挖掘技术就是对于庞大的数据量，通过经济的方式，极速发掘、获取和分析处理的技术，进而提炼获取价值，这是大数据新时代的专属。

专利分析可以帮助企业清理专利技术的主要发展脉络和趋势，以便确定所要引进的技术方向，进而确定所要引进的技术主题。此外，专利分析还可以帮助企业分析哪些为相关技术主题的必要或者核心专利；再者，专利分析可以帮助企业做好尽职调查工作，规避技术引进中的知识产权风险。总之专利分析已经成为技术引进过程中的重中之重。

一、拓展知识

大数据时代”的专属特征被重新定义为：数量(volme)、多样(variety)、速度(velocity)和价值(vale)，称为“4V”。

随着大数据时代的到来，社会对“挖掘”到的数据要求变得更加严格，每一个精准的结果都具备独自的“价值”，这时，大数据时代的新增属性——“价值”被演绎得有声有色。数据挖掘(datamining，DM)是一门新兴的、汇聚多个学科的交叉性学科，这是一个不平凡的处理过程，即从庞大的数据中，将未知、隐含及具备潜在价值的信息进行提取的过程。1989年8月，在美国底特律市召开的第十一届人工智能联合会议的专题讨论会上，知识发现(knowledgediscoverindatabase，KDD)初次被科学家们提出，同时，也有人将知识发现称为数据挖掘，但两者并不完全等同。1995年，KDD这个术语在加拿大蒙特利尔市召开的第一届知识发现和数据挖掘国际学术会议上被人们接受，会议分析了数据挖掘的整个流程。实质上，数据挖掘是知识发现的子过程。

经过了大约20年的发展，数据挖掘研究取得了可观的成绩，渐渐地形成了一套基本的理论基础，主要包括：分类、聚类、模式挖掘和规则提取等。数据挖掘是一种从生活中的海量数据里“挖掘”出潜在的、前所未有的知识的技术。处理大数据需要一个综合、复杂、多方位的系统，系统中的处理模块有很多，而数据挖掘技术以一个独立的身份存在于处理大数据的整个系统之中，与其他模块之间相辅相成、协调发展。在大数据时代中，数据挖掘技术的地位是无可比拟的。

专利技术引进中的专利分析大概分为五个部分：

1.确定专利技术引进的主题和方向

专利技术引进通常需要花费大量的金钱，“好钢要用在刀刃上”，因此在进行专利技术引进时，需要找准亟需且必需的技术主题和技术方向，争取引进的专利技术为技术发展趋势的前沿技术和必要技术，且能够弥补企业自身的技术短板。

2.确定专利技术引进的目标企业或科研单位

在进行专利技术引进之前，就需要做好专利技术追踪工作，以便随时掌握该领域主要专利权人的研发动向。当确定完需要引进的专利技术主题和技术方向后，需要对该技术主题下的主要专利权人的技术实力进行评估，以便决定引进谁的技术。此外，对于这些拟作为专利技术引进对象的专利权人的技术转让许可情况进行必要分析，判断它们对外技术转让许可的可能性。

3.筛选和确定专利技术引进的专利范围

在确定专利技术引进的目标企业和/或科研单位之后，紧接着就需要筛选出与所需技术主题最为相关的重点专利。这个环节尤为重要，找对了专利权人就像找对了“门”，而找对了真正需要引进的专利才算找到了“钥匙”。比如需要引进围绕自身某一产品的核心专利，此时需要对这些专利权人覆盖了该产品的技术特征的专利逐一找出来，通过法律状态、同族布局情况、自由实施可能性、侵权可规避性等等进行详实的调查和分析，以保证被作为技术引进对象的专利技术有充分的必要性，而没有任何的实质性“缺陷”。

4.评估专利技术引进的其他风险

除了上述分析之外，专利转让许可合同的仔细审查也很重要。对于专利许可的方式、年限、范围、对象分析等要进行非常严谨的分析。此外，相关专利的交叉许可情况分析、排他性合同条款及其他NDA协议分析也是必不可少的。该项工作需要保证引进技术的企业不能“技术搁浅”，以及避免“二次付费”等问题。

5.专利技术引进后的消化吸收再创新

技术引进往往不是一个企业的最终目的，真正实现自身技术实力特别是研发能力的提升才是技术引进的关键。技术引进时提供给企业准确把握技术发展方向的一个支撑，只有借鉴利用同行业的技术吸收再创新的成功经验、制定合理的技术研发、专利挖掘和专利布局策略，才能真正站在巨人的肩膀上。

现在是信息化的社会，大数据时代的到来，要求我们掌握数据挖掘技术，要善于从大数据中挖掘出真正的有价值的东西，并且扩大他的价值。专利的申请越来越多，大家也更注重科学技术的发展，但是发展专利技术的时候不可以太过于盲目，要对专利的发展的前前后后有一个总体的规划。