京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的专利权价值评估
随着大力实施创新驱动发展战略,我国的专利保护意识得到大幅提升。以发明专利为例,截至2014年底,我国有效发明专利总量为119.6万件,表明了我国知识产权战略实施的显著成果。与此同时,如何盘活体量巨大、蕴含了丰富技术创新的专利权储备,打通专利权价值转化的各个环节,促进专利运用,也成为目前迫切需要解决的问题。其中,缺乏规范科学的专利权评估方法成为制约专利转化的瓶颈。进入大数据时代,数据分析以各种方式影响和改变着社会模式,能否通过专利数据分析解决专利权价值评估难题,值得探讨。
探索大数据评估的模式
目前的专利权价值评估中,尚没有一种以主导地位得到广泛认可。这一方面归咎于专利权价值评估的复杂性,另一方面现有算法多参照有形资产评估理论,对于专利权不同于有形资产的特性考虑不足。为了促进专利价值转化,建立科学规范、客观公正的专利权价值评估模式是大势所趋。报告显示,2014年,全国专利权质押金额为489亿元,较上年增加92.5%,进入2015年,各地专利权质押融资案例更是与日俱增。从中可以看到知识产权运用的可喜发展态势,但如若评估算法不科学、评估结果存在隐患,将会影响到专利权质押融资以及专利权转化的可持续健康发展。由此可见启动专利价值分析指标体系建设工作的重要意义,如果能够籍此形成规范的专利权价值评估体系,服务于知识产权运用大局,无疑将会推动知识产权价值更好地体现。
随着大数据时代的到来,海量信息的存储、获取、挖掘、运用正在潜移默化中改变人们的生活。大数据的核心价值在于分析,对于专利数据而言,其相对于其他数据具有先天优势。如果基于专利大数据分析建立完备的行业技术脉络及市场分布,将能为充分考虑法律、技术、经济要素建立评估算法提供可靠基准。行业技术脉络的建立可以专利数据资源以及行业市场数据为基础,在纵向上划分不同技术层级,梳理相同技术层面的技术关键点、专利数量、产品市场份额、每年行业产值、申请人等核心数据,形成行业技术分析数据。同时统计相关技术层级下行业总产值,技术关键点对应产品市场份额,形成行业市场数据。以行业技术数据和行业市场数据作为对待评估专利从法律、技术、经济纬度进行标定的基准,以技术脉络再次核定其法律稳定性,从权利保护范围评价其侵权抵御能力,从技术走向考量其技术效果,从技术及市场发展态势预判其市场前景,依据市场和行业数据分析,在法律、技术、经济维度给出评估因子,核算专利权的经济价值。评估时还可有效进行多项专利权组合评估,其估值将可通过加权因子进一步加权。
在评估中,法律维度评估因子的查验和技术维度评估因子的标定是该方法有别于现有方法的显著区别。法律维度评估因子的查验使得专利权有效性更为确定,专利权实际保护范围的鉴定得到了体现。技术维度评估因子摒弃了现有以引证和被引证数,专利文件中字数多寡等表面文章鉴定专利权技术属性的做法,客观地以行业技术脉络图的标定为基础进行分析。相比于现有评估方法,以大数据分析为依据的专利权价值评估将更为全面和客观,从评估角度而言,更能从专利权的法律和技术本质上趋近于其真实价值,也能够以行业产值为科学依据,更有针对性地体现出相关专利权的市场价值。
突破价值评估体系的瓶颈
虽然大数据分析有望突破现有专利权价值评估的局限性,但建立庞大和系统化的专利权价值评估体系是一大难点。进行专业化的技术脉络梳理,涉及面极广、专业性要求很高,所需人力物力巨大,需要各专业人员进行架构设计并借助互联网数据分析才有可能实现。所以从规范引导专利权价值评估、促进创新驱动的根本角色定位,从组织所有行业进行技术梳理的能力,从掌握专利数据资源、人员储备的角度出发,只有相关政府部门才具备建立这一体系的潜力。
另一方面,专利审查员具备专业性和客观性优势,不仅能够胜任运用专利资源数据库的检索和分析工作,也具备有效运用计算机进行数据分析的能力,还能够持续更新完善行业技术脉络图,与评估方之间的非雇佣关系,更能够保障评估过程的客观与准确。
综上所述,如果能够以大数据分析为基础、搭建专利权价值评估体系,将有望建立专利权价值转化的评价体系,为后续广泛的评估提供可靠的公共资源,保障专利权评估的科学规范与客观公正,为日后专利权价值转化运用的可持续健康发展创造环境,从而推动知识产权工作与经济发展进一步深度融合,为知识产权运用的做大做强保驾护航。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15