跨境投資觀察 | 大數據時代的併購——趨勢、監管與法律應對_風聞

走出去智庫觀察

當前，大數據技術與人工智能、物聯網、5G等新一代信息技術深度融合，在電子商務、數字政務、智能交通運輸、智能醫療等領域的應用場景不斷豐富。有人把大數據形容為未來世界的石油,美國政府甚至把對大數據的研究上升為國家戰略。

走出去智庫（CGGT）觀察到，大數據已成為推動傳統行業與新興行業快速發展的新型資源，所藴含的巨大商業價值被市場逐漸認可，該領域的投資併購日益活躍。但大數據方面的投資併購涉及數據保護的法律問題，各國政府也不斷加強監管並嚴格執法，給大數據領域的投資併購帶來了挑戰**。**

大數據領域的投資併購如何做好法律應對？今天，走出去智庫（CGGT）刊發曾磊律師的文章，供關注大數據投資併購的讀者參考**。**

要 點

CGGT，CHINA GOING GLOBAL THINKTANK

1、大數據的應用導致的業態創新和業務模式顛覆迫使傳統企業進行數字化轉型，而投入巨資進行內部研發，其結果具有很大不確定性，而且週期太長，難以跟上外部技術更新的步伐。於是，對外收購具備相關技術的企業，就成了傳統企業實現數字化轉型的捷徑。

2、數據類併購面對的政府監管比傳統行業的併購更為複雜和嚴苛，跨國併購尤甚。

3、由於被收購方的網絡安全漏洞或事故將使收購方在收購後承擔難以估量的責任和損失，網絡安全問題成為數據類併購的盡職調查的重點內容之一。

正 文

CGGT，CHINA GOING GLOBAL THINKTANK

文**/曾磊**

近十年來，數據類併購呈快速增長趨勢。根據波士頓諮詢集團的統計，2017年全球數據類併購交易總金額達6580億美元，為2010年的2420億美元的2.7倍，佔全球併購交易總金額的24%。通常而言，數據類併購是指併購的對象擁有某種數字產品或技術作為關鍵的業務因素。一方面，新興的數據類企業意圖通過併購同業拓展業務的邊界和深度；另一方面，未以數據為主業的傳統企業則期望通過數據類併購獲取新的增長動力，即實現所謂的“數字化轉型”（digital transformation）。隨着5G等新一代通信網絡的普及和數據相關技術的加速迭代，數據類併購預計將繼續成為併購產業中炙手可熱的類別。數據類併購有別於傳統行業併購的特殊性，值得業界的關注。

傳統行業熱衷於跨界併購

根據波士頓諮詢集團的上述統計，來自非數據類企業的跨界收購佔數據類併購的三分之二。為什麼要跨界收購？大數據的應用導致的業態創新和業務模式顛覆迫使傳統企業進行數字化轉型，而投入巨資進行內部研發，其結果具有很大不確定性，而且週期太長，難以跟上外部技術更新的步伐。於是，對外收購具備相關技術的企業，就成了傳統企業實現數字化轉型的捷徑。根據埃森哲諮詢公司於2017年中對來自七個國家13個行業的1100名企業高管的調查，“獲得新的數字化能力”“對新一代技術的需求”與“擴展至新的地域市場”“擴展至新的行業”並列成為開展併購的最主要驅動因素。

2018年初，國際製藥巨頭羅氏宣佈以19億美元收購了美國癌症數據分析公司Flatiron Health的剩餘股份，此舉意在藉助後者掌握的大量真實的腫瘤臨牀數據和建模能力，縮短新藥研發週期和降低研發成本。2019年8月，中國上市公司江蘇沙鋼集團宣佈以18億英鎊（約158億人民幣）收購英國數據中心運營商 GlobalS witch剩餘24.01%的股權，實現對後者的全資控股。據悉，沙鋼自2011年啓動非鋼產業多元化戰略，新能源、新材料、IDC互聯網大數據等領域是主要的拓展方向。2020年9月，趁TikTok美國業務遭遇特朗普政府封殺之機，美國零售巨頭沃爾瑪同意與全球最大軟件公司甲骨文共同投資TikTok，與後者的母公司字節跳動在美國成立合資公司TikTokGlobal，以繼續運營TikTok美國業務。分析認為，TikTok的巨量年輕用户將有助於促進沃爾瑪電商平台的銷售和擴大在美國以外市場（尤其是中國市場）的營銷覆蓋面。

中國企業在數據類併購方面尤其活躍。根據國際律師事務所Freshfields的統計，2009年至2017年間，總部位於中國的S&P全球1200指數的成分公司平均開展4.6個數據或科技類併購，僅次於荷蘭公司（平均4.7個）；鑑於荷蘭公司中有大量跨國企業的控股殼公司，並非真正的荷蘭本土企業，中國企業實際成為全球最活躍的數據類併購買家。中國企業平均在每個交易中的投資額高達14.7億美元，高於美國企業的12.6億美元，為全球第一，反映了中國企業對於數字科技的強烈渴求。中國企業的數據類併購有超過一半（56%）針對境外的目標。

用大數據的方法做併購

根據KPMG的預計，到2025年，全球產生的數據總量將較2016年暴漲10倍，達到163ZB（1ZB等於10億GB）。在數據汪洋中，企業的運營環境也更為多樣和複雜，涉及生產設施、辦公場所、實體商鋪、網站、社交媒體、應用軟件等，各平台之間的交互聯動所形成的企業畫像較傳統單一運營環境下的企業畫像更立體和全面。傳統的以人工為基礎的信息處理方法在檢索能力、處理能力、分析質量、響應速度等效能上日漸無法應對數據類併購的複雜性，而數據分析（data analytics）、認知計算（cognitive computing）、機器學習等基於大數據的人工智能工具在大數據時代的併購中的運用越來越受到重視。

**首先，大數據技術大幅提高對潛在併購目標的搜尋和篩選效率。**不僅侷限於對財務報表、管理層報告等傳統信息來源的挖掘，人工智能可通過數據挖掘工具收集風險投資流向、科研成果發佈和利用、縱向和橫向產業聯結、輿論評價傾向等非傳統信息，並運用文本分析工具對不同來源的信息進行整合和分析。埃森哲的調查顯示，80%的受訪企業認可數據分析有助於對併購目標的篩選。而更優質的篩選結果有助提高交易的成功率。波士頓諮詢集團開發出一款利用人工智能評估非傳統指標的併購模型，根據在267個案例上的測試，該模型可以準確預測超過70%的收購項目在收購三年後的業績表現。KPMG的調查表明，有29%的企業在併購中使用數據分析或商業情報分析技術。

**其次，數據分析有助於更合理地對併購目標進行估值。**併購雙方在併購後的協同效應是目標估值的重要考量因素。傳統的估值方法一般基於成本節省和收入增長兩方面來測算協同效應。但數據類併購的協同效應更可能體現在以下兩個方面：一是收購方可利用被收購方的數字能力創造新的業務模式、服務或產品，從而推動收購方核心業務的增長；二是被收購方藉助收購方的業務能力、資本和市場實現數字業務的加速增長。傳統的估值方法不太適用於評估這種協同效應。數據分析工具更善於分析數據類企業的“軟實力”，幫助併購方發現收購後的價值潛力。例如，通過目標企業在LinkedIn上的員工檔案，可以判斷公司在相關領域的真實專業水平；通過分析目標公司在社交媒體上的粉絲規模、對其產品的網絡點評、對公司的網絡輿論傾向等，可以測算目標公司的用户或客户羣的黏度；基於目標公司所掌握的客户和供應商第一手數據，併購方可以更好地理解客户和供應商的需求和行為模式，從而有助於規劃在併購後如何優化服務和產品、改進客户和供應商關係、合理化資源配置等。大數據技術還能提高傳統估值方法的運用效率。例如，在大數據的幫助下，現金流折現法可以更容易地準備現金流量表，更容易地根據現存市場信息識別影響現金流量的風險因素，並且更準確地預測這些風險因素對現金流的具體影響。數據分析與傳統的市場基準估值技術相結合，使併購方可以從更廣泛的市場數據庫提取估值參考倍數，並可幫助併購方更快更可靠地將目標公司與估值參考數據進行比較，從而形成更合理的估值。根據波士頓諮詢集團的統計，非傳統協同效應的價值可以佔到數據類企業估值的至少50%，2017年涉及企業收購方的數據類併購的平均交易金額為1.51億美元，估值的中位數為EBIT的26倍，遠高於全部併購交易的估值中位數（EBIT的14.2倍）。

**第三，人工智能大大提高了併購前盡職調查的效率。**作為併購的必要程序，併購方須對目標企業或目標資產開展財務、商務、税務、法律、技術、人力資源、數據安全等方面的盡職調查，以便準確評估目標的價值和潛在風險。傳統的盡職調查方法耗時耗力，不僅需要調查人員的專業知識，還需要大量的時間和體力投入，相應產生可觀的調查支出。對於跨國併購，盡職調查的工作量更為龐大，不同地域的調查人員的協作難度更大，導致人為疏漏的概率增大，給併購方遺留的風險也更大。人工智能，尤其是認知計算的應用，可以大量節省盡職調查的人力投入，提高處理速度和準確率，幫助併購方更好地規避法律風險，並節省調查費用。根據數據專家的估算，將人工智能用於併購盡職調查可節約百分之三十至九十的盡職調查時間。人力資源、財務、產品研發、銷售和市場、資產管理、不動產是人工智能增效最明顯的盡職調查領域。德勤和KPMG已在越來越多的併購諮詢項目中使用人工智能系統為客户服務。諮詢公司KiraSystems的盡職調查引擎服務使用機器學習技術自動從合同中搜尋和提取併購調查通常需關注的信息，並以超過1000種可選擇的條款模板形成標準調查報告；此外，該公司的KiraQuickStudy系統還可以根據客户的需求進行定製，審查任何指定的特殊信息。

**最後，人工智能可大幅優化併購法律文件的起草。**企業併購需要併購協議和其他配套法律文件予以規範，這些協議和文件一方面需要準確反映本次交易的商業設計，同時還應符合法律規定、監管要求和市場慣例。傳統上，律師事務所根據過往經辦的項目形成本所的協議模板，將其用於起草具體項目的併購協議的基礎。但協議模板必須根據法律環境和市場實踐的變化經常予以更新，這將耗費律師大量的時間，而囿於人工認知的侷限，任何一家律所的模板都難以確保全面反映最新的發展變化。數據類企業所處的技術、商業和監管環境的變化遠快於傳統企業，這更增加了律師更新併購協議模板的難度。人工智能可幫助律師準備高質量的協議模板，使律師可將時間和精力集中於客户在特定項目中需重點解決的法律問題，提升法律服務的效率和價值。例如，法律智庫公司Wolters Kluwer早在2017年7月就推出了使用人工智能的併購條款分析服務，該服務通過人工智能對市場中使用的併購協議條款進行大數據統計，歸納出最普遍使用的條款，形成緊跟最新實踐的協議模板，再由資深併購律師進行審閲微調，確保模板符合最新的市場標準和行業經驗。

日益嚴峻的監管環境

**數據類併購面對的政府監管比傳統行業的併購更為複雜和嚴苛，跨國併購尤甚。**首先是個人數據保護。以大數據為核心資產或生產資料的運營模式，難免涉及消費者或公眾的個人數據，對大量個人數據的分析和利用正是這類企業的價值來源，而加強對個人數據的保護是當今主流國家的重點關切之一，兩者存在天然的衝突。例如，歐盟的《一般數據保護條例》（GDPR）、美國加州的《消費者隱私保護法》（CCPA）、巴西的《個人數據保護法》（LGPD）、泰國的《個人數據保護法》（PDPA）都對個人數據的採集、存儲、傳輸、轉移、使用都設立了嚴格的標準，並且對違規者設置了高額的罰款甚至刑事責任。更值得注意的是，這些法律都具有域外效力，即適用於涉及本國公民數據的任何主體，因此，如果外國的企業對這些國家的數據類企業的收購可能導致數據的跨境轉移，也必須遵守這些國家關於個人數據保護的法律。

**網絡安全也給數據類併購造成潛在風險。**掌握大量消費者數據的企業負有保證數據不被非法獲取或泄露的義務，一旦違反，企業將面臨監管機關的處罰和受害者個人的索賠。這些罰款或賠償，如果由收購一方承擔，將大幅提高收購成本；如果由出售一方承擔，則標的的估值將被縮水。例如，2016年，萬豪酒店集團以136億美元收購了喜達屋酒店集團，由於後者的客户預訂數據庫的安全漏洞，萬豪被英國信息專員辦公室（ICO）處以9900萬英鎊的罰款，並遭遇了大量的集體訴訟，公司的股價也因此大跌了5.6%。2016年7月，Verizon與雅虎簽訂協議，以48.3億美元購買後者的互聯網業務；隨後，雅虎披露了之前發生的兩起嚴重的賬號泄露事件；最後，經重新協商，收購價格下調了3.5億美元，至44.8億美元，並且雅虎將承擔相關的股東訴訟和美國證監會調查將導致的全部損失。

如果説數據保護和網絡安全問題主要影響數據類併購的價格或成本，國家安全、技術出口限制、反壟斷等審查則將直接決定數據類併購是否能夠成交。美國政府以國家安全威脅為由強迫字節跳動剝離TikTok美國業務，而截至目前，甲骨文和沃爾瑪共同收購TikTok美國20%股權的交易方案仍未獲得美國政府的批准，而中國政府最新修訂的禁止出口和限制出口技術目錄將“基於數據分析的個性化信息推送服務技術”列入限制出口技術，更加深了交易達成的不確定性。互聯網巨頭通過收購，吞併初創數據類企業以扼殺未來競爭，成為觸發反壟斷審查的重要原因。例如歐盟於2014年對Facebook收購Whats App的反壟斷審查、於2018年對Apple收購Shazam?的反壟斷審查和對?Microsoft收購GitHub的反壟斷審查。2020年9月11日，歐盟競爭委員會宣佈修改歐盟合併規則，允許成員國競爭主管機關將未達到反壟斷審查門檻（以營業收入為標準）的併購案件提交歐盟競爭委員會審查。受歐盟實踐的啓發，早在2019年12月，日本公平貿易委員會就修改了關於在業務合併審查中適用《反壟斷法》的指導意見，其中規定如果併購參與方掌握對市場競爭有重大影響的數據或知識產權，則即使這種競爭優勢尚未導致併購達到觸發審查所需的門檻（如市場份額），委員會仍有權展開實質性審查。

併購雙方的法律應對

**日益嚴峻的監管環境給數據類併購的參與方帶來的法律風險遠高於傳統行業的併購，因此併購雙方的法律技術也不得不與時俱進。**早至盡職調查階段，雙方就必須規避數據合規的雷區。通常，賣方會將與併購標的相關的資料和文件保存在實體資料間或者上傳至虛擬數據庫以供潛在買方進行查閲。然而，在歐盟GDPR和其他一些主要國家的數據保護法規的框架下，未經數據主體的同意披露個人敏感信息將很可能構成違法。因此，賣方必須考慮限制向買方披露的個人信息，例如，僅提供高管和關鍵技術骨幹的信息、隱去可識別具體人員身份的信息（如姓名和住址）、以彙總或平均數據替代個別人員信息等，而潛在買方也被要求作出更嚴格的保密承諾。

**由於被收購方的網絡安全漏洞或事故將使收購方在收購後承擔難以估量的責任和損失，網絡安全問題成為數據類併購的盡職調查的重點內容之一。**根據技術諮詢公司ForescoutTech－nologies在2019年對美、英、法、德等七個國家近3000名IT或業務高管的調研，53%的受訪者自述曾遭遇足以阻礙併購進行的重大網絡安全問題或事件；73%的受訪者表示，未主動披露的網絡安全違規事件一旦被發現，將會立即導致併購項目被取消；網絡安全事件歷史成為僅次於財務報表的盡職調查第二大目標。

**關於個人數據保護的法律通常嚴格限制數據作為資產的轉讓。**例如，在歐洲，除了GDPR的限制外，德國法律規定在涉及消費者數據的資產轉讓交易中，消費者有權在轉讓發生前選擇將本人數據排除出轉讓的範圍。在此背景下，數據類併購更多地選擇股權轉讓模式，即買方收購目標公司的股權，而目標公司持有的數據不發生轉讓。但是，相對於直接買賣數據的資產轉讓模式，股權轉讓模式將使買方承接目標公司過往的數據違規責任，大大增加了交易風險。

為避免受到目標公司違規責任的牽連，多數買方會要求賣方在併購協議中就此作出全面的陳述與保證，包括：在過去一段指定的期間內未發生未經授權的數據調取或查閲；目標公司已採取行業內的最佳做法以保證IT系統的安全；目標公司的經營活動符合數據保護法的要求；目標公司未遭遇涉及數據或隱私事項的訴訟、調查或投訴等。同時，為了獲得進一步的保障，越來越多的買方還會購買陳述與保證保險（war－rantyandindemnityinsurance），以期在賣方關於數據合規的陳述與保證被發現為不實或虛假時可以獲得儘可能充分的賠償。

**各國不斷收緊的關於反壟斷、國家安全、出口限制等方面的審查給數據類跨國併購項目的交割帶來更多的不確定性。**根據Freshfields對2009年至2017年間的跨國併購的觀察，儘管由於政府審批原因被撤消的數據類併購的比例並未明顯高於非數據類併購，僅佔不到1%，但被撤消的交易的總金額更為巨大，超過2500億美元，佔公開的全部數據類併購交易金額的22%。預計日益趨緊的政府審查將導致數據類併購的交割條件變得更為複雜，簽約至交割之間的等待期變長，交易失敗的風險提高。反映在協議條款上，買方將傾向於在併購協議中列入更多的政府審批結果作為項目是否交割的先決條件，而賣方將在“分手費”（breakup fee）或“反向分手費”（reverse break up fee）安排上更加錙銖必較。

**數據合規還將影響交割後的整合過程。**數據類併購項目實現交割後，賣方對數據的處理權通常將移交給買方，而這一過程將持續較長時間（一到兩年）。在移交完成前，賣方將繼續處理其持有的數據，但此時其身份是買方的代表。在GDPR及類似的其他立法的框架下，此時的買方成為數據的控制者，賣方成為數據的處理者。雙方的身份還可能再次反轉，例如買方有可能需要處理來自消費者的關於交割前由賣方出售的商品的投訴，在此情況下買方是數據的處理者，代表賣方處理數據，而賣方是數據的控制者。數據控制者和數據處理者分別對應不同的法律義務和責任，因此併購雙方需要簽訂一份過渡期服務協議（transitionalser－vicesagreement，TSA），對雙方涉及數據的義務進行清晰的約定，以確保移交過程中的數據合規。

經濟的數字化是不可阻擋的發展趨勢，併購數據類企業或資產也將隨着數字經濟的深入發展成為併購市場的主流。然而，數字資產及其運營面臨多維度、跨國界、嚴處罰的法律監管，數據類併購註定要揹着更重的鐐銬起舞。“無限風光在險峯。”誰能在監管的紅海中開闢一條通往彼岸的路徑，誰就有機會擁抱數字經濟的更廣闊未來。

（作者系某機構法務總監，曾在畢馬威從事相關諮詢服務）

來源：經濟觀察報