專利是既記載了技術信息，又能反映企業研發、市場、商業行為，甚至是產業發展、政策導向的一種信息載體。單篇專利很難記載和反映上述所有的信息，但是對一定規模數量的專利所包含的信息進行統計、梳理、歸納解讀、深度解析后，是能夠得出非常多的有價值的信息和結論的。正因為如此，越來越多的企業、行業協會、甚至政府單位開始注重專利信息的分析和利用，試圖通過分析專利所包含的信息來為自己的決策提供支撐，這是一個很好的開始，但是如何有效并且合理的利用專利的信息，是需要結合人工智能算法、從業人員的專業技能經驗、處理數據和圖表的工具及方法等的結合才能完成的。
專利信息分析可以說是個無底洞的工作，從海量專利數據的檢索分析到單篇專利的解讀，甚至是技術特征的咬文嚼字，如果你有時間做下去，工作可以永無止境。并且專利信息分析不像專利申請一樣有固定的格式要求，通常情況下是很難標準化(基礎分析除外)的，因此，解讀出做專利信息分析的目的就顯得非常重要了。在這里，筆者嘗試從不同層次來嘗試對專利信息分析與利用做歸納。
一、大數據分析
通過預設的算法和圖表樣式將檢索出來的專利自動生成一份分析報告，這類型的專利分析報告利用專利本身自帶的著錄項目信息，或者通過預設規則將著錄項目信息和專利文件本身衍生出新的信息數據(比如屆滿時間、權利要求項數等)來進行簡單的歸納總結。其中人為參與的地方除了檢索和數據的篩選之外，更多的是表單的設計(大部分數據庫系統目前都支持自定義表單)和圖表的簡單解讀。
這種報告反映出的信息量有限，但是執行的效率高，而且信息準確性高，下圖就是從某知名數據庫系統自動生成的簡單圖表，當然還能生成自定義的復雜圖表。
這類型的分析報告能夠快速的反應出與調查標的相關的專利申請趨勢、權利人分布、類型、有效性、按照IPC分類號得出的技術分類等信息，但是這些信息往往只能滿足調研者的基本需求，或者對調研需求者的價值度較低。因此，還需要對專利信息進行二次挖掘歸納，并且加入更多維度的分析，才能提高價值。
二、人為歸納梳理
對一篇專利進行信息的二次挖掘歸納已經有很多成熟的做法，比如對專利歸納出技術節點、產品節點、功效節點等等，也可以根據專利記載的信息加上設定的評估指標，對單篇專利加上價值指標、品質指標等標簽。這里所指的技術節點、產品節點、功效節點絕不是通過人工智能算法來識別IPC分類號和關鍵詞來歸納和標引的。而是通過跟本領域技術人員充分溝通，事先形成一份較為客觀和完整的關于調查標的的產品樹、技術書和功效樹，然后將檢索的專利進行對應的節點的歸類和打標簽，這個打標簽的過程是可以借助關鍵詞、IPC分類、二次檢索等工具方法的。這部分工作是工作量最大，也是最影響分析結果準確性的步驟。完成這部分工作之后，能為專利信息分析工作往更全面、更深入、價值度更高的方向進行創造條件，由此產生的圖表分析也更加復雜和多元化，能匹配企業的決策層、研發、市場、人事等對專利信息分析利用更多的需求。
舉例說明：比如企業想通過專利來精準的識別研發人才，可以將發明人名字、時間、技術分支(二次挖掘歸納獲得)等結合，形成一個針對特定發明人研發持續性、深入性、廣泛性的分析圖表，來輔助決策，如下圖：
從圖中明顯可以看出，如果企業想找技術節點1的專家，找楊工可能比較合適，如果想找對標的產品5個技術節點都比較熟悉的專家，綜合考量陳工應該是比較合適的人選。或者調研需求人想知道某競爭對手在某個產品或技術上持續創新的能力，也可以通過技術/產品與時間的關系來分析參考。
總的來說，在加入了人為對專利的二次信息挖掘歸納后，專利信息分析的圖表組合方式、分析維度會顯著增加，并且每加入一個歸納標簽，組合方式就至少翻一倍，而且還能進行一個X軸對應一級/多級Y軸，或者一個Y軸對應一級/多級X軸的復雜圖表繪制。
三、多維度信息的結合
專利的信息分析與利用最終是要服務于企業、政府等主體做決策的，而無論是基于專利既有的標簽還是人為歸納梳理的二次標簽，都只能反映出技術相關的事實和有限的預測，雖然由此產生的信息量已經非常大而且利用價值非常高了，但是對于深層次的商業行為、產業導向的信息反饋還是有所局限，此時就需要引入多維度的外部信息進行綜合分析，而不是單純將專利信息進行割裂分析。這里可以并入分析的多維度信息就非常多了，比如：企業投資并購信息、企業的產業地位、企業的競爭態勢和專利風險、核心技術人員的引入與離職、地區政策導向、企業的產品類型、市占率等等。舉個很簡單的例子，調研過程中發現，某家競爭對手頻繁有企業并購行為，但是通過專利數據分析每次并購都沒有將專利納入其中，如果將商業信息和專利信息合起來看，大概率可以判斷這家企業并購的目的可能是擴大產能或者其他，增加自身技術實力的目的并不明顯，這時候企業就可以針對性的調整自身的應對策略。
四、追根溯源
專利信息分析除了采取常規的人工智能進行大數據分析和引入人工分析標引外，筆者認為在執行分析過程中很重要的一點就是要學會識別“異常數據”，所謂的“異常數據”是指的專利的空白點、密集區域、重點發明人、家族專利特別多、轉讓次數特別多等等數據信息，對這些數據進行深挖，往往能得到非常有價值而且意想不到的信息。這些異常數據并不是一開始就那么顯而易見，需要從宏觀數據逐步深挖，不放過每一個“異常數據”提供的線索。當然，就像前面所提到的“專利信息分析可以說是個無底洞的工作”，對于數據信息的深度挖掘也需要結合調研需求方的需求。
專利信息分析是非常復雜、同時也非常有趣和有價值的一項工作，除了對專利專業知識的掌握之外，對于技術的理解和熟悉、溝通能力、工具的使用、經驗方法的積累以及綜合分析的邏輯思維能力都要求非常高。
中企檢測認證網提供iso體系認證機構查詢，檢驗檢測、認證認可、資質資格、計量校準、知識產權貫標一站式行業企業服務平臺。中企檢測認證網為檢測行業相關檢驗、檢測、認證、計量、校準機構，儀器設備、耗材、配件、試劑、標準品供應商，法規咨詢、標準服務、實驗室軟件提供商提供包括品牌宣傳、產品展示、技術交流、新品推薦等全方位推廣服務。這個問題就給大家解答到這里了，如還需要了解更多專業性問題可以撥打中企檢測認證網在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產權、版權法律法規知識資訊，包括商標注冊、食品檢測、第三方檢測機構、網絡信息技術檢測、環境檢測、管理體系認證、服務體系認證、產品認證、版權登記、專利申請、知識產權、檢測法、認證標準等信息，中企檢測認證網為檢測認證商標專利從業者提供多種檢測、認證、知識產權、版權、商標、專利的轉讓代理查詢法律法規，咨詢輔導等知識。
本文內容整合網站：百度百科、搜狗百科、360百科、知乎、市場監督總局 、國家知識產權局
免責聲明：本文部分內容根據網絡信息整理，文章版權歸原作者所有。向原作者致敬！發布旨在積善利他，如涉及作品內容、版權和其它問題，請跟我們聯系刪除并致歉！
