本文根据科睿唯安解决方案顾问武彬主讲的《专利情报和专利分析——基于重载轴承技术专利分析案例》网络研讨会内容整理后编制而成。
专利情报是法律信息、技术信息、商业信息的复合体，是所有创新型企业进行大小决策的最重要依据。当然，从专利情报到制胜决策的过程，还需由专利分析来完成。本文将以重载轴承技术领域为例，简明解析专利分析的实用方法，助您找到正确高效的企业决策之道。背景调查，顾名思义即了解目标技术领域与公司的总体情况，相应地分为技术分析与实体分析两部分。其中，技术分析的内容又包括目标技术领域的制造与使用原理、产品和企业、技术体系、关键词和分类号等，实体分析的内容则包括目标公司的实体名称及其变体、分公司/子公司、兼并与收购、专利收并购等。以重载轴承领域为例，通过背景调查，可知全球该领域最大的四家全球最大的出货商如下：了解背景信息后，下一步工作便是收集与检索数据，为进一步分析搭建基础。检索者往往会在数据收集的全面性和准确性之间取舍不定，但无论对于任何技术领域而言，专利全景分析均旨在揭示趋势、确定进一步研究的领域。此时，最佳数据集，应当覆盖相当部分的理想数据集，且具有合理的噪音量。而后，以关键词、分类号、技术概念、专利权人、引用等为维度，便可构建起检索式。以重载轴承领域的分类号检索为例，为确保查全、查准，可同时利用基于技术功能的CPC/IPC以及基于技术应用的科睿唯安DWPI手工代码，以覆盖更多技术分类体系：
获取数据集后，便要进行降低数据噪音的清理工作。数据清理包括数据去重、法律状态标注、专利权人归一化、数据降噪等维度。如下图所示，Derwent Innovation的专利地图功能，反映前述专利检索结果的技术主题分布情况，其中高亮标注的部分的技术主题为“硬盘轴承”，与重载轴承领域无关，便可予以排除。
专利数据的分类规则需要与企业研发高度匹配和定制化，由此也产生了不同的分类维度，如专利对应的产品/技术结构/功能、企业研发项目、研发解决的目标技术问题以及混合分类等。基于上述维度，便可通过二次检索、科睿唯安德温特数据分析软件（Derwent Data Analyzer，DDA）、Python编程或人工分类等手段对专利数据进行分类。需要注意的是，不同分类方法有着不同的适用场合。例如，二次检索仅适用于大颗粒度的技术分类；人工阅读费时费力，但能够提供准确的技术和分类信息，适用于高度定制化的分析工作；DDA的AI学习功能则可经由较为简单的人工训练，完成对大量数据的分类工作，从而兼顾机器分类与人工分类的优势。专利分析最终要服务于企业决策，因此，应根据不同的企业需求（如技术摸底、研发主题分析、市场分析、竞争对手分析等）构建不同的分析模型，并以图表等可视化形式输出分析结果，为企业决策提供最为直观的参考。以重载轴承领域为例，下图给出了该领域研发主体类型及大、中、小专利包的分布情况：
可见，重载轴承领域中，公司是最主要的研发主体，且大型专利包占据主流，这也意味着该领域的进入门槛较高，新入局者必然要面临着既有专利的围追堵截。同时，以科睿唯安德温特专利强度指数（下图纵轴）和专利剩余有效时间（下图横轴）为坐标分析该领域内主要企业的专利实力，不难看出，新入局者面临的主要对手，将是下图右上角所标示的NIDEC CORP、HARBIN INST TECHNOLOGY等企业。
根据世界知识产权组织（WIPO）的统计，85%的工程技术类情报只在专利文献中公开。而从专利情报到制胜决策，还需企业借助专利分析步步为营，方可全面挖掘隐藏在专利背后的技术与商业秘诀，制胜专利战场与全球市场！
