者指出，数据跨市场多功能使用，使同一组数据可以在多个市场上转化为竞争优势，能形成自我强化的“反馈环”，这将出现“新型企业集团效应”，推动形成集成数字生态系统。[12]还有学者指出，超级平台之所以谓之“超级”，关键在于其搭建了一个平台生态系统，且不断优化和强化这一系统，成为该系统的控制者和监管者，对参与该系统的所有主体及人员有着“生杀予夺”的绝对权力。[13]可见，多数学者已意识到平台生态系统的运行能赋予平台强大的市场竞争力量，同时也暗埋或显现了平台可能引发的排除、限制竞争危害。
　　综上，为有效回应平台生态系统运行可能引发的生态型垄断问题，设置具有针对性且系统全面的规制框架与方法，需从系统观念出发，从整体视角研究平台生态系统具有的特征及运行规律，分析平台生态系统向平台生态型垄断演化的内在逻辑，找出关键环节，以此为据优化并更新平台生态系统健康发展的可行方案。同时，应科学有效地规制平台生态型垄断问题，实现对平台经济的有效监管与科学发展之间的平衡。
二、类型化视角下平台生态系统的运行规律
　　系统观念是马克思主义基本原理的重要内容。它强调系统是由相互作用、相互依赖的若干组件结合成具有特定功能的有机体，若要实现整个系统的优化，就需要从事物的总体与全局上、从要素的联系与结合上，研究事物的运动与发展，找出规律、建立秩序。因此，若要促进和维护平台生态系统的健康发展，预防平台生态系统趋于垄断，需对平台生态系统进行解析——以类型化视角出发，识别不同类型平台具有的共性，把握平台生态系统的运行规律，以进一步探析平台生态系统的发展趋势及其潜在的问题。
（一）平台生态系统类型化解析
　　近年来，互联网大型科技平台趋于生态化发展，理论界对平台生态系统的研究日渐增多，然而就“平台生态系统”的内涵尚未达成一致。有学者认为，平台生态系统是由众多生产者和消费者依托一大批互联网平台形成的多个网络生态系统。[14]还有学者认为，平台生态系统是“由平台及参与者构成的生态”，这里的平台可以视作多主体的集合，共同参与到同一项生产活动中，且这些主体的选择和行为是相互依赖的。[15]归纳现有学者观点可知，平台生态系统是指以一个（或多个）主导平台为核心，由平台关联业务、合作商家、消费者等多元主体组成相互关联和交互的系统，构成彼此相互联结、实时互动的价值链。[16]
　　在实践中，平台生态系统存在多种运行样态。若要分析平台生态系统具有的运行规律，不能仅笼统地依据某一类型的平台进行分析和认定，应从类型化视角出发，分析不同类型生态系统所具有的特性与共性，进而从事物的总体与全局上找到运行规律。目前，已有学者尝试对平台生态系统进行分类，安杰伦（Angehrn）将互联网平台分成信息型、交流型、分发型以及交易型等四类，指出越来越多的网站综合多种功能、形成更高级的模式。[17]有的学者将平台生态系统分为价值网络型、社交网络型和信息网络型等三大类。[18]然而，这种以基础功能为标准的分类方式，难以回应当前平台生态系统功能多元化的发展现实。此外，还有学者将生态系统分为两类：其一是多商品生态系统，由许多不同的商品和服务组成；其二是多角色生态系统，即由一个作为协调者的平台为一系列合作伙伴和互补者搭建由多主体组成的生态。[19]这种分类具有一定的参考性，但从平台本身所具有的双边或者多边市场结构的特性看，以平台为核心组成的多商品生态系统也必然具有多重角色的特性，故这两种类型存在较高的重合性，该分类方式也并不是类型化的最佳方案。
　　回归到“生态系统”概念本身，其本是一个生物学术语[20]，所描述的是自然界中包括植物、动物、气候等多种要素在内的可以持续运作，甚至不断扩张的循环系统。其强调组成部分之间的关系。互联网平台之所以被称为“生态系统”，就在于其以平台为载体，搭建起联系包括消费者、经营者在内的循环交互系统。不过，消费者和第三方合作企业都不宜作为划分平台生态系统类型的依据。虽然两者都是实现生态系统运作的重要组成部分，但并不是生态系统中的“关键种”（keystone species）[21]，对平台生态系统运行机制不具有决定性作用，且当前头部平台企业的生态系统所吸纳的第三方合作企业具有多元化特征，故难以成为平台生态系统分类的参考依据。为此，本文将主要以头部平台及其关联业务的形态为依据，对平台生态系统进行类型化分析，重点分析不同类型生态系统实现生态价值链循环的运作机理。[22]（见表1）

　　综上，结合现有学者研究及当前头部平台生态系统中平台及其旗下关联业务之间的主要形态，可将平台生态系统分为三类：横向生态系统、纵向生态系统以及多元生态系统。其中，横向生态系统是指主要以同类业务为主搭建而成的生态系统；纵向生态系统是指由产业链上下游业务组成的生态系统；多元生态系统则是以跨市场、跨领域的多种不同类型关联业务组成的“生态圈”，并不局限于核心业务所在横向或纵向的产业链。
1.横向生态系统
　　横向生态系统，是主导平台与旗下关联业务以横向产业链为“纽带”，并与第三方合作企业以及消费者等主体共同构筑而成的价值生态链。所谓“横向产业链”是指平台旗下关联业务与基础业务属于同类商品（如图1所示）。

　　当前，在互联网头部企业中，脸书属于横向生态系统。脸书旗下关联业务多为脸书社交的同类业务，即社交服务。理论上，同类商品存在一定的竞争性，但生态系统使得同类商品或服务不但不会出现相互竞争的情况，反而能形成互补关系，实现社交服务的全场景化、多功能性及全周期运行。吸纳更多的用户群体，增强用户粘性。这种横向生态系统之所以能够让同类竞争性商品或服务实现生态性共存，主要源于以下两种策略。
　　其一，同类功能的差异化需求。这种策略主要是基于用户需求的日益多样化，在基本需求的基础上，不同用户群体的需求会存在一定差异，此时可以通过功能细分，满足不同群体的差异化需求。譬如脸书与照片墙（Instagram）皆为满足人们社交需求的商品，但是照片墙将社交功能中的图片传输功能单独提取出来，从而满足了希望通过图片方式进行社交的用户群体需求。通过这种方式，生态系统能够在满足人们差异化需求的同时，最大限度吸纳拥有同类需求的差异化群体。根据马斯洛需求层次理论，社交是人的基本需求之一，[23]因此，脸书通过对社交产业链的横向整合，在实践中能将所有网络用户纳入其生态系统，为其生态系统提供海量数据采集及算法加工保障。
　　其二，不同应用场景下的功能差异化定位。即便是同类甚至具有替代性的功能，通过应用场景的差异化策略，可避免同类商品之间产生竞争，反而形成互补关系。以脸书和工作空间（Workplace）为例，两者虽然在功能上具有高度相似性，然而适用场景存在明显差异——前者主要用于非特定场景的社交，而后者则主要应用于工作场景的社交。由于应用场景不同，用户在选择使用商品时，并不会因两者功能相似而产生竞争或作出替代性选择，相反，用户完全有可能同时使用两种商品。这种差异化场景策略对横向生态系统运行的意义在于，可实现对用户数据的深度挖掘。譬如，同一个用户在不同场景中，其所涉及的社交关系链存在一定差异，脸书中存在和发生的社交关系链往往是亲人和朋友等熟人，而工作空间则可进一步获取该用户在工作交往中的社交关系链数据。可见，通过场景差异化策略，横向生态系统可实现对用户数据信息的深度挖掘。
　　上述策略不仅可避免竞争性商品相互之间产生冲突，还会赋予平台生态系统数据在广度和深度方面的优势，从而实现更精准的内容推送，进而获得维持系统运作及研发技术的资金，形成稳定的生态循环。此外，基于生态系统内部的数据共享安排，可以实现功能的复合叠加。平台算法不仅能够为用户提供个性化服务，优化信息内容的推送，同时还可以通过对用户数据的分析，预测各类用户群体的潜在需求，实现下一步生态系统组件的构筑和扩张。由此可见，通过多种不同场景的数据采集、挖掘及共享，以及更精准的算法推送，使得横向生态系统中看似存在竞争性的商品能够实现价值的聚合共创，产生“1+1+1>3”的效果。
2.纵向生态系统
　　纵向生态系统，指主导平台与旗下关联业务以纵向产业链为“纽带”，并与第三方合作企业和广大消费者用户等主体共同构筑的产业及其价值生态链。“纵向产业链”指基础业务产业链的上下游（如图2所示）。

　　与横向生态系统相比，纵向生态系统中各个组件相互间不存在直接竞争关系。相反，由于生态系统中各部分分别处于产业链的不同环节，属于紧密的协作关系，故其生态系统运作机理也与横向生态系统存在一定的差异。以京东平台为例，京东在早期就以纵向一体化为主要战略，其在电子商务的基础上，提供京东自营服务（由京东负责采购销售和售后的商品）、京东物流、京东金融等，贯通电子商务产业链，打造全价值生态链，实现“采购—销售—支付—配送—售后”的纵向产业链的一体化整合。这种纵向生态系统价值链的形成主要源于以下两种机制。
　　其一，数据共享机制。与横向生态系统的数据共享机制不同的是，纵向生态系统的数据共享主要注重的是各个组件之间数据的精准传输。这种方式能够提升整体产业链的质量和效率，电商平台企业在既有的渠道信息流传递功能的基础上，进一步实现了渠道资金流、物流、商流以及信息流的统一。[24]此机制的运作能够形成一个纵向的数据价值链——不同环节中各类用户群体间的交互，以及用户在此过程中录入的信息，有助于平台进一步提升其生态系统的质量和效率。譬如，消费者用户购买行为可以反映消费者用户的偏好，有助于预测消费者存在较高购买意向的领域，帮助商家用户或平台自身做好商业布局和资源要素的高效配置。同时，通过商品售后的情况可以反馈商品存在的质量问题，并向生产者或经营者用户直接反馈。与横向生态系统不同，上述机制虽然无法使纵向生态系统获得差异化用户群体的数据，但是在不同用户于不同环节的交互反馈中，能充分激发数据所蕴含的潜在价值，提升用户的整体体验。
　　其二，算法协调机制。在算法技术的支撑下，通过纵向产业链的数据共享，可以实现对全产业链的优化配置。[25]算法可根据生态系统组件所需，对应地推送资源和数据，由此可避免系统组件因大量数据堆积，导致重复处理数据而耗费算力的弊端，或者是在数据传输过程中出现错误的问题。同时，通过对产业链的纵向一体化整合，平台可以在保障商品质量的同时，摊薄电子商务体系的物流成本，为消费者用户提供更准确且实时的信息。这有利于提高消费者用户对平台的信赖，以及优化电子商务服务全周期的体验。以京东物流为例，京东在电子商务全产业链方面的数据以及算法优势，使得京东物流能实现准时且快速的配送服务，提升了京东物流的用户体验，实现其在物流领域优势的传导。同时，京东物流的优势服务也会促使更多的用户选择使用京东平台，由此为京东物流带来更多的交易机会，由此实现了交易机会的交互传导。
　　可见，与横向生态系统下多场景、多功能、多群体的生态化运行不同，在上述两种机制的作用下，纵向生态系统的生态化运行主要源于交易机会的传导。尤其是对交易型平台言，其盈利的实现需基于交易机会的争夺，通过纵向一体化整合，可将其在产业链上下游中某一环节具有的优势快速精准地传导至整个产业链，促使消费者用户选择该平台，提升用户的忠诚度和黏性，确保交易机会的长期获取和维持。
3.多元生态系统
　　多元生态系统，指生态系统包含多元化的关联业务，并与第三方合作企业以及消费者用户等主体共同构筑而成的生态圈。其“多元生态性”体现在主导平台的关联业务既可能包含横向或纵向产业链上的业务，也可能包含产业链以外的跨行业、跨领域的其他业务（如图3所示）。

　　在头部平台企业中，腾讯平台是多元化生态系统的典型代表。腾讯在发展初期以社交平台为基础，随后逐渐向游戏、影视、音乐、支付等领域扩张。通过融入社交元素以及系统内的数据流通和共享，这种多元化生态系统使原本与社交服务间不存在关联的服务得以实现多元化商品和服务的互联，形成不断发展壮大的生态圈。基于多元生态系统的多元特性，其运作机制与上述两类生态系统虽然存在相似之处，但是仍存在一定的差异。
　　首先，与横向生态系统类似，多元生态系统可通过提供多元化的功能，满足多个用户群体的需求，由此获得大量数据。但不同之处在于，多元生态系统通过多功能、多场景、多维度扩张，联动平台各个消费场景，形成交叉销售，增强用户黏性和活跃度。[26]平台可获取的数据种类更加丰富，数据内容更加饱满，能够实现对用户信息的深度挖掘，弥补了横向产业链可获取数据在种类和范围上的局限性。此外，与横向生态系统仅满足用户某一类的差异化需求相比，多元化的商品或服务能多方位地满足用户的差异化需求。而且，多元生态系统通过将多元功能整合于同一入口，能够为用户带来极大的便捷，不仅在很大程度上降低了用户转换不同平台所耗费的时间成本和学习成本，同时也极大提高了用户对生态系统的依赖性。
　　其次，与纵向生态系统类似，多元生态系统可通过数据共享机制及算法优化来高效配置数据、资金、物流等资源要素，实现交易机会的传导和争夺。但其不同之处在于，这种交易机会的传导和争夺可以突破生产链的限制，在多领域内进行传导和竞争，进而实现“平台包络”。所谓“平台包络”是指平台提供者通过利用通用部件（如标准化接口等）或共同用户，将平台自身功能与目标市场进行捆绑，从而进入到另一个市场。[27]具体而言，通过构建多元化的生态系统，平台可以摆脱基础业务横向和纵向生产链的束缚，利用重合的用户群体进行多维度“包络”，激发需求端价值性协同产生，从而实现需求端范围经济，并通过算法技术，对用户数据资源进行深度解析和优化配置，实现全系统协同，最终完成竞争优势构建。因此，平台发起包络战略的过程也是平台向平台生态系统演化的过程。[28]
　　可见，多元化生态系统不仅具有横向生态系统和纵向生态系统所具有的生态特性，同时还将两类生态系统的优势进一步放大和提升，能够获取更多更广的用户数据，并且在数据“喂养”下实现生态系统资源优化配置和系统生态圈的进一步扩张。这种多元生态发展模式摆脱了产业链纽带的束缚，形成了多维立体化的价值生态圈。正是因为多元生态系统所具有的独特优越性，当前头部平台企业正逐渐摆脱其原有的横向或者纵向生态模式，逐渐向多元化生态系统模式转型。譬如，近年来脸书开始向购物、游戏等非社交类产业进军。[29]
（二）平台生态系统运行规律：“数据+算法”双轮驱动
　　平台生态系统虽然存在不同形态，且其生态化的实现机制也存在一定差异，但是，通过对平台生态系统的类型化解析，分析影响其实现生态化运作的关键要素，可从中总结和归纳平台生态系统发展的运行规律。从上述平台生态系统运行的基本机理出发，可以发现平台生态系统运行主要围绕“数据+算法”及两者之间的联动等关键要素展开。即平台生态系统是基于数据的流动和循环反馈，优化算法练习，并在算法的协调下实现多元主体的相互作用、相互依存的有机体。若无“数据+算法”双轮驱动的赋能，多商品或服务形成的聚合市场将难以实现平台的生态化运行。
1.数据共享实现生态系统价值的聚合共创
　　在平台生态系统中，不同组件上的数据是共享的，且拥有实时、精准、高效的数据传输系统。这使得数据能够在平台生态系统的各组件间实现畅通无阻地流通，使平台生态系统能够实现更有效地协作，避免出现数据错误或数据延迟等情况而影响商品或服务的生产效率和质量。平台生态系统各组件间的数据流通与共享，是平台生态系统实现价值聚合共创的重要保障和实施进路，且不同类型的数据对平台生态系统运行产生的作用有所不同。
　　首先，消费行为数据。虽然不同类型生态系统对消费者用户数据收集的程度存在一定的差异，但是与单一化商品或服务供应相比，平台通过收集并整合来自不同组件的消费者用户数据，可以使用户消费行为数据在数量、种类、质量等方面得到提升。这使得平台将能从中提取更多能进一步创造价值的信息。当前，平台企业与用户关系的理念，经历了从流量思维到产消者思维[30]，再到超级用户思维的转变，超级用户思维成为实现组织与用户间高价值连接和生态化构建的基本逻辑，企业处理用户关系的侧重点，也从外部获取新用户和留存已有用户，转向对已有用户关系的深度经营与人均用户价值创造。[31]故，平台生态系统获取更多的用户消费行为数据，将有助于通过为用户量身定制个性化服务网络，与用户建立深度联系。譬如，用户消费行为数据能反映用户需求，平台根据用户实际需要，不断优化和完善商品或服务的功能和质量，以更好地满足用户需求，增加用户对平台生态系统的依赖度。
　　其次，系统运行数据。在生态系统运行过程中，有助于实现价值聚合共创的数据并不仅限于消费者用户行为数据，各个组件在运行中产生的系统数据也发挥着重要作用。所谓系统数据，指平台或者其他经营者在经营中产生的数据，包括由系统运行而生成的日志、任务清单等记录。系统数据通过生态系统可以进行高效传输和共享，实现多组件协同运行。这种效果在纵向生态系统中尤为明显，以电商平台为例，通过系统数据共享，销售部门可以第一时间获取订单数据并反馈仓库，商品在出库中信息传输至物流，使得物流得以第一时间进行配送。这些数据清晰明了地通过电商平台反馈给用户，能极大提高用户线上购物体验。这是同类未实现纵向一体化的平台难以实现的。这是因为当其中任何一个环节处于生态系统外部时，其数据传输往往会因为外部网络系统的传输效率而存在滞后，易导致处理效率低下，影响甚或妨碍用户体验。
　　综上，即便不同类型的平台生态系统中流通数据的类型、范围和种类都可能存在一定的差异，但是平台生态系统通过建立不同组件之间数据高效流通和共享的桥梁，使生态系统总体的数据规模不断增加。而且，平台数据规模越大、维度越多、更新越快，数据边际价值越会成倍增加，从而能够打破传统要素有限供给的束缚，为产业链群生态体系演化提供充分的要素支持和驱动力量。[32]数据会对经济、社会、环境、资源等系统资源要素产生强大的聚集力和配置力，有效增加人才、技术、信息、设施等核心资源存量，实现资源共享，消除资源结构性短缺。[33]故此，平台生态系统的运行能使数据实现资源汇聚和多组件之间的价值聚合共创。这就是平台生态系统实现生态化发展的基本运行规律。
2.算法加工实现生态系统资源优化
　　数据对平台企业以及平台生态系统发展的重要性毋庸置疑。与数据相比，算法在生态系统中的作用似乎并不那么明显。实际上，平台生态系统运行和发展仅靠数据的持有和控制是无法实现的，平台获取的海量数据所蕴含的价值需要通过算法挖掘出来，且整个生态系统资源的配置也需要借助算法实现最优化。
　　首先，算法可以为平台生态系统筛选有价值的数据。平台是互联网的网络数据信息中台，汇聚和处理大量的数据信息，其通过大数据技术和云技术来支撑平台商务的顺畅高效运营。[34]平台生态系统运行中所收集的海量数据中，包含许多重复以及价值含量低的数据，若不对数据进行清理、筛选和提炼，不仅无法获取海量信息中所蕴含的价值，甚至还可能影响数据传输和使用的效率，故此，平台生态系统需要借助算法提炼有价值的数据。
　　其次，算法能为平台生态系统“生产”有价值的数据。基于算法技术的应用，平台可实现对消费者用户偏好和需求的分析，通过对用户进行分类管理以及了解用户的消费偏好与用户行为轨迹，进而精准地实现定制化、个性化的价值主张，并有效定位平台企业所链接的有效与潜在用户群体。[35]不仅如此，自学习算法还可分析消费者需求的动态变化规律，对用户潜在需求进行预测，并将这些信息转化为数据提供给生态系统的决策层，使得生态系统在扩张过程中能够根据预测的信息抢占市场先机。
　　最后，平台算法能够优化生态系统中各个组件之间的协同度，提高生态系统总体运作效率。在平台生态系统中，算法不仅能够对数据进行分类和筛选，还提升了数据生产要素参与价值创造和分配的能力，使系统可根据不同组件的具体功能以及需要提供数据资源，避免数据冗杂而产生负面影响。同时，算法可以通过对生态系统实时动态数据的分析，根据实际情况对多部门进行协调，并制定进一步优化和改良生态系统运作效能的配置方案和方法，进而实现对生态系统数据创新资源和要素的整合，促进协同创新和持续创新。[36]