专利检索网站应用，专利价值评估软件化的理论基础与实践

今天，乐知网律师 给大家分享： 专利代理过程中的专利检索网站应用，专利价值评估软件化的理论基础与实践 。

专利代理过程中的专利检索网站应用

01 撰写阶段 不论基于以上任何一个专利检索网站进行检索， 检索的数据库都是非常庞大的，在日常的新申请撰写当中，如果不采用一定的技巧缩小检索范围，都会使得检索工作如大海捞针无法开展。

基于此，笔者分享两点简单的技巧：

（一）对于适用于特定领域的技术方案，要善用IPC分类号。

例如，某一专利申请要保护一种冰箱的结构时，由于冰箱可能会在很多场景下被应用，因此如果基于“冰箱”这个关键词进行检索，会带入很多噪音。

如果同时考虑对应的分类号F25D，那么在采用“冰箱”这个关键词的基础上同时采用分类号F25D进行限定，就能从一定程度上降噪。

当然分类号并不要求能够背下来，可以先基于粗略的检索大致看几篇专利，例如在检索的输入框当中输入“冰箱”，发现前三篇专利分别为：一、一种羊肉产品气调包装方法，在包装的步骤当中提到“……立即放入0？4℃的冰箱中储存”，其分类号为A23B4/20和A23B4/16。

二、一种旋转式压缩机润滑油粘度等级的确定方法，其效果部分提到“本发明为冰箱、冷柜、冷藏陈列架或饮料机等系统提供了一种既可以有效润滑，又可以减少润滑油的粘性阻力损失的高效旋转式压缩机”，分类号为F04C23/02、F04C18/356、F04C18/44、F04C18/46和F04C29/02。

三、基于智能冰箱的食物推荐处理方法、装置及智能冰箱，分类号为F25D29/00。

只要简单看一下前三篇专利的基本信息，就可以确定只有F25D29/00和冰箱的结构和功能是相关的，进而再结合IPC分类表就可以将“冰箱”对应的分类号锁定在F25D。

仅仅基于上述“冰箱”一个关键词进行检索，采用分类号和不用分类号，最终检索的数据差了五倍不止。

因此锁定分类号，是一种较为简单的提升检索效率的方法。

（二）检索的时候不必开始就将检索范围锁定在全部公开文件。

例如，申请文件的技术交底当中给出了一种新型的多级脉管制冷机，此时作为专利代理师需要检索该种“多级脉管制冷机”是否已经被现有技术公开。

为了快速而准确的查找到相关专利，可以按照标题-摘要-权利要求的顺序确定检索范围。

也即，可以先在标题部分检索“多级 and 脉管 and 制冷剂”，如果检索确认现有技术已经公开了技术交底当中的对应改进点，此时就无需再将其范围扩大到摘要部分。

反之，如果没有检索到公开上述设备的公开专利，则此时可以进一步将检索范围扩大至摘要和权利要求。

此外，在检索的时候还要关注检索的数量，比如，通过“多级 and 脉管 and 制冷剂”的检索式在标题部分进行检索，如果得到的检索数量较多，此时下一步直接将检索范围扩大至摘要，那专利代理师将无法一一核查所有专利的内容。

因此，在标题范围内进行检索，还可以帮助完善检索式，在检索结果太多的时候，及时补充检索式当中的要素，以保证检索结果的合理性，避免浪费不必要的时间。

如果在标题范围内检索“多级 and 脉管 and 制冷剂”发现检索结果非常少，那么此时可能是检索式当中加入了不必要的要素，此时也可以帮助专利代理师及时删除或者修改不必要的要素。

02 答复阶段 在OA答复阶段，一般都是精确检索，即基于审查员给出对比文件的公开号或者申请号的情况下进行的检索，以获取对比文件和审查信息，因此不需要太多的检索技巧。

其中，笔者想推荐一个无需注册的网站，也即上述表格当中的“中国/欧洲/美国专利下载”，该网站对应的数据分别来自中国专利公布公告网站、美国专利及商标网站和欧洲专利数据库专利检索网站，可以直接下载中国专利、美国专利以及欧专局公开的所有专利，使用比较方便。

此外，在答复OA的时候，审查意见会将一些技术特征判定为公知常识，基于该判定专利代理师需要帮助申请人举证。

此时，可以围绕被判定为公知常识的技术特征进行检索，获取该技术特征在该领域内的公知与否，以此支撑陈述意见的合法合理性。

03 无效阶段 在无效阶段，由于程序的复杂性及利益牵扯面较广，需要消耗大量的精力和时间。

在无效过程当中， 采用了如下检索网站：中国及多国专利审查信息查询、欧洲专利数据库专利检索和五局。

其中，中国及多国专利审查信息查询可以检索被无效专利在国内审查过程中国知局下达的审查意见通知书，并基于该审查意见通知书获取所有引用的对比文件。

而该被无效专利还具有一个授权的美国同族专利（US8721306），通过五局找到了同族专利在美国审查过程中的所有国外审查意见通知书，并基于国外的审查意见通知书查找到所有引用的对比文件。

在以上检索的基础上，基于这些对比文件当中的关键词和分类号再检索，就不会那么盲目。

专利价值评估软件化的理论基础与实践

我国目前的专利技术市场转化率还比较低，专利价值评估技术的不成熟是其 个重要的制约因素，一方面，由于专利价值评估方法的不确定性和不稳定性导致难以得出一个能够让交易各方都认可的公允值[1]，另一方面，由于专利价值评估方法的专业性和复杂性，普通专利权人或购买者难以客观估量专利价值而不能有效定位其专利权运用行为。

如果能够实现专利价值评估的软件化，使得公众可以快速便捷地了解特定专利的价值，对于促进专利权交易和转化无疑是非常有利的。

本文将对专利价值评估软件化的理论基础和实践进行探讨。

一、专利价值评估软件化的需求和定位 在专利权转让、实施许可、质押贷款、入股等经济活动中，通常需要在正式谈判签约之前，委托专业的资产评估机构对目标专利的价值进行评估以确定其具体价格。

但是早在筹划上述经济活动之前，就应当对目标专利的价值有所了解，这样才能决定是否可以运营该专利，以及以什么样的方式进行运营。

而专业的专利资产评估需要相当大的费用支出，在有明确的经济活动目标之前，一般不会轻易启动。

迫切需求一种快速便捷的专利价值评估方式，帮助公众了解特定专利的价值，促进其进行相关的商业决策。

因此，实现专利价值评估的软件自动化具有十分广阔的前景。

当然，专业的专利价值评估与软件化的专利价值评估是有区别的，前者的关键是给出特定专利的价格以用于正式的商业谈判等活动，后者的关键是让普通公众能够快速了解特定专利的价值，促进其有效运营该专利。

因此，软件化的专利价值评估可以只给出一个大体的专利价值区间或者仅指出其相对价值或内在价值，并且应当是简单、快速、便捷的，适合于普通公众使用，辅助专业人员或专业机构的工作。

二、软件化的基础——专利价值评估方法 专利价值评估的软件化必然要以科学合理的评估方法为基础，从整体来看，现有的专利价值评估方法可以分为定量分析和定性分析两类，其中定量分析方法关键在于确定专利的交易价格，定性分析方法侧重于客观反映专利的内在价值。

1。 定量方法 定量评估专利价值的方法主要有成本法、市场法和收益法，都是借鉴较成熟的有形资产评估而得到的[2] ，在用于评估专利这种特殊的无形资产的价值时，都具有特定的适用前提。

成本法是将重复专利开发过程中的投入作为重置成本减去专利的损耗与贬值来确定专利价值的方法。

运用成本法进行专利价值评估时，具有操作简便，数据确定比较准确、可靠的特点，但是成本法不反映从专利的所有或使用中带来的经济利益，一般情形下其为专利提供最小的价值[3]。

这种方法经常适用于技术使用的萌芽期或没有适用市场或没有获得收益的资产，但在专利充分商业化的阶段较少用到。

市场法是通过参考若干个同类专利技术在技术市场中的交易条件和价格，针对待评估专利技术的特点进行适当调整而作出评估的一种方法。

使用市场法时，需要确定具有合理比较基础的、类似的、并且具有代表性的专利技术，还要收集类似专利技术交易的市场信息和待评估专利技术以往的交易信息。

同时，需要根据宏观经济、行业情况的变化，考虑时间因素，对相关以往交易信息进行必要的调整[4]。

市场法是一种简单有效的方法，但是由于每件专利都具有其特殊性、唯一性和非标准性，加之专利交易市场的不活跃和交易信息难以获取的情况，难以收集可参考的同类案例，使得市场法的应用受到限制。

收益法是实践中最常用于专利价值评估的一种方法， 通过评测被评估专利的未来预期收益并将其折算成现值，从而确定专利的价值。

收益法通过适当的还原利率，将被评估的专利技术产生的未来收益折算成现值，并乘以合理的分成率，得出专利交易价格。

这种方法比较全面地考虑了市场收益大小、专利技术获利期的长短和市场风险，并且与企业的投资决策相结合，比较容易被交易双方接受。

但是要准确确定折现率、分成率和收益期限等参数具有较大难度，而且评估结果容易受评估人员个人主观判断的影响和不可预见因素影响[5]。

现有定量评估专利价值的方法主要源于有形资产和无形资产评估的方法，而专利资产是一种特殊的无形资产，其是法律赋予的排他权，相应地专利价值应当包括其技术内容和法律所赋予的排他性权利可以带来的经济利益，因此，其兼具有技术价值、市场价值和权利价值。

中国资产评估协会2009 年施行的《专利资产评估指导意见》中指出，进行专利资产评估应当对专利类别、剩余保护期限、保护范围、法律状态等法律因素以及替代性、防御性、垄断性、创新性等技术因素进行分析。

但现有定量评估专利价值的方法很少考量技术和法律方面的因素。

专利权的保护范围、保护期限、地域范围、权利稳定性等对专利价值具有重要影响的因素，如何在专利价值评估过程中有所体现是在理论和实践层面都需要进行探的。

2。 定性方法 越来越多的研究开始综合考虑专利在技术、市场和法律三方面的特征从而系统分析专利的内在价值，其并不追求给出专利的具体价格，而是侧重于客观地综合分析专利价值度。

这类方法的关键在于针对专利资产的特点，结合可能影响价值的所有因素构建全面的系统的专利价值分析指标体系，衡量每一个可能的影响因素对专利价值的影响，最终经过综合考量确定一个比较客观的专利价值度。

这样的专利价值分析更为透明，更容易了解影响专利价值的具体因素及其影响程度，使得有关的市场主体可以根据专利价值分析报告做出合理的决策，促进专利交易双方形成对价和合作基础[6]。

中国技术交易所于2012 年编制的《专利价值分析指标体系操作手册》中对专利价值定性分析的指标体系和分析方法进行了全面系统的说明，其从法律、技术和经济三个层面全面解析影响专利价值的因素，构建了18 个专利价值分析指标，对每一个指标都建立了相应的打分标准，综合运用这些指标来衡量专利的法律价值、技术价值和经济价值，最后经过加权汇总得到专利的内在价值度[7]。

虽然上述定性方法能够结合专利资产的特点更为全面和客观地评估专利价值，但是由于其不能给出具体的专利价格，这制约了其在经济活动中的应用。

很多学者使用的方法是先确定其评价因素的权重指标系数向量 ( 如层次分析法、德尔菲法等)，再用模糊综合评价法得出综合评价结果，如万小丽等提出在对专利价值评估指标进行打分和加权汇总后，再用模糊综合评价法得到专利的现时货币价值量[8]。

三、软件化的可行性 成本法、市场法和收益法等定量分析的方法均已比较成熟，有标准的公式和原则，易于实现软件自动化，但是其中存在一些参数，例如，收益法中的分成率、收益期限等参数需要根据具体情况进行人工分析和确定，这些需要由专业评估机构进行的核心工作无法实现软件化，这是将专利价值评估的定量方法软件化的重要问题。

但是，考虑可操作性、通用性及有效性，以及现阶段使用目的主要是为相关商业活动提供参考，允许评估软件粗略估计有关参数，给出专利价值区间。

评估专利价值的定性方法中，只要明确了所采用的指标体系、每个指标的评价标准以及各指标评分的加权汇总方法，就很容易通过软件实现整个评估过程。

评估软件可以在界面上指导用户按照评价标准对专利的每个指标进行定性评价，然后，按照用户输入的指标评分计算专利价值。

在定性分析的评估结果页面除了显示所得到的专利价值度外，还可以向用户说明定性分析的过程，指明影响所评估专利价值的主要因素，这样可以使得用户对所评估专利的价值形成客观的理解和定位，为其针对该专利的商业活动提供有益参考。

此外，在定性分析的指标中，有的指标，如专利类别、法律状态、剩余保护期限、稳定性等法律层面的指标和技术复杂度、创新度、成熟度等技术层面的指标，可以利用有关专利信息自动进行评价[9]，无需用户输入，这更体现了软件化的优势，一方面，简化了用户的操作，另一方面，可以尽可能减少人工判断的主观性对评估结果的影响。

专利 ：概念与原理

计算机和网络等信息技术的进步，对当今的社会发展产生了深刻影响。

自然科学与信息学的融合，大大拓展了人们的认知和研究领域。

例如生命科学与信息技术的碰撞，产生了以计算机为工具对大量生物学数据进行检索、储存、加工和分析为主要内容的生物信息学。

该学科正逐步成为21世纪自然科学的核心领域之一。

与此类似，随着以专利为核心的知识产权在科技创新和经济社会发展中的作用日益显著，由专利与信息学相融合而产生的“专利信息学”（Patinformation）的概念应运而生。

本文即在时任Vertex制药公司高级研究员的安东尼？特里普（Anthony J。 Trippe）发表于《检索员》（Searcher）2002年第9期上的文章：“专利信息学：从无到有的寻觅”（Patinformatics： Identifying Haystacks from Space）的基础上编译而成。

该文首次对这一新的概念做出了明确而详细的定义。

一、专利信息学的定义 专利信息学，指的是利用计算机方法对专利信息进行分析，从而发现若用一篇一篇专利文献分析可能难以看出的那些关系和趋势的科学。

这个术语的含义包括了以下各种形式的专利信息分析：　　专利情报——利用专利信息来确定某机构的技术能力，并利用该情报来制定技术发展战略中的策略；　　专利地图——有时也称之为空白区域图，它是利用已公开的专利数据绘制出与特定主题或新发明相关领域的形象化图表等；　　专利引证分析——在相同或完全不同的市场空间内，基于某机构的专利被另一家公司引证的情况进行的专利引证关系研究，其目的是为了大致确定专利的价值，或者更确切地说，确定潜在的许可伙伴或线索。

此外，专利信息学还包括对所获取的各种专利信息、专利情报等的深入分析和应用。

从上面的定义可以看出，这一概念至少包括了两层含义：一是对海量信息的收集和整理，也就是要管理好这些数据；二是要通过分析发现在表象掩盖下的事实和规律，也就是要用好这些数据。

二、专利信息学原理　　当我们对专利信息学进行更详细的探讨时，可以将不同的分析方式划分为两大类，即：数据挖掘（data mining）和文本挖掘（text mining）。

数据挖掘，是指从指定域内的数据中抽取出有用的信息并对其进行分析。

通常，这意味着对专利中所包含的著录项目信息进行分析。

比如说，有人可能想考察某一特定技术领域专利权人和国际专利分类号（IPC）之间的关系。

挖掘或描绘该信息可得知这一技术领域内的主要参与者以及他们通常所关注的具体技术内容。

如果使用德温特数据的话，还可以用德温特手工代码代替IPC来进行类似分析。

文本挖掘或绘图，一般涉及在所包含的主要技术构思的基础上将文件分类。

其数据源是未经过组织的文本，它没有被域化，这些材料唯一的结构来自于作者撰写它们时所采用的方式，以及他们在不同的构思和概念之间如何建立起一种联系。

比如说，你可以收集某一特定专利权人的所有专利文献，并对这些文献的文本进行分析。

在一幅聚类图中，借助计算机软件可以从这些文献中提取出主要的构思，并根据这些构思将文献分类。

之后，计算机软件还可以通过某种方式将这些聚类形象化，绘制成图。

通过观察这些聚类（以及随后考察涉及的文献本身，当然这时文献是以某种方式组织过的），可以很快得知某机构所从事的工作的概况，以及这些工作在内部是如何关联的。

进行数据挖掘或文本挖掘的效果如何，通常取决于分析员对所分析的数据源的熟悉程度，例如对数据的结构、内容、具体项目的含义等的了解，以及制作和分析这些数据的方法。

数据挖掘或文本挖掘得越成功，所获得的有用信息和情报就越多。

三、专利信息分析的一般规则　　专利检索是专利信息分析过程中的一个重要且必不可少的步骤。

作为相关领域工作人员的一项基本技能，许多人对专利检索的方法和过程都有比较清楚的了解。

一般人可能想象用于进行专利检索的规则同样也适用于专利信息分析，但情况完全不是这样。

就象在物理学中，量子力学描绘的原理可以用于理解微观世界，而牛顿力学原理适用于大分子世界的大运动物体。

我们可以类似地区分处理专利信息的两种不同方法。

传统的专利检索针对的是微观水平，其中即使非常小的变化也会变得极其重要，详尽和精确是必须的。

而专利信息学处理的是成千上万篇文献，在这样一幅大图象中，小的细节将被忽略，受关注的是更为宏观的数据信息。

专利检索员和专利分析员之间存在明显的差别：检索员被训练成要在大海中捞针，而分析员则是希望从广阔空间中找到有用的东西。

对于专利信息分析的一般规则，通过专利检索和专利分析这两种方法的对比，可以展示得更为清晰。

1。 专利分析的检索结果表现为一组数据，而不是一个精确的点。

专利分析员也必须进行专利检索，但其采用的方法与专利检索员有很大的不同。

专利检索员通常关注的是绝对精确，有时甚至要进行复检，尤其是对于与检索主题不大相关的数据。

专利检索员将花费巨大的努力找出他们的客户需要的准确的参考文献。

有时他们检索的目标可能就是要确定一篇文献。

事实上，压根没有发现任何相关文献也可能是一个令人满意的结果。

检索员在一项检索任务上花费数天、数周、甚至数月的时间以寻找一篇特定结果的情形并不少见。

他们的检索策略常常是极其复杂的，会涉及很大的关键词检索式，还会广泛使用到数据库的特定索引代码。

检索员将从大量的数据开始，逐渐加入更详细的限定条件，从而将数据组缩窄到最有可能引起其客户兴趣的那些目标上。

比较起来，专利分析员也可以使用复杂的检索策略，并尽可能定向检索。

但一般他们都希望创建一个全面的数据组，以用作随后的分析步骤的基础。

分析员也会使用大量关键词和特定数据库索引，但他们更可能采用一个使检索结果较为宽泛的策略，而不是将结果锁定到一个精确的点。

只要检索出的数据或多或少与目标有关，数据组中留有一些不相关的内容不会造成什么妨碍，因为基线上面的小的偏差不会被看到。

从统计学上讲，进行分析时要求有足够的数据来揭示趋势和关系，因此专利分析员宁愿看到过多的数据，而不是缺乏数据。

检索结果过于具体可能导致数据误差。

重要的是要让数据自己说话，而不能让检索员构建数据组时已先入为主的想法来指导分析。

当检索员开始进行专利分析时，需要克服的最困难的事情就是要学会调整他们不自主地试图进行定向、具体检索的习惯，以便得到不带偏差和主观性的数据组。

在这种情况下，数据组可能膨胀到包含数千条记录。

检索员平常不会保留这么大的数据组，因为在以前要处理这么多的信息对于终端用户来说是非常困难的。

不过能处理大数据组的计算机分析工具的使用已经使得这项工作不再那么复杂，也不必再以此阻止使用积极的检索策略。

2。 专利分析过程中的综述是一个构建数据仓库的过程，目的是为下一步的数据分析工作奠定良好基础。

专利检索员和专利分析员在数据综述以及随后的分析阶段里的差异不象在检索阶段那么引人注目。

检索员在将数据打包并将信息发送给终端用户之前，通常都会对他们所创建的文件组作一个综述。

检索员可以简单地快速浏览一下数据，找出能删除的明显有误的数据而不必担心客户会遗漏它们。

以同样的方式还可以从剩余的数据组中摘出绝对切中目的的数据，将它们放置到检索报告不同部分的突出位置上。

对于较大的文件组，例如100－500条记录的，检索员可以手动浏览一下标题列表，标出他们认为与客户需求相关的文件。

检索员所进行的分析主要看其对主题的熟悉程度以及他们理解客户需求的水平。

在这种情况下，重要的是检索员已经花费一定时间与研究队伍进行交流，并且对于该检索项目的技术内容有清楚的理解。

检索员对于客户的需求和项目的技术特点越熟悉，筛选出合适文件的工作就能做得越好。

这种情形下的分析是检索员站在他的角度评估终端用户可能认为的更相关信息时作出的一种判断。

根据该项目的敏感性，检索员在作出他们的判断时可以有一定的弹性。

有些客户会只要求检索员将结果发送给他们而不需要任何综述，另一些客户则会期望检索员筛选出所占比例较高的结果，并只把排在前面的一些结果送给他们仔细阅读。

对于检索员来说，分析和综述通常被作为一个步骤。

另一方面，专利分析员则把综述和分析看作是目的和方法不同的两个步骤。

分析员必须将综述步骤当作是构建一个数据仓库，要检查其中数据的完整性，并确定它是准确明了的。

实际上，这项工作的第一部分可能涉及与检索员所进行的没什么两样的综述工作，只是不会那么详细，也不用排除与主题相差较远的那些结果。

此时精确性并不是关键，因此综述过程可以相当快速地完成。

当分析员多少确信他们已得到了基本与主题相关的数据后，就可开始构建数据库的过程。

通常这包括将数据导入到一个软件工具中，并进行检查以确保该过程平稳进行，数据可以为随后的分析阶段所用了。

分析员将浏览该数据库，偶尔取出几个数据样本看一下，确定信息是在正确的域里，且格式是正确的。

根据数据组的大小，这个过程可能要花费相当一段时间。

几百个文件可以很快地看过去，但是当数据组扩充到包括数千个文件时，这就可能变得非常耗时了。

构建完数据库后就完成了综述过程，可以开始数据分析了。

关于进行专利分析的具体细节将在随后的部分中讨论。

3。 专利分析完成后所展示的工作成果是可以作为决策依据的各类情报。

最后，检索员和专利分析员将以非常不同的方式把结果呈现给他们的客户。

检索员的主要工作成果是一些参考文献或专利文件。

他们的检索报告 般会包括对检索目的的概述，进行检索的方法，所使用的数据库，这些数据库所覆盖的时间范围，以及参考文献本身。

该报告可以根据相关程度、文件类型或出版日期等将结果分类列在不同部分。

根据检索员能提供的关联性分析的程度，该报告将反映出其创作者的专业技能。

当专利检索员呈现的是大量结果时，有时报告看起来就象是原始数据的堆积。

最终用户不得不逐篇阅读按照反向年代顺序排列的上百、甚至可能是上千篇文件，根本无法区分第5条结果与第535条结果。

他们会发现很难看出数据反映出的趋势或模式，看第100条记录时和看第4条记录时会得出不同的观点。

人脑也很难在查看上百篇文件时发现其中的若干变量。

然而，计算机则可以客观地衡量一组变量，而不管它们来自哪篇文件，并且可以鉴别出数据反映出的模式。

分析员一般会拥有许多能帮助他们确定模式和趋势的计算工具。

经过分析后，信息变为了情报。

情报是分析员的主要工作成果。

与交付信息不同的是，专利分析员将用所提供的数据展开工作，在分析的基础上得出结论，并把这些结论提供给企业决策人员。

分析员一般会相当深入地涉入决策制定过程，并被看作是顾问而不是中间人。

在大多数情况下，企业决策人员并不希望获得大量的数据。

他们希望数据能经过编辑和分析，列出不同的情况，显示出它们相应的优势和挑战所在，以便决策者能够迅速地得出结论并采取行动。

因此，分析员的结果通常是几张幻灯片而已，其中概略地描述了商业需要，在调研基础上的假设，分析的结果，以及最终对于采取不同行动可能产生的不同结论的一些看法。

四、专利信息分析的基本流程　　一项完整的专利信息分析工作，通常需要经历从了解需求、准备工具到采集信息、综合分析等一系列过程。

该过程中的每一个步骤都有不同的目的，每一个步骤完成的好坏，都会对最终结果产生重要影响。

1。 创建一套专利信息分析的工具　　如前所述，专利信息分析可包括专利地图、引证分析、同族专利分析、主题分析、时间序列分析等各种分析技术。

很明显，没有任何一项分析工具能够完成上述所有的分析课题。

为了成功完成专利信息分析的全部工作，实践者需要根据商业上的需求最大限度地提出各种问题。

因此，专利信息分析人员应当购置大量工具和资源。

这种方案是迅捷的，同时也是昂贵的。

所以，分析者必须理解可能提出的各类问题，并准备好能满足相应分析需要的工具。

2。 理解商业上的需求以及隐藏在需求背后的因素 当开始一项分析课题时，分析员通常需要从尽可能多地理解分析意图着手。

正如专业信息人员所熟知的，客户在提出信息要求时常常很难准确表达出他们的真实意图。

客户经常会提出：“我们需要知道Y公司的每一项事情。

”与这一论调同样奇怪的是，针对上述要求的回答可能是：“不，你不能。

如果你那样做的话，恐怕需要动用一辆铲车来运送所有数据，而且将花费6个月的时间来处理这件事情。

并且，最后你对于试图了解的东西可能还是同开始时一样不甚了了。

”　　在专利信息分析中，开始任何事情之前充分理解商业上的需求是绝对必要的。

了解该需求背后的其他各种因素同样非常关键。

分析者需要知道如何使用这些数据以及谁将使用这些数据。

分析者应该做到，当客户收到他们的工作成果时能够理解得了它，并且将它们应用到商业实践中时能够带来最大的商业机会，因此分析者需要以符合上述要求的方式来描述他们的成果。

与所有专业信息人员一样，上述原则对于分析者来说是绝对重要的。

对分析范围以及分析目的的不正确假设，可能导致分析误入歧途，并产生不正确的、极端情况下甚至会误导商业决策的信息。

分析者在分析过程中应当扮演一个值得信赖的建议者的角色，并且需要尽可能地接近决策过程，这样他就可以将对商业需求的充分理解融入到自己的分析工作中。

3。 根据需求设定问题　　分析员一旦很好地理解了商业上的需求，他就可以和客户一道去组织各种各样的问题，以提供将影响企业决策的情报。

4。 根据问题筛选数据　　一旦分析者确定了需要回答的问题，下一步就必须开始收集相关的数据，就象科学家研究一个科学问题一样。

这里我们可以参考一下科学研究的方法，这个过程包括形成假设、进行实验以确定假设的有效性、验证实验的有效性以及在实验结果基础上得出结论。

在专利信息学领域，收集数据就类似于准备一项试验去支持或者是推翻一个假设。

这个过程中，选择合适的工具是非常重要的。

5。 根据数据选择工具　　要回答某些问题可能需要非常特殊种类的数据。

在这种情况下，所选用的工具不仅必须满足分析的需要，同时还必须符合用于回答这些问题的最佳数据的要求。

还是以前面的例子为例，如果提出的问题是Y公司的美国专利的发明人住在哪儿，那么用于分析的数据就应该包括出现在所有美国专利文献首页上的发明人的地址信息。

也许更加重要的是，这些数据必须以电子版本形式获得，以便能导入到合适的分析工具中。

如果一个工具不能处理包含了发明人地址信息的数据格式文档，那么它就不能用于回答上面的问题。


更多关于 专利代理过程中的专利检索网站应用， 专利价值评估软件化的理论基础与实践 的资讯，可咨询 乐知网。

(乐知网- 领先的一站式知识产权服务平台，聚焦 专利申请，商标注册 业务)。

关键词： 申请专利 发明专利申请