王 江 郭鑫彬

(北京化工大学 经济管理学院 北京 100029)

0 引 言

近年来，随着科学技术的不断更新和发展，知识爆炸式增长已经成为不可逆转的趋势。大数据时代下，种类繁多且数量庞大的数据库数不胜数，企业也越来越难以管理由各种系统、过程和事务所生成的海量数据[1]，对企业最困难也最重要的问题是：如何充分利用拥有的知识数据库，并对其进行管理和分析，挖掘出对企业有价值、有意义的模式和洞见。

企业战略分析中，专利数据分析是最重要的分析手段之一。世界上最大的技术知识源就是专利信息，据WIPO的报告，专利信息包含了R&D产出的90%以上，剩下的5%～10%表现在科学文献中，所以企业申请专利的目的不仅仅是为了保护核心技术，同时也设置了技术进入的门槛[2]。事实上，专利信息是相关技术竞争者之间不得不向公众透露的，而在其他情况下都不会透露的技术领域关键信息的唯一方式，同时这也意味着企业的专利保护实际上是以核心技术的公开为代价的，因此专利文献就成为获取最新技术的主要来源。

根据以往研究经验，分析专利最好的方法是专利分类[3]，其能量化分析嵌入企业中的知识资源。但现有的基于信息检索的分类系统(如IPC分类)在此方面的价值和专业性有限，并且传统分类过程的高劳动强度和主观性因素也限制了专利数据价值利用过程，再考虑到传统知识数据库管理方法的频繁更新所带来的高收集和高维护成本，同时新兴技术的复杂性要求企业改进对创新过程中跨学科活动的性质和影响的理解，因此，其必须拓宽涵盖不同技术领域的知识基础，而这增加了技术和创新管理的难度[4]。……