
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
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10