
知识产权:大数据时代的机遇与挑战
以史为鉴,可以知兴替。”如果说从浩瀚的历史中总结出可借鉴的得失之道只有部分伟人可以做到,那么大数据的应用则可以让历史经验这面镜子飞入寻常百姓家。投资人会为我的技术秘密出多少钱?谁拥有我需要的专利?什么样的商标价值更高?什么条件下知识产权诉讼胜诉率更高?在5月29日闭幕的中国国际大数据产业博览会(下称数博会)上,一组组成功的大数据应用实例向与会者展示了大数据从浩如烟海的信息中拎出“干货”、给使用者以指导借鉴的强大力量。如何保护大数据的知识产权也成为大家热议的话题。
大数据指明知识产权保护路径
“不同于互联网时代的数据储存和数据传输,大数据时代的大数据以数据的深度挖掘和数据的广泛应用为主要目的。这给知识产权保护带来了新的机遇。”在数博会的大数据与知识产权保护论坛上,中华商标协会会长兼秘书长马夫指出,通过大数据分析寻找侵权规律,追踪和定位问题源头,为相关政府部门和企业实现为不同侵权行为逐步升级的有效布控和打击,提供了可靠的路径;同时大数据不仅使知识产权检索更加便捷精准,而且还将在知识产权价值评估中得到广泛应用。
“从大数据统计结果来看,改革开放40年来,我国法院受理的知识产权案件的规模和结构,是与我国经济社会发展的趋势相吻合的。”论坛上,北京知识产权法院法官杨静结合数据,向与会嘉宾分享了我国知识产权保护的发展趋势。“深度数据挖掘对我们而言是重要的参考材料,大数据甚至比我们自己还了解我们。每次阅读大数据分析材料,都让我们能迅速直观地发现问题,促进工作不断改进。”杨静指出,数据分析显示,我国知识产权案件面临总量剧增、新类型层出不穷、涉外案件比例扩大等挑战。比对分析结果,北京知识产权法院有针对性地采取解决措施,如增加技术调查官,开展多元化纠纷解决,对新类型案件开展针对性研究,结合数据科学化、精细化确定侵权赔偿额等。“通过大数据分析,我们推行符合知识产权诉讼规律的裁判方式改革,探索确定真正体现知识产权价值的侵权损害赔偿额,提升司法审判效率,优化纠纷解决效果。”杨静对大数据在知识产权案件审判中的借鉴指导作用予以高度肯定。
“大数据的应用,不能只求大求广,一定要把大数据和具体的应用以及特定的行业结合起来才有价值。”北京知产宝网络科技发展有限公司首席执行官普翔表示,零散的庞大信息没有使用意义,只有将信息体系化、结构化,才是真正有作用、可以指导实践的大数据。“从数据到信息,从信息到知识,从知识到指挥行动,这是我们所追求的大数据应用。”他表示。
大数据呼唤知识产权保护“身份”
“如果我们只产生、应用大数据,不对其本身的知识产权加以保护的话,就相当于‘裸奔’了。”在讲解公司如何进行大数据运营时,普翔提出,大数据本身具有很强的创造性和实用性,这些特点与专利等知识产权有共通之处。
“大数据不仅仅是海量数据的集合,更重要的是对数据集合进行采集、存储、关联分析。”贵州省高级人民法院知识产权庭法官白帆指出,大数据实际上具有典型的无形财产的特征,形成大数据需要付出大量劳动,其结果具有很高价值,是典型的知识产权,应当依法受到保护。
然而,大数据本身不同于专利、商标、版权等知识产权的特点,其究竟应当以何种形式受到保护,仍是学界争议的问题。白帆指出,同样是大数据,抓取采集的数据汇集、机器分析的数据处理、以报告形式表达的分析结果等,虽是大数据形成的不同阶段,但由于手段的不同,其知识产权的权利特点也不尽相同,不能以着作权一概而论。
“数据权利有没有可能像欧盟一样作为一种特殊权利保护起来?这是立法者、法官、律师以及全社会都必须参与的问题。”贵州财经大学大数据法律与政策研究院院长刘云飞深入分析了多件大数据以商标、版权、商业秘密等知识产权“身份”作为诉讼标的的案例,指出当前无论是商标、版权还是商业秘密等保护方式,都不能完全适用于大数据的保护,应当抓紧完善立法,保护大数据的知识产权价值。
“大数据产业的发展正在给相关法律制度提出诸多挑战,我们必须从传统的数据观念很快地过度到规范的法律意识。”武汉大学知识产权与竞争法研究所所长宁立志认为,对大数据特别是海量的跨国流动的大数据进行产权界定非常困难,在传统民法中难以找到准确的对应法条,需要对民法中的基本概念进行调整。宁立志还指出,让大数据进入规范化的法律框架,不只是法律的任务,“法律、经济和管理应该共同作用,才能做好这个课题。”宁立志表示。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15