特許分析Patent Analysis

特許データから情報を取り出して分析ソフトウェアから技術軌跡を実現し、その技術に関する判断することができます。
データとしては特許データや論文使用し、データクリーニング、テキストマイニング、機械学習、PCA、データ可視化などの解析を包含しています。
現在では、セマンティック技術やAIなどの技術が特許分析ツールに統合されて、傾向分析や自動化が進んでいます

～目次～

1.特許分析とは

2.メリットとデメリット

3.基本的な流れ

4.事例：特許の読み方

1.特許分析とは

特許分析では特許のテキストデータから貴重な情報もらえることができます。

目標：新技術を理解し、一つの会社にとしてどうやって役に立つのかを把握すること
ビジネス上の応用例に関しての結果：
１．協業可能な企業を探すことが可能
２．自社の技術の成熟度を把握することが可能
３．企業に特有の技術的解決策と特許の特徴。
４．発明者が同一企業内にいる場合、2つの異なる部門間の協力の可能性がある。

特許分析のツールとして、VantagePointという特許分析のための優れたソフトウェアがありますが、非常に高価です（購読料700＄＝大体70000円）。
VantagePointには予測精度は大体89%です。Vos Viewer、WIPOなど、ある程度目的を果たせる安価なソフトウェアがいくつかあります。

2.メリットとデメリット

メリット：

1.予測すること：技術に基づく今後の製品、サービス、イノベーションを予測。

2.依存性：あるビジネスがほかの会社の特許に依存しているかどうかを知ること。

3.研究開発の原動力になる：スマート研究開発計画のため、特許から適切なデータを抽出する必要があります。事例：どの発明者が誰と協力しているか、他社の発明者と協力しているかどうかなどです。

デメリット：

1.最新データの取得が困難：特許は貴重なデータであるため、新しい特許を検索することは非常に難しく、製品の技術動向を正確に把握することができない可能性があります。

2.時間かかること、特許と研究開発のタイムラグ：事例、米国で出願された特許は、承認されるまでに約２年、公開されるまでに20年かかります。このため、研究開発と特許取得の間にギャップが生じます。

3.基本的な流れ

1．トピックを決定し、定義すること：例‐現代Emotional AIの研究がどのように進んでいるのかしりたいです。

2．データベース選択：オープンソースまたは有料なデータベースによるキーワードベースの検索し、関連特許の文書化。

3．データのクリーニングと正規化：時々論文にはHomonymがあるのでテキストデータを取り組むときはスペル間違えたら意味が異なります。このようなデータ注目し、クリーニングしないといけないです。後は、KeywordとしてはSynonym（一つ意味のたくさんお言葉）の方が楽です。

4．データ解析と可視化：テキストデータは、多くの貴重な上場を示してくれます。トピックマッピングまた著者マッピングを行うと、どの発明者がどのトピックに取り組んでいるか、技術が収束する可能性があるかどうかを知ることができます。

5．報告書作成時のナラティブ：データバラバラになると何も伝えてきません。このため、ワンページャー（one-pager）を作る必要があります。以下に事例があります。

6．分析の配布

4.事例：特許の読み方

図1　「特許分析によるクラウド技術の技術収束。Microsoft Azureの事例」(2021)

以上、特許の読み方ですが、普通にテキストデータのため、著者と概要を使用します。

以下、これは、特許から抽出したデータのPCA分析です。
この図は、ホンダの燃料電池の知識ネットワークの例で、濃い線は強い相関を意味し、一緒に仕事をしている発明者の相関図を見ることができます。
2枚目は、燃料電池の高度なトピックをマッピングしたものです。
例えば、燃料電池の研究において、電解質と溶融炭酸塩燃料電池の間には強い相関があります。
これらのキーワードは、その分野における次の研究のベースを示しています。

図2　参考：「技術マイニング新技術の競争優位性」Alan Porter (2000)

▼レポート無料ダウンロード お申し込みはこちら▼