京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据支撑区域商标品牌发展指数
实施商标战略带来的显著效果,为我省编制区域商标品牌发展指数提供了大数据基础。南京理工大学知识产权学院,是由江苏省、工信部、知识产权局共建的知识产权学院,承担了此次指数制定工作。经过了为期半年左右的数据调研、部门意见调研、地方意见调研、召开专家论证会等基础工作,构建了区域商标品牌发展指数报告。
“通过对2014年全省13个市域商标品牌发展状况进行调研,并按模型进行测算分析,得出商标品牌发展的内在规律。”南京理工大学知识产权学院常务副院长钱建平说,为了让指数更具指导性、针对性,商标品牌发展的内在规律总结为5个一级指标:品牌政策支持、品牌发展实效、品牌保护力度、社会协同效应、品牌发展潜力等5个指数。
“5个一级指标不仅有政策层面的支持、保护,还有企业主体角度的自我发展,基本涵盖了一个商标品牌发展的路径和需要的环境。”吴永才说,从各地指数发展情况来看,先发优势并不是高枕无忧,后来者完全可以实现弯道超越。
从全省整体来看,区域商标品牌发展现状整体良好,但是区域差异不小,镇江、泰州、宿迁品牌经济发展分别在苏南、苏中、苏北地区相对较弱。数据显示,2014年区域商标品牌发展指数排名前4位的分别是苏州、南京、无锡、南通。值得注意的是,这些地区的商标品牌发展指数与GDP排名正相关,也就是说,经济发展速度较快的地区,对商标品牌的发展保护重视程度也越高。苏州以0.8311的综合指数排位第一,遥遥领先于最后一位宿迁(指数仅为0.6238)。后5位为镇江、连云港、泰州、盐城和宿迁。“从总体来看,苏州的商标品牌发展走在全省前列。这与苏州经济发展状况密切相关,市场经济发达的地区,其经济发展就更追求市场的规范性,更注重品牌经济的推动作用。”钱建平说。
有意思的是,扬州、淮安、盐城等地区,其综合指数与GDP并不匹配,其中扬州GDP排名第八,区域商标品牌发展指数为第五,淮安的GDP排名第11位,其发展指数为第八,盐城的GDP排名第七,其发展指数则为第12位。
具体来看,在品牌政策支持指数方面,苏北地区的品牌政策支持指数较为突出,此项排名中,淮安以0.8141排名第一,徐州以0.7866排名第三,连云港以0.756排名第八。据了解,目前全省13个省辖市均设有品牌发展专门领导机构,但各地区领导机构运行情况有所差异,南通、苏州、常州和泰州机构较为活跃,南京市、淮安市经费投入较大,其他地区在相对活跃度、经费投入度上表现一般。
品牌保护力度、社会协同效应两个指数,也是从政策、社会环境方面对商标品牌的发展给予支持。其中,品牌保护力度指数主要包括商标侵权行政案件数量、商标侵权行政案件案值、移送司法的商标侵权行政案件数量、法院审理的商标案件数量和权利人品牌保护满意度。品牌保护最强的是苏州,以0.8870排名第一,南京、南通分列二三位。去年苏州商标侵权行政案件案值全省第一,具体数额比其他十二个市域加起来还要高。按照知识产权强省建设的要求,“十三五”期间,全省权利人满意度要达到80%,全社会品牌认知度超过75%,根据这一标准,目前各地方权利人品牌保护满意度、各地区社会品牌认知度均低于该目标。
在5个一级指标中,品牌发展实效指数最能给人直观感受,也最具代表性。这一指数包含的指标有国内有效注册商标数量、国际商标数量、地理标志数量、每万户市场主体拥有国内注册商标数量、驰名商标数量、江苏省著名商标数量、江苏省名牌产品数量、省重点培育与发展的国际知名品牌数量、自主品牌企业增加值占GDP比重和商标质押融资数量。其中,苏州以0.8679排名第一,排在最后一位的连云港仅为0.6094。目前各地区间差异较为明显,以国际注册商标数量来说,苏州是连云港的27倍多。全国每万户市场主体的商标拥有量超过1200件,我省无锡、苏州、南京、常州、扬州均达到或超过这一平均水平。
吴永才说,由于江苏省区域商标品牌发展指数涵盖内容全面丰富,包括了30项具体指标,为了更好地为地方商标品牌发展工作提供明确的指导性,有必要设置核心指标。因此,区域商标品牌发展指数从30个二级指标中选出了7个核心指标:品牌发展专项经费投入情况、国内有效注册商标数量、驰名商标数量、自主品牌企业增加值占GDP的比重、商标侵权行政案值、商标代理机构规模化发展水平和年度自主品牌企业增加值增长率。
为什么要设定这7个指标为核心指标?对此,省工商局商标处副处长张传博解释说,在设立核心指标时,主要遵循重要、导向和比例三个原则,将每个一级指标中最重要、权重最高的指标、最能体现一级指标内涵的指标设为核心指标,为各地开展商标品牌建设确立明确的导向。同时,指标之间也需要平衡,即核心指标个数与一级指标权重相适应。由于品牌发展实效指数是一级指标中权重最高的指标,因此将其中的三个指标设为了核心指标。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25