Новые рефераты в 2022 году

- Использование расширенной  аналитики при  создании организации, управляемой данными – февраль

- Расширенный интеллект – будущее искусственного интеллекта     в конкурентной разведке – январь

Содержание рефератов

Февраль

Использование расширенной  аналитики при  создании организации, управляемой данными

The Emergence of Augmented Analytics & How it is Helping to …

https://affine.ai › the-emergen…

За последние несколько лет данные, поступающие из различных источников, изменили то, как организации работают и решают свои бизнес-задачи. Выявление потенциальных точек данных, сбор данных и их хранение в надежно защищенном месте стали необходимостью для многих крупных компаний в различных отраслях. В связи с этим все большую популярность набирают практики аналитики больших данных; с последующим быстрым внедрением технологий  искусственного интеллекта,  машинного обучения, обучение с подкреплением, обработки текстов на естественном языке и т. д. По сути, эти технологические достижения помогают организациям собирать, хранить и анализировать данные, чтобы преобразовывать их в ценную информацию и решать бизнес-задачи.

Сочетание перечисленных    возможностей искусственного интеллекта с несколькими другими передовыми технологиями, такими как компьютерное зрение, расширенная/виртуальная реальность,           обогащает возможности расширенной аналитики*, особенно при извлечении ценных данных.

*Расширенная аналитика (augmented analytics) использует машинное обучение для автоматизации подготовки данных, обнаружения идей, науки о данных и разработки моделей машинного обучения, а также обмена информацией для широкого круга бизнес-пользователей, оперативных работников и гражданских специалистов по данным

Таким образом, расширенная аналитика включает в себя все необходимые компоненты, чтобы помочь организациям проводить более эффективные и результативные действия по анализу данных в рамках рабочего процесса и создать беспроблемную дорожную карту для организации, управляемой данными**.

** Организация, управляемая данными (data-driven organization) — это организация, которая эффективно и последовательно использует данные в процессе принятия решений на всех ееуровнях

Другими словами, происходит  смена парадигмы, в результате которой все необходимые компоненты и функции станут ключевым фактором современных аналитических платформ, которые программируют и интегрируют такие процессы, как подготовка данных, создание моделей вокруг кластеров данных, разработка идей и очистка данных для содействия бизнес-операциям. и так далее.

В расширенной аналитике использование технологии искусственно интеллекта и машинного обучения     сокращает ручной процесс сбора данных, улучшая и прием данных из разных источников. Затем они помогают пользователям выбирать подходящие наборы данных на основе взаимосвязей, выявленных при вводе данных для анализа. Далее  системы предлагают различные комбинации анализа и позволяют использовать аналитические данные в рамках рабочего процесса.

Январь

Расширенный интеллект – будущее искусственного интеллекта     в конкурентной разведке

Augmented Intelligence: The Future of AI in Market and Competitive Intelligence, Mobit Bhacuni – https://www.contify.com › blog

Согласно недавнему исследованию , 85% проектов искусственного интеллекта (ИИ) в конечном итоге не приносят ожидаемых результатов. Такие сбои ИИ дорого обходятся бизнесу как с точки зрения времени, так и денег.

Есть много причин, по которым ИИ не работает: в том числе отсутствие надлежащих навыков, ограниченное понимание технологии, бюджетные ограничения и так далее. Но единственная наиболее важная причина, по которой ИИ терпит неудачу, не имеет ничего общего с ИИ, а во многом связана с нашими ожиданиями от ИИ. Понимая эти ограничения и способы их преодоления, группы маркетинговой и конкурентной разведки могут использовать ИИ, чтобы извлечь из него реальную ценность для бизнеса.

Сущность искусственного интеллекта

ИИ относится к алгоритмам, которые учатся и находят закономерности в огромном количестве данных. Он обещает предоставить полезную информацию пользователям конкрентной разведки   для принятия обоснованных решений. ИИ может принести пользу всему предприятию, включая продажи, маркетинг, поддержку клиентов, обнаружение мошенничества — все, что требует прогнозирования на основе данных.

Машины учатся так же, как и люди –  двумя способами: а)взаимодействуя с окружающей средой, т. е. с нашим опытом, и

б) под руководством учителя. Точно так же машины учатся на данных (опыт) и алгоритмах (учитель). В машинном обучении (МО), которое является одной из технологий искусственного интеллекта, обучающие данные предоставляются для разработки моделей прогнозирования, основанных на алгоритмах МО.

Поскольку машины учатся на данных, которые им передаются, существуют ограничения для предсказания будущего, если только оно не похоже на прошлое.

Машины оптимизированы по производительности, а значит, они намного быстрее обрабатывают информацию.  Однако, когда дело доходит до соединения точек, анализа информации о конкурентах , рассуждений на ее основе, прогнозов и рекомендаций с использованием этой информации и действий на ее основе, машины терпят неудачу. Таким образом, когда дело доходит до получения информации о конкурентах путем творческого мышления и извлечения выводов из информации, у машин есть ограничения.

Достоинства и ограничения человеческого интеллекта

Разум аналитика, то есть человеческий интеллект, во многих аспектах отличается от ИИ. Он усваивает новую информацию и адаптируется к развивающемуся рыночному ландшафту, используя комбинацию различных когнитивных (познавательнх) процессов.

Человеческий разум изначально настроен на изучение миллионов лет эволюции, которая запрограммирована генетически, в отличие от ИИ, который запрограммирован искусственно. Поэтому двухлетний ребенок может легко научиться ходить. Но нам нужны сложные команды инженеров, чтобы заставить робота балансировать и ходить на двух ногах.

Аналитики могут представлять, предвидеть и оценивать меняющиеся ситуации. Они могут работать с меньшим количеством информации. Они могут думать сами. Кроме того, они креативны, могут иметь долгосрочное видение и планировать наше будущее.

Однако люди менее последовательны и склонны к ошибкам при выполнении повторяющихся задач. У нас есть конечные пределы производительности, и мы движимы эмоциями. Наш сложный мыслительный процесс иногда мешает нам принимать решения. ИИ может помочь смягчить некоторые из этих ограничений.

Следовательно, правильный способ думать об ИИ — это как объединить его с человеческим интеллектом для достижения того, чего ни один из них не может достичь самостоятельно! Это именно то, что представляет собой «расширенный интеллект» : сочетание интенсивных вычислительных задач с человеческими знаниями и интуицией.

Использование ИИ для улучшения человеческого интеллекта

По данным Gartner (исследовательской и консалтинговой компании, специализирующейся на рынках информационных технологий) , расширенный интеллект — это шаблон проектирования: ориентированной на человека модели партнерства, в которой люди и ИИ работают вместе для повышения когнитивных способностей. Она включает в себя обучение, принятие решений и новый опыт.

В то время как искусственный интеллект использует технологии, позволяющие машинам работать и вести себя как люди, расширенный интеллект использует те же технологии, чтобы дать людям возможность работать лучше и умнее. Он дополняет человеческий инстинкт с помощью интеллектуальных алгоритмов, что позволяет получать прогнозные данные с большей скоростью.

В конкурентной аналитике вычислительная мощность ИИ берет на себя большую часть обработки данных и помогает аналитикам быстро принимать более обоснованные и разумные решения. Она достигает наиболее значительных улучшений производительности, когда люди и машины работают вместе, усиливая сильные стороны друг друга. ИИ может помочь людям в сборе информации, обработке данных, тем самым высвобождая их для выполнения задач более высокого уровня, требующих лидерства, творческого мышления, суждений и других человеческих навыков».

Опыт использования расширенного  интеллекта в Contify

Contify – это платформа для анализа рынка и конкурентной среды с поддержкой искусственного интеллекта, помогающая  компаниям отслеживать информацию о конкурентах и отраслевых сегментах, позволяя пользователям собирать, курировать и делиться полезной информацией в своей организации.

При использовании в ней первой  модели МО  стало  понятно, что полагаясь исключительно на машину нельзя  достичь точности конкурентной информации, основываясь только  на вероятностях, без учета  контекста пользователей. Поэтому  модель была  дополнена человеческим интеллектом. После многочисленных итераций были  разработаны методологии для извлечения действенной аналитики из океана цифровой информации с использованием комбинированного интеллекта как машин, так и идей аналитиков.

Каждый выполняет задачи, с которыми лучше справляется. ИИ обрабатывает большой объем информации, которая собирается обширной сетью поисковых роботов Contify. Данные передаются через конвейер на основе алгоритмов ИИ для обработки потоков данных. Миллионы точек данных классифицируются, а информация фильтруется за считанные минуты, что в противном случае потребовало бы ручной работы целой армии аналитиков. Затем алгоритмы искусственного интеллекта обогащают информацию, добавляя контекстные метаданные, которые упрощают аналитикам извлечение информации.

Таким  образом, в то время как искусственный интеллект предназначен для устранения человеческого участия, расширенный интеллект обеспечивает расширение человеческих способностей. Он сочетает в себе машины и людей, как две половинки системы, работающие в тандеме для достижения лучших результатов. Расширенный интеллект не должен сводиться к простой автоматизации процессов.  Цель состоит в том, чтобы перепроектировать процессы, в которых «аналитик + машина» превосходит лучшего аналитика или лучший компьютер. Для этого потребуются не только технологии ИИ, но и аналитики, способные эффективно работать в человеко-машинном интерфейсе.

Новые рефераты в 2021 году

-Выявление технологий из  будущей   инновационной экосистемы с использование  машинного обучения - декабрь

- Патентное цитирование как индикатор взаимодействия науки с технологиями – ноябрь

- Взаимодействие больших данных и прав интеллектуальной собственности – октябрь

- Соотношение  предпринимательской и  расширенной аналитики - сентябрь

- Соотношение конкурентной разведки,  предпринимательской и  маркетинговой аналитики -сентябрь

- Исследование тенденций развития технологий больших данных на основе анализа патентов и цитируемых научных работ - август

- -Использование  прослушивания социальных сетей в конкурентной разведке -июль

- Использование проницательности  социальной сети в конкурентной разведке - июнь

- Тенденции развития технологий больших данных: анализ патентов и цитируемых научных работ – май

-Cредства  аналитики социальных сетей – апрель

- Конкурентный анализ в социальных сетях – апрель

-Современное состояние аналитики интеллектуальной собственности – март

- Важность социальных сетей для инноваций и производства – март

-Конкурентный анализ  в социальных сетях – март

Содержание рефератов

Декабрь 2021

Выявление технологий из  будущей   инновационной экосистемы с использование  машинного обучения

Identifying emerging technologies to envision a future innovation ecosystem: A machine learning approach to patent data

Youngjae Choi, Sanghyun Park, Sungjoo Lee-Seoul National University// May 2021. Scientometrics 126(9)-https://www.researchgate.net › ...

В условиях  стремительного  изменения технологий, а также в отраслевых цепочках создания стоимости, компаниям  важно оценивать  появляющиеся многообещающие новшества, которые в состоянии лучше реагировать на внешние разрушительные силы и использоваться для открытия новых или совершенствования  существующих предприятий.

Один из наиболее часто используемых подходов к выявлению новых многообещающих технологий признается патентный анализ. Патентная информация долгое время признавалась особенно полезным источником научно-технических данных и  в ряде предыдущих исследований активно применялась для определения перспективных технологий.

Однако в современных условиях перспективность определяется и рядом  других факторов, раскрываемых  иных информационных источниках. Чтобы преодолеть ограничения предыдущих подходов, в данном  исследовании предлагается гибридный подход, дополняющий  патентную информацию мнениями экспертов о вновь появляющихся многообещающих технологиях.

Для проведения последующего анализа был  разработан  комплекс критериев для оценки потенциально ценных патентов. После этого экспертам предложили проанализировать  с использованием этих критериев технологические характеристики     более крупной патентной подборки для выявления  в ней других потенциально ценных патенты в исследуемом  портфеле.

В работе применен метод активного полууправляемого обучения. В нем ограниченный  объем помеченных данных (патенты, оцененные экспертами) использовался применительно к большему  объему немаркированных данных из исследуемого портфеля. Предложенный подход применен к сектору автомобильной промышленности.

Результаты анализа показали, что полууправляемое обучение в сочетании с активным обучением имеет потенциал для эффективного поиска новых многообещающих технологий или фильтрации неперспективных технологий с ограниченным  участием человека. Располагая  лишь небольшой набор помеченных патентов, можно выделить более значительную подборку   патентов, экономят время и усилия экспертов

Методологически это первая попытка ввести активное полууправляемое обучение в контексте патентного анализа. На практике результаты исследования позволяют эффективно использовать мнения экспертов для определения перспективных технологий и прогнозирования будущей инновационной экосистемы.

Ноябрь 2021

Патентное цитирование как индикатор взаимодействия науки с технологиями

The “patent paper citation” and the rise of patentometrics in the … B. Hammarfelt · 2021// Journal of Documentation , Vol. 77 No. 6, pp. 1413-1429 – https://www.emerald.com › html

Как известно, патентные заявки обычно включают формулы, которые характеризует новизну заявляемых технических решений. Пункты  формулы часто подтверждаются ссылками на другие документы. В первую очередь такие ссылки относятся к ранее выданным патентам, но и прочие документы , включая научные статьи, также играют важную роль.

Изначально патентные ссылки использовались преимущественно в процедуре патентования изобретений – при установлении уже известного уровня техники.  Дальнейший интерес к патентам – не только как к юридическим и экономическим документам, но и как источникам  научной информации – стал очевиден еще в 1980-х годах.

Предыстория новой роли патентов

Опубликованная в марте 1980 года статья «Связь между фундаментальной исследовательской литературой и патентами»* знаменовала собой начало серии статей, в которых цитирование патентов трактуется  в качестве важной связи между «фундаментальными исследованиями» и технологиями.

*Carpenter, M.P., Cooper, M. and Narin, F. (1980), “Linkage between basic research literature and patents”, Research Management, Vol. 23 No. 2, pp. 30-35.

Хотя патенты и содержащиеся в них ссылки изучались и раньше, проведенные в 1980-х годах  анализы были более масштабными, систематизированными и в первую очередь фокусировались на связи между патентами и научными статьями. Ссылки в патентных документах стали все более используемой статистической единицей для измерения взаимодействия между наукой и технологиями. Уже тогда была предложена методика увязки патентной литературы – совокупности знаний, представляющих технологический и коммерческий интерес –  с фундаментальной наукой, со стандартной мерой научного исследования – научной статьей.  Поэтому в США 1980-е годы стали  ключевым периодом для развития «патентометрии».

Важная роль патентов в накоплении знаний для экономики  была дополнительно подчеркнута  введением в 1980 году Закона Бэя – Доула. Этот закон предоставлял университетам право собственности на созданные там изобретения , что  привело к увеличению университетских патентов примерно с 300 в 1980 году до 1200 в 1990 году. ·

Таким образом, методы отслеживания связей от патентов к статьям и от статей к патентам были разработаны уже в 1980 – х годах с признанием  потенциала этих подходов. Интерес к анализу цитирования патентов  был тогда мотивирован поиском конкретных эмпирических данных о взаимодействии науки и технологий, которые могли бы поддержать представление о фундаментальных исследованиях как движущей силе технического прогресса.

В начале восьмидесятых все многие  ученые стали осознавать  потенциал информации, доступной в патентах, и то, как эти данные могут быть связаны с ресурсами научного цитирования, такими как ISI Science Citation Index.. Включение данных цитирования от ISI позволило провести более продвинутый анализ, например, при изучении связи между патентами и часто цитируемыми непатентнми документами.

Тем не менее, эти ранние попытки часто были небольшими и носили исследовательский характер из-за кропотливой и трудоемкой работы по сопоставлению ссылок вручную.  Дальнейшее развитие исследований тормозилось отсутствием оцифрованных исходных  данных в более крупном масштабе

В  последующие два десятилетия эта область исследований существенно продвинулась за счет усовершенствования методов  и информационных технологий переработки и анализа стремительно возрастающих цифровых массивов.  В мае 1997 г. исследование цитирования патентов попало в заголовки New York Times. Со ссылкой на статью авторского коллектива, возглавляемого Ф.Нарином*,  сообщалось, что  фундаментальная наука, осуществляемая  финансируемыми преимущественно из госбюджетаучреждениями страны, внесла важный вклад в промышленность, что, в свою очередь, послужило стимулом для увеличения государственного финансирования научных исследований.

*Narin, F., Hamilton, K.S. and Olivastro, D. (1997), “The increasing linkage between US technology and public science”, Research Policy, Vol. 26 No. 3, pp. 317-330.

В публикациях того времени  рассматривался ключевой вопрос исследовательской политики ХХ века – взаимосвязь между фундаментальными исследованиями и технологиями, путем изучения связей цитирования между научно-исследовательскими публикациями и патентами. Идея заключалась в том, что фундаментальные исследования (представленные научными статьями), проводимые учеными в государственных учреждениях, все чаще использовались промышленностью (в форме запатентованных инноваций). Ссылки из патентов на научные статьи,  следовательно, можно было использовать как веский аргумент в пользу государственного финансирования фундаментальной науки.

Оценка объективности патентной идентификации научно-технологических связей

Конкретное применение патентных ссылок,  как части более широкой реорганизации «контакта» между наукой и обществом, первоначально возникло в США, распространившись затем  на многие промышленно развитые страны.  Использование цитирования патентов в качестве индикатора технологической связи, естественно, привело к появлению довольно большой области исследований, которая оказала значительное влияние и на политические дискуссии. Предринимались  попытки эмпирической демонстрации важности фундаментальных исследований, с особым акцентом на том, как исследователи пытались решить проблему «объективности и релевантности» при изучении «воздействия» фундаментальных исследований. В их числе были исследования, которые критически анализировали цитирование патентов и их использование для изображения связей науки и технологий*

*Meyer, M. (2000), “What is special about patent citations? Differences between scientific and patent citations”, Scientometrics, Vol. 49 No. 1, pp. 93-123.

Национальный научный фонд США запустил собственный проект под названием TRACES, который изучал траекторию пяти технологических инноваций – видеомагнитофонов, оральных контрацептивов, электронных микроскопов, магнитных ферментов и матричной изоляции – и, что, возможно, неудивительно , во всех этих случаях были обнаружены прочные связи с фундаментальной наукой. Действительно, можно утверждать, что эти исследования служили хорошо подобранными и иллюстративными примерами, а не аналитическими и полными исследованиями. И сомнительно, насколько подобные примеры репрезентативны для науки в целом. Но если правда, что наука и технологии, по крайней мере, сближаются в ключевых областях высоких технологий, то и это уже убедительная демонстрация полезности фундаментальных исследований для технологий

В публикациях того времени использовалась метафора науки и техники как пары танцоров, которые в настоящее время «заключены в объятия, из которых практически не в состоянии вырваться». Доказательством этого являются не только цитаты из патентов на научные статьи, но и возрастные различия  между статьями и патентами: возрастной диапазон цитирования может рассматриваться как показатель преемственности между наукой и технологией, называемой также   «ритмом» науки и техники. Поэтому возраст цитируемых ссылок в патентах становится важным аргументом при увязке науки и техники посредством патентного цитирования.

Еще одна проблема, признанная уже на раннем этапе в литературе по цитированию патентов, заключается в том, что, в отличие от научной статьи, в патентных заявках существуют два типа ссылок: те, что добавлены заявителем, и те – что экспертом. Причем в разных исследованиях приводятся аргументы в пользу заявок как заявителей, так и экспертов.

В первом случае, например,  обращается внимание на то, что ссылки создателей новшества и их заявителей полнее отражают сущность связей науки и техники. С другой стороны, авторы заявки на патент стремятся  избежать любых намеков на то, что текущая заявка возникла естественным образом из более ранних работ. Таким образом, преобладающая  часть известного уровня техники, на который ссылаются заявители, может касаться неудачных подходов к данному решению.  Но в любом случае ссылок соискателей патентов на научные статьи   насчитывается больше  по сравнению с аналогичными ссылками экспертов. Следовательно, они предоставляют  более надежный статистический материал для последующего анализа.

В свою очередь, относительно  ссылок экспертов  утверждается, что их «объективность» основана на происхождении из патентного права, в котором эксперт позиционируется как более нейтральный и объективный оценочный субъект по сравнению с заявителем. Составляя заявку, он не забывает, что на практике  приводимые им ссылки используются для защиты от оспаривания научного или юридического утверждения. С одной стороны, патент должен включать «предшествующий уровень техники», однако слишком много ссылок может поставить под угрозу «новизну» формулы изобретения.

Отдельному сопоставлению подвергались ссылки в патентах и научных статьях.  При этом учитывалось, что патентные ссылки имеют особую юридическую функцию, они  будут изучены экспертами и могут быть оспорены в судах. Вероятно,  их выбирают гораздо более тщательно, чем ссылки в журнальных статьях. Причем предоставление ссылок в патентах зависит и от патентного законодательства конкретной страны или региона, что приводят к большим различиям в количестве ссылок (например, в заявках в США ссылок, среднем, оказывается больше по сравнению с заявками европейских стран). В свою очередь, научные ссылки могут регулироваться особыми «правилами этикета», использоваться в качестве  «валюты» на академическом рынке, например, путем цитирования ключевых фигур в данной  области или с учетом  возможных рецензентов представляемой работы. Ссылки, которые делает заявитель, редко выглядят как библиография журнальной статьи.

Заключение

Подводя итог, можно сказать, что конкретные цели цитирования научных статей и патентов, а также области (научные, юридические и коммерческие), которым они посвящены, влияют на то, почему и как даются ссылки. Полноценной теоретической основой цитирования патентов –  с учетом множества возможных уровней и перспектив (социальных, правовых, исторических и риторических) проводимых исследований – мы, видимо, пока не располагаем. Для более глубокого осмысления    роли патентного цитирования как индикатора взаимодействия науки с технологиями потребуется погрузиться в теорию осуществления этого процесса. Например, вывод о том, что в патентах обычно ссылаются на  наиболее цитируемые статьи, можно интерпретировать по-разному в зависимости от принятой  точки зрения. Не исключено, что такой подход привел бы нас к выводу, что научная работа, пользующаяся большим уважением в научном сообществе, также важна для технологического развития.

Во многих отношениях патентный документ  стал еще одним источником, содержащим научную информацию, а его цитирование  стало легко доступным индикатором при поиске ответа на ключевые вопросы о роли научных исследований в технологическом развитии. Анализ цитирования патентов в первую очередь сосредоточен на взаимосвязи между наукой и техникой, однако ссылки в патентах можно изучать с различных точек зрения и с применением разных методов.

Вместе с тем, патентные документы могут представлять особый интерес,  выступая в качестве посредника с множественным  назначением. Благодаря  патентометрии, они соединяют области права, науки, технологий и бизнеса. При этом патенты и ссылки на них становятся общей точкой отсчета, которая позволяет измерять и сравнивать объекты, которые в противном не подлежали бы сопоставлению.

Октябрь 2021

Взаимодействие больших данных и прав интеллектуальной собственности

The Interplay of Big Data and Intellectual Property Rights, 23 June 2021

https://www.kashishipr.com › t…

Большие данные (БД) – это относительно новая концепция, которая создала большую головоломку в законодательстве об  интеллектуальной собственности (ИС). Под БД понимаются обширные  и разнообразные наборы информации, которые могут расти с постоянно увеличивающейся скоростью. Такое собрание структурированных, неструктурированных и мультиструктурированных данных порождается постоянным взаимодействием с интеллектуальными устройствами и технологиями: мобильными телефонами, кредитными картами, телевизорами, компьютерами, смартфонами и т. Д. Цифровая вселенная настолько велика, что объем БД увеличивается вдвое каждые два года, и к концу 2020 года ожидается его рост до 44 зеттабайт.

Место ИС в сфере БД

Область БД не может избежать взаимодействия с законодательством об ИС при ее администрировании и защите от третьих лиц. Зконы об интеллектуальной собственности защищают права владельца оригинального произведения, включая литературу, изобретения, товарные знаки, промышленные образцы и т. д. Анализ БД превращает их в полезный продукт, и здесь ИС играет уже решающую роль: при патентовании инноваций, охране авторских прав на программное обеспечение,  сборе и хранения генерируемых при этом данных. Активы ИС становятся  полезными достоянием компаний.

БД и авторское право

Распространение авторского права на БД представляется очевидным, поскольку закон защищает компьютерное программное обеспечение и программы, которые используются для сбора и анализа БД.  Однако программное обеспечение защищено, если оно соответствует базовому тесту на авторское право, который включает в себя создание создателем определенной степени оригинальности и фиксации на материальном носителе. В разных юрисдикциях стандарт оригинальности различается.

Законы об авторском праве не защищают авторские произведения, например, произведения, созданные компьютером без вмешательства человечества. Кроме того, сбор необработанных данных без отбора или анализа не квалифицирует их как произведение, подлежащее охране авторским правом.

Сложность с практической точки зрения возникает из-за того, что трудно выбрать или упорядочить БД, в первую очередь, из-за их огромного объема, уровня достоверности, ценности, разнообразия и скорости. К тому же БД почти всегда генерируются автоматически и  из различных источников, что делает  необходимым проведение индивидуальной допустимости  использования  авторского права для охраны данного объекта.

БД и патенты

Хотя БД,  сами по себе, патентоспособными не являются, однако алгоритм и программное обеспечение могут подпадать под действие закона. По сути, алгоритмы – это те элементы, которые участвуют в превращении  «маленьких» данных в большие, а затем и в интеллектуальные. Кроме того, созданный из больших  контент не может быть запатентован в целом.

Однако, если тот же объект способен  обеспечить коммерческое преимущество в качест изобретения, отвечающего требованиям  новизны  и промышленного использования компанией, может претендовать на  патентную охрану. Это условие можно распространить на анализ БД,  позволяющий реализовать конкретный  метод ведения бизнеса, который может быть полезным в данном коммерческом секторе.

Например, в одном из дел суд  разграничил два вида использование компьютера, во-первых,  когда компьютер применяется для выполнения некой схемы или плана просто в качестве посредника и, во-вторых, таким образом, который улучшает его функциональность или решает техническую проблему, выходящую за рамки нормальное использование компьютера. Суд заключил, что на патентную охрану  может претендовать только второй вариант.

В целом влияние БД на патентное законодательство  будет возрастать с  ускорением  изменений в   известном уровнк техники как следствие  использования больших данных. Это проявится  том, что количество изобретений, на которые могут быть выданы патенты, уменьшится, и, следовательно, область патентоспособной  технологии уменьшится, поскольку скорость выдачи патентов будет ниже  скорости генерирования  больших  данных.

БД и коммерческая тайна

Информация, полученная в результате  анализа  БД, может быть защищена в форме коммерческой тайны при условии соответствия следующим условиям: а)наличие коммерческой ценности; б)известность ограниченному кругу лиц; в)принятие разумных мер для обеспечения конфиденциальности указанной информации.

Коммерческая тайна предпочтительнее патентов, поскольку она бессрочна и не связана с юридическими издержками (регистрация, соблюдение обязательств, требования о раскрытии информации и т. д.). Постоянно совершенствуемый  сверхсекретный алгоритм поиска Google, нераскрытые ключевые ингредиенты оригинального рецепта Kentucky Fried Chicken (KFC), и тщательно охраняемая формула напитков Coca-Cola (также известная как Merchandise 7X) – лишь некоторые из известных примеров хорошо управляемой коммерческой тайны.

Одно из самых больших преимуществ защиты БД  как коммерческой тайны заключается в следующем.  То, что не может быть запатентовано, может быть защищено  путем применения тайных контрактов и технических мер защиты. Единственный недостаток – невозможность оградиться от обратного проектирования (англ. reverse engineering) конкурентов; кроме  случаев, когда кто-то получил указанную конфиденциальную информацию незаконным путем, например, посредством шпионажа, воровства или взяточничества.

Заключение

Хотя формируемые большими  данными активы могут регулироваться любым из законов ИС, в рамках самих законов  возникают новые проблемы при уточнении сферы их действия. Автоматизация переработки и анализа  активов  БД потребует корректировки юридической трактовки получаемых при этом результатов, включая  проблемы их владения. Пока же  коммерческая тайна может выступать в качестве эффективного инструмента для защиты интересов правообладателей.

✅ Для получения дополнительной информации см. https://www.kashishipr.com/

Сентябрь 2021

Соотношение  предпринимательской и  расширенной аналитики

Adoption to Maximize Business Value // Mr. Prakash Ukhalkar   et al

- http://doi.org/10.51201/Jusst12685

Предпринимательская или бизнес-аналитика предполагает   использование анализа данных для разработки стратегий и принятия решений, обеспечивающих компании конкурентное преимущество. Этот термин также  охватывает   и инструменты, разрабатываемые вместе с бизнес-приложениями и стратегиями, для сбора, интеграции, анализа и интерпретации бизнес-информации с  обеспечением более эффективного принятия бизнес-решений. В бизнес-аналитике используются статистика  и  методы содержательного анализа для получения знаний из необработанных данных и  принятия эффективных,  основанных на фактах бизнес-решений.

Инструменты бизнес-аналитики стали более доступными для пользователей с развитием технологий самообслуживания. Они оснащены интуитивно воспринимаемым  графическим пользовательским интерфейсом и интеллектуальными информационными панелями. С помощью инструментов самообслуживания пользователям легче получать информацию, необходимую для принятия более эффективных решений, не полагаясь чрезмерно на аналитиков и ИТ-специалистов.

Более того, по сравнению с традиционными системами , эти инструменты могут обрабатывать большие числа, что позволяет проводить углубленный анализ, более информативны и проще в использовании.  И, что особенно важно, современные инструменты бизнес-аналитики резко сокращают ручную работу при подготовке, структурировании и очистке анализируемых данных. Это достигатся  с помощью искусственного интеллекта и других передовых технологий.

Расширенная аналитика определяется Исследовательской и консалтинговой компания по информационным технологиям Gartner как метод, который использует искусственный интеллект,  машинное обучение и генерацию естественного языка (NLG) для автоматизации анализа, что ознаменует следующую волну сотрясания  аналитического рынка. Компании встали перед необходимостью организовать использование новых вспомогательных технологий для внедрения расширенной аналитики для автоматизации подготовки и анализа и данных с  использованием ее потенциала для принятия эффективных решений и дальнейшего развития своей  организации.

Расширенная аналитика знаменует наступление времени Больших данных, их осмысления и претворения в жизнь. Расширенная аналитика – это инновационный подход к аналитике и данным. В конечном итоге, она помогает обнаруживать скрытые закономерности, генерировать идеи и снижать предвзятость. Компании смогут выбирать наиболее подходящую модель для освоения идей бизнес-аналитики. Это не только демократизирует использование данных, но и упростит для рядовых пользователей и экспертов принятие эффективных решений на основе дополнительных функций расширенной аналитики.

Именно так следует трактовать  будущее бизнес-аналитики.   А наиболее успешными будут те организации, которые первыми адаптируются к описанным  изменениям, сумев выявлять  и реагировать на прогнозируемые тенденции даже до того, как они появятся.

Соотношение конкурентной разведки,  предпринимательской и  маркетинговой аналитики

BI vs CI vs MI – Research + Intelligence // Merrell Moorhead, leader of  LAC Group’s intelligence products and services team-https://lac-group.com › blog

Предприниматели, заинтересованные в обеспечении конкурентных преимуществ своих компаний, нуждаются в получении надежной  аналитической информации о  конкурентной среде, в которой осуществляется  их деятельность. При этом они наталкиваются на предложения соперничающих  за их внимание служб  конкурентной разведки, предпринимательской и маркетинговой аналитики. Для непосвященных все они могут звучать как, одно и то же. Но в их работе   имеются   и принципиальные отличия.

В деятельности названных служб просматривается общая конечная  цель – содействие обеспечению главного условия успешного предпринимательства – устойчивых конкурентных преимуществ у своих клиентов. Но, несмотря на сходство многих используемых ими информационно-аналитических процедур и применяемых при этом  технологий, на  размытость границ их практической деятельности,   каждая из служб имеет и свою главную отличительную  направленность: производство, коммерциализация, оптимальная ориентация в конкурентной среде.

В такой же последовательности далее кратко характеризуется назначение каждой и служб.

Предпринимательская аналитика

Согласно мнению, высказываемому в ряде статей, бизнес-аналитика ориентируется преимущественно на информацию, касающуюся деятельности данной организации и отрасли, в которой она функционирует. Речь идет, прежде всего, о производстве продукции, затрагивая  также ее сбыт, потребителей, и затраты  и т.п.

В ходе анализа приводимые числа преобразуются в показатели, после чего  свои данные можно сравнивать  с отраслевыми эталонными показателями и корпоративными целями.

Маркетинговая аналитика

В маркетинговой аналитике соседствуют два подхода. Первый из них отражает более целостный взгляд на всю отрасль и место в ней данной  организации. Соответственно, в нем представлен   более широкий круг вопросов  и тенденций, подвергаются рассмотрению  общее состояние всех отраслевых рынков.

Второй подход сосредоточен конкретно на той или иной компании,  ее продуктах или услугах. Первичные  исследования чаще всего построены на сборе данных  посредством фокус-групп или опросов клиентов / потребителей. На втором этапе подключается  Интернет, отраслевые журналы и новости. Две  точки зрения обеспечивают целостное представление о рыночных условиях и сбытовых возможностях, необходимых   для разработки успешных маркетинговых стратегий.

Конкурентная разведка

Конкурентная разведка  - это сосредоточение внимания на непосредственной конкурентной среде: начиная с корпоративных  конкурентов, но с охватом и чая ключевых поставщиков, потребителей и актов недобросовестной конкуренции  и новых участников. С этой целью отслеживаются события, которые могут оказать прямое влияние на конкурентную позицию данной компании. В сфере внимания может оказаться  не только запуск новых продуктов, но и маркетинговые кампании, наймы и увольнения, финансовые отчеты, новости и т. д.

В идеале в компании желательно присутствие и сотрудничество всех трех направлений сбора, переработки и анализа информации с использованием машинного обучения, автоматизированной обработки естественного языка и прочих технологий искусственного интеллекта. Именно такой подход является ключом к правильному принятию решений.

Август 2021

Исследование тенденций развития технологий больших данных на основе анализа патентов и цитируемых научных работ

• Understanding the development trends of big data technologies: an analysis of patents and the cited scholarly works//Tahereh Saheb /Tayebeh Saheb, Journal of Big Data 7(1), February 2020
• - researchgate.net›…Understanding…big…patents…cited…

С развитием технологий, способных быстро генерировать большие объемы данных, были предприняты глобальные усилия по разработке решений для лучшего хранения, обработки и анализа больших данных. Большие данные* считаются сегодня жизненно важным элементом экономического и социального развития предприятий и общества. Еще в 2014 году правительство Великобритании определило большие данные как одну из «восьми великих технологий», которые приведут Великобританию к экономическому процветанию [ 6]. Большие данные – это технология с очень широким ландшафтом, и,  по мнению компании  Matt Truck Company, она включает в себя ряд инноваций в области инфраструктуры, аналитики, приложений, ресурсов и источников данных, API-интерфейсов* и открытых источников.

* Большие данные (англ. big data)- обозначение структурированных и неструктурированных данных огромных объёмов и значительного многообразия, эффективно обрабатываемых программными инструментами, появившимися в конце 2000-х годов.

Растущее влияние больших данных на глобальное развитие и его обширную среду привело к внедрению большого количества инноваций во всем мире. Поэтому как для академических кругов, так и для промышленности важно осознавать новые модели технологий больших данных, которые имеют первостепенное значение для роста управляемых данными организаций и предприятий,.

В данной статье  дается обзор эволюции технологии больших данных, чтобы отследить и охарактеризовать ее тенденции с течением времени и в разных юрисдикциях, а также ее связь и взаимодействие с научным миром и патентной системой. Патентные данные – ценный ресурс для понимания динамики и деятельности экосистемы изобретательства. Патентные данные считаются ориентированными на результат индикаторами инноваций и отражением изобретательских, технологических и научных процессов. Тем не менее, в некоторых исследованиях подчеркивается, что патентные данные не могут отражать всю экосистему изобретений. Поэтому существует необходимость включения других источников информации, таких как научная литература. Взаимодействие между университетами и отраслями жизненно важно для развития инновационных систем. Значит изобретатели должны регулярно цитировать научные статьи при  подаче патентных заявок при характеристике  предшествующего уровня техники. раскрытое или сделанное доступным для общественности в любой точке мира любым лицом и любыми способами до подачи заявки (данные о приоритете). Благодаря  этому патентные документы будут описывать как технические особенности изобретения, так и последние научные разработки в соответствующей области промышленности.

Научно-технические  данные  нуждаются  в дополнении за счет анализа социальных сетей, который выявит связи и отношения между участниками инновационного процесса, включая  изобретателей, заявителей и патентные организации (соавторство, патентное цитирование и другое). Библиометрический анализ позволит проследить  эволюцию патентования в области больших данных; выявить  наиболее продуктивных изобретателей, заявителей, авторов, юрисдикций и  компаний; зафиксировать тематику связанных с инновациями  научных исследований,    взаимодействие изобретательства  и патентования с научными работами;  выявить скрытые закономерности и тенденций в научных и изобретательских сообществах больших данных. Для отслеживания тенденций в технологиях больших данных изучены   13 112 патентных документов и 642 цитируемых в патентах научных журналов,  проведен  соответствующий анализ социальных сетей.

Проведенное  исследование включало методы библиометрического анализа и анализа социальных сетей, чтобы выявить тенденции развития патентной деятельности в отношении больших данных и связь патентов с цитируемой научной литературой; а также взаимодействие изобретателей  и цитируемых авторов внутри социальных сетей. Анализ показывает, что Китай находится на переднем крае подачи глобальных патентных заявок на технологии больших данных. Заявки из США заняли второе место; и только две американские компании входят в список десяти крупнейших соискателей патентов на большие данные; а китайские фирмы и университеты заняли другие восемь ведущих мест. Возглавляет рейтинг китайская компания, количество заявок на которую более чем в два раза превышает количество патентных заявок IBM, занимающей второе место в первой десятке. Однако к январю 2019 года в юрисдикции Китая подано только 5% патентных заявок, в то время как 28% патентов, поданных в Соединенных Штатах, запатентованы. Следовательно, этот анализ показывает доминирование китайских компаний в подаче патентных заявок,  а США – в выдаче патентов. К тому же установлено, что  большинство изобретателей на Востоке не являются заявителями на свои изобретения; в основном они работают на крупные фирмы.

Что касается цитирования научных работ, то проведенный  анализ показывает слабую связь между изобретениями и научными работами; поскольку только 2,2% мировых патентных заявок цитируют научные работы. Патенты, поданные в США, и обоснования в Европе имеют наибольшую связь с научными работами по сравнению с другими юрисдикциями (соответственно США с 15% цитированием и юрисдикция Европы с 14% цитирований научных работ). При огромной разнице в количестве цитируемых научных работ Китай процитировал менее 1% патентных заявок. Кроме того, наибольшее количество цитирований произошло в 2012 году. Количество цитируемых научных работ сократилось вдвое в 2014 году, что также является пиком патентных заявок на большие данные. T В результате, кажется, существует сильная связь между изобретениями и научными работами до 2014 года,который в 2015 г. снизился. Несмотря на то, что во всех юрисдикциях существует обязательное правило для ссылки на предшествующий уровень техники, включая научные работы, в Китае из-за отсутствия правоприменения в отношении неразглашения информации и практики патентного ведомства количество ссылок к научным работам очень ограничен.

Июль 2021

Использование прослушивания социальных сетей в конкурентной разведке

How brands can use social listening for competitive intelligence - https://www.netscribes.com › s…

Огромное количество данных из социальных сетей позволило брендам оптимизировать свои возможности конкурентной разведки. Поскольку компании все чаще взаимодействуют со своей аудиторией через социальные сети, опытные маркетологи используют этот канал для отслеживания конкурентов и поиска возможностей для улучшения своих маркетинговых стратегий c использованияем прослушивания социальных сетей (Social listening) .

Имеется в виду инструмент получения и анализа информации, черпаемой  из обсуждений пользователей в социальных сетях.  Особенно часто в своих стратегиях его используют бренды, получая данные о восприятии своей компании клиентами, их предпочтениях и опыте использования продуктов\услуг, выстраивать соответствующим образом свою аналитику. Наличие передовых инструментов прослушивания социальных сетей   позволило брендам быстро синтезировать огромные объемы данных на различных платформах социальных сетей для получения значимых выводов.

Социальные сети передали надежный контроль в руки клиентов, которые напрямую связываются с брендами, чтобы высказать свое мнение, требования и ожидания. В свою очередь,  бренды используют эти данные для оценки настроений клиентов и их восприятия продуктов конкурентов и сравнения их со своими собственными.

Во многих случаях компаниям необходимо сочетать данные социальных сетей с традиционными исследованиями рынка, чтобы получить о них более целостное представление. Эти идеи часто используются для измерения состоятельности бренда на целевых рынках и определения способов повышения эффективности маркетинга.

В динамичной бизнес-среде маркетологам необходимо развиваться в соответствии с меняющимися тенденциями, чтобы поддерживать актуальность бренда. Анализ разговоров в социальных сетях помогает маркетологам не только определять возникающие тенденции, но и оценивать восприятие их  конкурентами.

По мере развития отраслей в них нередко появляются новые игроки, разрушающие существующие взаимоотношения. Компаниям необходимо следить за этим процессом, чтобы оставаться конкурентоспособными. Используя новые инструменты прослушивания, можно узнать о ведущих компаниях на данном рынке,  более детально изучить их отличия.

Благодаря активному социальному слушанию компании могут отслеживать онлайн-разговоры конкурентов, чтобы узнать их маркетинговые стратегии,  тактику и средства их реализации:  введение новых продуктов, ориентацию на категории клиентов, стратегическое сотрудничество, маркетинговые каналы и многое другое. Эту информацию можно использовать для выявления  свои сильных и слабых сторон, определения участкови, требующих улучшения, и соответствующим образом скорректировать маркетинговые стратегии.

Социальное прослушивание позволяет маркетологам находить для своего бренда подходящих влиятельных лиц, которые помогают компаниям расширять охват, укреплять доверие к своему бренду и увеличивать продажи.

Прослушивание социальных сетей является обязательным условием для маркетологов, которые хотят оставаться в числе передовых.

Июнь 2021

Использование проницательности  социальной сети в конкурентной разведке

• Paige Leidig | 10 июня 2019 г. | Executive Insights , аналитика социальных сетей - 

В социальных сетях  все неизбежно меняется – аудитория, ее потребности и, что очень важно, ее отношение к брендам . В результате стратегия должна быть столь же универсальной, чтобы получать информацию в режиме реального времени, в том числе:

• Поведение потребителей (что они покупают, делают, посещают и потенциальные возможности для работы / сотрудничества).
• Актуальные темы (о чем они говорят в отношении вашего бренда)
• Потребительские предпочтения (неудовлетворенные потребности или просто области, на которые в данный момент следует обратить более пристальное внимание)
• Понимание конкурентов (что у конкурентов хорошо, а что не так хорошо, и идеи / услуги, которые можно пропустить через  бета-тестирование*.
• Настроения (насколько потребители относятся к бренду положительно или отрицательно?) Драйверы настроений
  • • *Бета-тестирование (англ. beta testing) — интенсивное использование почти готовой версии продукта (как правило, программного или аппаратного обеспечения) с целью выявления максимального числа ошибок в его работе для их последующего устранения

Принятие решений с помощью социальной аналитики

Большинству брендов склонно быстро двигаться и ломать   устоявшийся порядок, располагая возможностью принятия  решений исключительно на основе точных данных следующего поколения, основанных на искусственном интеллекте .Применяя лучшие в своем классе системы машинного обучения, глубокого обучения и экспертных систем, NetBase* собирает и объединяет социальные сети и дополнительные структурированные и неструктурированные источники данных для интеллектуальной обработки и анализа.

* NetBase – технология создания и управления электронной торговой площадки.

Оттуда бренды могут манипулировать, исследовать и сравнивать это изобилие данных.  Им следует проводить постоянные сравнения с предыдущими результатам, включая прошлогодние продажи, предыдущие кампании, опросы, отзывы и многое другое. Просматривая эту информацию на надежных информационных панелях , бренд может сразу увидеть результат  своего полного онлайн-обзора, чтобы создать пакет производительности, касающийся того, что работает / не работает, а также того, как бренд выглядит по сравнению с конкурентами.

Анализ бренда и конкурентов

Стратегия бренда зависит от точного понимания сложившейся ситуации. И его конечная цель – информированное действие бренда, предполагающее:

• Выявление улучшений в ваших продуктах или услугах
• Наличие стратегии  изменения контента для удержания существующих и привлечения новых клиентов
• Определение лучших каналов для общения
• Сортировку целевой аудитории и определение сегментов
• Определение того, как выстраивать отношения с ключевыми влиятельными лицами и контактами в СМИ.
• Внесение изменений в процесс, расходы или распределение ресурсов
• Разработку новых идей для продуктов и услуг
• Выявление для них новых аудиторий
• Разработка стратегий и кампаний по привлечению клиентов
• Оптимизацию вашего присутствия в Интернете и рекламы на основе того, что потребители говорят о вас и ваших конкурентах.

Все это доступно при соответствующем  анализе социальных сетей, но только после усвоения полученных данных вы сможете превзойти конкурентов в Интернете.

Социальная проницательность и конкурентное преимущество

Объем доступной в социальных сетях информации просто поражает. Отказываясь  от возможности использовать ее для сравнения нескольких брендов по ключевым социальным показателям, мы упускаем   тактические и стратегические конкурентные преимущества, которые может получить кто-то другой. Многие смелые стратегии бренда зародились в социальных сетях, о  чем могут поведать сотрудники Bradley and Montgomery . Глубина аналитики технологии NetBase, основанной на искусственном интеллекте, позволила им предоставлять своим клиентам новые возможности для бизнеса через социальные сети.

Несмотря на все то хорошее, что аналитика социальных сетей предлагает бренду, есть и недостатки, которые следует учитывать. Имеется  множество ненаджных  продавцов инсайтов даже  со стороны влиятельных лиц, которые будут предлагать завышенное количество подписчиков, подтверждая их ненадежными показателями и ссылками на   «предпочтительные» соглашения с социальными платформами, когда их не существует.

Поэтому аналитика социальных сетей – это больше, чем просто сбор подписчиков и лайков в социальных сетях .

Май 2021

Тенденции развития технологий больших данных: анализ патентов и цитируемых научных работ

Understanding the development trends of big data technologies: an analysis of patents and the cited scholarly works

• Tahereh Saheb & Tayebeh Saheb, Journal of Big Data volume 7, (2020)

. В данном исследовании анализируются тенденции развития технологий больших данных*, а также связь между патентной деятельностью и цитируемыми научными работами. В современном мире Big data — социально-экономический феномен, который связан с тем, что появились новые технологические возможности для анализа огромного количества данных. С освоением машин и растущим использованием социальных сетей потребители все чаще генерируют данные о своем поведении и отношениях, которые могут быть использованы для маркетинга и других бизнес-стратегий.

* Big Data – это не какой-либо определенный массив данных, а совокупность методов их обработки. Определяющей характеристикой для больших данных является не только их объем, но также и другие категории, характеризующие трудоемкие процессы обработки и анализа данных.

Входящие в это необъятное собрание  патентные данные – ценный ресурс для понимания динамики и деятельности экосистемы изобретения. Патентные данные считаются ориентированными на результат индикаторами инноваций и отражением технологических и научных изменений, а также  изобретательских процессов. Тем не менее, в некоторых исследованиях подчеркивается, что патентные данные не могут отражать всю экосистему изобретений; таким образом, существует необходимость включения других источников информации, таких как научная литература

Чтобы получить прогнозные данные о развитии технологий на основе патентных данных, количественные методы, такие как библиометрический анализ и анализ социальных сетей, исследуют патенты как основные источники информации для выявления технологических тенденций, их связи с научными данными и выявления скрытых закономерностей. Предыдущие исследования показывают, что анализ социальных сетей, как метод визуализации интеллектуального анализа данных, является лучшим методом по сравнению с другими традиционными методами. В частности, анализ социальной сети выявляет связи и отношения (ребра) между участниками инновационного процесс, которые в патентах представлены  ссылками для цитирования. Методы анализа социальных сетей позволяют  анализировать и визуализировать взаимодействия и связи в сетях совместных заявителей, соавторов, совпадений ключевых слов и научных областей исследования; выявлять скрытые закономерности и тенденции в научных и изобретательских сообществах больших данных.

Методы исследования и сбор данных

В данном  исследовании интегрированы методы библиометрического анализа и анализа социальных сетей, чтобы выявить ключевую динамику, которая определяет модели развития инноваций в области больших данных, скрытых в неструктурированных текстах патентов и научной литературы. Это позволяет измерять эффективность изобретательской деятельности в области больших данных; силу взаимодействия различных агентов внутри социальных сетей.

В дополнение  к этому использовались методы визуализации социальных сетей для выявления сообществ и кластеров в рамках сети изобретательности больших данных (Big Data Inventiveness Network) и цитируемых научных работ; узлов и субъектов, а также связей и ребер (сил взаимодействия) между узлами.  Данные для анализа отбирались на веб-сайте Lens.Это «открытая глобальная кибер-инфраструктура» для инноваций в картографии. База данных Lens содержит 95% мировых патентных документов и ссылки на большую часть научной литературы.

Продуктивность изобретений, связанных с большими данными, резко возросла в 2014 г., составив 491 заявку, а затем постоянно увеличивалась до 2018 г. Число заявителей на патенты увеличилось до 1266 в 2015 г. и резко возосло в 2016 году с 24 29 заявок. Тот же рост продолжился, и в 2017 году было подано 4184 заявки. Однако количество патентов в 2018 году существенно не увеличилось, поскольку в 2018 году было проиндексировано только 4546 заявок. Из общего числа заявителей на патенты было выдано 1158 патентов и только 1247 заявок.

Анализ юрисдикций с наибольшим количеством поданных патентных заявок показывает, что Китай находится на первом месте и лидирует, подав в общей сложности 10 247 патентных заявок на большие данные (т.е. 78% мировых патентных заявок). На втором месте находятся США с 1051 заявкой на патент (т.е. 8% мировых заявок), за ней следует Республика Корея с 875 заявками, что составляет 7% мировых патентных заявок.

Что касается классификации патентов, то  большинство патентных заявок поданы в соответствии с классификацией IPC G06F17 / 30. В этой классификации G относится к физике, а G06F – к обработке электрических цифровых данных. В этот подкласс «обработка» означает обработку или транспортировку данных, а также «оборудование для обработки данных».

Патентное цитирование

Анализ показывает, что только 2,2% из процитированных патентных заявок были научными работами. Количество процитированных работ – 642. Основными цитируемыми учреждениями являются, соответственно, Microsoft, IBM, Стэнфордский университет, Массачусетский технологический институт, Калифорнийский университет, Беркли, Китайская академия наук, Университет Карнеги-Меллона, Hewlett-Packard, Технологический университет Наньяна и Британский университет. Колумбия. Таким образом, основными упомянутыми учреждениями являются американские компании и ведущие американские университеты.

Самая старая статья, цитируемая в патентных заявках, была опубликована российским ученым в 1970 году. Статья называется «Эвристическая самоорганизация в задачах инженерной кибернетики»; она процитирована 6 патентами и опубликована в области инженерной кибернетики и математической оптимизации.

Что касается анализа патентных заявок и научных работ по юрисдикциям, то только 82 заявки (т.е. менее 1%) были отнесены к научной работе в Китае как ведущей юрисдикции с наибольшим количеством патентных заявок на большие данные. . Соединенные Штаты являются второй по величине юрисдикцией с наибольшим количеством поданных заявок. В этой юрисдикции из 1051 заявки только 146 (т.е. 13,89%) относились к научной работе. Из 107 заявок, полученных Европейским патентным ведомством, только 16 (т.е. 14, 95%) относятся к научным работам.

Что касается областей исследования, широко цитируемых в патентах,  то в их число входят информатика, интеллектуальный анализ данных, базы данных, искусственный интеллект и распределенные вычисления. В информатике основными предметами были также программное обеспечение, информационные системы, общая информатика, приложения для компьютерных наук, теоретическая информатика, компьютерные сети и коммуникации, а также аппаратное обеспечение и архитектура, теория вычислений и математика, компьютерное зрение и распознавание образов, а также искусственный интеллект.

Анализ научных работ, цитируемых патентами в социальных сетях

Для проведения анализа научных работ, цитируемых патентами, в социальных сетях  сначала анализировались совпадения ключевых слов. Полученная  сеть состоит из 118 узлов и 1382 ребер. Макет кластеризации был основан на алгоритме модульности, используемом для обнаружения сообществ ключевых слов.

Далее анализировалась   и визуализировалась сеть соавторов, состоящая из 2298 узлов и 6363 ребер. Преобладают аторы и СЩА.

Сеть направлений исследований составила 2110 узлов и 20 802 ребра. Средневзвешенная степень – 27,041; средняя степень – 19,718. Эта сеть показывает, что различные научные области больших данных имеют прочные связи внутри сети. Большинство из этих областей связано с информатикой и инженерией

Обсуждение и вывод

Данное исследование является первой научной работой, в которой представлено всестороннее и глобальное сравнение эволюции инноваций в области больших данных, связи между патентами и научным миром, а также силы взаимодействия агентов в социальных сетях.

Результаты  анализа показывают, что Китай находится на переднем крае подачи глобальных заявок на патенты в области  технологий больших данных. Заявки из США заняли второе место; и только две американские компании входят в список десяти крупнейших соискателей патентов на большие данные; а китайские фирмы и университеты заняли другие восемь ведущих мест. Возглавляет рейтинг китайская компания, количество заявок на которую более чем в два раза превышает количество патентных заявок IBM, занимающей второе место в первой десятке.

Проведенный анализ также показывает, что первый, второй и пятый изобретатели с наибольшим количеством изобретений в области больших данных (соответственно 90, 58 и 55 изобретений) – китайцы; это  показывает, что китайские изобретатели остаются мировыми лидерами в подаче патентных заявок на большие данные. На третьем месте находится индиец с 57 изобретениями, а заявителем всех его изобретений является американская компания Splunk. Компания входит в десятку крупнейших соискателей данных. Следовательно, это указывает на доминирование китайских компаний в подаче патентных заявок и доминирование США в выдаче патентов, а также на то, что большинство изобретелей не являются заявителями на свои изобретения; работая, в основном, на крупные фирмы.

Анализ юрисдикций с наибольшим количеством поданных патентных заявок также показывает, что Китай занимает первое место с 10 247 заявками, поданными в своей юрисдикции (т.е. 78% мировых патентных заявок). А  США подали всего 8% мировых заявок. При этом в 2014 году количество патентных заявок увеличилось на 491; что делает этот год самым плодотворным годом подачи патентных заявок на большие данные.

Что касается цитирования научных работ, то анализ показывает слабую связь между изобретениями и научными работами; поскольку только 2,2% мировых патентных заявок цитируют научные работы. Патенты, поданные в США,  и  Европе имеют наибольшую связь с научными работами по сравнению с другими юрисдикциями (соответственно США с 15% цитированием и юрисдикция Европы с 14% цитирований научных работ). При огромной разнице в количестве цитируемых научных работ Китай процитировал менее 1% патентных заявок. Хотя во всех юрисдикциях существует обязательное правило для ссылки на предшествующий уровень техники, включая научные работы, в Китае из-за отсутствия соблюдения требований о неразглашении информации и практики патентного ведомства, количество ссылок на научные работы очень ограничено.

Результаты анализа также показывает, что китайская электросетевая компания State Grid China, являющаяся крупнейшей в данной отрасли в мире, очень сильно связана с другими заявителями в сети совместных заявителей; в то время как IBM – второй заявитель с наибольшим числом заявок на патенты – имеет слабые связи в глобальной сети; это показывает, что большинство китайских заявителей и изобретателей имеют больше связей в сети, чем американские заявители.

.

Апрель 2021

Средства  аналитики социальных сетей

What Is Social Media Analytics & Why Is It Important …

NET BASE GUID//20 feb. 2021 г – netbasequid.com › blog › wha…

Аналитика социальных сетей (SMA) – это метод сбора данных с сайтов социальных сетей и блогов, а также  их оценки для принятия предпринимательских  -решений.  Маркетологи обычно используют его для отслеживания онлайн-разговоров (сообщений) о продуктах и компаниях. Сайты социальных сетей» включают не только Facebook, Twitter и т.п., но и форумы, сайты обзоров, а также блоги и новостные агентства.  Посредством этих  источников  потребители могут поделиться своими убеждениями, мнениями и чувствами в Интернете.

Интернет находится в постоянном движении, поэтому существует непрерывная  связь с данными, охватываемыми  аналитикой социальных сетей для учета присущих этой среде колебаний. Способность преодолевать онлайн-шум в поисках действенной информации о рынке, конкурентах и ​​потребителях в сочетании с постоянным мониторингом для отслеживания последующих колебаний в разговорах является признаком эффективной аналитики социальных сетей.

Однако аналитика социальных сетей становится сокровищницей потребительских идей только при наличии современных инструментов.

Основные инструменты аналитики социальных сетей.

Социальная аналитика (Social Media Intelligence ) -  представляет собой набор технологических решений и методов, используемых для мониторинга социальных сетей, включая социальные разговоры и новые тенденции.

Прослушивание в социальных сетях (Social Media Listening)

является одним из аспектов аналитики социальных сетей, занятых изучением своей аудитории с целью раскрыть то, что потенциальные клиенты   любят или ненавидят.

Социальный мониторинг (Social Media Monitoring) iнаправлен на отслеживание социальных аудиторий для  предупреждения о назревающих всплесках активности, которые компания не хотела бы упускать, либо о потенциальной катастрофе, которую желательно  избежать.

Социальный конкурентный анализ (Social Competitive Analysis) - это процесс исследования конкурентов корпоративного бренда и их аудитории. Причем он может  применяться не только к своим,  но и к сторонним брендам. Это дает компании  возможность извлекать уроки из ошибок конкурентов и воспользоваться их полезными идеями..

Анализ изображений (Image analysis) - это извлечение значимой информации из изображений ( в основном цифровых) с помощью методов цифровой обработки изображений. Анализ изображений повышает уровень исследования текста, выявляя сцены, выражения лица, логотипы брендов* и многое другое. Он особенно  полезен, когда бренд изображен, но не упоминается явно в тексте.

* Бренд (от англ. brand — «клеймо») — это комплекс ассоциаций, оценочных суждений и представлений о продукте или услуге, который устойчиво заложен в сознании потребителей.

Анализ настроений в социальных сетях

Социальные настроения (Social Media Sentiment ). Анализ настроений * применяется ко всем аспектам аналитики в социальных сетях. Без этого не удастся  понять, почему компания  внезапно получила на 500 тысяч лайков или репостов больше, чем обычно. Такой всплеск может быть как положительным, так и негативным признаком. Единственный способ узнать это – провести анализ настроений.

* Анализ настроений (sentiment analysis) – это  система автоматического извлечения субъективных мнений из текста; он находится на стыке поиска информации и вычислительной лингвистики, которая исследует не столько содержание текста, сколько его тональность.

Этот уровень аналитики социальных сетей использует обработку естественного языка (NLP), чтобы понять, являются ли разговоры в социальных сетях положительными или отрицательными, и измерить силу этих эмоций.

Аналитика пользовательского опыта

Пользовательский опыт* объединяет аналитические данные о прослушивании в социальных сетях отзывов на веб-сайтах, сообщений в чате, а также  данные из внутренних систем с отображением голоса клиента (VoC)**-  таких как колл-центр, справочный центр и веб-поддержка –  собранные с помощью инструментов управления взаимоотношениями с клиентами  (CRM)**.

* Пользовательский опыт (user experience) относится к взаимодействиям между посетителем корпоративного  сайта/приложения и программным обеспечением,

**Voice of the Customer (англ. Голос клиента, Голос потребителя) – это метод исследования ожиданий и нужд пользователей. 

*** Система управления взаимоотношениями с клиентами — прикладное программное обеспечение для организаций, предназначенное для автоматизации стратегий взаимодействия с заказчиками (клиентами), в частности для повышения уровня продаж.

Социáльная инженерия

• Социальная инженерия ( Quid Social) – это метод управления действиями человека без применения технических средств. Он основанный на использовании слабостей человеческого фактора и осуществляет психологическое манипулирование людьми с целью совершения определенных действий. Социальная инженерия органично сочетается с анализом социальных сетей NetBase*, обеспечивая  контекстуализированную социальную аналитику.
• * NetBase - это интегрированный инструмент управления социальными сетями и прослушивания. Он позволяет пользователям публиковать, отслеживать, анализировать результаты и взаимодействовать со своими подписчиками

Социальная инженерия  решает проблемы, с которыми пользователи сталкиваются при объединении результатов анализа социальных сетей из разрозненных источников, предлагая одноразовое решение.

Одним из основополагающих принципов анализа социальных сетей является обнаружение и удовлетворение потребностей клиентов. Поэтому  эта способность фиксировать возникающие разговоры в ответ на социальные или рыночные стимулы позволяет брендам быстро функционировать и увеличивать значимость голосовой реакции до того, как другие бренды получат шанс сделать то же самое. И все это проявляется  в виде растущего положительного восприятия бренда в социальных сетях.

Но изучение разговоров в социальных сетях для анализа рынка, конкуренции и потребителей – это еще только полдела. Остальная часть усилий пойдет на то, что вы будете делать с этой информацией,

Ориентация анализа социальных сетей на потребителя. Самое главное – это направить все  инструменты аналитики социальных сетей на потребителя,  стимулируя взаимодействие между вашим брендом и аудиторией посредством перехода от ранней осведомленности к постоянным контактам клиентов с корпоративным брендом.

Постоянное взаимодействие с потребителями имеет решающее значение, так же как и создание репутации,  предлагая им свежие инновации при возникновении новых потребностей.

Восприятие  брендом потребительских нужд. Бренд – это совокупность всех точек соприкосновения и взаимодействия потребителей с брендом, помимо сообщений, исходящих непосредственно от компании.  Бренд постоянно стремятся повлиять на положительные настроения потребителей.   Умные бренды делают шаги на основе аналитики социальных сетей, чтобы подтолкнуть потребительские настроения к поддержке его ривлекатильности.

Когда разразилась пандемия COVID-19,  ресторан быстрого питания в США Chick-fil-A немедленно отреагировал , пожертвовав 10,8 миллиона долларов на усилия по борьбе с.

Максимальное количество запусков продуктов. Аналитика социальных сетей помогает брендам узнавать о новых тенденциях, информируя клиентов о необходимых им продуктах и ​​услугах.  Она также позволяет брендам оперативно  узнавать, что влияет на их решения о покупке. Это  позволяет отделам маркетинга накапливать более персонализированный и актуальный маркетинговый опыт. 

Совершенствование антикризисного управления. Нужно    осваивать технологии, которыми аналитика социальных сетей сможет направлять бренды в период кризисов. Их внезапный характер указывает на необходимость умения аналитики социальных сетей оперативно   реагировать на кризисные ситуации.   Здесь особо важен   социальный мониторинг, чтобы уловить неправильное восприятие клиентами происходящих перемени подсказать, как реагировать на потенциальные кризисы.

Разумное инвестирование. Для организации эффективной аналитики социальных сетей необходимо рациональное  инвестирование требуемого  набора инструментов для выполнения названных выше функций. Лишь только таким путем можно обеспечить технологический прорыв, необходимый для поддержания  конкуренции на глобальной арене.

Конкурентный анализ в социальных сетях

How to Conduct a Social Media Competitive Analysis (Free Template)…. Christina Newberry February 5, 2020.- https://blog.hootsuite.com › co…

Конкурентный анализ представляет собой исследование деятельности  конкурентов, выявление их сильных и слабых сторон  и сопоставление их с показателями своей организации. Для сопоставления выделяются лидеры в данной отрасли, которые могут стать ориентирами собственного развития. В данном случае имеется в виду:

- определение своих конкурентов о в социальных сетях;

- установление социальных платформ, на которых  они работают;

- изучение способов их использования;

- оценка эффективности работы их социальной стратегии;

- сопоставление собственных социальных результатов с результатами конкурентов;

- выявление социальных угроз для собственного бизнеса;

- нахождение пробелов в стратегии своей деятельности в социальных сетях.

Социальные сети превратились в  конкурентное пространство, которое используется сегодня подавляющим большинством брендов* для повышения своей осведомленности.

* Бренд, или иногда брэнд — комплекс представлений, мнений, ассоциаций, эмоций, ценностных характеристик о компании, продукте либо услуге в сознании потребителя..

Способы проведения  конкурентного анализа в социальных сетях

Процесс проведения конкурентного анализа в социальных сетях можно разделить  на четыре этапа, которые подойдут для любого бренда..

1. Определение своих конкурентов.

Определение  своих конкурентоспособных ключевых слов. Имеются  в виду ключевые слова, по которым  бизнес своей компании пытается идентифицироваться в поисковых системах. Вдумчивое составление  Тщательное понимание своего  списка ключевых слов поможет компании сформировать четкое представление о том, с кем она действительно конкурирует в Интернете.

Отличным помощником при составлении такого списка может стать  Планировщик ключевых слов Google Adwords * , который бесплатно отберет ключевые слова,  наиболее подходящие бренду компании. Воспользовавшись  инструментом для анализа своего  сайта, можно   получить список ключевых слов, релевантных бизнесу компании, а также среднее количество запросов в месяц и предполагаемый уровень конкуренции.

*Google keyword planner ― это профессиональный инструмент подбора ключевых слов для продвижения сайта, канала на YouTube, размещения контекстной рекламы.

Определение брендов, ранжируемых  по отобранным ключевым словам. Ввод в Google пяти или десяти ключевых слов, наиболее релевантных вашему бизнесу, позволит определить главного конкурента в сети. Особое внимание следует уделить работе в социальных сетях тем брендам, которые платят за рекламу Google для повышения их поискового рейтинга.

Затем следует пройтись по  веб-сайтам любых брендов, которые кажутся потенциальными конкурентами. Большинство компаний ссылаются в колонтитулах веб-сайтов на свои социальные каналы. Ссылки на их профили в социальных сетях рекомендуется ввести в свою таблицу конкурентного анализа.

Нахождение  брендов, появляющихся в социальных сетях по отобранным .  ключевым словам. Бренды, которые Google ранжирует  по отобранным ключевым словам, не обязательно совпадают с теми, которые самостоятельно занимают хороший рейтинг  в социальных сетях. Однако при  конкурентном анализе в социальных сетях необходимо знать, кто там занимает первые места по результатам поиска.

Определение сходных  брендов, к которым  обращается ваша аудитория. Статистические подразделения рекламных кабинетов Facebook Audience Insights и Twitter Analytics могут  проанализировать по своим данным разные   аудитории, установив, какими брендами интересуется ваша аудитория в данных социальных сетях. Если эти бренды сходны с вашим, стоит рассматривать их как потенциальных конкурентов.

Выбор конкурентов, заслуживающих особого внимания.  Неподъемный список потенциальных конкурентов следует сузить до трех-пяти ведущих брендов, с которыми вы наиболее тесно конкурируете в социальных сетях,  поскольку они больше всего подходят данной целевой нише.

2. Сбор информации о конкурентах

Для этого требуется перейти в социальные сети каждого из главных брендов, которые вы определили как главных конкурентов, воспользовавшись вышеупомянутыми ссылками в  колонтитулах их веб-сайтов.  Следует установить: в каких социальных сетях они представлены, насколько велико количество их подписчиков и как быстро оно увеличивается, кто их главные последователи, какова социальная доля их голоса, какие хэштеги они используют чаще всего и др.

Большую часть этой информации можно найти, просто щелкнув по социальным профилям вашего конкурента. Для более удобного сбора данных можно воспользоваться инструментами,  которые упоминаются ниже.

Шаг 3. Проведение SWOT-анализа.

Собранные  данные необходимо  подвергнуть SWOT-анализу*, чтобы определить свою позицию по сравнению с конкурентами, найти  потенциальные способы улучшения своей стратегии и опасности, которых следует избегать на этом пути.

* SWOT-анализ — метод стратегического планирования, заключающийся в выявлении факторов внутренней и внешней среды организации и разделении их на четыре категории:

SWOT-анализ поможет внимательно изучить свой бизнес и противостоящую ему конкуренцию, сопоставив его  сильные и слабые стороны, возможности и угрозы. Важно знать, что сильные и слабые стороны связаны с внутренними факторами вашего бренда, которые вы могли бы улучшить. А возможности и угрозы основаны на внешних факторах: событиях, происходящих в окружающей конкурентной среде, которую надлежит проанализировать..

4. Мониторинг социальных сетей.

Результаты  своего  конкурентного анализа в социальных сетях надлежит регулярно пересматривать. Для этого  потребуется постоянное снабжение актуальной информацией на основе надежной стратегии мониторинга социальных сетей, которая  обеспечит поставку необходимых данные для  использования в последующем анализе.

Ниже предлагаются некоторые инструменты, которые можно  использовать для мониторинга социальных сетей. .

Buzzsumo поможет найти наиболее распространенный контент у ваших конкурентов. Это поможет продумать как возможности (например, новые типы контента), так и угрозы (области, в которых конкуренция становится доминирующей).

Hootsuite Streams позволяет отслеживать ключевые слова конкурентов и хэштеги в каждой социальной сети .

Brandwatch предлагает несколько мощных инструментов конкурентного анализа. Одна из самых важных – это понятная графика, показывающая социальную долю голоса данного бренда. Это мера того, сколько людей говорят о вашем бренде в Интернете по сравнению с тем, сколько они обща с  вашими конкурентами.

Компания  может создать свою собственную электронную таблицу, чтобы отслеживать всю информацию, которая  собиралась о время конкурентного  анализа в социальных сетях.

Март 2021 года

Современное состояние аналитики интеллектуальной собственности

Leonidas Aristodemou∗, Frank Tietzentellectual // Property and Innovation Management (IIPM) research group, Centre for Technology Management (CTM), Institute for Manufacturing (IfM), Department ofEngineering, University of Cambridge, United Kingdom// World Patent Information, Volume 55, December 2018,

Во всех сферах производственной деятельности становятся все более доступными большие данные, которые  представляют ценность для принятия решений и разработки стратегий по обеспечению конкурентоспособности экономики с использованием следующего поколения инновационных технологий. С оцифровкой патентных данных крупнейшее в мире хранилище технической информации стало быстро доступным при резком снижении затрат.

За последние два десятилетия, с развитием искусственного интеллекта (ИИ) и увеличением использования методов машинного обучения (МО) и глубокого обучения (ГО), в аналитике содержащейся в этих данных информации об интеллектуальной собственности произошли большие  изменения. В этой  статье представлены результаты обзора литературы, в которой  продолжается обсуждение подходов к использованию этих методов для анализа данных об интеллектуальной собственности .

Содержание аналитики интеллектуальной собственности

Аналитика интеллектуальной собственности (АИС) – это наука,  посвященная анализу больших объемов информации об интеллектуальной собственности с целью  обнаружения взаимосвязи, тенденций и закономерностей в анализируемых данных для принятия решений. Она предполагает  мультидисциплинарный подход, использующий математику, статистику, компьютерное программирование и исследование операций для получения ценных знаний, которые обеспечивают  принятие решений, основанных на предпринимательском контексте.

Процесс анализа патентных данных включает три этапа. Сначала производится отбор данных, извлечение из них информации, ее очистка, корректировка и пополнение. Дальнейшая обработка данных проводится с использованием различных методов классификации, кластеризации и выявления из информации значимых идей. На завершающем этапе постобработки, также известном как обнаружение знаний, результаты этапа обработки визуализируются и оцениваются для обоснования  принятия стратегических решений.

Содержание обзора

В статье  обобщаются проводимые работы, особенно в области применения в области интеллектуальной собственности методов искусственного интеллекта, таких как машинное обучение, искусственные нейронные сети и глубокое обучение. Для поиска наиболее актуальных статей или публикаций  в прессе по аналитике интеллектуальной собственности и патентной аналитике была выбрана база данных Scopus.

Поиск проводился  сначала преимущественно по ключевым словам и терминам «патент», «патентные данные», «патентный анализ» и «данные интеллектуальной собственности». Затем он сужался  сужался до документов, которые также содержат термины «машинное обучение», «модели машинного обучения», «нейронные сети», «глубокое обучение» и «искусственный интеллект». . Чтобы сосредоточиться на недавней литературе, поиск ограничен статьями, опубликованными после 2000 года, а также областями бизнеса, информатики, инженерии, социальных наук и математики. В результате поиска, начиная с 8 января 2018 г., было найдено 90 документов. После ручного скрининга осталось 57 статей, которые составляют основу этого обзора.

Результаты библиографического анализа.

Количество статей по избранной тематике увеличилось за последние несколько лет, достигнув пика в 12 статей, опубликованных в 2017 году. Наблюдается тенденция к увеличению количества публикаций, а также  количество цитирований, полученных на одну статью в год, указывающих на растущий интерес к этой конкретной области. Большинство статей посвящено компьютерным наукам (29%), за ними следуют социальные науки (14%), бизнес, менеджмент и бухгалтерский учет (12%) и инженерия (8%).

Из проанализированной информации очевидно, что Азия является ведущим континентом в использовании  методов машинного обучения применительно к патентным данным. В тройку лидеров входят Тайвань, Южная Корея и Китай. Заметный вклад также сделали  ученые США, Германии, Сербии,  Испании и Бельгии.

Кроме того, в обзоре  представлены 10 ведущих журналов, в которых публикуются соответствующие статьи. Два ведущих журнала, на которые приходится 30% статей (по 15% каждый, этоTechnological Forecasting and Social Change и   Scientrometrics. За ними следуют Expert Systems With Applications, World Patent Information и Sustainability Switzerland .

Методы аналитики интеллектуальной собственности

В изученных публикациях рассматриваются  преимущественно методы и подходы искусственного интеллекта  для анализа данных интеллектуальной собственности и – более конкретно –  патентных данных. Большинство выявленных в литературе статей сосредоточено вокруг искусственных нейронных сетей (neural networks (ANN) и метод обратного распространения ошибки (backpropagation), за которым следует метод опорных векторов (SVM, support vector machine), а также условные случайные поля (conditional random fields (CRF)).Большинство статей посвящено методам классификации, а некоторые сочетают методы кластеризации и классификации.

В   обзоре выделяются четыре категории, в которых реализовано использование методов искусственного интеллекта по отношению к  данным об интеллектуальной собственности. Первая категория – это управление знаниями, при этом ряд ученых сосредоточили внимание на оценке патентов и классификации их качества. Вторая категория – это управление технологиями, включая технологическую патентоспособность; планирование НИОКР в организациях; технологический анализ, включая мониторинг технологических изменений, идентификацию и прогнозирование новых технологий. Третья категория – это экономическая ценность интеллектуальной собственности (в данном случае – патентов) и ее влияние в других областях, например в законодательстве. Четвертая категория – это гибридная категория, которая включает извлечение информации и эффективное управление информацией. Границы между этими категориями проницаемы, а сами категории порой  перекрываются ввиду их  взаимосвязи, и одна статья может входить в несколько других категорий.

Управление знаниями

Для поддержки точного управления знаниями разработана методология классификации документов и поиска на основе технологии нейронных сетей, которая помогает компаниям более эффективно управлять патентными документами. При управлении инновациями это помогает компаниям оценивать права интеллектуальной собственности и качество патентных документов для разработки инновационных продуктов и выявления новейших технологических тенденций.

С использованием патентных транзакций нейронной сети обратного распространения производится  классификация  патентов по их качеству с точностью до 85%. Кроме того, предлагается подход к управлению знаниями с использованием алгоритма искусственной нейронной сети на основе онтологий для автоматической классификации и поиска документов знаний, что стимулирует разработку новых продуктов.

Акцент на качество патентов также очевиден в разработке метода автоматического  анализа качества патентов и системы квалификации, которая основана на комбинации самоорганизующихся карт (self-organising maps), анализа основных компонентов ядра (kernel principal component analysis) и метод опорных векторов ( SVM, support vector machine) . Чтобы улучшить использование предшествующих знаний в дополнительных инновациях, используется гибридный модуль min-max (M3) и векторный машинный классификатор для повышения эффективности обучения по японским патентам. Кроме того, качество патентных заявок оценивается с помощью комбинированного подхода машинного обучения и интеллектуального анализа текста, который вычисляет балл патентоспособности. Оценка патентоспособности определяет вероятность того, что заявка на патент будет одобрена патентным ведомством.

Управление технологиями

Управление технологиями – это набор управленческих дисциплин, который позволяет организациям управлять своими технологиями для создания конкурентных преимуществ . Выявление технологических тенденций важно для лиц, принимающих решения по управлению НИОКР. Для этого  предложена методология повышения прозрачности воздействия технологий, основанная на количественном анализе перекрестного воздействия. Этот метод показывает текущее влияние технологий и тенденции НИОКР конкурентов организации посредством сравнения их с влиянием технологий и тенденциями воздействия собственных НИОКР организации и оценивая влияние различных технологий.

В работах обсуждаются преимущества и ограничения подходов машинного обучения к патентному анализу на отраслевом уровне, а также  предлагается  классификация с использованием полнотекстовых описаний изобретений, чтобы создать общее представление о патентовании в отрасли. Таким образом, появляется возможность  определять тенденции в технологиях и прогнозировать их будущее.

Отмечается полезность  визуального воздействия эволюции технологических тенденций. Для этого используют нейронную сеть с растущей структурой клеток в сочетании с алгоритмом Гирвана-Ньюмана, чтобы построить карту, которая визуализирует технологическую эволюцию и показывает тенденции развития в технологической области. Кроме того, анализ жизненного цикла технологий важен для инвестиционных стратегий предприятий, как и мониторинг технологических тенденций. Для этого  предлагают стохастический анализ жизненного цикла технологии, который использует несколько патентных индикаторов для изучения развития технологии на протяжении ее жизненного цикла.

Способность прогнозировать технологические инновации тесно связана с выявлением технологических тенденций. Для решения этой задачи  сначала строят статистические модели, используя методы регрессии временных рядов и множественной линейной регрессии, чтобы создать карту технологий, а затем выполняют  кластеризацию для поиска свободных технологических областей. При этом используют анализ социальных сетей для поиска технологий, имеющих ключевое значение, например, для будущего разработок  Apple. Наличие новых технологических возможностей – важная переменная, которая может привести к доминированию на конкурентном рынке.

В этом контексте предлагают методологию прогнозирования конвергенции нескольких технологий, основанную на анализе цитирования патентов, матрице структуры зависимостей и анализе нейронных сетей. Методология позволяет планировать технологическое развитие будущих комбинаций технологий. Прогнозирование количества патентных заявок также является важным фактором, позволяющим увидеть развитие технологической области. Для этого  предлагают подход с использованием  опорных векторов для определения кластеров и прогнозирования технологий с помощью патентного анализа

Разрабатывается аналитическая методология интеллектуальной собственности для изучения портфелей и эволюции патентов в области производства биодобавок, для поддержки принятия решений и стратегического планирования. Предлагается метод, основанный на тематическом моделировании прошлых и текущих тенденций технологического развития для выявления технологий, которые могут стать прорывным. Нейросетевой подход обеспечивает выявление новых технологий на ранних этапах с использованием нескольких патентных ссылок. Приведенный перечень иллюстрирует, но далеко не исчерпывает всего содержащегося в публикациях разнообразия технологических новаций.

Экономическая ценность интеллектуальной собственности

Применяя методологии вычислительного интеллекта, такие как искусственные нейронные сети, оценка экономического развития может быть определена на основе различных научных и технологических факторов. Разработана  и применяется Машина для экстремального обучения  (ELM) для прогнозирования темпов роста валового внутреннего продукта (ВВП). Предлагается количественная модель прогнозирования корпоративной эффективности, в которой применяется алгоритм регрессии опорных векторов (support vector regression - SVR) для прогнозирования корпоративной эффективности на основе как финансовых, так и технических(патентных) данных.

Кроме того, в группе исследований фармацевтической промышленности США ряд ученых применяют искусственные нейронные сети для изучения влияния количественных и качественных показателей патентов на стоимость корпоративного рынка. Аналогичным образом исследуется нелинейное влияние размера фирмы, прибыльности и производительности сотрудников на количество цитируемых патентов. Анализ патентов в области нанотехнологий осуществляется с помощью ряда алгоритмов классификации, чтобы определить влияние различных факторов на стоимость патента с выделением  самых эффективных.   Ученые, сосредоточившие  свои исследования на патентном праве,  предложили модель, основанную на расширенной нейронной сети, для оценки денежно-правовой стоимости патентов. Она используется при компенсации ущерба по иску о нарушении патентных прав.

Извлечение и эффективное управление информацией

Извлечение и эффективное управление информацией являются фундаментальными системами системы управления любой фирмы. Исследования в этой области в основном сосредоточены на трех темах: (1) извлечение и распознавание химического названия, (2) извлечение и идентификация цифр и (3) эффективное управление совокупностью информации. Для поиск этих элементов в патентах  предложен  подход машинного обучения, основанный на условных случайных полях (Conditional random fields (CRFs).

Для автоматического извлечения концептуальной информации, описывающей содержание изображения в патентах используется подход,  основанный  на структуре машинного обучения с учителем,. Аналогичным образом применяется  ряд алгоритмов графического распознавания фигур в патентах.

Для эффективного анализа инноваций важны патентные классификации. Здесь применяется интерактивный алгоритм классификации патентов, основанный на слиянии нескольких классификаторов и активном обучении, или  иерархический метод обработки естественного языка в сочетании с машинным алгоритмом опорных векторов, который позволяет автоматически идентифицировать и классифицировать наборы патентных данных по технологическим областям.

Разработан метод машинного обучения, который позволяет автоматически идентифицировать научные ссылки, а также  новый метод анализа интеллектуальной патентной сети и построения  визуальной сети, которая обеспечивает автоматизированную процедуру поиска патентных документов, извлечения из них ключевых слов и определения веса каждого ключевого слова патента в для создания сложной визуализации патентной сети.

Важность социальных сетей для инноваций и производства

The importance of social networks for innovation and…
- ourworldindata.org›social…innovation…productivity

В 2018 году Пол Ромер получил Нобелевскую премию по экономике «за интеграцию технологических инноваций в долгосрочный макроэкономический анализ». В основе его вкладов лежало наблюдение: распространение идей способствует экономическому росту и росту производительности труда. Это  заставило экономистов задавать новые вопросы о факторах роста. Откуда берутся идеи, как они распространяются ? И их выводы показывают, что социальные сети играют здесь ключевую роль, способствуя  распространению идей среди людей и компаний, позволяя знаниям путешествовать дальше и быстрее.

Знания отличаются от многих материальных ценностей тем, что они могут использоваться многими людьми одновременно; таким образом, распространение знаний обеспечивает рост производительности, который распространяется на все общество. Осуществляется это с помощью патентов, используемых для регистрации интеллектуальной собственности на новые изобретения. При подаче заявки на патент изобретатели должны включить список цитат, показывающих, что  технологическое развитие основывается на результатах более ранних патентов: патентное цитирование – это «бумажный след», оставляемый идеями по мере того, как они путешествуют, развиваются и делают возможным порождении  новых идей.

Один из первых анализов цитирования патентов в контексте распространения знаний был проведен Адамом Яффе и др.в статье, опубликованной в Quarterly Journal of Economics в 1993 году. Он показал, что в новых патентах непропорционально больше вероятность цитирования предыдущих местных патентов. То-есть, ссылки на патенты сильно географически сконцентрированы: вероятность цитирования в три-четыре раза выше из того же государства, что и патент, содержащий ссылки. это согласуется с идеей о том, что социальные связи и близость действительно имеют значение для распространения инноваций.

Последующие исследования подтвердили, что как совместное размещение, так и совместная этническая принадлежность увеличивают вероятность обмена знаниями между изобретателями. Совместное размещение увеличивает вероятность потока знаний на 24% . Следовательно, близость и социальные сети действительно имеют значение для инновационного развития. Причем . ⁴социальные связи имеют значение для передачи знаний даже после того, как мы учтем прочие  факторы.

В статье М. Бейли,  опубликованной в 2018 году в Journal of Economic Perspectives , было проведено  объединение патентных ссылок с  записи с данными Facebook. При этом  обнаружилось, что социальная связь между округами США (измеренная частота связей Facebook между округами) предсказывает вероятность ссылок на патенты между округами. Это верно даже после учета технологического класса патентов и географического расстояния между округами.  Это означает, что вероятность того, что изобретатель будет опираться на работу другого изобретателя в другой части страны, может быть частично объяснена тем, насколько хорошо связаны их социальные связи, даже с учетом географического расстояния и других демографических факторов.

Последствия этого результата имеют большое значение в век Интернета. Развитие новых коммуникационных технологий, таких как рост социальных сетей , открыло новые возможности для создания и поддержания социальных связей, и это, вероятно, оказало положительное влияние на передачу знаний. В глобальном масштабе общий объем производства на душу населения сегодня в 4,4 раза больше, чем в 1950 году (даже с учетом инфляции). Это было достигнуто в течение периода, в течение которого люди, как правило, работали меньше часов .

Теперь мы производим больше, работая меньше. Отчасти это связано с новыми машинами и технологиями, но также и с тем, что у нас есть новые общие знания о том, как работать более эффективно. Одним из важных способов повышения материального уровня жизни является инвестирование в цифровые коммуникационные технологии. Это снижает затраты на создание и поддержание личных и профессиональных связей, способствуя  распространению идей и знаний исоздавая положительные побочные эффекты производительности.

Конкурентная разведка в социальных сетях

• Competitive Intelligence in SEO & Social Media/Loren Baker – the Founder of SEJ, an Advisor at Alpha Brand Media – searchenginejournal.com›competitive-intelligence…

Нынешнее стремительном развитии цифровой экономики и онлайн-маркетинга сопровождается появлением  все новых торговых точкек типа Facebook,  Foursquare и Twitter; социально- ориентированных службы  по конкретным дисциплинами;   обмена информационным контентом между блогами и сайтами  (guest blogging),  PR-стратегии (структурированных действий, направленных на продвижения проекта/ компании на рынке посредством работы с целевой аудиторией ) и т.д. Анализ состояния и тенденций развития в этой подвижной и динамичной среде становится все  более актуальным и трудоемким элементом  работы служб конкурентной разведки (КР).  Они теперь призвана, наряду спрочим, проводить  сопоставительный анализ эффективность брендов соперников в социальных сетях – с последующим мониторингом их дальнейшей деятельности. Как это делается?

Сотрудники служб КР, уже погрузившихся в работу социальных сетей,  подписываются на блоги конкурентов. Таким образом они получают сведения о выпусках новых продуктов по мере их появления и о всех прочих  сообщениях компаний, а также и о комментариях к ним, в режиме реального времени. В дополнение к этому необходимо подписаться на поисковую услугу Google Alerts для оповещения об информации , появляющейся на блоге требуемого конкурента. Хотя поступающие от   Google сообщения ограничены и недостаточно надежны, они помогаю получать  ежедневный дайджест, уведомляющий пользователя  о любых предпринимаемых конкурентом крупных шагах и новых потенциальных угрозах.

Определение видов конкуренции

Первым шагом в оценке онлайн-конкурентов является проверка результатов поиска по наиболее актуальным  для пользователя ключевым словам,  не  всегда отличающихся частотой встречаемости или  наибольшим объемом. Важно выходить  на ключевые слова, за которыми скрывается  больше всего продаж, потенциальных клиентов или телефонных звонков.

Сравнивая сайты-конкуренты, соперничеств с которыми выявлено по разным группам ключевых слов, можно более или менее точно определять и учиться их отслеживать. Вот, например,  некоторые типы сайтов, которые могут не отображаться по содержавшимся в запросе основным ключевым словам, но их необходимо отслеживать.

Партнерские сайты – ваши конкуренты.

Имеются в виду не только сайты, на которых размещается партнерская реклама ваших конкурентов, но также и ваша. Потому что. Если эти занимают позицию выше сайта вашей компании, они вынимают деньги из вашего кармана (или кармана поисковой службы), увеличивая трафик и продажи.

Локальная конкурентная разведка

Теперь, когда вы определили сайты, за которыми необходимо следить в рамках вашей конкурентной стратегии разведки, начните изучать факторы на местах, которые помогают им ранжироваться в поисковых системах. Вы можете обнаружить не только то, что они делают правильно, но и то, что вы делаете неправильно. При составлении отчета о конкурентной разведке предлагается включать в отчет свой сайт результаты  исследования на своем собственном сайте. При этом необходимо:

- отслеживая структуру URL-адресов и структуру именования файлов конкурентов, определить лучший маршрут для получения конкурентного преимущества перед другими компаниями.

- на каком языке кодируется сайт и  есть ли конфликты в языке программирования или отдельных IP-адресах? Эта информация жизненно важна для конкурентной разведки SEO.

- отслеживает ли конкурент поведение пользователей и обращение к услугам Google Analytics, Hitbot, Omniture? Изучение их систем аналитики помогает понять, сколько информации они собирают от своих посетителей и продвинута их команда поисковой оптимизации (SEO) и др..

Внешние конкурентные элементы поисковой оптимизации

Тактика вне сайта может содействовать  конкурентному преимуществу, подняв сайт с нижней части первой страницы в Google до трех лидирующих позиций по привлечению трафика.

Наблюдая за тактикой внешней поисковой оптимизации(SEO) и тактикой в ​​социальных сетях, можно можете получить полное представление о стратегиях построения ссылок, которые используют конкуренты, их участии в блогах, сайтах, которыми они могут владеть.  Можно также узнать, используют ли эти сайты  социальные сети и направляют ли  их на свой основной сайт, пользуясь платными ссылками и т.д.

Все эти факторы имеют прямое влияние на рейтинг в поисковых системах. Изучив их, вы не только узнаете, что делают ваши конкуренты, но и в чем их упущения. Выявив эти пробелы или, напротив,  гениальные находки, и применив их в своей маркетинговой стратегии, вы сможете добиться еще большего успеха в своей отрасли.

Приступив к изучению маркетинговой стратегии конкурентов, следует установить:

- какие методы  SEO используются или игнорируются  конкурентами.

- каково количество входящих ссылок на каждый из проанализированных веб-сайтов; как правило, чем больше ссылок и чем больше релевантность – тем лучше; поисковые системы, такие как Google, используют входящие ссылки, чтобы помочь сформировать общий уровень авторитета веб-сайта.

- активно ли они используют социальные сети для продвижения своего бизнеса? Обеспечили ли они там безопасность своего бренда? Они распространяют онлайн-видео? Это поможет составить план работы в социальных сетях, а также выявить конкурентные преимущества, которые вы можете использовать в своих интересах.

- каков состав входящих платных ссылок на сайты ваших конкурентов из боковых панелей Windows, рекламы на газетных сайтах или плохо оплачиваемых ссылок в нижних колонтитулах; это  может дать вам некоторое представление о том, на кого  они нацелены и кто с ними работает.

- каковы показатели сайта конкурента и его трафика:, оцените трафик конкурентов с точки зрения посетителей, времени, проведенного на сайте, основных участник партнёрской программы и другой информации, полученной с помощью сторонних инструментов и др.

Может показаться, что эта работа требует большого объема информации. Но в конечном итоге, документируя эту информацию сейчас, вы будете иметь точное представление о тактике, которую используют ваши конкуренты по поиску нужных сведений и что остается вне поля их зрения.

2020 год

Новые рефераты в 2020 году

-Связь между экономическим развитием страны  и патентами/ноябрь

-Всемирный рынок патентно-аналитических услуг/октябрь

- Анализ патентных ландшафтов с обработкой естественного языка/ сентябрь

- Разведка конкурентов с использованием искусственного интеллекта/июнь

- Развитие предпринимательской аналитики с использованием искусственного интеллекта/май

- Искусственный интеллект в рекламной аналитике/май

- -Применение искусственного интеллекта и машинного обучения для анализа патентных данных //апрель-

- Технологии искусственного  интеллекта революционизируют патентный анализ/апрель

-Тенденции патентования технологий в технологических кластерах//апрель

- Патентные тренды. Индустрия искусственного интеллекта.//апрель

-Повышение уровня  конкурентного  анализа   с использованием искусственного интеллекта/март

- РЫНОЧНАЯ АНАЛИТИКА   И КОНКУРЕНТНАЯ РАЗВЕДКА С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА / март

- Дополненная аналитика – будущее аналитики данных/февраль

- Совершенствование конкурентной разведки за счет искусственного интеллекта/февраль

- Оптимизация  мониторинга конкурентов с использованием  искусственного  интеллекта/ январь

-Что такое расширенная аналитика?/январь

Содержание рефератов

Ноябрь 2020 года

Связь между экономическим развитием страны  и патентами

Innovation at country-level: association between economic development and patents. Viju Raghupathi & Wullianallur Raghupathi - innovation-entrepreneurship.springeropen.com›…

Связь патентов с экономическим ростом возникает из-за того, что усиление патентных прав положительно влияет на инновации за счет экономичных технологий и разработки новых продуктов, что, в свою очередь, способствует экономическому росту.

Инновации – это ключевой фактор развития технологий и экономического роста. Он обеспечивает средства удовлетворения требований текущего рынка и потенциальных потребностей будущих рынков. Инновации достигаются за счет более эффективных продуктов, процессов, услуг или технологий, которые легко доступны на текущем рынке. Национальные политики все больше осознают и признают инновации как ключевой фактор экономического роста. Многие страны-члены ОЭСР (Организация экономического сотрудничества и развития) внедрили стратегии и политику, направленные на повышение инноваций и экономического развития. . Связь между административными или институциональными правилами и инновациями осуществляется через права интеллектуальной собственности (например, патентное и авторское право).

В данном  исследовании основное внимание уделяется патентам по технологиям. Преобладающая часть исследования основывалась на материалах 2010 года в  сопоставлении, при необходимости? С более поздними данными и отсылками на показатели информационных агентств (Bloomberg и др.)

Экономические показатели включают переменные, которые охватывают финансовые, трудовые, научно-исследовательские и образовательные компоненты экономики. ВВП на душу населения измеряет общий объем производства страны: он берет валовой внутренний продукт и делит его на численность населения страны. В исследованиях, включающих сравнения на уровне страны, это очень важно, поскольку отражает относительную эффективность. . Индекс стоимости рабочей силы является важным показателем, который учитывает изменения цен, а также изменения в составе и характеристиках затрат труда. В число прочих показателей входят: Реальная минимальная заработная плата, Налоговые поступления в процентах от ВВП, Отношение охвата образованием к общей численности населения и др.

Показатели инноваций включают патентную статистику, извлеченную из патентов по категориям технологий. Договор о патентной кооперации (PCT) предлагает единую процедуру подачи патентных заявок с целью защиты интеллектуальной собственности каждого из его участников. Заявка на выдачу патента РСТ на 10 000 жителей представляет собой количество заявок на 10 000 жителей, поданных в рамках РСТ. Патенты, принадлежащие иностранным резидентам, представляют собой патенты, которые выдаются изобретателям, не являющимся резидентами страны, в которой подана заявка. По ряду экономических причин изобретатели могут подавать заявки на патенты в стране за пределами страны их проживания. Патентные заявки по РСТ по технологиям Сектор включает в себя количество патентных заявок для различных секторов, таких как химия / металлургия, электроэнергетика, потребности человека, стационарное строительство, машиностроение / освещение / отопление, выполнение операций / транспорт, физика и текстиль / бумага.

Распределение заявок по странам. Такие страны, как США, Япония, Германия, Корея и Франция, имеют большое количество патентных заявок в рамках РСТ (> 10 000), что указывает на значительный уровень инноваций. Интересно, что хотя в выборке всего две азиатские страны – Япония и Корея – обе занимают высокие места в сфере инноваций.

Распределние заявок по отраслям, чтобы выяснить, являются ли одни отрасли более инновационными, чем другие. Отрасли промышленности, включая текстиль, бумагу и стационарные конструкции, показывают небольшое количество патентных заявок по сравнению с такими отраслями, как электроэнергетика и физика. Большинство стран, как правило, сосредотачиваются на последнем типе отраслей, называемых «восходящими отраслями», поскольку они обладают большим потенциалом для инноваций. Прорывные инновации в электричестве и физике, такие как электромагнетизм или ядерная физика, привели к радиальным  изменениям в современном телевидении, компьютерах и бытовой технике, Количество патентных заявок на выполнение операций и транспортировку также велико. Потребности человека – отраслевая категория с большим количеством патентов – включают в себя сельское хозяйство, предметы личного или домашнего обихода, продукты питания и развлечения. Страны, стремящиеся стимулировать инновации, должны сосредоточить внимание на отраслях, демонстрирующих потенциал для развития и предпринимательства.

Расходы на НИОКР на душу населения. Для оценки уровня экономического развития в исследуемых  странах, сопоставлялись  расходы на НИОКР на душу населения за один 2010 год. Финляндия занимает первое место с самыми высокими расходами на НИОКР на душу населения, за ней следуют Швеция, Дания и Австрия. Крупные расходы на НИОКР в Финляндии отчасти можно отнести на счет ее головного офиса Nokia международной компании в области ИКТ (информационных и коммуникационных технологий), которая является пионером инновационных технологий. Швеция и Финляндия также вошли в пятерку инновационных стран в рейтинге Bloomberg. С другой стороны, Германия, занимавшая шестое место в рейтинге данного  исследования в 2010 Как бы это не показалось  неожиданным, по расходам на НИОКР США не входят в число ведущих стран ни в данном анализе, ни в рейтинге Bloomberg.

Предполагалось, что страны, занимающие высокие места по расходам на НИОКР, также будут наиболее инновационными. Однако Финляндия, Швеция, Дания и Австрия, которые занимают первые места в рейтинге стран по НИОКР, не вошои в число ведущих инновационных стран. Объяснением этого может быть тот факт, что в то время как одни страны вводят новшества, увеличивая свои инвестиции в НИОКР, другие делают это, используя ноу-хау, уже созданное другими.

Налоговые поступления в процентах от ВВП и патенты, принадлежащие иностранным резидентам.  Такие страны, как Швеция, Франция, Финляндия и Австрия, имеют высокие налоговые поступления в процентах от ВВП, но показывают низкую долю патентов, принадлежащих иностранным резидентам. С другой стороны, такие страны, как Люксембург и Исландия, с низкими налоговыми поступлениями в процентах от ВВП, имеют более высокий процент патентов, принадлежащих иностранным резидентам. Похоже, что в странах с высокой долей иностранного владения патентами наблюдается снижение налоговых поступлений. Это важный вывод по патентам / интеллектуальной собственности имеет важные последствия.

Реальная минимальная заработная плата и количество заявок на патенты РСТ на 10 000 жителей.

Мы попытались выяснить, имеет ли реальная минимальная заработная плата (как экономический показатель) какое-либо отношение к инновациям, указанным в патентных заявках PCT на 10 000 жителей . Реальная почасовая и годовая минимальная заработная плата – это установленная законом минимальная заработная плата, преобразованная в общий почасовой и годовой период оплаты (в долларах США) для стран ОЭСР, для которых они доступны. Цифры дефлятированы национальными индексами потребительских цен (ИПЦ).

Минимальная реальная заработная плата и заявки на патенты РСТ. В Нидерландах, Бельгии и Ирландии с самой высокой реальной минимальной заработной платой также наблюдается повышенное количество патентных заявок на 10 000 жителей. Такие страны, как Мексика, Чили, Эстония и Словацкая Республика, имеют низкую реальную минимальную заработную плату и, соответственно, низкое количество патентных заявок PCT на 10 000 жителей. Между реальной минимальной заработной платой и количеством патентных заявок существует положительная связь страны, которые способствуют повышению уровня жизни и лучших условий труда (за счет повышения минимальной заработной платы), также способствуют большему количеству инноваций. Корея является исключением в том смысле, что у нее высокий уровень патентных заявок, несмотря на среднюю минимальную заработную плату. Это явление можно объяснить тем, что здесь находится штаб-квартира Samsung, международного телекоммуникационного гиганта. И целом данный  рейтинг соответствует рейтингу инновационных стран Bloomberg за 2015 год.

Стоимость рабочей силы в разных отраслях промышленности. Похоже, что существует отрицательная связь между стоимостью рабочей силы и количеством патентных заявок. Чем выше стоимость рабочей силы, тем меньше количество патентных заявок, что позволяет предположить, что страны должны ограничивать стоимость рабочей силы, чтобы стимулировать инновации и рост.

Отношение охвата образованием к общей численности населения.

Что касается       связи между приемом в учебные заведения и инновациями (количеством патентных заявок) в период с 2000 по 2010 год, то в тройку ведущих инновационных стран (с наибольшим количеством патентных заявок) за 2009 и 2010 годы вошли США, Япония и Германия. Однако из этих стран мы видим, что только в США отмчено высокое соотношение охвата образованием к общей численности населения. Польша и Словения имеют высшее образование, но не входят в число ведущих инновационных стран. Похоже, что прямая связь между приемом в учебные заведения и инновациями отсутствует..

Количество учащихся в высших учебных заведениях и количество заявок на получение патента РСТ на 10 000 жителей. В Европе по мере увеличения приема в высшие учебные заведения количество патентов (инноваций) также увеличивается. . Однако данный  анализ  не распространяется за пределы Европы..

Патенты, принадлежащие иностранным и местным резидентам.

Из круговых диаграмм видно, что, что у небольших европейских стран типа Эстонии, Греции и Исландии численность  патентов, принадлежащих резидентам-иностранцам, как правило больше.  Чтобы поощрять и стимулировать больше инноваций со стороны местных жителей, такие страны должны разработать соответствующую политику и ресурсы для этого. Кроме того, этим странам следует сосредоточиться на улучшении своих систем образования, чтобы они предлагали соответствующие навыки и знания для стимулирования инноваций и роста.

Расходы на НИОКР по секторам и патентные заявки.  В государственном секторе и секторе высшего образования в Европе расходы на НИОКР выше, чем в частном и некоммерческом секторах. Чтобы обратить эту тенденцию вспять, европейские страны в этой выборке должны отстаивать политику, поощряющую больше инноваций в частном и некоммерческом секторах.

Выводы

В то время как большинство исследований инноваций сосредоточено на инновациях на уровне фирм или предприятий, в нашем исследовании анализируются инновации на уровне страны. Кроме того, он включает исчерпывающий и большой набор данных.  Используемая методология аналитики способствует  принятию обоснованных решения в отношении инноваций и экономического роста. Исследование дополняет литературу по эмпирическим исследованиям инноваций, в которой используется аналитический подход.

Определяя портфель экономических факторов, влияющих на инновации, авторы  предлагают идеи,  направленных на продвижение и поощрение инноваций. Стимулы могут принимать форму субсидий, налоговых льгот, грантов или услуг бизнес-инкубации, которые способствуют инновациям. Хотя НИОКР являются важным индикатором инноваций, многие компании  продвигают свои инновации за счет перетока технологий и ноу-хау из других стран ОЭСР

Для улучшения инноваций и экономического роста странам необходимо сосредоточиться на повышении уровня жизни за счет боле высоких  показателей. Минимальной заработная плата, стоимости рабочей силы и улучшения условия труда.

Исследование показывает,  что страны с высокой долей иностранного владения патентами имеют низкие налоговые поступления в процентах от ВВП. Изучение концепции дохода от интеллектуальной собственности (ИС) полезно для дальнейшей интерпретации этой связи. Таким образом, право собственности на патенты может находиться не в той стране, в которой они были созданы. Многонациональные компании, являющиеся крупным источником патентов, обычно используют эту мобильность, размещая свою интеллектуальную собственность в странах с низкими налогами, тем самым снижая свое налоговое бремя.

Авторы предлагают больше внимания росту прав собственности на патенты местным жителям, а не иностранным резидентам, чтобы стимулировать инновации и увеличивать налоговые поступления, которые приводят к экономическому росту.

Для повышения роли образования в инновациях предлагается  распространение интегрированной учебной программы, которая предлагает студентам как навыки гуманитарных наук (аналитическое, оценочное, критическое и творческое мышление, а также письменное и устное общение), так и  количественные и технические навыки, необходимые освоения инноваций Большинство работодателей хотят, чтобы сотрудники обладали способностью учиться и синтезировать новые идеи, а также отличными навыками организации и управления инновационным процессом, включая надежную правовую охрану накапливаемой при этом интеллектуальной собственности.. Еще одним важным направлением будущей работы является анализ влияния других форм интеллектуальной собственности, авторских прав и товарных знаков, помимо патентов, на экономический рост и инновации.

Преобладающая часть данного исследования основывалась на материалах, накапливавшихся в  период до 2010 года. При необходимость они  сопоставлялись с более поздними данными и отсылками на показатели информационных агентств (Bloomberg и др

Октябрь 2020 года

Всемирный рынок патентно-аналитических услуг

Global Patent Analytics Services Market.  Global Industry Analysis, Size, Share, Growth, Trends, and Forecast, 2019-2027.    DUBLIN, April 17, 2020  - news.yahoo.com›global-patent-analytics…market…

Данный  отчет предоставляет аудитории общее представление о рынке патентно-аналитических услуг. Отрасль патентной аналитики анализируется с учетом истории и текущего состояния, а также прогноза на период до 2027 года.

Обширная  информация и эксклюзивный аналитический обзор рынка услуг обеспечивает потенциальным пользователям  возможность принятия важных решений с учетом потребностей  их бизнеса. Отчет  также отражает глубокое понимание основных отраслевых тенденций и разработок, предпринимаемых участниками рынка. В нем содержится  несколько разделов, которые позволяют читателям получить собственное  представление о рынке услуг патентной аналитики.

В отчете ставятся следующие вопросы:

• Какой доход ожидается от рынка услуг патентной аналитики к концу прогнозного периода?

• Какой тип услуг патентной аналитики может принести наибольший доход к 2027 году?

• Каковы ключевые показатели динамики роста рынка и чем они  будут стимулироваться  в предстоящие годы?

• Какие регионы, скорее всего, предоставят выгодные конкурентные возможности на рынке услуг патентной аналитики?

• Какие основные стратегии используют ключевые конкуренты в попытке расширить свое присутствие на рынке?

Первый раздел отчета о рынке услуг патентной аналитики начинается с введения, характеризующего содержание  отчета, сегментацию рынка и основные компоненты его  исследования. После этого следует резюме, в котором подчеркиваются аспекты рынка услуг патентной аналитики, затронутые в исследовании. Этот раздел дает краткое представление об элементах рынка и позволяет читателям понять затронутые в исследовании аспекты. Отчет также раскрывает динамику рынка с характеристикой его драйверов, ограничений и возможностей.

Следующий раздел содержит обширный анализ сегментации рынка услуг патентной аналитики. Эта оценка включает разделение рынка услуг на основе таких ключевых факторов, как тип услуги, размер предприятия, отрасль и регион. Кроме того, в отчет включен анализ этих ключевых сегментов рынка, годовые прогнозы и их базисные точки.

В исследовании рынка услуг предлагается оценка географического ландшафта рынка. Региональный подход к  исследованию помогает читателям отчета принимать важные решения, касающиеся их бизнеса,  определять потенциал рынка в различных географических регионах. К тому же здесь дается целостное суждение о ведущих и вновь появляющихся  игроках рынка с раскрытием их  стратегии и  эффективность ее реализации на рынке.

Полный текст отчета можно получить по адресу ResearchAndMarkets.com

---

Сентбрь 2020 года

Анализ патентных ландшафтов с обработкой естественного языка

Linguamatics- linguamatics.com›solutions/patents-analytics

Жизненные циклы создания  новых лекарств в фармацевтической и биотехнологической отраслях с каждым годом сокращаются. В результате экономия времени становится все более важным фактором на каждом этапе разработки продукта, включая анализ патентного ландшафта. Среда, в которой «первым подал заявку» теперь в значительной степени заменила «первым изобрел», требует более сложной и эффективной технологии получения  патентов.

Однако подавляющее большинство ценной информации в патентах хранится в виде неструктурированного текста, а данные, необходимые для инструментов патентного анализа, разбросаны по длинным описаниям с использованием естественного языка. Описываемый далее набор инструментов анализа патентного портфеля I2E позволяет создавать эффективные индивидуальные запросы для отчетов об анализе патентного ландшафта с выявлением пробелов, оценкой патентной чистоты,  получения данных для  конкурентной разведки и обзоров по последним техническим достижениям.

Традиционный анализ патентного портфеля

Традиционный анализ  в патентной сфере начинается с  извлечения документов непосредственно из таких баз данных, как Questel, Patbase, MicroPatent, USPTO, EPO и WIPO / PCT. В них выполняется поиск по ключевым словам, а результаты фильтруются для выявления релевантных документов. Аналогичная процедура  используется в  поисковых  системах Интернете типа Google или Bing. В результате обычно отбирается большой массив документов, которые затем необходимо просмотреть вручную.

Традиционный анализ патентного ландшафта редко использует специализированные онтологии ( представления о внутренней структуре изучаемого объекта), которые могли бы сделать аналитику более эффективной, повысить точность поиска и помочь идентифицировать патенты, наиболее пригодные от дальнейшего анализа.

Современное решение для анализа патентного ландшафта

Комплексная служба поиска патентов Linguamatics* устраняет необходимость индивидуального доступа к тем или иным патентным базам данных, предлагая полные тексты  патентных документов, обрабатываемые с использованием I2E. Партнерство с IFI Claims® позволяет Linguamatics охватывать патентную документацию 90 стран, включая также Европейское патентное ведомство (EPO) и Всемирнуое  ведомство интеллектуальной собственности (ВОИС).

* Компания Linguamatics (основана в 2001 году со штаб-квартирой в Кембридже, Англия, с офисами в США и Великобритании, в январе 2019 года вошла в состав компании IQVIA) является поставщиком систем интеллектуального анализа текста посредством лицензирования программного обеспечения и услуг, в первую очередь для фармацевтических и медицинских  учреждений.

Поскольку формат патентных документов варьируется в зависимости от тех или иных патентных ведомств, в IFI Claims используется структурированный формат XML для всех документов. Доступ к указателю патентов можно получить по отдельным источникам или по хронологически этапам, например: за последние двенадцать месяцев, 5 или 20 лет. Патентный указатель обновляется еженедельно, обеспечивая  доступ к последним патентным документам, их правовому статусу и классификации. Патентный указатель обеспечивает:

• Полностью безопасную  среду для проведения анализа патентного ландшафта.

• Последнюю поддерживаемую  Linguamatics версию программного обеспечения I2E.

• Исчерпывающий набор словарей и онтологий.

• Готовую к работе библиотеку часто используемых запросов плюс возможность разрабатывать собственные запросы.

• Доступ к информации о химической структуре.

Преимущества инструментов патентного анализа I2E

I2E предлагает мощное, но гибкое решение для анализа патентного портфеля с возможностью поиска по всем документам или сосредоточения внимания на определенных разделах каждого патента.

I2E поставляется со встроенным набором словарей, позволяющих быстро выражать такие понятия, как тип заболевания или организации, а затем группировать результаты по интересующим областям. Данные из запросов I2E также можно визуализировать в виде таблиц и графиков или экспортировать в сторонние инструменты, такие как Pipeline Pilot ™.

Технология интеллектуального анализа текста I2E ускоряет процесс анализа патентного ландшафта, конечным результатом которого является более адресный набор документов, которые необходимо проанализировать.

Инструменты лингвистического и патентного анализа

Одним из ключевых преимуществ I2E является его способность понимать контекст, в котором термины и объекты появляются в патентном документе:

• Лингвистические символы позволяют выделять вопросы,  искать объекты, глаголы и отношения. Благодаря этому  можно строить поисковые запросы к патентному ландшафту, например, «какие типы антител упоминаются» –  без необходимости знать заранее  все антитела, которые могут присутствовать в исследуемых патентах.

• Лингвистические шаблоны, благодаря которым  I2E’s Natural Language Processing (NLP) может извлекать информацию из текста, используя лингвистические шаблоны и терминологию, включая определенные типы лексичских единиц, например: глаголы, существительные и местоимения.

• Измерения, с помощью которых запросы I2E могут использоваться для определения количества, дозировки или концентрации, указанных в патентных документах.

• Числовые данные: дает возможность создавать запросы на основе химической концентрации и соотношений.

Дополнительные преимущества I2E

Поддержка совместной патентной классификации. I2E обеспечивает поиск по патентному ландшафту с использованием системы совместной патентной классификации (CПC), разработанной Европейским патентным ведомством (ЕПВ) и Ведомством США по патентам и товарным знакам.

Выборочный патентный поиск. I2E позволяет выполнять поиск по полным текстам патентных документов или в их отдельных разделах: «Название», «Аннотация», «Описание», «Притязания».

Выявление новых химических соединений. I2E позволяет извлекать как известные, так и новые соединения.

Поиск по сходству. Поиск известных химических веществ в словаре, например, по общему названию или структуру.

Объединение патентных притязаний. I2E предоставляет эффективные инструменты для определения цепочек притязаний в разных патентных документах и работать со всей их цепочкой.

Ландшафтный конкурентоспособности. С самого начала процесса анализа патентного ландшафта I2E может помочь фармацевтическим и биотехнологическим компаниям понять, какие области уже привлекли значительные инвестиции, а какие предлагают потенциал для новых кандидатов в лекарственные препараты.

Многоязычная поддержка. Научные статьи в основном написаны на английском языке, однако по мере того, как использование интеллектуального анализа текста стало более широким, возрастает потребность в возможности работы с другими языками. Linguamatics признает эту потребность, и I2E предоставляет платформу, которая может работать с несколькими языками, включая отдельные патентные документы, написанные на нескольких языках.

Стороннее программное обеспечение. Примером использования I2E со сторонним программным обеспечением является компания Sanofi, которая разработала рабочий процесс, объединяющий I2E, PatBase и Intellixir, для создания патентного ландшафта терапевтических средств на основе конъюгатов антитело-лекарственное средство (ADC).

Дополнительные файлы к патентам. Многие патенты теперь связаны с дополнительными файлами, такими как .mol. I2E может обрабатывать файлы .mol ​​и автоматически генерировать связанные имена SMILES и IUPAC в правильном месте в патентном документе.

Пример использования Pfizer

Инструменты патентного анализа I2E позволяют получать более релевантные результаты в гораздо более короткие сроки с аналогичной или большей точностью, чем традиционные методы.

Прочтите тематическое исследование и узнайте, как Pfizer смогла:

• Десятикратно улучшить анализ патентного портфеля новых лекарственных препаратов и показаний;

• Ускорить процесс, тем самым сэкономив время и снизив затраты;

• Будьте в курсе последних результатов в отраслевой литературе.

Желающие узнать больше могут  посетите сайт linguamatics.com

Июнь 2020

Разведка конкурентов с использованием искусственного интеллекта

How to Spy on Your Competitors With AI

Paul Roetzer – founder and CEO of PR 20/20, author of The Marketing Performance Blueprint and The Marketing Agency Blueprint, and creator of The Marketing Artificial Intelligence Institute and Marketing Score – January 21st, 2020 – www.marketingaiinstitute.com › …

Компания по маркетингу и конкурентной разведке  Crayon использует искусственный интеллект  (ИИ) и машинное обучение (МО) для  предоставления маркетологам действенной информации, используя распространенный, но недооцененный ресурс: сайты своих конкурентов. Отслеживаемые компанией  цифровые следы обеспечивают  критическое понимание стратегии, продуктов и маркетинга конкурентов, а также выводы, вырабатываемые с использованием ИИ и МО. Новые технологии  обеспечивают сбор, фильтрацию, установление приоритетов и анализ конкурентных данных. Это позволяет компаниям отслеживать, анализировать и реагировать на все, что происходит на их рынке.

Во-первых, ИИ участвует в охвате полного цифрового следа конкурента, отслеживая каждое вносимое в него изменение или движение. Собирается огромное количество данных, но не все они являются релевантными или значимыми, поэтому технология затем отфильтровывает 99% данных, которые являются шумом.

Благодаря дополнительному обогащению данных, обработке естественного языка и модели машинного обучения, технология Crayon расставляет приоритеты и анализирует наборы данных для дальнейшего выявления значимых конкурентных событий, которые предприятия могут использовать для выработки эффективных стратегий и тактик в отношении продаж, маркетинга, продуктов и многого другого.

Клиенты Crayon используют нашу рыночную и конкурентную аналитическую платформу, чтобы позволить отделам продаж выигрывать конкурентные сделки, создавать и запускать выигрышные продукты, разрабатывать дифференцированные маркетинговые кампании и информировать исполнительные подразделения, которые позволяют бизнесу выделяться на конкурентном рынке.

Программная платформа Crayon на основе искусственного интеллекта – это огромный шаг вперед для маркетологов, стремящихся осмыслить внешнюю среду своей компании. В прошлом компании полагались на оповещения Google, ручное наблюдение (например, регулярный просмотр веб-сайта конкурента) и точечные программные решения. Эти инструменты имеют принципиальные  недостатки по сравнению с Crayon Intel. Google Alerts допускает много шума. Ручное наблюдение требует чрезмерно большого количества времени и не обеспечивает должной  широты и точности оохвата. Точечные решения – программное обеспечение, ориентированное на определенную область внешней среды, например социальные сети, – раскрываю  только часть общей картины. Crayon представляет собой решение «все в одном», которое предоставляет маркетологам полную, опережающую информацию по всему цифровому пространству конкурента и предлагает платформу для анализа и обработки этих данных.

Единственное требование к маркетологам, обращающимся за поддержкой к ИИ-технологиям – наличие информации о существовании реальных ил потенциальных конкурентов. Эти технологии наиболее эффективны, когда бизнес стремится к конкурентной разведке и когда отрасль активна и имеет множество конкурентов, которые активно разрабатывают и запускают продукты, проводят маркетинговые кампании и т. д

Клиенты Crayon Intel отличаются гаммой размеров и относятся к разным отраслям промышленности. Среди них –крупнк=ейшие компании-разработчики программного обеспечения, а также компании из 50 человек, продающии строительные материалы. Общность среди наших клиентов заключается в том, что они стремятся понять свою конкуренцию и, в более общем плане, свою внешнюю бизнес-среду.

Технологии ИИ имеют и ограничения. Они эффективны только в том случае, если избираются  подходящие варианты их  использования для бизнеса. Но по мере расширения применения ИИ в маркетинговых технологиях появятся более устоявшиеся рабочие процессы, в которых ИИ сможет улучшить маркетинговые функции. Номенклатура его использования разнообразна.

ИИ может:  выполнять ручную, повторяющуюся работу, делать которую мы не хотим; справляться с  работой, которую люди не могут выполнять вручную, например анализ больших данных и прогнозную аналитику; улучшать работу, которую мы выполняем каждый день, посредством  рекомендаций, помогающих  нам более предсказуемо получить отличные результаты. Каждый клиент должен начинать

с наиболее нужного  для его решения  и затем искать возможности решения соответствующей задачи  с помощью автоматизации и привлечения искусственного интеллекта. ИИ.

Май 2020 года

Развитие предпринимательской аналитики с использованием искусственного интеллекта

What Is Augmented Analytics? Michael Chen, senior manger
- blogs.oracle.com›…what-is-augmented-analytics

Мировой бизнес уже довольно давно принял на вооружение предпринимательскую аналитику (англ. Business intelligence ), которая представляет собой    совокупность  компьютерных методов и инструментов для перевода предварительно обработанных данных деловых данных  в человекочитаемую информацию, пригодную для анализа и принятия предпринимательских  решений. Это позволило деловому миру принимать более обоснованные  решения,               но требовало значительной ручной подготовки со стороны различных подразделений.

Системы предпринимательской аналитики

Системы предпринимательской аналитики (ПА) появились в 2000-х годах, развиваясь от автономных баз данных, существующих на отдельных настольных компьютерах, до современных систем, соединенных с несколькими источниками данных и ориентированных  на их обработку. Системы ПА развивались по мере роста вычислительных мощностей и  сетевых подключений, формирующих  взаимосвязанную  информационную платформу. В настоящее время системы ПА, используя большие данные из разных источников, позволяют аналитикам более глубоко охватить предпринимательскую  деятельность, проникать в их сущность и   использовать современные  инструменты для построения графиков и иных визуализированных форм, облегчающих  принятие обоснованных решений.

Последующие  достижения в области искусственного интеллекта (ИИ) и машинного обучения (МО) позволили приступить к  автоматизации аналитических процессов и сделать следующий большой шаг вперед в области управления  предпринимательством. ПА сосредоточилась на сборе данных из различных источников,   которые подвергаются дополненной (расширенной) аналитике (ДА) с использованием технологий ИИ с  выводом визуализированных информационных панелей.

* Дополненная аналитика» (англ. Augmented Analytics ) – использование машинного обучения для манипуляций с данными, поиска зависимостей и построения аналитических моделей.

Взаимодействие  искусственного интеллекта и машинного обучения

Понятия ИИ и МО  часто смешиваются друг с другом. На деле  ИИ относится к более широкому процессу, позволяющему системам принимать решения, присущие людям. То есть принимать разумные решения, основываясь на контексте и доступной информации, а не на простом программировании по схеме «если / тогда». МО является ключевым компонентом в этом процессе; оно анализирует данные и ищет шаблоны, которые затем могут обеспечить контекст для решений с использованием  ИИ.

Например, МО может проверить обработку транзакций данных для компании, выпускающей кредитные карты, и быстро найти аномальные шаблоны в пользовательских данных. Затем ИИ фиксирует эти шаблоны и определяет, являются ли они  потенциально мошеннической транзакцией, которую стоит подвергнуть расследованию

Охват дополненной аналитикой ПА, ИИ и МО

ПА собирает   все, что относится к  обеспечению интуитивного  понимания данных (data insights). ИИ и МО   призваны отобрать из массивов  больших данных все, необходимое для последующих машинных решений. Добавленная  (расширенная) аналитика (ДА) затем использует созданную   ПА базу и  обогащает ее результатами работы ИИ и МО.

Этот процесс протекает следующим образом. В настоящее время служба ПА осваивает в своем ИТ-подразделении поступающие  из нескольких источников данные, которые затем готовятся экспертом по аналитическим данным * для последующего анализа. Система ДА выполняет эти последние шаги (подготовка данных и их первоначальный анализ) и подвергает их дальнейшей автоматизированной переработке, используя МО  и ИИ. При этом в процессе МО производится обработка загруженных данных и выявление шаблонов, после чего  ИИ осуществляет их  анализ (с использованием моделей и алгоритмов, созданных специалистами по данным).

* Data Scientist — это эксперт по аналитическим данным, который обладает техническими навыками для решения сложных задач

Алгоритм МО постоянно совершенствует шаблоны и выявляет  новые. При этом общая модель ИИ уточняется за счет огромного объема поступающих  данных.  Автоматизация устраняет  ручной труд и ускоряет  поиск нужных данных. Применение инструментов обработки информации на естественном языке и ее виртуализации  означает, что процесс переходит от обработки данных к их раскрытию.

Преимущества дополненной аналитики

В дополнение к достоинствам предпринимательской аналитике ДА обеспечивает уровень эффективности и точности анализа, доступный только при компьютерной обработке. В результате истинный объем ДА выходит за рамки возможностей ПА за счет:

- повышения точности:  эксперты по аналитическим данным манипулируют несколькими наборами данных во избежание  статистически вероятных ошибок, которые могут допускаться в ходе собственно аналитического процесса;

- повышения скорость: при запуске проекта со стандартными платформами ПА устраняются затраты времени на  ручную подготовку данных и ответы на запросы, поскольку обработка и выполнение запроса производится со скоростью машины, а не человека;

- снижение предвзятости: эксперт по аналитическим данным может оказаться во власти предубеждения  и в ходе анализа выбрать  привычный шаблон, непредумышленно  недооценив более ценную идею. Машины в этом случае будут работать более тщательно и эффективно;

- оптимизация использования  ресурсов: существует необоснованное предположение, что любое движение в сторону автоматизации либо  ИИ уменьшит ответственность ИТ-персонала или специалистов по обработке данных; на самом деле, РА освобождает их от ручного труда, позволяя  сосредоточиться на более важных задачах.

Желающие могут загрузить новую книгу автора «What Is Augmented Analytics?»

Искусственный интеллект в рекламной аналитике

AI Analytics in Adtech: 3 Competitive Advantages of Proactive Incident Management

Community, Amit Levi Chief Revenue Officer, VP Product and Marketing Dec 06 2019

Обостряющаяся конкуренция в современной цифровой экономике приводит к дальнейшему повышению роли рекламы, стимулирующему

применение  искусственного интеллекта (ИИ) и процессов машинного обучения (МО) в рекламной аналитике. Это облегчает обнаружение аномалий, поиск критических инцидентов в бизнесе, включая технические сбои, мошенничество и проблемы с логистикой. Чем раньше все это обнаруживается, тем больше шансов  устранить сбои в предпринимательстве и сберечь доходы.

Поэтому индустрия рекламы, наряду с электронной коммерцией, финансовыми технологиями и телекоммуникациями, все чаще отходит от традиционного мониторинга к ИИ и МО для автономного мониторинга бизнеса. То, на что раньше аналитику приходилось затрачивать часы или даже дни, теперь можно решить с использованием  алгоритмов МО всего за несколько минут.

В этом заключаются  основные конкурентные преимущества, которые аналитика ИИ может предложить рекламным компаниям.

Автономный мониторинг

Автономная аналитика и мониторинг позволяют компаниям лучше понимать модели бизнес-поведения, сопоставляя каждый инцидент с аналогичными аномалиями, соответствующими факторами и потенциальной первопричиной. Это дает возможность обнаруживать и диагностировать серьезные проблемы быстрее и эффективнее, чем это можно сделать вручную.

Осуществляющая автономную аналитику рекламная компания Adtech охватывает достаточно обширную сферу.  Сюда входят все технологии, связанные со сбором и обработкой данных для формирования, контроля и оценки эффективности рекламных кампаний. Поэтому  многие рекламные компании обращаются к аналитике ИИ для мониторинга своих данных через сотни каналов и учетных записей. Алгоритмы машинного обучения могут легко соединить все рекламные аккаунты и изучить поведение в них каждого показателя,  например, рекламных кампаний Google и учетных записей Facebook. Avantis отслеживает и анализирует модели и поведение клиентов. Аналитика ИИ может выучить миллионы метрик и обнаружить среди них похожие аномалии.

Оповещение в реальном времени

В отрасли, где потери могут легко начисляться поминутно, поиск сбоев в режиме реального времени может иметь решающее значение. Обнаружение этих глюков при прохождении через информационные панели может занять часы или даже дни. Аналитика ИИ помогает компаниям отслеживать критические изменения в режиме реального времени, такие как снижение активности пользователей или коэффициенты конверсии, и быстро определять, виноват ли сбой. Алгоритмы отслеживают в режиме реального времени и немедленно коррелируют аномальное поведение, что поддерживает более быстрое расследование первопричин.

Хотя существуют инструменты обнаружения аномалий, которые могут позиционировать себя в режиме реального времени, они иногда неправильно классифицируют определенные виды поведения как аномальные или даже полностью пропускают их. Оповещения могут поступать в данный момент, но они часто сопровождаются информационным шумом. Преимущество ИИ заключается в его способности разбираться в миллиардах событийных данных, идентифицируя самые критические инциденты для выдачи надежных и своевременных предупреждений.

Таким образом, технологии ИИ и МО обнаруживают аномальное поведение во всех источниках данных и выявляют метрики, на которые можно повлиять, чтобы потери могли быть сокращены быстрее, чем когда-либо прежде. Возможно, самое главное, что аномалии могут быть обнаружены из огромного количества данных, а затем превращены в ценные бизнес-идеи, которые могут помочь повысить итоги компании и сохранить их доходы.

Апрель 2020 года

-Применение искусственного интеллекта и машинного обучения для анализа патентных данных

Applying AI and Machine Learning to Patent Data Analysis

By Yang Yu | 12 July ’18 – yet2.com›applying-ai…machine…patent-data-analysis/

Искусственный интеллект (ИИ) и методы машинного обучения (МО) меняют мир анализа патентных данных. Патентный документ – это хорошо структурированный документ с четко определенными заголовком, рефератом, формулой изобретения и описанием. Патенты и заявки также классифицируются с использованием одного или нескольких стандартизированных классификационных кодов. Эти факты делают патентные данные очень подходящими для обработки с помощью методов машинного обучения.

Исследователи информатики и поставщики услуг в патентной отрасли используют ИИ для анализа патентных данных уже давно. Например, патентные ландшафты, созданные с помощью методов кластеризации текста,  были широко доступны еще до 2008 года. Однако 10 лет назад методы ИИ не играли важной роли в патентном анализе, поскольку алгоритмы тогда  было трудно реализовать, а результаты их работы были не очень точными.

За последние несколько лет методы ИИ значительно улучшились, а их  использование для обработки патентных данных стало намного проще и точнее. Программист или патентный аналитик располагают доступом к вычислительной мощности корпоративного уровня, а также  к хорошо документированным и простым в использовании программным библиотекам. В результате,  с помощью современной ИИ-технологии, патентный поиск, обзор и многие другие виды патентных работ существенно изменяются.

В компании yet2, например,  с использованием МО была создана  статистическая модель для оценки стоимости патента на основе вероятности его судебного разбирательства. Изучение показателей  спорных патентов показало, что в некоторых аспектах они значительно отличаются от других патентов. Тестирование  модели на вновь оспариваемых патентах и ​​портфелях  некоторых организаций показало  очень убедительные результаты ее эффективности . Модель  регулярно обновляется новыми данными.

Современные методы ИИ были здесь, кроме того, использованы в  отчетах о патентных ландшафтах, категоризации патентных портфелей, фильтрации результатов патентного поиска и предоставлении услуг по мониторингу патентных публикаций. Методы ИИ часто обеспечивают быстрый и относительно точный способ выполнения первого  этапа  патентного анализа. Эксперт может затем просмотреть первоначальные результаты и продолжить анализ на более глубоком уровне. Планируется также внедрить методы  ИИ  и МО для  мониторинга патентных транзакций и предоставления других патентных услуг.

Методам ИИ для патентного анализа еще предстоит пройти долгий путь, но, вкладывая в это больше ресурсов, мы с нетерпением ожидаем более эффективного и эффективного использования ИИ и машинного обучения для патентных услуг!

Технологии искусственного  интеллекта революционизируют патентный анализ

Artificial Intelligence Tool Promises to Revolutionize Patent Analysis

December 3 2018 – audioxpress.com›news/artificial…to-revolutionize…

Компания Aistemos, занимающаяся  использованием  искусственного интеллекта (ИИ) для патентного анализа, объявила о запуске службы Cipher n / d, которая предлагает новый  подход к анализу патентной информации, рационализирующий процесс  лицензирования и упорядочения   патентных споров.

Aistemos ведет разработки  в сотрудничестве с некоммерческой кооперативной организацией AST –  партнером и ведущим поставщиком инициатив по эффективной патентной охране, которая предоставила Aistemos доступ к комплексной таксономии AST и данным о классификаций технологий и патентных документов  для разработки Cipher n / d.

* Таксономия – учение о принципах и практике классификации и систематизации сложноорганизованных иерархически соотносящихся сущностей.

Классификационная система  разрабатывалась на основе маркетинговых исследований, проведенных за последние 10 лет, в ходе которых были  проанализированы более 100 000 патентных документов. Классифицированный массив данных AST является крупнейшим в своем роде собранием,  более чем в пять раз превышающим  средний размер портфелей 20 ведущих патентовладельцев США.

На этой основе служба Cipher n / d обеспечивает определение  количества патентов в различных технологиях, которыми владеет одна компания (числителя), и общего  количества патентов в этих технологиях (знаменателя). Применяя ИИ и машинное обучение к обработке комплексных данных по интеллектуальной собственности (ИС), Cipher n / d предоставления объективные доказательства, способствующие  принятию компаниями стратегических решений в области ИС.

Cipher n / d обеспечивает прозрачную  балансировку  распределения роялти роялти, которые подлежат отчислению за  патентные права, принадлежащие нескольким владельцам. В современном мире, в котором миллион нащитываются миллионы патентовладельцев  и более 100 миллионов патентов, эффективность этой технологии превосходит традиционный  человеческий анализ. Благодаря использованию новейших инструментов ИИ и всеобъемлющих  данных, Cipher n / d обеспечивает принятие  компаниям более обоснованные решения при оценке своих патентных портфелей, а также аргументированные позиции в лицензионных  переговорах и  урегулировании патентных споров.

Служба  Cipher был запущена в 2014 году и является доступным источником онлайновой бизнес-аналитики запатентованных технологий для  выявления глобальных  тенденций их развития, необходимые для принятия стратегических решений по слияниям и поглощениям, лицензированию и судебным процессам. Членами AST являются ведущие мировые компании из самых разных отраслей, включая Cisco, Ford, Google, Honda, IBM, Intel, Microsoft, Oracle, Philips, SAP, Sony, Spotify, Uber и Verizon. По мнению руководства Aistemos служба  Cipher n / d является важным шагом на пути к более полной и стандартизированной визуализации патентного ландшафта для технологических отраслей.

Услуги Cipher n / d предоставляются по  подписке или для использования в конкретных  транзакциях по адресам www.ast.com / www.cipher.ai.

Тенденции патентования технологий в технологических кластерах

Written by Thomas D. Franklin and Kate Gaudry (In collaboration with GreyB Services), April 30, 2019

- kilpatricktownsend.com›…PatentingTrendsStudy

Патентная деятельность является важным сигналом, который помогает идентифицировать и прогнозировать тенденции в отрасли, включая разработку новых продуктов и услуг. Он может предсказать будущее направление деятельности отдельных конкурентов в отрасли, предвидеть выход новых игроков на конкретный рынок, определить потенциальные цели поглощения или объединения предприятий, определить географические инновационные кластеры и выявить конкурентов, которые могут готовиться к судебному разбирательству,    учитывая факт  накопления  патентов в конкретной технологической нише.

В своем исследовании К. Таунсенд и К. Грэй проанализировали собранные  данные о патентной активности в США за период с 2007 по  2018 год. Автоматизированный и ручной анализ позволил провести это исследование на отраслевом уровне с выделением  следующих отраслей: искусственный интеллект, автомобили, Блокчейн, строительные материалы, «чистые» технологии (Cleantech), вычислительная биология и биоинформатика, финансовые технологии (FinTech), промышленный дизайн,  Интернет вещей (“IoT”), медицинское оборудование, терапевтические и диагностические молекулы и беспроводные телефоны.

Цель исследования состояла в том, чтобы охарактеризовать последние тенденции и статистику патентования для каждой из двенадцати отраслей (и технологических кластеров в этих отраслях), а также информировать заявителей о  подаче новых патентных заявок. Исследование проводилось на отраслевом уровне (не на уровне арт-единицы или класса). Это было достигнуто путем разработки и реализации различных запросов и итеративного ручного просмотра большого количества результатов поиска для уточнения запросов.

Исследование также является уникальным в том смысле, что использовались запатентованные данные за последние годы и методы обработки данных для оценки статистики за последние периоды времени (в противном случае было бы недостаточно данных в результате временного окна без публикации).

Желающие могут  скачать копию исследования в формате  PDF.

Далее приводится краткое содержание одного из этих исследовани, посвященное искусственному интеллекту.

………………………………………………………………………….

==============================================

Патентные тренды. Индустрия искусственного интеллекта.

Patent Trends Study Part Ten: Artificial Intelligence Industry, By Kate Gaudry & Thomas Franklin , May 14, 2019

Искусственный интеллект (ИИ) стал горячей темой как в технической, так и в политической сферах. Эта технология обладает огромными  потенциалом, и стратегическое использование ИИ вполне может стать источником коммерческой и / или политической власти. Например, потенциальное использование ИИ может варьировать от содействия целенаправленной и эффективной разработке лекарств до контроля светофоров (и, следовательно, сокращения времени загрязнения среды и поездок на работу) до разработки человекоподобных онлайновых персонажей. Учитывая  все внимание средств массовой информации, обращаемое на проблемы  ИИ и потенциал его  широкого использования, как компании следует решать вопросы обретения патентов в этой области и распределять свои патентный актив между различными видами инноваций в этой области?

Исследование авторов статьи позволило не только идентифицировать набор приложений, относящихся к этой отрасли, но и определить принадлежность  каждого приложения в этом наборе к одной или нескольким категориям в разработанной ими  топологии для последующего анализа. В целом по отрасли количество патентных заявок в этой в отрасли ИИ значительно увеличились. За исследуемый период времени – с 5200 в 2007 до 12 400 заявок в 2018 году. В статье  показаны тенденции подачи заявок  с разбивкой по конкретным типам систем машинного обучения и по конкретным областям использования.

TwitterFacebook46LinkedInReddit4EmailMore1

Рост подачи заяво наблюдается во всех типах машинного обучения, оцениваемых в этом исследовании. Хотя абсолютные значения варьируются в зависимости от его типа, относительный значительный рост характерен  для всех типов (от 2,5-кратного увеличения распознавания образов до 3,7-кратного увеличения кластеризации).

Тенденции патентования в различных областях применения ИИ менее последовательны. Для большинства областей количество заявок в течение исследуемого периода времени постоянно увеличивалось. Исключение составляет во-первых, область  виртуальной реальности, где  в 2007 – 2018 гг отмечено наибольшее относительное изменение: в 22 раза. Значительное увеличение в 4,4 раза наблюдалось и для кластера обработки естественного языка. Самая  большая разница в абсолютных показателях  (2217 заявок) зафиксирована в  области компьютерного зрения.

Однако  устойчивое увеличение подачи заявок  наблюдалось отнюдь не во всех областях применения ИИ. Например, для кластеров индустрии развлечений, образования и цифрового маркетинга в 2015 году количество регистраций ИИ-инноваций снизилось. Это может быть вызвано вынесенным в середине 2014 года судебным  решением по  иску Банка Alice против платежной системы  CLS, в результате которого возможности подачи патентных  заявок на коммерческие методы предпринимательства  упали. С 2013 года  и по  настоящее время более низкий процент патентования ИИ-приложений наблюдался в областях, традиционно связанных с классом методов предпринимательсьтва (например, цифровой маркетинг, образование, FinTech).

Анализ временных рядов стран-заявителей показал что, хотя  абсолютный показатель подачи  заявок на получение ИИ-патентов в США за указанный промежуток времени примерно удвоился, доля заявителей в США в общемировом потоке  заявок на ИИ снизился. Это связано с тем, что количество заявок на регистрацию ИИ от заявителей из других стран возросло еще быстрее. Например, количество заявок на регистрацию ИИ от китайских заявителей за этот период увеличилось более чем в 10 раз. США теряют свое раннее преимущество в области инноваций ИИ внутри страны.

Таким образом, усиление  отрасль ИИ в целом представляется бесспорным. При этом  и все большее внимание уделяется вопросам патентования создаваемых здесь изобретений. Тем не менее, создается впечатление, что сохраняется проблема патентной охраны  бизнес-методов. Привлекает к себе внимание появление в этой отрасли новых влиятельных игроков. Можно надеяться, что результаты данного исследования облегчат оценку мировой патентной ситуации   и помогут в разработке соответствующих  стратегий ИИ-патентования..

Март 2020 года

Повышение уровня  конкурентного  анализа   с использованием искусственного интеллекта

Take your competitive analysis to the next level with AI // Alon Tvina, June 18, 2019 – novarize.com›…take…competitive-analysis…level…ai/

Управляемая искусственным интеллектом (ИИ) конкурентная разведка (КР)  раскрывает возможности и угрозы, а также идеи, вытекающие из общей ситуации  и побуждающие вас действовать.  84% компаний-респондентов говорят, что они начали использовать ИИ, чтобы получить или сохранить конкурентное преимущество. Но для этого необходимо понимать, на что действительно способны ИИ и ее приложения.

Использование ИИ для конкурентного анализа идет гораздо дальше, чем автоматизация процесса сбора, организации и передачи информации о состоянии конкурентной борьбы. По мнению компании  Gartner* инструменты конкурентного анализа, основанные на ИИ, различными способами расширяют собираемые данные, предоставляя пользователям ценную информацию, которую они, возможно, не смогли бы раскрыть самостоятельно. ИИ расширяет сферу конкурентной аналитики, позволяя компаниям с относительной легкостью генерировать проницательность и понимание ситуации в целом. . Более того, компании, использующие эти инструменты , основанные на ИИ, также смогут также полностью разрушить и свою отрасль.

* Gartner — исследовательская и консалтинговая компания, специализирующаяся на рынках информационных технологий. Наиболее известна введением в употребление понятия ERP^[⇨] и регулярными исследовательскими отчётами в форматах «магический квадрант»^[⇨] и «цикл хайпа»

Возникает естестественный вопрос: как и в чем все это проявляется на практике?

Разрушительная волна дополненной аналитики

Дальнейшее развитие аналитического процесса может быть обеспечено за счет широкого  набор технологий, особо значимой из которых сегодня становится дополненная (дополнительная или расширенная) аналитика (Augmented Intelligence). Речь в данном случае идет о совместном использовании потенциала человеческого разума, технологии машинного обучения и возможностей искусственного интеллекта. То есть имеется в иду  комбинация машинного и человеческого подходов к анализу, позволяющая получить более глубокое понимание бизнес-процессов.

Информирование а режиме реального времени.

Сосредоточив внимание на конкурентном анализе, одной из ваших основных целей сотрудника КР является возможность сбора данных и информации о  конкурентах практически в режиме реального времени. Поэтому недопустимо  время простоя между тем, когда конкурент предпринимает определенное действие, и когда служба КР на них реагирует .  Управляемые ИИ инструменты автоматически и мгновенно интерпретируют  данные по мере их поступления – гораздо быстрее и эффективнее, чем это делается «вручную».

Предоставление контекста для собранных данных

Для того, чтобы повысить содержательность получаемой информации, актуальной для  бизнеса компании, абсолютно необходимо знать, что она  «означает» в контексте данной  отрасли. В противном случае информация будет выглядеть просто как бессмысленный набор слов и цифр. Зачастую маркетологи просто  удаляют подобные  данные, не тратя время даже на их чтение.

Вместе с тем, компании, которые используют технологию конкурентного анализа, основанную на ИИ, могут извлечь дополнительные сведения, обеспечивающие более глубокое понимание выданной информации. Этого можно достичь двумя ключевыми способами:

• ИИ автоматически помещает актуальные для компании  данные в контекст, позволяя получить о них более целостное представление;

• ИИ автоматически определяет, какие данные не нужны или не важны в конкретном контексте, не загружая ими последующий анализ..

Определение скрытого  значения информации

Инструменты ИИ сегодня способны распознать коннотативное значение данного фрагмента информации, понимать чувства и настроения, которые люди могут связать с этим фрагментом. Без этой способности понимать настроения инструмент конкурентного анализа может в конечном итоге указать неправильное направление оценки добытой информации.

Например, допустим, что ваш инструмент конкурентного анализа может натолкнуться на недавний обзор продукции конкурентов, полный сарказма, который не следует воспринимать буквально. Однако  с помощью приложения ИИ, разбирающегося в настроениях, инструмент конкурентного анализа сможет вскрыть подлинный подтекст определенного фрагмента информации и автоматически скорректировать его в зависимости от конкретной ситуации.

Определение сходство данных

Новая технология ИИ также способна идентифицировать сходство определенных частей поступающей  информации. Чаще всего эта информация затрагивает клиентов конкурентов данной компании и целевую аудиторию. В данном случае новая технология ИИ направлена на  анализ и оценку контекста,  поведения или языка потребителя, чтобы лучше понять отношения ним  и рассматриваемой компанией.

Благодаря более глубокому пониманию потребителей, инструменты, основанные на ИИ, могут распознать, что порождает  лояльность клиента  к определенным брендам  и подсказать, как данная компания  может воспользоваться этой информацией в будущем.

РЫНОЧНАЯ АНАЛИТИКА   И КОНКУРЕНТНАЯ РАЗВЕДКА С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
MARKET ANALYSIS AND COMPETITIVE INTELLIGENCE WITH AI // Magnus Unemyr | August 15, 2019.

Компании десятилетиями проводили анализ рынка и анализ конкурентной способности, пытаясь понять их внешнюю среду, но сейчас ситуация кардинально меняется. Причина, конечно, в том, что Интернет – в сочетании с передовой аналитикой данных и искусственным интеллектом  (ИИ) – может предоставить гораздо больше информации о том, что делают другие в данной  области.

Благодаря тому, что все больше и больше бизнес-операций проводятся в онлайновом режиме и каждая операция оставляет в Интернете свой след,  сбор  информации о конкурентах никогда не был столь легким. В то же время огромное количество генерируемой при этом информации затрудняет ее переработку  вручную. В этих условиях инструменты ИИ помогают конкурентной разведке (КР) собирать данные и превращать их в стратегические замыслы, которые можно использовать в качестве корпоративных стратегий.

Источники конкурентной информации.

Любую информацию о данной отрасли и вовлеченных в нее участниках можно собрать и проанализировать с помощью ИИ в беспрецедентных масштабах. Веб-сайты конкурентов, описания продуктов или пресс-релизы на веб-сайтах и в новостях  – отличные источники получения всех этих данных. Там можно обнаружить сообщения о найме новых сотрудников, сокращении штатов или смене руководства, которые могут косвенно свидетельствовать об изменениях в характере  их деятельности, инвестиционной политики или финансовых затруднениях.

Наиболее плодотворным объектом  мониторинга может стать  номенклатура  продукции, ее совершенствовании, ценообразовании и общей рыночной ситуации. конкурентов. Часто можно многое узнать об улучшениях продукта, позиционировании и рыночных новостях, а также о ценах и понимании общей бизнес-модели. Большую пользу можно получить от сбора отзывов потребителей  конкурирующих продуктов. Особенно информативны здесь  каналы социальных сетей, блоги и  вебинары. Однако осуществление сбора, контролирование и, тем более, аналитика этих данных с получением содержательной информации вручную, практически невозможно.

Средства переработки информации

Выбор средств переработки и анализа информации весьма широк. Некоторые из них могут также предоставлять информацию в режиме реального времени. Чтобы понять смысл собранной в Интернете информации,  большинство этих инструментов используют обработку и понимание естественного языка извлечения нужной бизнесу информации из текста документов.

Одна из такого рода систем  (Crayon), как утверждают ее создатели, способна отслеживать  сотни различных типов сигналов для каждого из отслеживаемых  конкурентов из множества источников,  используя машинное обучение (МО) для улучшения результатов отбора. Система отслеживает цифровой след конкурентов –  как на их сайтах, так и за их пределами, обнаруживая их действия соперников и отзывы их клиентов  в Интернете. Более того, если конкурент выпускает продукт, который сразу же встречает критику в отношении его пригодности или функциональности, система могжет предоставить клиенту необходимые данные для создания собственного продукта без этих недостатков, предлагая, тем самым, потребителям более привлекательную альтернативу.

Располагая  невероятным количество доступных разведывательных данных, важно выявлять обновления с наивысшим приоритетом, чтобы иметь возможность анализировать и использовать их, пока они не устарели. Для этого в системе применяется  комбинация МО и аналитики, чтобы отделить сигнал от сопровождающего его шума. Отбор ценной информации из огромных объемов данных действительно является одним из лучших и все более распространенных вариантов использования ИИ.

Самые важные обновления – это те, которые не анонсированы в пресс-релизах, а скорее скрыты в незначительных изменениях веб-сайта. Но отсеивать так много подробных данных на регулярной основе просто невозможно сделать вручную. Это должно быть решено с помощью автоматизации программного обеспечения. Crayon использует для этого комбинацию машинного обучения и аналитики, чтобы отделить сигнал от шума в конкурентной разведке. Сбор ценной информации из огромных объемов данных действительно является одним из лучших вариантов использования искусственного интеллекта и становится одним из самых распространенных.

Другой поставщик в этом пространстве – Quid, который может анализировать рынки и восприятие бренда. Quid обнаруживает закономерности и тенденции, а также отслеживает, что говорят клиенты в разговорах о компании, их продуктах или более широком рынке. Инструменты искусственного интеллекта способны понять значение и содержание информации, которую они находят, превращая

Февраль 2020 года

Дополненная аналитика – будущее аналитики данных

Augmented Analytics Demystified – What It Means and Why It is the Future of Data Analytics/By Bill Su – medium.com›analytics-for…augmented…demystified…

Gartner, одна из ведущих компаний по маркетинговым исследованиям в мире,  опубликовал отчет (Gartner Hype Cycle for Emerging Technologies, 2017). В нем описывается состояние и зрелость всех перспективных технологий, начиная от мозговых чипов и заканчивая автомобилями с автоматическим управлением. В частности, в отчете была представлена ​​новая концепция под названием «Augmented Analytics» («Расширенное обнаружение данных» на графике), которая  рассматривается как «будущее аналитики данных».

Gartner описывает расширенную (дополненную)  аналитику* как:
«Подход, который автоматизирует интуитивное  понимание (insight*) с использованием машинного обучения (МО) и генерации естественных языков, знаменуя собой новую разрушительную  волну на рынке данных и аналитики».

*Дополненная (расширенная) аналитика – это использование таких технологий, как машинное обучение и искусственный интеллект, которые помогают в подготовке данных, создании аналитики и объяснении, чтобы расширить возможности людей исследовать и анализировать данные в аналитике и на платформах BI.

* Инсайт (от англ. insight ) — озарение, прозрение,  состояние, в котором человеку внезапно приходит решение насущной задачи или новое видение ситуации.

Расширенные аналитические функции направлены на то, чтобы ослабить зависимость компании от данных исследователей за счет автоматизированной  генерации аналитических данных в компании с использованием передовых алгоритмов машинного обучения и искусственного интеллекта.

Механизм расширенной аналитики может автоматически просматривать данные компании, очищать их, анализировать их и преобразовывать эти выводы в действия для руководителей или маркетологов без какого-либо надзора со стороны технического специалиста. Поэтому расширенная аналитика может сделать аналитику доступной для всех владельцев SMB *.

* SMB (сокр. От англ. Блок сообщений сервера) – сетевой протокол прикладного уровня для удаленного доступа к файлам, принтерам и другим сетевым ресурсам, а также для межпроцессного взаимодействия

В дополненной аналитике применяется система Giphy, которая  представляет собой сочетание  онлайновой базы данных и поисковой  системы, позволяющее пользователям искать и делиться анимированными файлами GIF*.

* GIF (англ. Graphics Interchange Format «формат для обмена изображениями») — популярный растровый формат графических изображений,  способный хранить сжатые данные без потери качества

Наряду с   Giphy  в дополненной аналитике применяется
программные инструменты  (такие как Tableau и SAS), которые  упрощают аналитику и передачу результатов для корпоративных аналитиков. Тем не менее, он не осуществляют  анализы  и, безусловно, не устраняет необходимость участия бизнес-аналитика или специалиста по анализируемым данным.

В отличие от этого дополненная (расширенная) аналикика предназначена для автоматического анализа и генерирования бизнес-аналитических заключений без какого-либо надзора и может использоваться непосредственно маркетологами и руководством
Предпринимательства без помощи бизнес-аналитика или специалиста по анализируемым данным. При этом расширенная аналитика значительно больше фокусируется на конечной цели проводимых  анализов

Продвинутость  алгоритмов расширенной аналитикт подразделяется на  три этапа.
1: Сбор и обработка  данных. На этом этапе алгоритмы служат отличным дополнением к аналитикам данных, но не способны полностью их заменить.
2: Обнаружение сигналов о существенных событиях в данных компании. Однако алгоритм еще  не может увязать их  с конкретными предпринимательскими ситуациями или действиями, хотя последующие затраты времени значительно сокращается.
3: Действенная проницательность. На этом этапе механизм расширенной аналитики может напрямую взаимодействовать с руководителями компании, практически не нуждаясь в вводной информации  от бизнес-аналитика или специалиста по анализируемым данным.

Здесь механизм расширенной аналитики не только заменяет аналитиков, но и сможет сделать многое из того, что недоступно для  нынешних аналитиков. Можно полагать, что многие предприятия приблизятся к  этой стадии через 5–10 лет.

Совершенствование конкурентной разведки за счет искусственного интеллекта

How to Add Artificial Intelligence to Your Competitive Intelligence

ip.com›blog/competitive-intelligence/

Искусственный интеллект (ИИ) повышает эффективность работы конкурентной разведки (КР), ускоряя процесс сбора данных и запуска их в работу. В частности, машинное обучение (МО), как приложение ИИ, использует алгоритмы для распознавания закономерностей и тенденций для самостоятельного обучения. У машины нет явного программирования (то есть ожиданий, предвзятых идей) того, что нужно найти. Итог работы системы на основе ИИ выполняет за специалиста КР некоторую интерпретирующую работу. Это не просто количественные данные, скажем, о прибылях и убытках конкурента или список патентов. ИИ облегчает  понимание изменений в рыночных процессах и в деятельности присутствующих там игроков. По сути имеет место  переход  от сбора информации к автоматическому анализу.

Достоинства ИИ-технологий

Для планирования производства  своей организации крайне важно получить своевременную информацию о сроках выпуска новой продукции конкурентами и их появлении на рынке. Без этого нельзя трезво оценить собственную рыночную позицию. При решении этой задачи одна из технологий ИИ, осуществляющая обработку данных на естественном языке  (Natural Language Processing – NLP), может найти соответствующую документацию о работе  конкурентов с использованием семантического поиска*,  который эффективнее поиска в патентных базах данных по  ключевым словами и булевым  операторам.  Технология NLP «читает» введенное поисковиком описание изобретения, выявляет ключевые понятия, а затем сопоставляет их с документы, которые отвечают поисковому запросу.

* Семантический поиск — способ и технология поиска информации, основанные на использовании в поисковом запросе контекстного (смыслового) значения запрашиваемых фраз, вместо словарных значений отдельных слов или выражений

Использование NLP для поиска патентов, патентных заявок и технической литературы позволяет объединить информацию о событиях в данной  отрасли, открывая перед поисковиком совершенно новую перспективу. Например, система InnovationQ*, получив  запрос на естественном языке, формирует семантическую карту ИС в интересующей вас конкурентной среде.

* Программное обеспечение патентного поиска и визуализации InnovationQ компании   IP.com

В процессе сбора и анализа информации также выявляются конкурентные пробелы, открывающие  возможности новых разработок. При этом   InnovationQ  и  NLP дают более точное представление об инновационном пространстве, чем результаты поиска по ключевым словам. Визуализация семантической карты покажет, чего именно недостает  на данном технологическом направлении..

Интерпретация результатов поиска и их и визуальных представлений генерирует совершенно новое понимание технологий и инвестиционных тенденций. Таким образом, ИИ может повлиять на решения компании о том, куда направлять средства на разработку или когда выпускать новый продукт.

Обеспечение конкурентных преимуществ

Позиционирование на рынке является ключом к определению того, на чем следует сконцентрировать внимание компании: заниматься новыми разработками, производством или патентованием. Для тщательной оценки рыночного потенциала инновационной идеи, а также общего управления патентным портфелем опять же потребуется обратиться к ИИ.  Машинное обучение в сочетании со статистическим анализом – лучший способ узнать силу своей ИС в сопоставлении с тем, что уже является общедоступным. Короче говоря, является ли данная  идея достаточно инновационной для обеспечения конкурентного преимущества.

Посредством семантического анализа ИИ облегчает сопоставление найденных  патентов  и выдвигаемой идеи. Представляемый  отчет о жизнеспособности технологий содержит  ее оценку по шкале от 0 до 1000 каждой сопоставляемой технологии. Чем выше оценка, тем выше ценность новинки. В отчет также отражаются  тенденции развития конкурентных технологий и соответствующих важных дат. В результате  аналитик получает представление не только о том, является ли идея новой, но и станет ли продукт рыночным. Полученные оценки позволяют определить достоинства инновации с точки зрения ее патентования, лицензирования и конкурентных преимуществ.

Таким образом, усиленная ИИ-технологиями комплексный система компании IP.com не только добывает, но и анализирует информацию, преобразуя ее в знания. А это обеспечивает организации преимущество в понимании конкурентной среды, прогнозировании дальнейших шагов  конкурентов и раскрытии собственных рыночных возможностей.

Январь 2020 года

Оптимизация  мониторинга конкурентов с использованием  искусственного  интеллекта

How How Artificial Intelligence Can Optimize Competitors Monitoring/ John Kopanakis – co-founder of Mentionlytics supervising Business Development and Business Processes – mentionlytics.com›…how-artificial…can…competitors…

Чтобы оставаться впереди своих конкурентов, важно применять современные методы для мониторинга их деятельности. Поэтому в последнее время наблюдается  рост интереса к искусственному интеллекту (ИИ) также и в этой сфере.

Мониторинг социальных сетей с поддержкой ИИ

Каждый бизнес, независимо от отрасли, в которой он работает, использует социальные сети для привлечения клиентов. Например, перед развертыванием рекламной акции конкуренты могут размещать  в социальных сетях публикация для ее популяризации. Поэтому, если вы внимательно следите за тем, что делает ваш конкурент в социальных сетях, вы можете оставаться впереди и эффективно противостоять их усилиям.

Использование инструмента мониторинга конкурентов, который применяет ИИ, имеет дополнительное преимущество. С его помощью можно захватить каждую публикацию в социальных сетях – как конкурентов, так и их клиентов. Благодаря этому появляется возможность идентифицировать жалобы, поданные действующими клиентами конкурента, и эффективно нацелить их на альтернативы. с помощью AI.

Одной из  компаний, предлагающих эффективный инструмент для мониторинга конкурентов с использованием ИИ, является Mentionlytics.  Она обеспечивает  мониторинг конкурентов на всех платформах социальных сетей.

Выявление новых стратегических шагов конкурентов

Используя ИИ, можно  отслеживать планирование выпуска конкурентами  новой продукции. Для этого проводится  расширенный мониторинг с  отслеживанием онлайновой активности конкурентов. Она  включает в себя использование различных инструментов социальных сетей, таких как вебинары*.

*Вебинар (от англ. webinar) — разновидность проведениея онлайн-встреч или      презентаций через Интернет

Именно на этой стадии чаще всего обсуждаются   очередные  предпринимательские идеи, поэтому очень важно следить за такими обсуждениями. Каждый день в Интернете происходят миллионы подобных событий, являющихся прекрасным источником информации. И без применения ИИ-технологий уследить за ними нельзя..

Выводы из онлайн-обсуждений с потребителями не только помогают выявить пробелы в стратегиях конкурента, но и позволяют узнать о следующих важных замыслах. С помощью методов машинного обучения (МО), используемых в инструментах мониторинга на базе ИИ, компании могут воздействовать на тематику намечаемых вебинаров.

Мониторинг эффективности рекламных кампаний  конкурентов

Эта разновидность  мониторинга позволяет  определить, где,  как и насколько правильно  конкуренты получают своих клиентов. Например, если  конкурент запустил маркетинговую кампанию в социальных сетях, можно установить, сколько новых подписчиков, «лайков» и комментариев она привлекла.

Отслеживая эффективность кампаний конкурентов с помощью ИИ, можно узнать и ожидания своих клиентов. Подсчет  количества «лайков» и ознакомление с  комментариями позволит сопоставить их предпочтения.  Это поможет в   создании встречной рекламы, перетягивающих клиентов  от соперников. Обладая этими знаниями, можно создавать более качественную рекламу,  ориентируясь на ту же аудиторию.

Мониторинг оценки бренда компании конкурентами

«Бренд»» – это понятие с разнообразием значений, характеризующих как организацию, так и представляемые ею продукты и услуги*.

* Бренд (англ. brand,) — комплекс представлений, ассоциаций, эмоций, ценностных характеристик о продукте либо услуге в сознании потребителя. Физическими составляющими бренда является весь комплекс элементов фирменного стиля: название бренда, логотип, охраняющий интеллектуальную собственность товарный знак, палитра фирменных цветов, оригинальная графика, звуки и прочее.

В мире социальных сетей конкуренты обсуждают  бренд той или иной организации, а также ее  продукты. Однако реальность такова, что на практике они не будут использовать весь комплекс перечисленных обозначений для прямой ссылки на данный бизнес. Поэтому  для  успешного отслеживания и анализа всех упоминаемых конкурентами ментальных и физических составляющих бренда потребуется развернуть инструмент мониторинга, поддерживаемый ИИ. Тогда, используя МО, можно будет определять  сообщения (включая негативные упоминания) ссылающиеся на данный бренд или обозначаемый им продукт, выявлять их авторов  и разумно охранять свою репутацию в Интернете.

Пользуясь расширенным  программным обеспечением с поддержкой ИИ компания  может также улавливать и жалобы клиентов на некие элементы продукции ее конкурента,  сразу же размещая объявления, показывающие, что  продукт данной компании не содержит этих элементов.

Таким образом, социальные сети становятся  основной сферой  мониторинга современных конкурентов. Предприятия должны следить за тем, что говорят конкуренты и их клиенты, а также обращать пристальное внимание на рекламу конкурентов и онлайновые кампании. Именно ИИ позволяет осуществлять мониторинг конкурентов такого типа.

Что такое расширенная аналитика?

What Is Augmented Analytics? Michael Chen, senior manger
- blogs.oracle.com›…what-is-augmented-analytics

В последнее десятилетие предпринимательская аналитика (ПА)* сосредоточилась на сборе данных из различных источников,   которые подсергаются расширенной(дополненной) аналитике с использованием технологий искусственного интеллекта и выводу в виде визуализированных информационных панелей.

* Предпринимательская аналитика (англ. Business intelligence ) — совокупность  компьютерных методов и инструментов для перевода деловых данных  в человекочитаемую информацию, пригодную для анализа и принятия деловых решений

Это позволило деловому миру принимать решения на основе предварительно обработанных данных, но требовало значительной ручной подготовки со стороны различных подразделений. Последующие  достижения в области искусственного интеллекта (ИИ) и машинного обучения (МО) позволили приступить к  автоматизации аналитических процессов и сделать следующий большой шаг вперед в области управления  предпринимательством.

Как работает предпринимательская аналитика

Системы ПА появились в 2000-х годах, развиваясь от автономных баз данных, существующих на отдельных настольных компьютерах, до современных систем, соединенных с несколькими источниками данных и ориентированных  на их обработку. Системы ПА развивались по мере роста вычислительных мощностей и  сетевых подключений, формирующих  взаимосвязанную  информационную платформу.

В настоящее время системы ПА, используя большие данные из разных источников, позволяют аналитикам более глубоко охватить предпринимательскую  деятельность, проникнуть в их сущность и   использовать современные  инструменты для построения графиков и иных визуализированных форм, облегчающих  принятие обоснованных решений.

Как работают искусственный интеллект и машинное обучение

Понятия ИИ и МО  часто смешиваются друг с другом. На деле  ИИ относится к более широкому процессу, позволяющему системам принимать решения, присущие людям. То есть принимать разумные решения, основываясь на контексте и доступной информации, а не на простом программировании по схеме «если / тогда». МО является ключевым компонентом в этом процессе; оно анализирует данные и ищет шаблоны, которые затем могут обеспечить контекст для решений с использованием  ИИ.

Например, МО может проверить обработку транзакций данных для компании, выпускающей кредитные карты, и быстро найти аномальные шаблоны в пользовательских данных. Затем ИИ фиксирует эти шаблоны и определяет, являются ли они  потенциально мошеннической транзакцией, которую стоит подвергнуть расследованию

Как расширенная аналитика объединяет предпринимательскую аналитику, искусственный интеллект и машинное обучение

ПА охватывает  все, что относится к  обеспечению интуитивного  понимания данных (data insights). ИИ и МО   призваны отобрать из массивов  больших данных все, необходимое для последующих машинных решений. Расширенная (дополнненая) аналитика (РА) затем использует созданную   ПА базу и  обогащает ее результатами работы ИИ и МО.

Этот процесс протекает следующим образом. В настоящее время служба ПА осваивает в своем ИТ-подразделении поступающие  из нескольких источников данные, которые затем готовятся эксперт по аналитическим данным * для последующего анализа. Система РА выполняет эти последние шаги (подготовка данных и их первоначальный анализ) и подвергает их дальнейшей автоматизированной переработке, используя МО  и ИИ. При этом в процессе МО производится обработка загруженных данных и выявление шаблонов, после чего  ИИ осуществляет их  анализ (с использованием моделей и алгоритмов, созданных специалистами по данным).

* Data Scientist — это эксперт по аналитическим данным, который обладает техническими навыками для решения сложных задач

Алгоритм МО постоянно совершенствует шаблоны и выявляет  новые. При этом общая модель ИИ уточняется за счет огромного объема поступающих  данных.  Автоматизация устраняет  ручной труд и ускоряет  поиск нужных данных. Применение инструментов обработки информации на естественном языке и ее виртуализации  означает, что процесс переходит от обработки данных к их раскрытию.

Преимущества расширенной аналитики

В дополнение к достоинствам предпринимательской аналитике РА обеспечивает уровень эффективности и точности анализа, доступный только при компьютерной обработке. В результате истинный объем РА выходит за рамки возможностей ПА за счет:

- повышения точности:  эксперты по аналитическим данным манипулируют несколькими наборами данных во избежание  статистически вероятных ошибок, которые могут допускаться в ходе собственно аналитического процесса;

- повышения скорость: при запуске проекта со стандартными платформами ПА устраняются затраты времени на  ручную подготовку данных и ответы на запросы, поскольку обработка и выполнение запроса производится со скоростью машины, а не человека;

- снижение предвзятости: эксперт по аналитическим данным может оказаться во власти предубеждения  и в ходе анализа выбрать  привычный шаблон, непредумышленно  недооценив более ценную идею. Машины в этом случае будут работать более тщательно и эффективно;

- оптимизация использования  ресурсов: существует необоснованное предположение, что любое движение в сторону автоматизации либо  ИИ уменьшит ответственность ИТ-персонала или специалистов по обработке данных; на самом деле, РА освобождает их от ручного труда, позволяя  сосредоточиться на более важных задачах.

Желающие могут загрузить новую книгу автора «What Is Augmented Analytics?»

Новые рефераты в 2019 году

-Конкурентная разведка с применением  искусственного интеллекта/декабрь

- Сущность дополненной аналитики/декабрь

- Что ожидает конкурентную разведку в будущем?/декабрь

- Современное состояние аналитики интеллектуальной собственности// Ноябрь

- Конкурентная разведка в цифровом маркетинге/октябрь

- Скрытая информация в патентных документах/сентябрь

-Искусственный интеллект и будущее патентной системы/август

- Увеличение  доходов за счет глобального использования нематериальных активов/июль

- Интеллектуальная собственность: тенденции на будущее/ июнь

- Управление интеллектуальной собственностью в эпоху цифровых технологий/ май
- Как Google и многонациональные технологические компании убили патентную систему США//апрель
- Исследование будущего патентной аналитики/март
- Блокчейн и интеллектуальная собственность – сегодня и завтра/февраль
- Скоро ли блокчейн разрушит охрану интеллектуальной собственности?/февраль
- Блокчейн и законодательство об интеллектуальной собственности (ИС)/январь
- Реальные потребности использования блокчейна в системе интеллеектуальной собствнности/январь

Содержание рефератов

Декабрь 2019

Конкурентная разведка с применением  искусственного интеллекта

AI-driven Competitive Intelligence, Marta Marino – medium.com›…ai-driven-competitive-intelligence…

Чтобы превзойти конкурентов, предприятия должны создавать службы  конкурентной разведки (КР), которые в реальном времени преобразуют данные в аналитические материалы, отображающие конкурентную среду данной компании. Большую ценность при этом представляют  машинные алгоритмы искусственного интеллекта (ИИ), которые могут помочь выявить тенденции и понимание обширных потоков неструктурированных внешних данных и принять более быстрые решения, которые потенциально могут обеспечивать  конкурентоспособность компании в режиме реального времени или даже некоторым  опережением.

Под КР понимаются  усилия компании по сбору и анализу информации о своей отрасли, бизнес-среде, конкурентах,   конкурентоспособных продуктах и услугах. Сбор и анализ такой информации подкрепляет стратегию компании, выявляя при этом и  ее конкурентные изъяны. Далее рассматриваются  три основные области КР, в которых, по мнению автора,  применение ИИ имеет особую ценность. Кроме того, называются  лучшие источники КР и возможности их «прочесывания» с использованием так называемых  веб-скреперов – компьютерных  программ, которые  извлекают нужные сведения из исходных данных, собранных другой программой.

Источники неструктурированных внешних  данных

Для создания профилей конкурентов лучше всего систематически выявлять  источники релевантной информации о конкурентах, исхода из стоящих перед компанией целее. Решающее значение для получения актуальных  сведений имеет оперативная обработка  данных из  внешних онлайн-источников в реальном времени. В их число входят:

• Веб-сайты компании для ознакомления с целевой аудиторией, изменениями в стратегии, ценообразовании и т. д.

• Пресс-релизы компании о новом продукте, кадровых изменениях или новостях о расширении.

• Сообщения в социальных сетях, особенно если компания представляет новый продукт или услугу, которая еще не была запущена.

• Объявления о вакансиях, типах и количестве доступных вакансий с указанием потенциально новых  направлений развития или продуктов.

Инструменты ИИ обеспечивают множество  возможностей для сбора данных из  миллионов веб-страниц, способных раскрыть ценные бизнес-идеи. Эти инструменты могут отслеживать полный поток цифровых данных  о конкуренте – как на его собственном веб-сайте, так и за его пределами. Наиболее важные обновления – это те, которые не объявлены в пресс-релизе, а скорее скрыты на веб-сайтах или в отзывах клиентов. Все дело в способности веб-скреперов выявлять и предоставлять высококачественные данные

Веб-скреперы уже приобрели популярность и используются для доступа к неструктурированным наборам данных из Интернета. Как только данные собраны, структурированы и организованы, инструмент  ИИ может автоматически классифицировать данные и проставлять  приоритеты их своевременного отбора и просмотра  пользователями.

Области применения результатов КР

Выделены  три области КР, где можно эффективно использовать результаты обработки  неструктурированных внешних данных:

1. Контроль заполнения рабочих мест. Компания может следить за новостями, страницами конкурентов и социальными сетями для определения  трендов интересующих ее  категорий занятости (т.е. руководителей, экспертов в  данной предметной области, разработчиков ИИ-технологий), нанимаемых или увольняемых из данной компании либо переходящих в конкурирующие компании. Это обеспечит ценную информацию, сигнализируя о том, что у конкурента могут быть некие производственные проблемы, вовлеченность в процедуры  приобретения/поглощения, начало перехода в другую сферу деятельности или внедрения новых технологий.

2. Контроль за изменениями  цен. На быстро меняющемся онлайн-рынке компании, стремящиеся оставаться конкурентоспособными – и, конечно же, клиенты электронной торговли –  вынуждены чутко реагировать на процессы  ценообразования. Используя данные о ценах, собранные на миллионах сайтов электронной торговли по всему рынку, можно составлять представление  о ценовых тенденциях на данном рынке.

Мониторинг цен может предупредить компанию об изменениях в  ценах ее конкурентов, а также многое рассказать  о их стратегиях ценообразования (например, рождественские скидки, распродажи и т. д.). Благодаря дополнительному анализу отношения к  продуктам конкурентов можно также отслеживать, как оно влияет на цену с течением времени. Это способствует  оценке ошибок  и достоинств  конкурентов.

3. Мониторинг продвижения продукта конкурентов. Используя новейшие описательные методы представления объекта  посредством обработки естественного языка можно  отслеживать конкретные социальные процессы, которые указывают на продвижение конкурентного продукта, сопровождаемое рекламной шумихой вокруг его бренда в социальных и новостных данных. Это облегчает оценку покупательских тенденций и  своевременность встречного запуска  на рынок собственных продуктов.

Ограничения веб-скрепров и их преодоление

Веб-скреперы, подчиняемые  правилам, ограничены в их способности работать независимо. Инструменты для очистки веб-страниц обычно создаются для работы с простыми веб-сайтами. Потому, столкнувшись с  динамичными элементами, скрепер не в состоянии извлекать данные. Современные  веб-сайты обновляются довольно часто, и многие из этих изменений могут сделать скребковый инструмент бесполезным. В последнем случае произойдет утрата  данных, что приведет к необходимости  обновления инструмента для адаптации его к измененным страницам.

Компания Skim постоянно обновляет и добавляет новые функции в собственный веб-скрепер « Skim Engine». Skim Engine – это агент без правил, который извлекает и организует неструктурированные данные машиночитаемым способом, обеспечивая  сбор  надежных и точных данных о  конкурентах, не реагируя на изменения в веб-страницах.

Сущность дополненной аналитики

Augmented Analytics: what does it really mean?

- modefinance.com›…augmented-analytics…really-mean-

К средствам дополненной (или расширенной аналитики (англ.-augmented analytics) относят системы на базе машинного обучения  (МО) и искусственного интеллекта (ИИ), которые призваны радикально  изменить принципы подготовки, потребления и распространения аналитической информации. Понятие дополненной аналитики  описывают как новый подход к анализу данных, который автоматизирует восприятие с помощью машинного обучения и генерации естественного языка (NLG)**

* Natural-language generation (NLG) – это компьютеризированный процесс, который трансформирует структурированные данные в сообщения на естественном языке.

Дополненная аналитика (ДА)– это технология будущего. В настоящее время любая продвинутая компания рассматривает  анализ данных как основополагающий этап бизнес-стратегии. Тем не менее, существующий  подход анализа больше не в состоянии справиться с обработкой  и осмыслением непрерывно увеличивающегося объема данных. Весь процесс принятия решений становится чрезвычайно трудоемким. Это подтолкнуло ученых к разработке инструментов анализа, которые смогли бы взаимодействовать с пользователями с использованием естественного языка. Это и является целью дополненной или расширенной аналитики..

Используя методологии самообучения, ДА автоматизирует большинство процедур анализа и постоянно расширяет свои возможности благодаря опыту, накопленному пользователями, и информации, передаваемой внешними консультантами. Вместо панелей мониторинга пользователи могут генерировать запросы и получать информацию на естественном языке с помощью личных помощников, чат-ботов и диалоговых интерфейсов, которые поддерживают представление данных, предлагая действенные решения.

Реверсирование  традиционного анализа

Традиционный процесс  анализа может включать дорогостоящий и трудоемкий процесс, состоящий из нескольких этапов анализа, каждый из которых требует различных навыков и сотрудничества различных экспертов (специалистов по  данным, аналитиков данных, бизнес-менеджеров и ИТ-инженеров). В Gartner*используется  система oplon Risk platform, которая объединяет  все этапы принятия решений в единой платформе, снабженной инструментами, которые автоматизируют   с использованием  ИИ и МО все процедуры анализа, чтобы дать возможность неспециалистам лучше понимать получаемые  аналитические данные.

.* Gartner — исследовательская и консалтинговая компания, специализирующаяся на рынках информационных технологий.

При традиционном подходе исследователи тратят большую часть своего времени на сбор и очистку данных. Подключение внешних и внутренних сервисов через API * дает как минимум три преимущества: это улучшает качество анализа и точность сбора данных из разных источников, экономит время при обработке данных и снижает вероятность ошибок.

* API (программный интерфейс приложения, интерфейс прикладного программирования)

Большая часть информации, которую мы получаем каждый день, передается в форме слов. Инструменты анализа oplon также охватывают устные данные анкет и файлов, которые предоставляют качественные данные, необходимые для выдачи кредитных рейтингов. Данные не только отображаются графически, они также взвешиваются и обрабатываются в рамках процедуры оценки, и они могут существенно повлиять на результат рейтинга. Например, можно рассчитать рейтинг компании по данным бухгалтерского баланса и добавить после слов информацию, переданную кредитным бюро. Данные считываются и анализируются самой платформой, и рейтинг компании автоматически обновляется в соответствии с новой информацией. Если платформы Business Intelligence предоставляют только ограниченное количество инструментов анализа, заставляя пользователей работать с различными приложениями и устройствами одновременно, то Оplon позволяет добавлять пользовательские модели в платформу и настраивать их как этапы анализа процесса оценки рейтинга.

Благодаря алгоритмам ИИ и МО oplon одновременно анализирует тысячи данных, выявляя наиболее значимые корреляции и раскрывая непредвиденную информацию. Если традиционные инструменты анализа обеспечивают ретроспективное представление о производительности компаний, то оплон имеет прогнозирующие сценарии, позволяя пользователям изучить все возможные алтернативы.

Будущее дополненной аналитики

Дополненная аналитика включает три различных области или этапа развития:

• Расширенная подготовка данных: это включает в себя алгоритмы ИИ и МО для сбора, организации и интеграции данных, поступающих из разных источников. Многие компании уже используют технологии подготовки данных, сокращая затраты времени и средств на обработку данных;

• Разговорная расширенная аналитика: уже упоминался  этот шаг, который позволяет специалистам по данным (деловым людям, не имеющим или не имеющим достаточных знаний в области науки о данных) использовать МО для автоматического поиска и визуализации наиболее значимых результатов без построения моделей анализа. , Пользователи смогут исследовать комбинации и наборы данных любого набора, запрашивая чат-боты и диалоговые интерфейсы (например, «Что я могу сделать, чтобы улучшить продажи») и получать подробные и существенные сведения;

• Развитая наука о данных и МО: на последнем этапе технологии МО и ИИ смогут автоматически генерировать модели расширенного анализа и управлять ими. Это освободит ученых от трудоемких и повторяющихся задач, позволит им сосредоточиться на более

Что ожидает конкурентную разведку в будущем?

What is the future of competitive intelligence? Emily Dumas, May 10, 2019 – crayon.co›…what…future-of-competitive-intelligence

Конкурентная разведка (КР) традиционно была ручным процессом. Специалисты по КР и рыночные аналитики тратят значительное количество времени на сбор, анализ и обработку необходимых данных. Однако традиционный способ проведения конкурентных исследований – вручную – может вскоре стать все менее приемлемым  для профессионалов КР. Конкурентная разведка становится все более популярной и более цифровой.

В ежегодном отчете компании Crayon о состоянии конкурентной разведки (State of Competitive Intelligence report) было опрошено более 1000 профессионалов КР для изучения передового  опыта, решаемых проблем и применяемых стратегий. Требовалось  получить более четкое представление о том, как эта сфера деятельности развивается  из года в год и что ее ожидает в будущем.  С приходом во все отрасли новых игроков опережение конкурентов становится все сложнее. 87% респондентов отметили, что соперничество в их отраслях за последние 3 года существенно обострилось. Имеются все основания полагать, что тенденция обострения рыночной конкуренции сохранится и в будущем.

В прошлом процесс осуществления КР, даже с появлением в компаниях средств автоматизации, был более легким. Теперь же профессионалам  КР  приходится иметь дело с   сотнями новых источников для отслеживания деятельности не только  прямых конкурентов, но и всей окружающей их конкурентной среды, включая косвенных конкурентов, существующих и  потенциальных клиентов и многое другое. Чтобы иметь полное представление о рынке, им необходимо отслеживать  деятельность реальных и потенциальных соперников  за пределами конкурентов первого уровня. В некоторых сферах их рост составил 32%.

По мере  расширения отслеживаемой конкурентной среды будет возрастать  и объем данных, собираемых специалистами КР. А  это  потребует  дополнительных ресурсов для обработки и углубленного  анализа потока данных. Поэтому в  2019 году 40% компаний      предусмотрели  увеличение  бюджета КР; в 2018 году их насчитывалось только 33 процента. Возросла и численность персонала КР. Эти факты показывают, что компании осознают возрастающую важность КР и  рентабельность инвестиций в ее деятельность.

Респонденты в своих ответах показали, сколько времени они проводят на каждом этапе КР: исследованиях, анализе и контактах. При переходе с  2018 на 2019 год часть времени, затрачиваемого на исследования, переключилась на время, затрачиваемое на общение, что привело к более равномерному распределению между тремя фазами КИ. С ростом автоматизации исследования могут занимать все меньше времени, и все больше времени может быть потрачено на анализ,  оценку  и передачу результатов КР в подразделения своей компании. Время, затрачиваемое на этапе исследований, будет все больше  сокращаться по мере внедрения  в работу специалистов КР технологий искусственного интеллекта (ИИ) и машинного обучения, которые  становятся для них стандартным способом  сбора и анализа данных.

Сейчас, как никогда ранее, компании ощущают возрастающую роль КР, подкрепленную новейшими информационными технологиями. Многие респонденты, обновляющие сейчас разведданные ежемесячно, ежеквартально или по мере необходимости, хотели бы, чтобы к ним  материалы КР поступали  еженедельно. Наличие самых современных и надежных материалов КР напрямую способствует активизации предпринимательской деятельности компании и поддержанию ее  конкурентных преимуществ.

Выявленные в отчете о состоянии КР за 2019 тенденции  автор рекомендует принять во внимание при разработке корпоративных стратегий     ее дальнейшего развития.

Ноябрь 2019

Современное состояние аналитики интеллектуальной собственности

The state-of-the-art on Intellectual Property Analytics… Aristodemou L.,Tietze F.// – mendeley.com›…intellectual-property-analytics-ipa…

Большие данные становятся все более доступными во всех областях производственной деятельности, обогащая  возможности принятия более эффективных решений и открытия  инновационных технологий следующего поколения. В последнее время наблюдалось  существенное развитие  патентной аналитики, раскрывшей новые возможности  анализа больших объемов патентной информации для выявления технологических тенденций. В данной статье рассматривается более широкое понятие –   аналитика интеллектуальной собственности (АИС). При этом особое внимание уделяется использованию методов искусственного интеллекта, машинного обучения и глубокого обучения* для анализа данных интеллектуальной собственности (ИС).

* Глубокое обучение (глубинное обучение; англ. Deep learning) — совокупность методов машинного обучения (с учителем, с частичным привлечением учителя, без учителя), основанных на обучении представлениям (англ. feature/representation learning), а не специализированным алгоритмам под конкретные задачи (Википедия).

Содержание аналитики интеллектуальной собственности

АИС – это наука о данных, которая позволяет анализировать большой объем информации о ИС, выявлять взаимосвязи, тенденции и модели  принятия решений. Это междисциплинарный подход, который использует математику, статистику, компьютерное программирование и исследование операций для  преобразования данных в знания, обосновывающие  принятие решений, вытекающих из оценки предпринимательской среды (бизнес-контекста). Общепринятого определения АИС пока не существует; однако оно близко перекликается с определением патинформатики – областью применения методов информатики* для решения  проблем, связанных с анализом патентной информатики.

* Информа́тика (фр. Informatique; англ. Computer science) — наука о методах и процессах сбора, хранения, обработки, передачи, анализа и оценки информации с применением компьютерных технологий, обеспечивающих возможность её использования для принятия решений

При обсуждении аналитики интеллектуальной собственности (как и патентной аналитики) важно понимать процесс анализа соответствующих  данных. Ряд исследователей выделяют в анализе данных три  основных этапа. На этапе предварительной обработки производится сбор и отсеивание данных с целью их предоставления в должном  качестве, достоверности  и полноте. На этапе первоначального    анализа данных, извлеченных на этапе предварительной обработки, выполняется их  классификация, кластеризация и идентификация в информации значимых данных. На стадии последующего анализа, также именуемого  обнаружением знания, значимые данные  визуализируются и оцениваются для обоснования  стратегических решений. Далее в статье уделяется особое внимание двум последним этапам, а также конкретным алгоритмам, используемым для анализа данных.

Составление выборки статей и их библиографический анализ

В  статье обобщаются  существующие работы, особенно касающиеся применения методов искусственного интеллекта, таких как машинное обучение, искусственные нейронные сети и глубокое обучение в области ИС. Статьи по аналитике интеллектуальной собственности (АИС)  и патентной аналитике (ПА) были отобраны из базы данных Scopus по ключевым словам типа «патент», «патентные данные», «патентный анализ» и «данные интеллектуальной собственности». Затем поиск сузился до документов, которые также содержат либо в заголовке, либо в аннотации, либо в ключевых словах термины «машинное обучение», «модели машинного обучения», «нейронные сети», «глубокое обучение» и «искусственный интеллект». При этом  поиск ограничивался статьями, опубликованными после 2000 года, а также сферами бизнеса, информатики, машиностроения, социальных наук и математики.

В результате проведенного 8 января 2018 года поиска и  ручного удаление дублирующих или не относящихся к делу статей, осталось 57 статей, которые составляют основу этого обзора.

Первый уровень анализа рецензируемых статей посвящен обработке библиографической информации о 57 статьях, опубликованных с 2000 года. Количество статей увеличилось за последние несколько лет, достигнув пика в 12 статей, опубликованных в 2017 году, что свидетельствует о возрастающем интересе к этой конкретной области. Это также подтверждается ростом числа совокупных цитирований, которое  достигло пика в 153 цитирования в 2017 году. Большинство статей сосредоточено в предметной области информатики (29%), затем следуют социальные науки (14%), бизнес, менеджмент и бухгалтерский учет (12%), а также машиностроение (8%).

Из информации видно, что Азия является ведущим континентом в применении методов машинного обучения к патентным данным. В тройку лидеров входят Тайвань, Южная Корея и Китай с 18, 12 и 8 статьями соответственно. Заметный  вклады также вносят американские ученые (8% от общего числа статей). Европейские страны также проявляют активность  в этой области. На  Германию и Сербию приходится большинство статей, затем следуют Испания и Бельгия.

Были также выделены 10 лучших журналов, в которых публикуются соответствующие статьи. Два топовых  журнала, на которые приходится 30% статей (по 15% каждая), «Technological Forecasting and Social Change» и  «Scientrometrics». За ними следуют «Expert Systems» ( 7%), « World Patent Information» и «Sustainability» (5% каждаялучших журналов насчитывают в общей сложности 33 статьи.

Наиболее цитируемой оказалась  статья – Klinger et al (70 ссылок), за которыми следуют Trappey et al. (68) и Trappey et al. ( 61 ссылок). Тем не менее, самой высокой частотой цитирования (определяемой как общее количество цитирований за все время существования статьи) характеризуются опубликованыепосле 2010 года статьи Krallinger et al. , Trappey et al. и Klinger et al. Это свидетельствует об увеличении важности данной отрасли знаний, а также значимости  ПА и АИС.

Методы аналитики  интеллектуальной собственности

В литературе описывается  несколько аналитических методов, которые использовались при обработке данных об ИС и, в частности, о патентах. Далее рассматриваются преимущественно методы и подходы применения с этой целью искусственного интеллекта (ИИ). Большинство статей сосредоточено вокруг искусственных нейронных сетей (ANN) и использования метода обратного распространения ошибки* с последующим использованием машины опорных векторов (SVM)**, а также условных случайных полей (CRF)***. Кроме того, большинство статей посвящено методам классификации и кластеризации.

* Метод обратного распространения ошибки (англ. backpropagation) — метод вычисления градиента, который используется при обновлении весов многослойного перцептрона. Это итеративный градиентный алгоритм, который используется с целью минимизации ошибки работы многослойного перцептрона и получения желаемого выхода.-Википедия

** Метод опорных векторов (англ. SVM, support vector machine) — набор схожих алгоритмов обучения с учителем, использующихся для задач классификации и регрессионного анализа.

*** Условные случайные поля (CRF) представляют собой класс методов статистического моделирования, часто применяемых в распознавании образов и машинном обучении и используемых для структурированного прогнозирования

Обзор литературных источников позволяет  выявить четыре категории, в которых реализовано использование методов ИИ применительно  ИС.

Первая категория относится к управлению  знаниями, охватывая, частности, оценку патентов и классификацию их качества.  Вторая категория имеет дело с  технологическим менеджментом, Она  включает патентоспособность технологий, планирование, технологическую разведку, включая мониторинг технологических изменений, идентификацию и прогнозирование появляющихся технологий. Третья категория посвящена экономической ценности ИС (в данном случае патентов) и ее влиянию в других областях, например, в сфере права. Четвертая категория является  гибридной,  включает вопросы извлечения информации и эффективности  управления ею. В ней  концентрируется внимание на извлечении отличительных признаков патентов, включая  химические формулы,  рисунки и своеобразие классификации патентов и их цитирования в разных технологических областях.

Управление знаниями важно для фирм, так как оно повышает эффективность решения  проблем, адаптации  и развития в соответствии с меняющимися требованиями бизнеса. Для поддержки высокого уровня  управления знаниями, в частности – патентными документами,  применяется  их классификация и методология поиска, основанные  на технологии нейронных сетей. Она  помогает компаниям оценивать значимость прав ИС и пригодность  патентных документов для разработки инновационных продуктов и выявления новейших технологических тенденций.

Использование  патентных транзакций и  нейронных сетью обратного распространения обеспечивает классифицирование  патентов по их качеству с точностью до 85%. Оценка патентоспособности технологии повышает  вероятность одобрения  патентной заявки патентным ведомством.

Управление технологиями представляет собой набор дисциплин управления, которые позволяют организациям управлять своими технологиями для создания конкурентного преимущества. Определение технологических тенденций важно для лиц, принимающих решения в области  управления НИОКР.

В одной из работ  предлагается  методология, которая основана на количественном анализе перекрестных воздействий, позволяющих устанавливать, как связи между событиями ( например, между собственными и конкурирующими НИОКР) будущих технологических тенденций.  Этот метод используется при  анализе опубликованных статей и патентов для выявления научных и технологических тенденций, а также получения общего  представления о патентовании технологий, отражающих будущие технологические тенденции.

В другой работе используется  нейронная  сеть для  построения карты, которая визуализирует тенденцию развития в данной технологической области. Анализ жизненного цикла технологии в частности важен при построении  инвестиционных стратегий компании. Используется также  статистическая  марковская модель (СММ) для  разгадывание неизвестных параметров на основе наблюдаемых.

С выявлением технологических тенденций тесно связана способность прогнозировать технологические инновации. Так, например, предлагается метод  анализа патентной информации, который объединяет статистические выводы и нейронные сети для построения  модели предсказания новой  технологии.

Извлечение информации и эффективное управление информацией являются основополагающими компонентами  системы управления любой фирмы. Исследования в этой области были сосредоточены в основном на трех темах: извлечении и распознавании химических названий, извлечении и идентификации цифровых материалов и эффективном управлении совокупной  информацией.

Обзор литературы показал, что аналитика ИС с применением методов искусственного интеллекта, машинного обучения, глубокого обучения и искусственной нейронной сети нуждается в  дальнейших исследованиях.

Октябрь 2019

Конкурентная разведка в цифровом маркетинге

Competitive marketing intelligence in a digital, data-based world. By Merlin Stone,  Journal of Direct Data and Digital Marketing Practice – scholarmate.com›S/SXem4L

В реферируемой статье рассматриваются возможности применения ключевых идей конкурентной разведки (КР) в цифровом маркетинге посредством исследования отношения между этими двумя мирами. Маркетинг радикально сместился в сторону Интернета, постоянно   расширяющего границы изучения  деятельности конкурентов и воздействующих на нее факторов. Однако, вместе с непрерывным возрастанием обрушивающегося на нас информационного потока, увеличивается и риск утраты некоторых ключевых данных. Поэтому маркетологам и взаимодействующим с ними патентным аналитикам важно активизировать освоение новых методов и средств  получения и применения конкурентной информации при разработке бизнес-стратегиЙ в цифровой среде.

Оценка предыдущего опыта КР

Анализ предшествовавшего развития КР  показывает, что одного лишь исследования текущей  деятельности конкурентов  недостаточно. При разработке как наступательной, так и оборонительной стратегии компании требуется сканирование удаленного горизонта для выявления нависших угроз и угроз и неожиданных благоприятных возможностей. С развитием Интернета утвердилось понятие «разрушительных инноваций», способных преобразовывать целые отрасли и ставших одним из главных объектов деятельности КР. Компании, которые доминируют в одной фазе развития рынка, могут – под их воздействием – потерпеть неудачу в следующей.

Конкурентная разведка  расширяет возможности  идентификации исключений и аномалий в деятельности соперника, которые могут указывать на новые тенденции еще до их появления. Во многих случаях эти аномалии проявляются в  слабых сигналах, на которые необходимо внимательно реагировать  и творчески интерпретировать. Аномалия может быть предвестником критического события, которое невозможно предсказать, хотя оно в состоянии  коренным образом изменить ход истории. Такая аномалия проявляется  в статистических выбросах (сигналах о крайне маловероятных событиях), которые могут быть неожиданными или ожидаемыми, но с некоторыми неопределенными проявлениями относительно их местоположения, времени или силы. Они могут указывать на то, что конкурент прощупывает  ваш рынок, проверяя  возможность соперника улавливать сигналы о грядущей  атаке и готовности ее отражения. Пассивное ожидание открытого проявления критических событий на рынке чревато разрушительным ударом по вашему бизнесу.

В эпоху Интернета, слабые сигналы могут быть обнаружены гораздо легче. Но объем информации настолько велик, что трудно определить важные сигналы на фоне миллионов возможных несущественных фактов и слухов. Аномалии являются исключением из нормального хода событий. Но не может быть единого мнения относительно того, что является нормальным. Поэтому маркетолог должен уметь идентифицировать действительно серьезную проблему для продуманных компанией планов,  черпая  предоставляемую Интернетом надежную информацию, включая новые патентные документы

Дополнительной проблемой является появление нетрадиционных конкурентов на других уровнях собственной производственно-сбытовой цепочки компании или ее внутри экосистемы, а также среди  компаний за пределами данной  отрасль. Например, компания Adobe стала конкурентом многих компаний, поставщиком которых она была и остается. Понимание того, что ваши поставщики или клиенты могут стать вашими конкурентами, становится основой конкурентного анализа.

Добыча тех или иных фактов  зачастую не обеспечивает решения возникшей проблемы. Они должны быть сопоставлены, проанализированы с оценкой  их важности. Следующий шаг – задать вопросы о том, кто породил данный  факт или слух, есть ли у них мотив для этого, а затем, являются ли описанные действия или люди подлинными, что люди делают, где, когда, как и почему.

Маркетологам предстоит решать, когда полученных  доказательств достаточно, чтобы сделать вывод о высокой вероятности некого события.  Увеличение объема доказательств может привести к чрезмерной уверенности в их бесспорности, а их интерпретация породит  предвзятость в пользу недавних доказательств. Однако и  принятие быстрых решений может легко привести к неправильным выводам, основанным на простейших заблуждениях.

Новые возможности  КР цифрового маркетинга

С развитием Интернета в возможностях осуществлении КР  состоялись радикальные  изменения. Произошел взрыв в объеме и разнообразии информации, доступной покупателям, продавцам и дистрибьюторам.  Клиенты обрели способность получить быстрый  и точный доступ  к лучшим продуктам и услугам,  которые,  благодаря этому, за очень короткое время получают  глобальное  распространение. В свою очередь компании теперь могут более точно ориентироваться на нужных клиентов, которых они хотят привлечь (или отвлечь  от своих конкурентов), используя совокупность цифровых технологий и соответствующих  баз данных.

Большинство компаний разрабатывают  защитные стратегии и программы удержания клиентов. Они направлены на укрепление лояльности клиентов, часто с помощью стимулов или выгод от предоставляемых услуг. Если уязвимые клиенты подвергаются целенаправленной атаке конкурентов, их  удержание становится более трудным, если клиентам предлагается гораздо лучшее предложение. Компании должны использовать комплексную  защиту, используя информацию о типах клиентов, на которых нацелены посягательства конкурентов.

Конкретные угрозы могут быть определены заранее с помощью конкурентного анализа для  определения, например, используемых конкурентами способов поиска и привлечения клиентов. Для этого  проводится изучение в социальных сетях и блогах  причин их ухода. Кроме того, сопоставляются  рейтинги используемых в этой сфере собственных и конкурентных веб-сайтов, просматриваются публикуемые там аналитические комментариями и др. При этом следует избегать ловушек, вводящих компанию в заблуждение относительно реальных приемов рыночной борьбы.

Поэтому следует выработать ключевые вопросы о характере  осуществляемого конкурентами  цифрового маркетинга и цифровых стратегиях, которые  могут повлиять на успех или неудачу своей компании: Каково состояние базы данных клиентов? Могут ли конкуренты интегрировать автономные и онлайн-данные в режиме реального времени, чтобы использовать их для таргетинга и управления контактами с клиентами? Есть ли у них платформа управления данными и др.

Данная статья направлена стимулирование всестороннего обдумывания и оценки новых проблем, возникающих при осуществлении КР цифрового маркетинга.

Сентябрь 2019 года

Скрытая информация в патентных документах

The Hidden Insights of Patent Data

Author: Tom Marlow, the Chief Technology Officer for Black Hills IP and the President of Black Hills IP Renewals,   March 29, 2019 – datascience.com›…the-hidden-insights-of-patent…

Патентные системы  предназначены для  содействия инновациям и обмена идеями. В обмен за предоставление изобретателю ограниченной монополии он раскрывает подробное описание своего изобретения. Заявка на патент должна содержать достаточно подробную информацию о технологии, чтобы специалист в данной области мог понять, как создать или применить это изобретение на практике. Затем это описание публикуется в мире, чтобы другие могли читать и учиться на нем

Однако  за пределами технического описания изобретения в патенте содержатся дополнительные метаданные. В эти данные включены имена изобретателей, адреса, компании, в которых они работают (владелец патента), дата подачи патента, связанные ссылками патенты / заявки и многое другое. Эти метаданные и техническое описание изобретения составляют удивительный набор данных, идентифицирующих исследования и разработки по всему миру. Кроме того, поскольку патенты выдаются правительствами, в них отражается географическое распространение их прав. Это означает, что изобретатель должен подать заявку на патент в каждой стране, где он хочет защитить.

Патенты недешевы, и  эта готовность тратить деньги сигнализирует о ценности патентуемой технологии, в частности – в стране / рынке, где подан каждый патент. Во многих отношениях, если вы хотите проанализировать технологическое пространство, патентные данные могут быть лучше, чем анализ продуктов. Технология описана достаточно подробно и во многих случаях определяет технологию, которая еще не появилась на рынке.

Наше собрание данных

Компания Black Hills IP собрала более 100 миллионов сообщений о патентах и ​​патентных заявках со всего мира. Здесь  используются не только данные, опубликованные патентными ведомствами, но и дополнительные сведения, получаемые с использованием  собственных алгоритмов. В результате  для использования в анализе предлагается, вероятно, самый большй в мире сводный массив патентных данных. В одной только сфере искусственного интеллекта (ИИ) у накоплен массив от ста до двухсот тысяч патентных сообщений.

Разбивая этот массив данных, можно увидеть тенденции, разработки и освоения основополагающих технологий. Например, оказывается, что  ряд крупных американских компаний охватывают   патентными заявками несколько юрисдикций, включая Китай. В то же время, многие из изобретений китайских компаний представлены только национальными  патентными заявками и, следовательно, их охрана ограничена лишь Китаем.

Для сравнения, патентные портфели многих крупных американских компаний в области ИИ, как правило, распределяются примерно 50 на 50 между национальными и международными патентными заявками. Это означает, что существует множество технологий с защитой только в пределах границ Китая, и последствия могут быть значительными, учитывая стремление к развитию ИИ-технологии в Китае и богатство ресурсов, доступных для поддержки этого развития.

Полезные выводы

Когда патентные заявки  подаются только в одной юрисдикции, они раскрываются всему миру и открывают возможность свободного использования изобретений за пределами страны подачи заявки. В прошлом мы видели, как китайские компании перенаправили технологии Силиконовой долины на внутренний рынок Китая. Сегодня в развивающейся области освоения ИИ-технологий маятник качнулся  в обратную сторону. Публикация китайских патентов на ИИ-технологии, не защищенные одновременно в США, потенциально может привести к их копированию на рынке США. Уже сейчас  наблюдается ускорение внедрения в США и других западных странах, ИИ-технологий под воздействием  реализации в Китае стратегии интенсификации развития и освоения ИИ на его  внутреннем рынке.

Конечно, существует множество и  других возможностей извлечения полезных идей из богатейшего собрания  патентных данных. Роль патентной аналитики в технологической сфере  еще более  возрастет по мере того, как патентные ведомства во всем мире будут повышать качество и доступность своей патентной информации, а работающие в этой сфере специалисты еще глубже осознают ценность разносторонних сведений, крывающихся в патентной докумнтации.

Август 2019

Искусственный интеллект и будущее патентной системы

Artificial intelligence and the future of the patent system
Joff WildAuthor | Editor-in-chief – jwild@GlobeBMG.com //
- iam-media.com›law…artificial-intelligence…patent…
Joff WildAuthor | Editor-in-chief – jwild@GlobeBMG.com //
- iam-media.com›law…artificial-intelligence…patent…
Перед глобальной патентной системой стоит ь множество проблем, которые, если их не решить, могут привести к сокращению ее использования. По мнению Эдди Уайта – директора по аналитике интеллектуальной собственности (ИС) в фирме Clarivate Analytics – более пристальное внимание к искусственному интеллекту (ИИ) может помочь решить эту реальную проблему.
Патентная система сегодня отягощена множеством актуальных проблем. Требования новизны и неочевидности становятся все более сложными для их удовлетворения с достаточно высокой степенью очевидности. Причины этого хорошо известны.
Во-первых, объем информации огромен и продолжает возрастать. Год назад насчитывалось свыше 100 миллионов патентных документов, более 70 миллионов журнальных статей, не считая более четырех миллиардов проиндексированных веб-страниц информации, которую потенциально необходимо было просмотреть для установления новизны.
Этот рост отражает растущую изобретательность цивилизации в поиске решений множества технических проблем, больших и малых. Однако сегодня он сопряжен с возрастающей проблемой. Патентная система основана на обмене эксклюзивности на прозрачность и выгоду для всех. Но оцифровка патентной информации означает, что большинство мировых патентных активов становится общедостпным без особых затруднений. В результате мы сталкиваемся с новыми проблемами.
Во-вторых, в течение некоторого времени патентные ведомства работали в мире, где большинство новых изобретений не получало достаточного раскрытия на общедоступном английском языке. Из 5,6 миллиона патентных документов, опубликованных по всему миру в 2017 году, более 62% написаны на китайском, японском или корейском языках, часто без эквивалента на английском языке. Это означает, что рабочий язык инноваций практически лишен открытого раскрытия, предназначенного для выдачи исключительных патентных прав.
В-третьих, инновации все чаще происходят на стыке различных технологий, и для понимания сущности инновации требуются все более сложные и специальные знания. В итоге патентная информация усложняется, поскольку ее ценность скрыта за барьером необходимых или ожидаемых знаний.
Эти вопросы, взятые вместе, ставят под сомнение полезность патентной системы. Если не принять меры, они могут потенциально обесценить систему и привести к снижению ее использования. Для усиления человеческих возможностей требуется усиленная помощь со стороны ИИ.
Сущность ИИ
Общепринятое определение ИИ – демонстрация интеллекта машинами. Имеется в виду использование машин для имитации когнитивных функций человека – возможности воспринимать, передавать, анализировать и запоминать различную информацию. На практике имеется в виду, прежде всего, обучение машин решению разнообразных проблем.
Ране было проведено много исследований в области математики, когнитивной науки и других областях, но в действительности ИИ начал развиваться в конце 1990-х годов с появлением компьютерных технологий. Это позволило ИИ добиться больших успехов и привести к некоторым ощутимым применениям в различных областях.
ИИ включается через машинное обучение: с помощью заранее определенного целевого набора данных компьютер получает возможность продолжить обучение без предварительной настройки. Машинное обучение предоставляет алгоритмы, которые учатся на основе данных и создают предвидения на основе этих данных. Используя машинное обучение, ИИ может на основе полученного набора данных решать заданные проблем и давать соответствующие рекомендации.
Современное использование ИИ
По мере того, как демонстрирующие ИИ приложения, становятся широко распространенными, возникает тенденция забывать, что они на самом деле являются частью ИИ. Это наглядно проявляется на примере машинного перевода. Мы уже считаем обыденным вставление текста на иностранном языке и мгновенное возвращение его сносного перевода, хотя машина в действительности демонстрирует при этом весьма высокий уровень. Эта технология уже широко используется для решения языковой проблемы в обработке патентных документов. Причем специализированные механизмы машинного перевода становятся заметно ного лучше с каждым днем.
Обработка естественного языка – это еще одна часть ИИ, которая обладает огромным потенциалом, чтобы помочь решить двойную проблему объема и сложности. По словам Тома Флейшмана, главного изобретателя в IBM, ИИ трактуется у них как «расширенный интеллект», а не искусственный интеллект. Он не должен использоваться для замены человеческого мышления, а для его увеличения, и восприниматься в качестве сотрудника.
Другой областью, где машины уже оказались чрезвычайно полезными, является семантический поиск, где часть текста на естественном языке используется для поиска в подборке данных и получения результатов, ранжированных по релевантности. Существуют различные подходы для достижения этой цели – от методов глубокого обучения и искусственных нейронных сетей* до байесовских сетей**, скрытого семантического анализа и индексации.
……………..
*Нейронные сети – Совокупность нейронов головного и спинного мозга центральной нервной системы (ЦНС) и ганглия периферической нервной системы (ПНС)
**Графовые вероятностные модели, представляющие собой множество переменных и их вероятностных зависимостей
Это позволяет нам ранжировать документы в наборе данных – чем ближе векторное значение документа к запросу, тем более релевантным является ответ на запрос. Семантический поиск обещает большие перспективы в способности ориентироваться в огромных наборах данных и быстро идентифицировать полезные и релевантные результаты.
Возможности использования ИИ в будущем
Еще в 2018 году на встрече в Новом Орлеане патентных ведомств, входящих в Международную группу IP5 (Китай, Европа, Япония, Корея, США) влияние ИИ на патентную систему было определено как «один из главных стратегических приоритетов IP5, который должен стать предмет общего обсуждения».По мере того как объем и сложность патентов, а также проблемы понимания не только естественного языка, но и языковых особенностей патентов продолжают расти, ИИ будет играть все более важную роль в решении проблем и обеспечении устойчивого будущего для патентной системы. Патентные ведомства уже сейчас стремятся использовать ИИ для подготовки своих будущих решений по работе с патентами, товарными знаками и промышленными образцами. Японское патентное ведомство публично объявило, об инвестирования ИИ-технологий для автоматизации таких процессов, как проверка заявок на патенты, товарные знаки и промобразцы.
Вслед за переходом к алгоритмически расширенному поиску патентоспособности методы ИИ смогут охватить нормативную среду вокруг проведения патентной экспертизы, включая рассмотрение патентных притязаний и определения собственно патентоспособность заявляемых объектов. А если машина может составить патентный документ, то тут недалеко и до автоматизации процесса изобретательства. Почему бы компьютер, который действительно хорошо знает все, что было изобретено ранее, не смог создавать изобретения, так сказать, по ходу разработки нужных технологических решений.
Подобные технологические предположения открывают окно в будущее нормативных и, вероятно, судебных проблем, находящихся в ожидании, когда под воздействием глобальной инновационной культуры сама патентная система отреагирует автоматически на вопросы: очевидности изобретательского решения в суде, когда «специалист» в данной области уже не человек, а алгоритм; отличия патентной заявки, направленной экспертизу с участием расширенного интеллекта, от той, что мы имеем сегодня, и т.п. Независимо от того, какое будущее ждет патентную систему, ИИ будет существенной ее частью.
Эта статья основана на вебинаре “Artificial Intelligence: Hype vs. Reality and the Impact on the Patent Industry». Его материалы имеются в открытом доступе.
>Увеличение  доходов за счет глобального использования нематериальных активов/июль


Июль 2019
Увеличение  доходов за счет глобального использования нематериальных активов
The rise of intangible income: A global value chain perspective
Wen Chen, Bart Los, Marcel Timmer 10 December 2018
Долгосрочное снижение доли «трудовых доходов» в ВВП является одной из самых обсуждаемых макроэкономических тенденций последних лет. Имеется в виду  остаток после вычитания из ВВП заработной платы и некоторых других сопутствующих затрат. Вместе с тем, осознается  возросшая важность нематериальных активов фирм и возрастания их доли доходов в ВВП отдельных стран.
Однако,  в современном мире товары, как правило, производятся и распространяются в сложных сетях с несколькими этапами производства по глобальной цепочке создания стоимости (GVC). Ярким примером  являются  производители так называемых «товаров без фабрики» типа компании Apple. Они организуют выпуск  производственных товаров, не участвуя в фактическом процессе их изготовления. Взамен ими  предоставляется фактическим производителям товаров и услуг  программное обеспечение и дизайн, знание рынка, системная интеграция и управление затратами, а также общеизвестные бренды, включая товарные знаки и прочие виды интеллектуальной собственности.
Вместе с тем, пока еще нет способа вычленения в национальной статистике  дохода, который накапливается в вышеназванных  нематериальных активах, поскольку их использование не может быть однозначно связано с географическим местоположением. Здесь требуется  дополнительное  исследование преодолевающих географические границы  доходов в глобальных цепочках создания стоимости.
В период с 2000 до 2007 г. произошло  значительное снижение доли дохода от рабочей силы. Доля материального капитала оставалась более или менее постоянной, а доля нематериальных доходов (измеряемая как остаток) быстро увеличилась (на 4 процентных пункта). Эта тенденция роста не продолжалась после глобального финансового кризиса (2008–2014 годы), но доля нематериального дохода все же не снизилась.
Затем этот анализ был распространен на  детализированные  группы производственной продукции, что позволило установить  значительные различия в долях нематериального дохода. Проведенный ранее анализ показал, что процесс международного распределения в 2000-х годах был особенно быстрым в производстве электроники (включая компьютеры), электрических машин и изделий из металла. А производство текстиля и мебели было уже достаточно фрагментировано еще до 2000 года. Эти оценки были  сопоставлены с изменениями в международном распределении 19 групп производственной продукции за период 2000-08 гг. Полученные оценки подтвердил позитивную корреляцию полученных данных.
Полученные   результаты исследования показывают, что 2000-е годы следует рассматривать как период важных изменений в мировой экономике. Многонациональные компании осознали  целесообразность снижения трудозатрат за счет офшоринга, все в большей степени  извлекая при этом выгоду из существующих нематериальных активов конкретных фирм, таких как товарные знаки и прочие виды интеллектуальной собственности – при минимальных производственных издержках. В более общем плане можно  полагать, что перспектива глобализации цепочки создания стоимости будет способствовать  лучшему пониманию роли нематериальных активов в современной экономике.
Июнь 2019
Интеллектуальная собственность: тенденции на будущее
Intellectual Property: Trends To Watch, Idea Visor,2018 – https://ideavisor.com/intellectual-property-trends-to-watch-fo…
Интеллектуальная собственность (ИС) – это средство правовой  охраны идей или изобретений, предназначенных для последующей коммерциализации,  путем предоставления ее создателям или изобретателям определенных исключительных прав. Права ИС позволяют предприятиям получать свободу действий освоения  изобретений и их продажи, предоставляя им, в то же время конкурентное преимущество перед соперниками. До последнего времени ИС интересовала только изобретателей, сотрудников отдела исследований и разработок и юристов. Но с ростом роли знаний, особенно технических, права ИС приобретают все большее значение для стимулирования экономического роста и успеха в бизнесе.
Поскольку деятельность в области ИС будет приобретать все более глобальный характер, все большему числу компаний по всему миру становится очевидным, что  управление инновационным процессом  потребует глобализации правовой охраны их активов ИС. Поэтому,  для обеспечения коммерческого успеха им необходимо  приводить свои права ИС в соответствие с современными бизнес-стратегиями, учитывая  при этом три ключевые тенденций в системе ИС.
Глобализация
Любой находящийся на подъеме бизнес должен, при построении своего актива ИС,  анализировать состояние глобального  рынка, Глобализация означает необходимость освоения навыков корпоративного управления своими портфелями ИС одновременно в нескольких юрисдикциях. Глобализация увеличивает спрос на современные  технологии, включая  патентную  аналитику и программное обеспечение для документооборота, увеличивая, вместе с тем, активность в сфере слияний и поглощений. Возрастание коммерческих возможностей сопровождается здесь обострением  конкуренции. Не  исключено, что небольшие компании станут присоединяться к партнерам в других странах, чтобы делиться знаниями и технологиями в различных областях. Следуя этой тенденции в перспективе, Торговой палатой США был создан Центр глобальной  интеллектуальной собственности.
Тенденция глобализации наглядно проявляется в  значительном увеличении количества международных патентных заявок по процедуре РСТ  в общем потоке патентования изобретений. Об этом свидетельствуют и отчеты международной службы исследования глобальных тенденций патентования RWS inovia.
Юридические технологии
С развитием  современных  технологий все большее число компаний будут обращаться к  стратегическому  подходу к  охране своих активов ИС. Активизация инновационного процесса привела к увеличению подачи заявок по всему миру, которое стимулировало внедрение новейших юридических технологий в корпоративный мир. Это  помогает компаниям более точно оценивать значимость и выявлять возможности коммерциализации своих активов  ИС по всему миру. Такая  тенденция будет  преобладать в условиях возрастания  числа  компаний,  стремящихся чуть ли не  полностью монетизировать свои патентные активы.
Монетизация активов ИС
Чтобы соответствовать растущей активности в области ИС, многие компании сосредоточены на защите и монетизации прав на ИС, а также на внедрении лучших мировых практик для увеличения отдачи от инвестиций в активы ИС. Отслеживание  компаниями эволюций базовых концепций ИС, способность объективно оценивать,  охранять и осваивать свои ИС-активы, является основой их конкурентного преимущества. Чтобы справиться с этой совокупностью задач, компании внедряют новые подходы к управлению ИС, включая мониторинг производственного  процесса и своевременную  оценку и монетизацию активов ИС.
Следует также отметить, что широкий портфель высококачественных услуг в области ИС позволяет компаниям оставаться конкурентоспособными во всем мире, но это также ведет к увеличению объемов лицензирования и судебных разбирательств по всему миру. Ожидается, что эта тенденция сохранится, поскольку все больше компаний уделяют повышенное  внимание постепенному совершенствованию своего стратегического подхода к обеспечению глобальной защиты своих активов ИС.
Комментарии
Обобщение частных решений в системах ИС, оказывающих  непосредственное влияние на мировую экономику, позволяет прогнозировать существенные изменения  в этой сфере и на международном уровне. Хорошо продуманные системы  ИС, вобравшие в себя тенденции  глобализации экономики способны хорошо послужить грядущему поколению. В конце концов, именно политика охраны ИС компаний будет определять степень их участия в глобальном  экономическом развитии.
Май 2019
Управление интеллектуальной собственностью в эпоху цифровых технологий
Intellectual Property Management In The Digital Age
Danae Vara, Forbes Technology Council – Mar 4, 2019,
Последние достижения в области технологий значительно сократили время, необходимое для проектирования, разработки и производства продуктов. Платформы электронной коммерции, в частности, создали компаниям новые возможности для выхода устоявшихся брендов* на другие, ранее  недоступные рынки для установления новых отношений с существующей клиентской базой.
*Бренд (англ. brand) — комплекс представлений, мнений, ассоциаций, эмоций, ценностных характеристик о продукте либо услуге компании в сознании потребителя.
Но есть и обратная сторона всего этого прогресса. Инструменты, открывшие компаниям новые возможности для роста, позволили мошенникам также воспользоваться ими. Доступ к  социальным сетям и сайтам электронной коммерции облегчил им возможность  кражи элементов фирменного стиля и использования  их для распространения поддельных товаров по всему миру среди ничего не подозревающих потребителей. По данным  Ведомства  интеллектуальной собственности  (ИС) Великобритании, например, 17,5% онлайн-транзакций, совершенных в социальных сетях в 2017 году, были связаны с контрафактными товарами.
Огромный объем подделок на рынке также означает, что многие бренды практически не имеют представления о количестве и масштабе компаний, которые наносят ущерб их репутации и сокращают  их продажи. Amazon недавно выпустила  первое в истории предупреждение о контрафактной продукции в своем отчете о доходах, отражая возросшую озабоченность по поводу этой проблемы.
Как же бренды, сталкивающиеся с большим количеством контрафактной продукции, используют классические права и технологии в области ИС для реализации эффективной онлайн-стратегии в области ИС и предотвращения эрозии бренда?
Многие бренды оптимизируют процессы, отстаивая свои права на ИС, используя технологические решения, основанные на искусственном интеллекте (ИИ) и выявляющие потенциальные инциденты от имени правообладателей. Однако, чтобы быть эффективными, лучшие системы, основанные на ИИ, должны применять целостный подход к защите бренда, объединяя инструменты и действия на единой платформе, обеспечивая полную видимость всех видов нарушений, негативно влияющих на репутацию компании, таких как черный, серый и белый рынок товаров.
Товары черного рынка
Деятельность на черном рынке нарушает права брендов на ИС различными способами, включая подделки, копии и нарушение авторских прав. Многие люди думают, что предметы роскоши являются основными целями мошенников; однако, согласно данным Организации экономического сотрудничества и развития, мошенничество  распространено повсюду. Поддельные продукты возникают во всем: от сумок и парфюмерии до деталей машин и химикатов.
Серый рынок товаров
Товары серого рынка, также именуемые «параллельным импортом», являются законными товарами, которые ввозатся в страну кем-либо, кроме назначенного эксклюзивного импортера. Например, изготовитель по контракту может произвести больше товаров, чем запрошено, и продать излишки неуполномоченному торговому посреднику, который затем импортирует товары на определенный рынок. Незначительные различия в продуктах, созданных для конкретных регионов, но доставленных в другой регион импортером серого рынка, могут вызвать замешательство у потребителей и создать для брендов проблемы регулирования товаропотока. Это также может привести к жалобам официальных торговых посредников, когда несанкционированные лица входят в пространство, владельцем которого они являются.
Белый рынок товаров
Между тем, хотя законные ритейлеры (компании, занимающиеся  розничной торговлей)  предоставляют брендам мощный выход на рынки, они сталкиваются со своими собственными проблемами. Наиболее серьезные опасения связаны с политикой минимального рекламируемого ценообразования (MAP), поскольку бренды с сильным присутствием в США часто полагаются на них, чтобы поддерживать постоянную цену для розничных продавцов. Цена является сильной составляющей идентичности бренда, и покупатели используют ее для оценки подлинности и ценности продукта. Со временем постоянные колебания цен могут значительно подорвать престиж бренда.
.
Новые возможности  защиты бренда
Хотя эффективное управление ИС в цифровую эпоху может показаться чем-то вроде минного поля, способность использовать классические права на ИС и новые технологии предоставляет брендам реальную возможность защиты своих продуктов и потребителей от недобросовестных игроков.
Первым шагом к успешному противодействию предполагаемым нарушителям прав ИС и увеличению доходов от электронной торговли является регистрация названий и логотипов корпоративных  брендов в качестве товарных знаков и возможность защиты каждого продукта с помощью патентов на промышленные образцы и полезные модели. Хотя это и дорогая, но это, пожалуй, одна из лучших инвестиций, позволяющая предприятиям эффективно контролировать свой бренд как в онлайновом, так и офлайновом режиме. Тем не менее, часто допускаемой ошибкой является предположение, что при таком подходе достаточно охватить охраной все страны ожидаемой продажи продуктов. В современную цифровую эпоху, когда контрафакт распространяется со скоростью света, в идеале товарный знак должен также включать регионы с более высоким уровнем контрафакции. Это первоначальное защитное покрытие гарантирует будущее успешное участие во всех основных открытых  программах по борьбе с контрафактом в электронной торговле, таких как Amazon Brand Registry или eBay Verified Owner.
Имеются и другие эффективные средства борьбы с сетевыми нарушителями. В их число входит обмен соглашениями о неразглашении (NDA) с потенциальными партнерами до принятия решения работать с ними, поскольку в противном случае партнерство без защиты конфиденциальной информации может подвергнуть бренд риску. Регистрация наиболее очевидных вариантов доменных имен для бренда является  еще одним эффективным способом его защиты от киберзахватчиков, претендующих на аналогичные домены для использования в своих интересах связанных с ними товарных знаком подлинных компаний.
Помимо этого, использование технологии ИИ может облегчить решение  одной из самых больших проблем, возникших в связи с появлением Интернета – массовую сетевую контрафакцию. Огромный объем онлайновых платформ для розничной торговли и скорость, с которой мошенники теперь могут производить и рекламировать подделки, сделали традиционные методы защиты прав ИС недостаточными. Поэтому  хорошей новостью для брендов стала способность  лучших платформ анализировать  бренды и извлекать уроки из новых видов мошенничества, предлагая компаниям эффективные стратегии борьбы с нарушителями брендов.
В конечном счете, даже несмотря на то, что кризис контрафактной продукции все еще нарастает, применение целостного подхода к защите бренда в Интернете с  использованием классических прав на ИС и современных технологий может обеспечить реальную отдачу от инвестиций за счет увеличения онлайн-продаж, оптимизации расходов на рекламу, сокращения отрицательный отзыв потребителей и обеспечения более сильной репутации бренда.
Апрель 2019
Как Google и многонациональные технологические компании убили патентную систему США
How Google and Big Tech Killed the U.S. Patent System
By Michael Shore,  IPWatchdog, Inc. March 21, 2018 – www.ipwatchdog.com/2018/…tech…patent…/id=95080/
Хотя эта статья посвящена патентам, начинать ее приходится с того, как Соединенные Штаты стали современной версией «банановой республики». Этот термин был присвоен в 1904 году американским автором О. Генри Гондурасу, который подвергся необычайному влиянию многонациональных американских фруктовых корпораций. Банановые республики – это общества, для которых характерны резко стратифицированные социальные классы и плутократия правящего класса, состоящая из деловой, политической и военной элит. Элиты правят раболепным  правительством, которое поощряет, за откаты и взятки, эксплуатацию остальной части общества.
Если Гогдурас контролировался компаниями Dole и United Fruit, то у США теперь есть Apple, Microsoft, Amazon, Google и другие технологические гиганты, контролирующие Конгресс и исполнительную власть посредством неограниченного лоббирования такими группами, как Internet Association, High Tech Inventors Alliance, Software Alliance, Unified Patents и прямых политических инвестиций. Единственная разница между Гондурасом 1904 года и США сегодня состоит в том, что новые «бананы» – это смартфоны и их программное обеспечение.
Какова роль  патентов?
Патенты информируют мир о том, чего он никогда раньше не видел и что может быть использовано для решения множества технических проблем. Цель патентной системы состоит в том, чтобы поощрять раскрытие инновационных технологий, создавая  базу знаний для других изобретателей. Миру выгодно, когда новая технология не скрывается от других новаторов, которые, узнав о ней, смогли бы продвигать ее дальше.
В обмен на раскрытие технической информации в патентах изобретателю / правообладателю предоставляется патент, исключающий возможность  использования изобретения другими лицами без компенсации труда его создателя.     Сильная патентная система означает, что изобретатель может полагаться на силу своего патента, обеспечивающую  получение выгоды от публичного раскрытия своего творения. Опора на сильную патентную систему называется «презумпцией действительности» патента. Патентообладатель должен быть уверен в том, что его должным образом выданный (и оплаченный) патент США будет соблюдаться правительством-эмитентом и уважаться существующими и потенциальными конкурентами. Поэтому слабая патентная система, которая препятствует патентованию, замедляет технологический прогресс.
Однако бенефициарами слабой патентной системы являются крупные транснациональные корпорации – такие как Google, Facebook, Apple и Amazon, которые доминируют в своих сферах, обладая  финансовой мощью и  уже захваченной  долей рынка. Поэтому элитам патенты не нужны. Для доминирования на своих рынках инновации не так важны, как реальная доля рынка, прибыль и сохранение достигнутого доминирующего положения. «Крестьянам» же (читай: небольшим компаниям и изобретателям), вынужденным    вводить новшества, чтобы конкурировать, сильные патенты нужны. Возможно, благодаря этому, и они со временем   присоединятся к элите. Патенты олицетворяют для них  «американскую мечту».
Google получает желаемое
По сути, Google – это компания-разработчик программного обеспечения, построенная на наборе алгоритмов, позволяющих осуществлять эффективный поиск интернет-контента. Google не является изобретателем  Интернета. Он только что нашел действительно выгодный способ, позволяющий общественности эффективно использовать Интернет.
Как бизнес, Google очень восприимчив к конкуренции. Если некая группа программистов сможет придумать и защитить патентами новый набор алгоритмов, которые будут осуществлять поиск  более точно, быстрее или потреблять при этом меньше энергии, это поставит  под угрозу доминирование Google на рынке. Понимая свое ненадежное положение в отношении вновь появляющихся технологий, Google сделал то, что сделала бы любая элита «банановой республики». Он решил уничтожить то, что воспринималось им  как реальная  угроза: патентную систему Соединенных Штатов.
Google был одним из трех крупнейших участников кампании по выдвижении   Обамы на пост президента США. Через год после принятия поддержанного им Закона об изобретениях Америки («AIA») Google ежегодно тратил на лоббистов по 18 миллионов долларов. Поддержка «мозговых центров» и лоббистских организаций, осуществлявшаяся Google в сотрудничестве с другими технологическими гигантами Силиконовой долины,  была еще большей. Взамен за свои деньги Google получил новую, более слабую патентную систему.  Она позволяет оспаривать патенты вне суда, без присяжных, без какой-либо презумпции действительности и с использованием низкого стандарта предъявления доказательств в подтверждение своих претензий к существующим или вновь появляющимся соперникам.
В результате затраты на разработку, патентование и освоение  изобретений, создание производственных мощностей и рынков сбыта новой продукции (в предположении, что эти инвестиции окажутся под надежной патентной охраной) не принесли, ожидаемой отдачи. Вступление в силу закона AIA причинило им огромный экономический ущерб – особенно малым и средним предприятиям. А доля сегодняшнего рынка Google – в условиях  ослабленной  патентной системы и отсутствия страха перед сторонней,  надежно охраняемой инновационной конкуренцией -  увеличилась почти до 80%.
Исполнители  убийства патентной системы США
Теперь, когда Google и другие представители элиты разрушили презумпцию действительности и удалили беспристрастных судей из процесса принятия решений через AIA, они нуждались в наборе палачей. Чтобы завершить работу по уничтожению патентной системы США, административные судьи, назначенные для рассмотрения дел, должны быть изолированы от осмысленного юридического рассмотрения и понимать, что их работа заключается в том, чтобы убивать патенты. Начался этот процесс с возвышения недалекого политического назначенца Мишеля Ли, который возглавил в Патентном ведомстве США реализацию закона AIA продвинутом элитой  президенте Обаме.
Ли – бывший патентный поверенный Google, отвечавший за патентную стратегию для Google. [18] После прохождения AIA и лоббирования со стороны Google в 36 миллионов долларов в предыдущие два года г-жа Ли была волшебным образом назначена директором PTO из ее должность главы регионального отделения ВОМ в Силиконовой долине. [19] Лиса была не только ответственна за курятник, но и была оплачена волками.
Палачи, которых выбрала г-жа Ли, – это новое создание AIA, административные патентные судьи или APJ. Они не являются судьями в том смысле, что этот термин понимают американцы. Они не независимы
Killing the U.S. Patent System Required the Hiring of Executioners, in This Case, Administrative Patent Judges (APJs)
Now that Google and other Elites had destroyed the presumption of validity and removed impartial judges from the decision-making process via the AIA, they needed a set of executioners.  To finish the job of killing the U.S patent system, the administrative judges appointed to hear the cases had to be insulated from meaningful legal review and understand that their job was to kill patents. Enter head banana, Michele Lee, the political appointee who headed the PTO’s implementation of the AIA under bundler recipient President Obama.^[17]
Lee is a former Google patent attorney who was in charge of patent strategy for Google.^[18]After passage of the AIA and $36 million in lobbying by Google the prior two years, Ms. Lee was magically promoted to Director of the PTO from her position as head of the PTO’s Silicon Valley regional office.^[19] The fox was not only put in charge of the henhouse, it was a fox paid for by the wolves.
The Executioners Ms. Lee chose were a new AIA creation, Administrative Patent Judges, or APJs. They are not judges in the sense that term is understood by Americans. They are not independent:

1. APJs work for the PTO Director, a political appointee.

1. The PTO Director can hire and fire APJs who make decisions they do not like. There is no tenured independence for APJs.

1. The PTO Director decides what to pay APJs and can change their pay for any reason.

1. If an APJ panel asserts its independence and reaches a decision the PTO Director does not like, the Director may convene an expanded panel to re-decide a case until the PTO Director and his/her political boss is satisfied with a panel’s decision.^[20]

1. The PTO Director may assign the APJs for each panel, so the decision on who hears the case is a political decision.

1. APJs are not bound by the Code of Conduct for United States Judges or any other ethics code.

1. APJs can decide cases involving former clients.^[21]

1. APJs are allowed to decide cases then go to work for the same companies that sought to invalidate patents.

1. APJs are exempt from job performance reviews.

Judges that are chosen by politicians who decide cases brought by political donors to the politicians are not really judges at all.  They are banana workers who pick the bananas the donors want picked.
And even if the APJs were independent, which they are not, the procedures designed by Michele Lee governing the APJs conduct were set up to kill patents. Neither the AIA nor PTO rules limit the number of times a patent can be subjected to inter partes review. Let that sink in. The Elites can keep attacking a patent they do not like, directly or through surrogates, until they find a panel that will kill it. No matter how many times a patent owner wins at the PTAB, its patents are never safe.
Since the creation of IPRs, patents have been routinely reviewed on multiple occasions, some patent families having more than 125 separate petitions filed. Because a decision of one PTAB panel does not bind another one, surviving one review provides no armor against subsequent challenges. Thus, a PTO Director (or for that matter a President of the United States) intent on invalidating a particular patent for a major donor or supporter can continue ordering more and more inter partes reviews until the desired outcome is achieved.  Pass the bananas.
The Effect of PTAB Invalidating Patents Via IPRs
On September 26, 2016, the U.S. Commerce Department released a comprehensive report, “Intellectual Property and the U.S. Economy: 2016 Update,” which found that IP-intensive industries support at least 45 million U.S. jobs and contribute more than $6 trillion dollars to, or 38.2 percent of, U.S. gross domestic product. The report, a joint product of the Commerce Department’s United States Patent and Trademark Office and Economics and Statistics Administration serves as an update to the Intellectual Property and the U.S. Economy: Industries in Focus report released March 2012.^[22] A crisis is developing in this sector of the U.S. economy, however, as new AIA procedures allowing attacks on the validity of U.S. patents have made these valuable assets far less valuable and therefore incapable of supporting the same level of investment in new industries and technologies. Jobs are being lost, millions of high paying, high tech jobs. Some economists are estimating the decline in the value of U.S. patents to be in the trillions of dollars.^[23] That is a lot of bananas.
Why the drop in value? Remember, patents are only valuable if they can be enforced, so any “reform” efforts that make enforcing a patent more expensive and less certain as to outcome harms the patent owner and undermines the ability of the U.S. economy to protect inventors’ rights. The proof is in the cost of bananas. The average price per patent over the three-year period 2012 to 2014 dropped 61% from $422,286 per patent to $164,232.  In that timeframe, the number of patents sold by inventors dropped from just under 7000 to 2800, showing a decrease in liquidity in the patent market.  The overall sales dropped from $3 billion to well under one-half billion in patent sales per year, or by 84%. The trend accelerated after 2014.^[24]If an inventor cannot sell his or her invention for a price that supports their time and effort, they will stop inventing. When they stop inventing, innovation stops.
Why did this precipitous drop in the value of United States patents occur? IPRs.
Federal District Court with the traditional protections to patent owners invalidates 28.76% of patents as of 2015. The PTAB invalidates 76.61% in IPRs, and because there is no limit on the number of IPRs that can be filed against a patent, the infringers and free riders can keep filing IPRs until they win. The effective kill rate is likely close to 90%, and in some industries even higher.^[25] If the IPRs were really intended to stop bad patents from being enforced at great cost, then the results in IPRs and district courts should be the same, or very similar. But the kill rate for patents in IPRs is almost three times higher. Unless you believe that the US Patent Office is wrong on its efforts to issue patents 2 of 3 times it acts, there is something else going on in IPRs. The IPR statistics prove that the system was not designed to get to the same results faster and cheaper, but to get to a different result – the destruction of the United States patent system.
Since passage of the AIA, the United States has fallen from 1^st to 12^th in the ranking of the strength of its intellectual property system, now tied with Italy and behind all other highly developed economies.^[26] As the U.S. weakens its patent system, other countries are strengthening theirs. China in particular is beefing up its patent infringement remedies like injunctions and allowing ever higher damages awards.^[27] So the center of the intellectual property universe will move to China. That can only be bad for U.S. inventors and companies. China designs its IP policies to protect Chinese entities.
The United States Congress has effectively redesigned our intellectual property policies to protect political contributors, many of which are multinational corporations that have no loyalty to the United States because a majority of their revenue is sourced (and kept beyond the reach of US taxes) overseas. Anti-patent, market dominating multinational Elites like Google are loyal to profits and their ability to dominate markets.
A Banana Republic only continues to exist as long as it can supply the bananas. Today, the Elites need the U.S. less and less. They keep trillions of dollars overseas to avoid taxes, they build their products in Asia and their largest markets are quickly becoming Asian as well. We are selling our democracy to the highest bidder while those same bidders are planting all their new banana trees elsewhere. Go ask the people of Honduras what United Fruit and Dole are doing for them now.
_______________
Март 2019
Исследование будущего патентной аналитики
Exploring the Future of Patent Analytics: A technology roadmapping approach..
Aristodemou L., and Tietze F., (2017) , Centre for Technology Management Insights Reports, ISBN: 978–1–902546–84–1 – medium.com›…exploring…future-of-patent-analytics…
В едином  мире, где успешное технологическое развитие все больше зависит от сотрудничества между различными партнерами, эффективное использование аналитики патентных данных имеет значительный, но еще до конца не раскрытый потенциал. При наличии правильных аналитических подходов эти содержательные данные могут использоваться для принятия решений на стратегическом уровне в различных типах организаций. Предлагаемое исследование способствуют расширению области применения патентной аналитики и более эффективному использованию крупнейшего в мире хранилища технологической информации.
С этой целью  была разработана технологическая дорожная карта, адаптированная к решаемым проблемам. Во-первых, на основе лабораторных  исследований и экспертных дискуссий были  определены пять основных проблемных областей (патентные данные, взаимосвязь баз данных, анализ данных, визуализация данных и качество патентов). Во-вторых, эти проблемные области были обследованы посредством  онлайн-опроса 70 респондентов. В-третьих, состоялось  определение дальнейших  направление деятельности в рамках семинара, в котором приняли участие 28 ведущих экспертов.
Все это послужил основой для разработки технологической карты,  обеспечивавшей скоординированные действиям участников  патентной аналитики..
Определение проблем патентной аналитики
Сегодня остается еще  очень большое количество проблем, преодоление которых расширит границы патентной аналитики. В их числе:
- предварительная обработка для  обеспечения качества и стандартизации подвергаемых анализу патентных данных;
-  обеспечение взаимосвязанности патентной базы данных с прочими  типами данных (объединение данных об интеллектуальной собственности, финансовых данные, данных о судебных разбирательствах и рыночных данных для их всестороннего анализа);
- обеспечение эффективности анализа данных, включая выбор аналитических методов для определенного  набора данных;  создание «корпоративной памяти» результатов предшествовавшего  анализа для использования возможностей машинного обучения и прочих технологий  патентной аналитики в будущем;
- совершенствование визуализации патентной информации, обеспечивающей  более глубокое проникновение в результаты ее анализа;
- более четкое  определение качества патента, методов его опеделения, идентификации «недействительных» патентов и предотвращения их  выдачи.
Построение технологической дорожной карты
Разработанная технологическая дорожная карта дает представление о будущем патентной аналитики, выявляя ключевые вехи / прорывы и возможности решения фундаментальных проблем в этой области. Технологическая дорожная карта призвана внести вклад в координацию дальнейших действий в области патентной аналитики, способствуя  расширению  сотрудничества науки и практики.
Процесс построения  дорожной карты структурирован следующим образом. Во-первых, представляются результаты и обзор произведенного обследования; во-вторых, демонстрируются  пять дорожных карт по мини-технологиям (DQ A – E); в-третьих, предлагается  матрица ранжирования и классификации технологий; и, наконец, дается  общая технологическая дорожная карта с основными действиями и результатами, полученными в результате итогового обсуждений.
Результаты обследования.
На этом этапе использовался онлайн-опрос для определения приоритетов в технологиях и проблемах, выявленных с участием семидесяти респондентов из разных секторов в области интеллектуальной собственности:  специалистов по патентной информации, консультантов по патентной аналитике, сотрудников ведомств интеллектуальной собственности, научно-исследовательских и правительственных организаций.
Участники опроса ранжировали выбранные проблемы по степени их  приоритетности. Большинство проблем распределяются по степени их важности относительно равномерно. Однако, к числу наиболее  важных  отнесены методы анализа данных и  их  визуализации. А проблема подготовки данных была выделена для дальнейшего обсуждения.
Мини-технологические дорожные карты
Мини-технологические дорожные карты ориентировались на пять ранее выявленных групп конкретных  проблем, наиболее существенных для будущего  патентной аналитики. Каждая технологическая дорожная карта имеет три основных уровня: уровень проблемных этапов, уровень разработки технологий и уровень поддержки.  Вдоль технологической дорожной карты проходит временная ось,  разбитая на краткосрочные, среднесрочные и долгосрочные этапы.
Карта DQ A: Как можно существенно улучшить качество патентных данных? Дорожная карта мини-технологий, посвященная   дискуссионному вопросу качества патентов и проблемной теме патентных данных, охватывает проблемы  права собственности на патент, судебные разбирательства, поиск и анализ изображений.
Что касается технологических разработок, то в краткосрочной перспективе необходима гармонизация для достижения прогресса в улучшении качества патентных данных. Патентная  база данных должна быть связана с разработками в области цитирования и классификационного анализа, чтобы обеспечить всесторонний анализ метаданных. В среднесрочной перспективе должен быть освоен  полнотекстовый анализ в  результате  обработки естественного языка и его семантики. Имеется в виду использование искусственного интеллекта, машинного обучения, нейронных сетей и любых других технологий, которые помогают извлекать семантику из данных. В долгосрочной перспективе прогрессу в области патентной аналитики будет в значительной степени способствовать внедрение новых методов поиска и анализа изображений
В долгосрочной перспективе повышению качества патентов может также способствовать общее соглашение о согласовании имен, обладании данными и судебных разбирательствах, а также наличие соответствующего финансирования.
DQ B: Как обеспечить взаимосвязь патентных баз данных с другими источниками данных?
Дорожная карта мини-технологий по  данному вопросу визуализирует базы данных, которые связаны перекрестными ссылками ко всех потоках требуемых данных. Взаимосвязанность данных обеспечивается за счет  комбинации трех основных факторов: стандартизации, устранения неоднозначности объектов и классификации технологий.
Стандартизация охватывает номера патентных публикаций и заявок. В краткосрочной перспективе это может быть достигнуто путем стандартизации того, как генерируются номера патентов. Например, законодательство может способствовать достижению соглашения об унификации определений семейства патентов, чтобы одни и те же патенты были связаны с семейством на протяжении всего жизненного цикла.
В среднесрочной перспективе для устранения неоднозначности может использоваться классификация с использованием документированных и общепринятых ключей для связывания технологий,  необходимых для обеспечения взаимосвязанности патентных баз данных с другими источниками данных. В долгосрочной перспективе для решения проблемы устранения неоднозначности объектов и классификации технологий необходимы более совершенные системы и технологии с использованием  естественного языка, искусственного интеллекта и разработки онтологий – формальных описаний терминов предметной области и отношений между ними.
И, наконец, законодательное  регулирование, по-видимому, является основным фактором, способствующим решению  этого вопроса: для установления и внедрения общих стандартов необходимо тесное сотрудничество между патентными ведомствами.
DQ C: Как можно лучше использовать ценную информацию, содержащуюся в патентных данных?
Относительно исследования эффективности анализа данных дорожная карта мини-технологий предусматривает полностью автоматизированную, высокоинтеллектуальную, высокоадаптивную систему искусственного интеллекта.
В краткосрочной перспективе необходимо лучше понять аналитические требования пользователей и осуществляемые на их основе решения. Кроме того, считаются важными обучение, повышение осведомленности и сертификация. Хотя вышеперечисленное не относится непосредственно к технологическому развитию, оно необходимо с точки зрения того, как именно будут использоваться аналитические инструменты.
В среднесрочной перспективе разработкой инструментов для эффективного анализа данных будут заниматься  научно- исследовательские сообщества, а также частный сектор. В долгосрочной перспективе, примерно через 15 лет или более, при  анализе данных получат  широкое распространение такие технологии, как полная автоматизация анализа с помощью искусственного интеллекта, машинного обучения и прогнозной аналитики, которые  могут произвести революцию в этой области.
DQ D : Как усовершенствовать визуализацию результатов патентного анализа для обеспечения более эффективного принятия решений?
Дорожная карта мини-технологий предусматривает для решения  этой проблемы адаптивный, интерактивный, интеллектуальный, персонализированный поиск с визуализацией и интерпретацией результатов.
В краткосрочной перспективе очень важно определить более точные требования пользователей и определить варианты использования, чего можно добиться, обеспечив сотрудничество  патентно-аналитических компаний для надлежащей разработки методов и средств  визуализаций данных. Кроме того, разработка руководств и стандартов для различных интерпретаций визуализаций поможет  минимизировать ошибки и двусмысленности.
Что касается соответствующих технологий, то значительным потенциалом обладает машинное обучение, который может быть очень полезным в краткосрочной перспективе, если его можно перенастроить для патентной аналитики. Для  осуществимости задуманного важно наладить сотрудничество между ведомствами интеллектуальной собственности (ИС)  и экспертами в области технологий машинного обучения.
В долгосрочной перспективе существенную роль сыграют эффективные методы картографии, специальные  типы визуализации для различного использования, а также адаптивные / интерактивные виды визуализации. Тогда же возможен  переход непосредственно от анализа к выводам, что устраняет необходимость в графиках и их интерпретации.
DQ E: Как определяются качество патента и его недействительность? Дорожная карта мини-технологий для решения этой  проблемы предполагает обеспечение прозрачности и взаимосвязи данных, открывающих  возможность сопоставления патентов с относящимися к ним продуктами.
Предполагается, что основным видом деятельности при оценке качества является соединение разных наборов данных при наличии нескольких индикаторов, которые можно использовать в комбинации для определения качественных показателей. Однако следует учитывать, что качество патентов имеет разные значения для разных заинтересованных сторон, таких как изобретатели, заявители, патентные поверенные, оппоненты, специалисты по информации и так далее.
В решении данной проблемы выделяются  два основных этапа: интеграция данных из разных баз данных и использование этих интегрированных наборов данных. Позитивную роль сыграет также  интеграция дополнительной информации, включая  право собственности на патент, данные о правовом статусе, экономические данные, данные о связи охраняемых продуктов, лицензирование, транзакции и используемые в стандартизации  основные патенты.
В конечном счете, интеграция различных источников данных расширит объем информации, необходимой  для определения качества патента.  Развитие технологий зависит от улучшения и уточнения существующих аналитических индикаторов и обеспечения возможности сопоставления различных баз данных. Усовершенствования в моделях, использующих обработку естественного языка, нейронные сети и подходы глубокого обучения, повысят эффективность  включения в базы данных структурированных и неструктурированных данных.
Ключевым фактором реализации намеченных в дорожной карте задач станет  установление международных стандартов при поддержке ВОИС и национальных ведомств ИС. Изменение патентного законодательства также способно  внести свой вклад, но это может занять очень много времени.
Приоритетные технологии в области патентной аналитики
Приоритетные технологии для области патентной аналитики были выделены в результате экспертной оценки, проведенной в ходе специального семинара. Матрица технологий ранжируется в зависимости от уровня их воздействия  на ту или иную конкретную проблемную тему. Кроме того, проведена  классификация технологий в соответствии с их текущим статусом зрелости и использования в области патентной аналитики. Большинство приоритетных технологий находится в фазе «роста», причем некоторые из них потенциально могут оказать большое влияние (например, в области  правового анализа, проводимого с использованием данных о правовом статусе патентов  и возникающих при этом спорах, а также при оценке  качества патентов).
Наряду с этим, были выделены  технологии, которые  связывают базы данных; технология искусственного интеллекта, включающая анализ искусственных нейронных сетей, аналитику с углубленным изучением и машинным обучением; алгоритмы классификации и согласования. Новые технологии, позволяющие связывать и комбинировать базы данных, могут также оказать существенное влияние на развитие отрасли ИС в целом.
Дорожная карта  патентно-аналитической технологии
На завершающемся третьем этапе, после интеграции пяти мини-технологических дорожных карт,  была разработана дорожная карта технологий  для использования в области патентной аналитики. Она  представляет собой  полностью адаптированную, интерактивную, интеллектуальную, персонализированную системы с поиском, анализом, визуализацией и интерпретацией получаемых результатов. Система  рассчитана приблизительно на предстоящие пятнадцать или более лет. Интегрированная технологическая дорожная карта призвана способствовать  преодолению совместным консолидированным подходом пяти обсуждавшихся  проблемных тем.
Общая технологическая дорожная карта содержит три четко сформулированных уровня – уровень  этапов решения проблем, уровень технологических разработок и уровень ключевых вспомогательных средств (инструментов реализации), потребность в которых возникает  с течением времени для развития данной  области. Указываются  различные пути решения наиболее насущных проблем, например, либо путем дальнейшего развития технологий искусственного интеллекта и их интеграции с нейронными сетями и связанными протоколами цитирования технологий, либо путем облегчения реализации ключевых факторов, необходимых для решения вопросов в этой области.
Выделяются четыре основных этапа решения проблем в области патентной аналитики: во-первых, автоматизация патентной классификации; во-вторых, прозрачное и последовательное уточнение и кластеризация информации; в-третьих, наличие более чистых, стандартизированных и взаимосвязанных патентных данных с данными других областей; в-четвертых, создание соответствующих вариантов использования  групп пользователей для понимания потребностей в принятии решений. Необходимые технологические разработки направлены на интеграцию искусственного интеллекта, нейронных сетей и протоколов цитирования. Они  дополняются выравниванием различных баз данных для обеспечения совместимости данных и визуализаций.
Одним из требований, направленных на содействие внедрению обозначенных в исследовании технологий и руководства ими, является организация специализированного обучения разработчиков и конечных пользователей ключевым технологиям – для  адаптации их к  конкретным потребностям.
Решение поставленных проблем облегчится при условии  большего внимания обозначенным в исследовании ключевым факторам  со стороны  авторитетных  организаций, включая  ВОИС, ЕПВ и ОЭСР. Необходимо развивать стимулы для подготовки заявителями более четких рефератов, которые позволят упростить классификацию патентных заявок и упростят разработку гармонизированного законодательства для согласования и сближения патентных данных.

Февраль 2019

Блокчейн и интеллектуальная собственность – сегодня и завтра

IR Global’Rosie Burbidge Monday, October 15, 2018 -

https://www.coolstuff.com/Kidults-Kitty-Blocks

Группа экспертов в области ИС со всего мира подвергла рассмотрению преимущества блокчейна и то, что он может означать для будущего интеллектуальной собственности (ИС).

Что такое блокчейн?
Наиболее известным примером блокчейна является биткойн*, форма криптовалюты, основанная на конкретной цепочке блоков, но есть и другие варианты.

*Биткойн (₿) – это криптовалюта, форма электронных денег – децентрализованная цифровая валюта без центрального банка или единого администратора, которую можно отправлять от пользователя к пользователю в одноранговой биткойн-сети без посредников

Для непосвященных блокчейн является формой «технологии распределенной бухгалтерской книги». По сути, это означает, что это база данных, которая одновременно доступна через сеть любому количеству компьютеров в одном и том же формате. Вместо того, чтобы иметь централизованный орган, определяющий, является ли конкретное изменение в базе данных точным или «истинным», точность транзакции определяется с помощью предварительно согласованного метода консенсуса между компьютерами (или «узлами»), которые являются частью конкретной сети блокчейн.

Это означает, что точность данных в блокчейне намного надежнее, точнее и безопаснее, чем в централизованной системе. Благодаря этому  открываются  различные возможности использования блокчейна в мире ИС, например, отслеживания (i) цифровых активов, (таких как музыка или фотографии) для  более точной и прозрачной выплаты роялти, и (ii) физических активов через уникальный ссылочный номер (такой как QR-код), который добавляется к физическому продукту и позволяет идентифицировать отдельный элемент и отслеживать его через цепочку блоков.

Как присоединиться  к блокчейну?
Биткойн, например, это открытая система, которая позволяет присоединиться к ней всем желающим, но у нее есть метод определения консенсуса посредством подтверждения состояния (майнинга биткойнов). Пользователю  может потребоваться техническая поддержка при загрузке и установке соответствующего программного обеспечения. Другие закрытые системы могут быть доступны только по приглашению.

Примеры практического применения блокчейна
Как показал  опыту участников, многие компании рассматривают потенциальные варианты использования блокчейна, которые не оказывается необходимым или даже уместным. В  частности, нет необходимости записывать сертификаты акций для частной компании, когда все акционеры обычно имеют собственную копию реестра – своего рода неофициальный блокчейн.
Например, существует платформа для оплаты музыки, которая отслеживает музыкальные потоки и загрузки на Spotify и аналогичных платформах, чтобы определить более точные выплаты роялти. Эта информация уже доступна без необходимости использования блокчейна, но было бы полезно связать процесс платежей с блокчейном, чтобы повысить прозрачность и, используя популярный технический термин, уменьшить «трение» в процессе.
Два главных преимущества блокчейна – это безопасность и прозрачность. Это делает технологию блокчейна особенно полезной в контексте управления цепочками поставок и борьбы с контрафакцией. Например, компания Everledger начала отслеживать прохождение алмазов – от таможни до торговцев алмазами, чтобы подтвердить происхождение драгоценных камней, перечисленных в его блокчейне.

Интеллектуальные контракты*

Интеллектуальные  контракты по сути означают, что событие X (например, передача актива) происходит при выполнении условий Y. Это может происходить в ходе  высвобождения средств в сделке или даже передачи документов в собственность. Интеллектуальные  контракты способствовали популяризации так наз. Шведских контрактов недвижимости.

* Интеллектуальный контракт – это компьютерный протокол, предназначенный для упрощения, проверки, обеспечения выполнения или исполнения контракта в цифровом виде.

Потребность в   блокчейне
В многих случаях применение технологии блокчейна необязательно. Но она может повысить  скорость, прозрачность и безопасность в широком спектре ситуаций, от аудита предприятий и цепочки поставок до управления цифровыми правами..

Скоро ли блокчейн разрушит охрану интеллектуальной собственности ?

Dr. Richard Brunner, Global Head of Legal of the Dennemeyer Group Dennemeyer & Associates / September 8, 2017

В интервью, опубликованном в  журнале «Lawyer Monthly», д-р Р. Бруннер, юридический директор компании Dennemeyer Group, рассказал о проблемах, которые  ставятся перед патентными ведомствами, организациями по защите авторских прав и авторской общественностью внедрением блокчейна.
По его мнению, инновационные технологии и глобализация являются ключевыми факторами создания и защиты ИС. Растущая скорость развития технологий и сокращение инновационных циклов, с одной стороны, и прогрессирующая территориальная экспансия рынков сбыта, с другой,  ставят под сомнение эффективность традиционных механизмов защиты ИС в условиях усиливающейся конкуренции, которая сопровождает это развитие. Неудивительно, что  в этих условиях число  зарегистрированных патентов, товарных знаков и промышленных образцов продолжает  расти.

Однако территориально фрагментированная защита прав ИС вступает в противоречие с глобализацией и требует больших затрат. Особенно, если учесть, ненадежное  правовое обеспечение прав ИС во многих юрисдикция. Процедура выдачи патента в ЕПВ занимает три-пять лет и требует проверки патентных заявок  в 38 государствах-членах. А  для более глобального охвата патентной охраны необходимо рассмотреть возможности подключения сюда заявок  РСТ и других национальных юрисдикций. Получение и поддержание в силе  международных  патентных заявок является дорогостоящим предприятием, даже если принимать  во внимание только официальные сборы. Это контрастирует с необходимостью в  скорости и экономической эффективности патентной процедуры в условиях растущей конкуренции. Следовательно, компании должны найти оптимальное соотношение между охраняемой территорией, скоростью, затратами, риском нарушений, защитой прав и важностью права ИС. Такие оценки должны также искать альтернативные подходы, чтобы найти правильный баланс.

Как следствие, компании все чаще предпочитают  не патентовать новые технологии, а защищать свои ноу-хау в качестве коммерческой тайны. Такая защита является немедленной и неограниченной во времени и пространстве – по крайней мере, до тех пор, пока применяются достаточные меры для сохранения конфиденциальности ноу-хау. Однако сохранение  ноу-хау обладает и дополнительными достоинствами: новаторы все чаще становятся проектировщиками, которые регулярно переходя к новым проектам, забирают с собой и свои ноу-хау. Технологии, особенно программное обеспечение, содействуют защите и управлению ноу-хау. В сочетании с искусственным интеллектом и анализом больших данных они могут эффективно обрабатывать и избирательно обмениваться знаниями для создания новых инноваций. Кроме того, здесь в действие вступает  и технология блокчейна.
Самый популярный пример технологии блокчейна – биткойн является широко используемой цифровой криптовалютой. Он не регулируется и работает в одноранговой системе, независимой от центрального банка. Блокчейн – это децентрализованная одноранговая сеть компьютеров, которая проверяет и ретранслирует онлайн-транзакции. Каждая транзакция проверяется определенным минимальным количеством компьютеров, называемых узлами, и сохраняется в идентичном и хронологическом порядке всеми узлами сети с множеством хранимых транзакций, образующим  блок в цепочке компьютеров.
Интересной особенностью блокчейна является то, что он является общедоступным и закрытым одновременно, транзакции имеют временную отметку, а сохраненная информация не может больше видоизменяться  или уничтожаться. При этом, систематизированная запись транзакций в общедоступной  книге позволяет любому желающему найти конкретную транзакцию и проверить, была ли она выполнена. С другой стороны, транзакция, как таковая, зашифрована и не раскрывает, кто инициировал транзакцию. Только тот, кто владеет закрытым ключом, имеет полномочия на определенные учетные единицы. Эти особенности делают блокчейн интересным для цифровых валют, и биткойн является наиболее ярким примером. Тем не менее, существуют сотни блокчейнов, каждый из которых имеет свою собственную цифровую монету.
На основе сказанного можно заключить, какие варианты использования блокчейна представляются актуальными для сообщества ИС.  Блокчейны основаны на так называемом «недоверчивом консенсусе». Им не требуются посредники типа  банков, нотариусов, реестров авторских прав или патентных ведомств, которые централизованно контролируют активы, транзакции или ведение учета. Таким образом, они могут быть использованы для подтверждения права собственности и приоритета, не доверяя учреждениям, которые сами устанавливают условия. Блокчейны предлагают новые средства для регистрации цифровых произведений искусства, таких как музыкальные файлы, изображения, тексты, контракты и файлы программного обеспечения. Например, такой документ, как описание изобретения, может быть зарегистрирован в блокчейне, чтобы доказать, что данный изобретатель был первым, предложившими эту идею. Причем,  на данном этапе нет необходимости раскрывать существо изобретения, так как в блокчейне фактически хранится только зашифрованная цифровая подпись, называемая хешем.

Более продвинутые блокчейны, такие как Ethereum (платформа для создания децентрализованных онлайн-сервисов на базе блокчейна), даже выполняют транзакции только при соблюдении определенных критериев. Такие закодированные условия называются «умными контрактами». Приложения, основанные на этой технологии, могут использоваться, например, для увязки  между использованием музыкального произведения и оплатой цифрового сбора.
Многочисленные проблемы для юристов создают не только блокчейны, но также  искусственный интеллект и большие данные  . Хотя блокчейны могут предоставлять альтернативы регистрации патентов или других активов ИС, искусственный интеллект определенно заменит многие задачи, которые в настоящее время выполняют юристы, если заменят их. Но можно считать бесспорным, что сочетание технологии блокчейна, искусственного интеллекта и анализа больших данных окажет глубокое влияние на деятельность юристов в ближайшем будущем.

Январь 2019

Блокчейн и законодательство об интеллектуальной собственности

Blockchain and IP Law: A Match made in Crypto Heaven?By Birgit Clark, Baker McKenzie, London, United Kingdom, February 2018

Блокчейн и связанные с ним технологии распределенной бухгалтерской книги стали, в последнее время, горячей темой, поскольку многие отрасли исследуют свои возможности, и новые варианты использования блокчейнов появляются практически каждый день. Но как эти технологии могут быть использованы в контексте законодательства и практики в области ИС?

Возможные применения блокчейна в мире ИС
Блокчейн привлекателен для многих отраслей промышленности – от криптовалюты, информации о транзакциях и контрактах до файлов данных, фотографий, видео и проектных документов. На пути  крупномасштабного юридического применения блокчейн-технологий имеют место  различные потенциальные препятствия (включая  вопросы регулирующих законов и юрисдикций, проблемы безопасности данных и конфиденциальности).  Несмотря на это, для ИС в сфере  промышленности блокчейн и связанные  с ним технологии распределенных регистров предоставляют очевидные возможности для защиты и регистрации ИС, а также  в качестве обоснований на этапе регистрации либо в суде и эффективного ускорения таких процессов.

Возможные варианты использования блокчейна в ИС включают в себя: а) подтверждение подлинности авторства и происхождения, регистрации и достоверности  прав ИС; б) контроль и отслеживание распространения (не) зарегистрированных объектов ИС; в) предоставление доказательств практического  и / или первого использования в торговле; г)  управление цифровыми правами (например, на онлайновые музыкальные сайты); д) установление и обеспечение соблюдения соглашений в области ИС, е) лицензирование или построение эксклюзивных распределительных сетей посредством смарт-контрактов; ж)  передача платежей в режиме реального времени владельцам ИС. Блокчейн может также использоваться для аутентификации и установления  происхождения при обнаружении украденных и параллельно импортированных товаров.

Технологии блокчейна для управления правами ИС
Потенциал использования технологии блокчейна для управления правами ИС огромен. Регистрация прав ИС в распределенной бухгалтерской книге, а не в традиционной базе данных, может эффективно превратить их в «интеллектуальные права ИС». С этим связана идея ведомств ИС, использующих технологию распределенной бухгалтерской книги для создания «интеллектуальных реестров ИС» в форме централизованного решения, управляемого ведомством ИС в качестве ответственного органа, который будет создавать неизменяемую запись событий в жизни зарегистрированного права ИС.  Такая запись может сообщать, когда товарный знак был впервые подан, зарегистрирован, впервые использован в торговле; когда промышленный образец, товарный знак или патент были лицензированы, присвоены и т. д. Это также решило бы практические вопросы сбора, хранения и предоставления, при необходимости, таких доказательств.
Возможность отслеживать весь жизненный цикл права будет иметь множество преимуществ, в том числе более плавный аудит прав ИС. Это также может упростить процедуры должной осмотрительности, которые необходимы для транзакций в области ИС, например, при слияниях и поглощениях. Проблемы конфиденциальности со стороны владельцев ИС могут быть решены с посредством соглашений.

Возможности  использования прав ИС
Блокчейн-журнал, показывающий принадлежность  предлагаемой  владельцами брендов продукции, дает потенциальную точку отсчета степени прав, используемых   на рынке. Это может быть особенно полезно в тех юрисдикциях, где требуется доказательство первого или практического  использования изобретения, например, в спорах или других разбирательствах, связанных с признанием общеизвестных знаков. Сбор информации об использовании товарного знака в торговле или коммерции из  официального реестра товарных знаков, построенного на основе блокчейна, позволит практически немедленно уведомить соответствующее ведомство ИС. Это привело бы к получению надежных и привязанных по времени доказательств фактического использования и частоты использования товарного знака в торговле. Точно так же распределенная бухгалтерская книга может использоваться для публикации, подтверждающих  предшествующий уровень техники, чтобы воспрепятствовать получению патента на уже опубликованные  технологии.

Подтверждение  творческих возможостей
Блокчейн-технология также может играть важную роль в сфере незарегистрированных прав ИС, таких как авторское право (которое во многих юрисдикциях и в соответствии с положениями Бернской конвенции об охране литературных и художественных произведений не является регистрируемым правом ИС) и незарегистрированное права на дизайн, поскольку они могут служить подтверждением их концепции, использования, квалификационных требований (таких как оригинальность и страна, в которой изделия, изготовленные для дизайна, были впервые реализованы на рынке) и статуса. Загрузка оригинального дизайна,  работы и сведений о его дизайнере или создателе в блокчейне обеспечит  запись с отметкой времени и убедительные доказательства, подтверждающие эти факты.
Хранилища,  основанные на  технологии распределенной бухгалтерской книги для незарегистрированных прав ИС,  уже разрабатываются несколькими стартапами блокчейнов и могут стать интересным и управляемым решением для защиты авторских прав, а также управления цифровыми правами.

Интеллектуальные контракты и управление цифровыми правами
Блокчейн и связанные с ним технологии распределенной бухгалтерской книги предлагают интересные возможности для защиты и регистрации ИС и в качестве подтверждения прав на этапе регистрации или в суде. Они также обеспечивают  экономически эффективный способ ускорения таких процессов. В сфере использования блокчейна часто упоминается концепция « интеллектуальных  контрактов». Поскольку некоторые решения блокчейнов могут хранить, выполнять и отслеживать контрактные коды, «умные исполнения контрактов» могут представлять интерес для управления цифровыми правами и других транзакций IP. Интеллектуальные контракты могут использоваться для установления и обеспечения соблюдения соглашений в области ИС, таких как лицензирование и обеспечения возможности передачи платежей в реальном масштабе времени владельцам ИС; «Интеллектуальная  информация» о правах ИС на охраняемый  контент, например, песню или изображение, может быть закодирована в цифровой форме (в виде музыки или файла изображения).
О том, что эти идеи быстро становятся магистральным направлением развития, свидетельствует недавний запуск компанией Kodak платформы управления правами изображений на основе блокчейнов и собственной криптовалюты.

Борьба с контрафакцией и защита прав ИС
Реестр, показывающий, кому что принадлежит, кто является авторизованным лицензиатом и т. д., позволит всем в цепочке поставок, включая потребителей и таможенные органы, проверять подлинность продукта и отличать его от подделки. Реестры блокчейнов, хранящие информацию о правах на интеллектуальную собственность, позволяют проводить аутентификацию происхождения, поскольку они могут записывать объективно проверяемые данные о том, когда и где производятся продукты, а также сведения об их производственном процессе и источниках сырья. Эти типы блочных решений быстро становятся одним из основных направлений развития,  позволяя пользователям проверять подлинность продукта и вселяя чувство  уверенности бизнесу, органам власти, потребителями  и страховщикам.
Добавление сканируемых тегов, связанных с цепочкой блоков, которые защищены от несанкционированного доступа печатями или отпечатками (явными или скрытыми) в продуктах, является одним из наиболее убедительных вариантов использования технологии распределенной бухгалтерской книги и может сыграть важную роль в борьбе с подделками. Если владелец бренда информирует таможенные органы о  средствах  безопасности, которыми должны быть оснащены его подлинные продукты, то отсутствие таких средств облегчает  для пограничных служб установление  контрафактности продукта.         Наличие этих средств, взаимодействующих с блокчейном, создает    больший потенциал для взаимодействия с клиентами и информирования клиентов о рисках подделок, а также возможность проверки подлинности приобретенных ими продуктов. Технология может также использоваться в связи с сертификационными знаками для подтверждения того, что продукция соответствует определенным установленным критериям или стандартам, например, Woolmark, которая удостоверяет, что товары, на которых она используется, изготовлены из 100-процентной шерсти.

Система управления цепями поставок
Возможность отслеживать товары в неизменяемой цепочке блоков помогает  владельцам товарных знаков обеспечить соблюдение ими договорных соглашений в отношении распределения и места утечек в их системе распределения, а также помочь определить параллельный импорт или степень активности серого рынка. Отслеживание распространения продуктов также может использоваться для удовлетворения нормативных требований, например, в фармацевтической промышленности, а также  для подтверждения гарантий.

Кому принадлежит блокчейн?
Возникшая перспектива применения технологии блокчейна в привела последние годы к подаче многочисленных патентных заявок на изобретения, связанные с блокчейном. Многие из первоначальных заявок на патенты были поданы банками и финансовыми учреждениями, но поскольку технология блокчейнов становится все более распространенной, заявки подаются в широком спектре отраслей. В большинстве родственных патентных заявок  указывается загадочный изобретатель Сатоши Накамото. Некоторые заявители  продолжают выступать за обеспечение доступности технологии блокчейна, предлагая лицензии с открытым исходным кодом или создавая патентные пулы. И, как это уже имело место с  многообещающими новыми технологиями, блокчейн также привлек патентных троллей, на что указала, среди прочих, Палата цифровой торговли, которая продвигает новую индустрию блокчейнов. Недавно был создан Совет по ИС Блокчейна (BIPC), цель которого – создать защищенную патентную стратегию для борьбы с патентным троллингом в блокчейне. Однако неопределенность в отношении того, кто владеет блокчейном, препятствует  быстрому росту его популярности.

Взгляд в будущее блокчейна
Поскольку технология блокчейна становится господствующей тенденцией, представителям  отрасли и разработчикам блокчейнов все чаще приходится участвовать в разработке стандартов и протоколов взаимодействия. Различные правительственные агентства и реестры ИС в Евросоюзе и  США создают с этой целью различные организации. Таким образом, представляется, что, рано или поздно, закон устранит потенциальные препятствия в широкомасштабном юридическом применении технологии блокчейна, решив вопросы управления законодательствами и юрисдикциями, обеспечение соблюдения интеллектуальных прав, вопросы безопасности данных и конфиденциальности, надежные правила  и определения для интеллектуальных контрактов, которые проникнут в законодательство и практику в области ИС.

Реальные потребности использования блокчейна в системе интеллеектуальной собствнности

Blockchain and IP// IR Global’Rosie Burbidge Monday, October 15, 2018 -

https://www.coolstuff.com/Kidults-Kitty-Blocks

Группа экспертов в области ИС со всего мира подвергла рассмотрению преимущества блокчейна и то, что он может означать для будущего интеллектуальной собственности (ИС).
Для непосвященных блокчейн является формой «технологии распределенной бухгалтерской книги». По сути, это означает, что это база данных, которая одновременно доступна через сеть любому количеству компьютеров в одном и том же формате. Вместо того, чтобы иметь централизованный орган, определяющий, является ли конкретное изменение в базе данных точным или «истинным», точность транзакции определяется с помощью предварительно согласованного метода консенсуса между компьютерами (или «узлами»), которые являются частью конкретной сети блокчейн.
Это означает, что точность данных в блокчейне намного надежнее, точнее и безопаснее, чем в централизованной системе. Благодаря этому  открываются  различные возможности использования блокчейна в мире ИС, например, отслеживания (i) цифровых активов, (таких как музыка или фотографии) для  более точной и прозрачной выплаты роялти, и (ii) физических активов через уникальный ссылочный номер (такой как QR-код), который добавляется к физическому продукту и позволяет идентифицировать отдельный элемент и отслеживать его через цепочку блоков.
Два главных преимущества блокчейна – это безопасность и прозрачность. Это делает технологию блокчейна особенно полезной в контексте управления цепочками поставок и борьбы с контрафакцией. Например, компания Everledger начала отслеживать прохождение алмазов – от таможни до торговцев алмазами, чтобы подтвердить происхождение драгоценных камней, перечисленных в его блокчейне.
Практикой подтверждена полезность использования   так наз.               интеллектуальных  контрактов.* По сути они означают, что событие X (например, передача актива) происходит при выполнении условий Y. Это может происходить в ходе  высвобождения средств в сделке или даже передачи документов в собственность. Интеллектуальные  контракты способствовали популяризации так наз. шведских контрактов недвижимости.

* Интеллектуальный контракт – это компьютерный протокол, предназначенный для упрощения, проверки, обеспечения выполнения или исполнения контракта в цифровом виде.

Вместе с тем, для многих компаний ряд потенциальных вариантов использования блокчейна оказывается ненужным. В  частности, нет необходимости записывать сертификаты акций для частной компании, когда все акционеры обычно имеют собственную копию реестра – своего рода неофициальный блокчейн.

Например, существует платформа для оплаты музыки, которая отслеживает музыкальные потоки и загрузки на Spotify и аналогичных платформах, чтобы определить более точные выплаты роялти. Эта информация уже доступна без необходимости использования блокчейна, но было бы полезно связать процесс платежей с блокчейном, чтобы повысить прозрачность и, используя популярный технический термин, уменьшить «трение» в процессе. Таким образом, применение технологии блокчейна не всегда  считается обязательным. Однако она может повысить  скорость, прозрачность и безопасность в широком спектре ситуаций, от аудита предприятий и цепочки поставок до управления цифровыми правами..

Новые рефераты в 2018 году

- Стратегические принципы конкуренции в цифровой эпохе/декабрь

- Конкурентная разведка – энциклопедия управления/ноябрь

- Способы развития интеллектуальной собственности//октябрь

- Ежегодное  совещание   руководителей крупнейших патентных ведомств мира/сентябрь

- Искусственный интеллект и нейронный машинный перевод/август

- Является ли цифровая экономика гораздо менее конкурентоспособной, чем мы думаем?/июль

- Адаптация  конкурентной разведки к цифровой экономике/июнь

- Конкурентоспособная стратегия в цифровой экономике/июнь-

- Защита прав интеллектуальной собственности  в виртуальной срде/май

- Патенты виртуальной реальности/май

-  Воздействие больших данных на права интеллектуальной собственности/апрель

- Роль  больших данных в осмыслении интеллектуальной собственности/март

- Охрана интеллектуальной собственности в эпоху больших данных//февраль

- Обеспечение доступности и защищенности интеллектуальной собственности в цифровой экономике//январь

Содержание рефератов в 2018 году

Декабрь  2018

Стратегические принципы конкуренции в цифровой эпохе

Mckinsey & Company Strategic Principles For Competing In Digital Age

17 Apr. 2018 г. -

www.ariadne-eu.org/mckinsey-company-strategic-principles/

*McKinsey & Company — международная консалтинговая компания, специализирующаяся на решении задач, связанных со стратегическим управлением …

Чтобы быть конкурентоспособной, каждая компания должна сегодня признать важность оцифровки (дигитализации). Согласно McKinsey’s, существует шесть важных решений, которые компания должна предпринять для решения проблемы оцифровки.

1. Моделирование вашего портфеля- купить или продать?

В цифровом мире рост и доход компании становятся меньше, однако  конкурентные стратегии обретают  другие правила. Вот почему для бизнеса важно изменить способ моделирования своего портфеля, если он хочет достичь своих целей.

Многие известные компании приобрели цифровые услуги других цифровых компаний. Лучшим примером может стать косметика и парфюмерный магазин – Sephora. Они купили Sentsa, разработчика программного обеспечения, который производит приложения и онлайн-сервисы, специально разработанные для такого рода компаний. Их целью было удержать технологию от конкурентов.

Компании часто приходится сокращать свои расходы, чтобы реинвестировать деньги в оцифровку. Например, домашняя депо переместила свою первоначальную инвестиционную стратегию от открытия новых магазинов до фактического приобретения новых складов, предназначенных для онлайн-продажи, а также для покупки Blinds.com.

Every company today, in order to be competitive, must acknowledge the importance of digitization. According to McKinsey’s, there are six critical decisions a company must make in order to address the issue of digitization.

2. Оцифрованная модель – адаптироваться или полностью отказаться?

Некоторые компании решают полностью перестроить свой бизнес, чтобы адаптироваться к оцифровке. Европейская брокерская группа, занимающаяся недвижимостью, решила создать онлайн-платформу, которая открывается даже для ее конкурентов. Ее цель – стать ведущим онлайн-рынком недвижимости. Однако некоторые компании предпочитают отказаться от цифровых операций вообще.

Каждое из этих решений связано с  рисками. С одной стороны, цифровая  активизация может подорвать маржи и поглощать продукты и услуги, а с другой стороны, она может хранить данные о существующих покупателях, в конечном счете помогая действующим лицам в их усилиях по созданию крупных клиентских баз.

3. Конкурировать или сотрудничать?

Крупные компании, независимо от того, насколько они влиятельны и могущественны, действительно могут поддаться угрозе потери конкурентов, которые лучше справляются с внедрением цифровых тенденций. Вопрос в том, следует ли всегда атаковать своего конкурента или, в некоторых случаях, сотрудничать с ними. Компания Сантандер вступил в  партнерство с Funding Circle. Видя, что их клиенты хотели получить одноранговую кредитную услугу, они подумали, что было бы гораздо более практично использовать технологию конкурента, сотрудничая с ним, а не создавать систему с нуля.

Некоторые компании начинают сотрудничество друг с другом, прежде чем создавать свои собственные цифровые услуги. Так было во многих британских банках, которые хотели построить мобильную платежную утилиту.В случае с CapitalOne стало предпочтительным  решением открытие собственного программного обеспечения под названием CapitalOneLabs. Им удалось защитить свое пространство, не тратя собственный капитал.

4. Инвестировать в различные инициативы или сосредоточиться на одном?

Некоторые цифровые возможности не заслуживают  инвестирования, поскольку они легко тиражируются конкурентами. В таком случае потребуется: сопоставив несколько инициатив, определить те, которые нужно упразднить, и те, которые имеют подлинный потенциал. Например, старейшая в мире фармацевтическая, химическая и биологическая компания  Merck сочла целесообразным инвестировать более 20 стартапов в различных областях.

Другой Глобальный фармацевт вложил значительные средства в сбор данных от медицинских страховщиков, которые  могут идентифицировать пациентов, чтобы быстрее производить лекарство с помощью программы, осуществляющей  пациентов.

5. Интеграция в единый бизнес или расчленение?

Дополнительное преимущество может быть обеспечено интеграцией цифровых операций в единое  предприятия. С другой стороны, это может привести к конфликту и, таким образом, препятствовать способности бизнеса адаптироваться к проблемам оцифровки.John Lewis,, британская сеть универмагов, приобрела Buy.com и объединила его с основным бизнесом. Wal-Mart выбрала другую стратегию, установив свою цифровую деятельность вдали от штаб-квартиры корпорации, тем самым создавая новую культуру и новые навыки.

Компании, имеющие разнообразный портфель, могут выбрать гибридную модель, сочетающую как автономную, так и хорошо интегрированную форму цифровой организации.6. TheDigital Agenda – Hire An Agent Or Own The Business?

6. Обеспечение выбора цифровой стратегии

Учитывая, как быстро развиваются конкурентные ситуации и меняется поведение клиентов, обновление цифровой стратегии – задача, требующая внимания и участия высокопоставленных менеджеров. Обретение эффективной цифровой стратегии в крупных компаниях может потребовать участия генерального директора. Тем не менее,

для решения постоянно растущих проблем компании нанимают так называемого главного цифрового руководителя, который  подчиняется непосредственно генеральному директору, доказывая важность цифровой практики в бизнесе.

Примером здесь может служить компания Walgreens, которая успешно поглотила своих конкурентов, имея лучшую позицию, так как они учредили должность, эквивалентную главному цифровому руководителю. Одна чрезмерное превышение  его роли также таит в себе риски. Нет располагая стратегическими знаниями, влиянием и авторитетом генерального директора, цифровые руководители могут ограничить свое внимание маркетингом и социальными сетями.

Возможна альтернатива, когда цифровые  руководители сами направляют цифровую повестку дня. Этот метод может потребоваться, если оцифровка является главным приоритетом в повестке дня компании или если цифровым предприятиям требуется объем ресурсов для функционирования всей организации.

Независимо от того, какую модель выбирает президент и какое принимает решение, важно понимать, что оцифровка является постоянно растущим и движущимся явлением. Сохранение тенденции требует неустанного лидерства, предоставляя компаниям устойчивые  конкурентные позиции и рост.

Ноябрь 2018

Конкурентная разведка – энциклопедия управления

Competitive intelligence – Encyclopedia of Management. Judith M. Nixon -

https://www.encyclopedia.com/management/encyclopedias/Encyclopedia.com

Конкурентная разведка (КР) – это информация, которая была проанализирована для принятия решений. Важно понимать разницу между информацией и КР. Информация является отправной точкой; это доступные данные, статистика данных о людях, компаниях, продуктах и ​​стратегиях. По сути, информационное перенасыщение является одной из ведущих проблем сегодняшнего исполнительного органа и главной причиной необходимости использования экспертов по КР,  с помощью которых информация перерабатывается и анализируется. Таким образом порождается  концепция сбора и анализа информации о конкурентах для ее использования в принятии управленческих решений. Конкурентная разведка  обеспечивает связь между информацией, бизнес-стратегиями и решениями. Это процесс превращения огромного количества информации в действие.

КР помогает  менеджерам открыть новые рынки или предприятия, победить конкуренцию на рынке с использованием информационных технологий, предвидеть действия конкурентов, определить претендентов на  приобретение компаний , узнать о новых продуктах и ​​технологиях, которые будут влиять на отрасль, и прогнозировать соответствующие политические или законодательные изменения, которые повлияют на предстоящий бизнес.

КР не является шпионажем,  прибегающим к незаконным, теневым или неэтичным средства для сбора информации о конкурентах. Эксперты КР используют открытую информацию и  базы данных с применением  новейшие технологии  и программные средства, позволяющие собирать и анализировать большие наборы данных.

Процесс конкурентной разведки

КР Сегодня является важным видом деятельности в корпорациях, обслуживающим все сферы функционирования бизнеса: исследований и разработок, человеческих ресурсов, торговли и т.д.. Недавний опрос, проведенный The Futures Group, показал, что 80 процентов крупных американских организаций имеют собственные официальные отделы КР. В будущем широкая доступность информации в Интернете сделает КР более доступной для средних и малых предприятий. Современные программные средства анализа и распространения информации также облегчают внедрение инструментов КР. Ее процесс включает  следующие шаги:

1. Установление целей разведки (т. е. разработка требований)

2. Сбор и организация данных об отрасли и конкурентах

3. Анализ и интерпретация данных

4. Распространение результатов анализа.

Установление потребностей КР в организации должно быть четко сформулировано руководством. Без этого отдел КР погрязнет в избыточной  информацией и, возможно, отвлечен запросами на второстепенные данные. Этот шаг необходим независимо от того, перед кем будет отчитываться отдел КР. С учетом потребностей и важности проблемы в некоторых корпорациях отчет о КР может быть представлен непосредственно генеральному директору; в других – руководству отделов  маркетинга или исследований и разработок. Роль любой программы КР должна определяться потребностями корпорации, особенно теми областями, которые имеют ключевые последствия для эффективности ее работы.

Сбор исходной информации осуществляется из общедоступных и платных источников.    Бесплатная отраслевая информация доступна в Интернете: по данным переписи на правительственных веб-страницах, по ценным бумагам и биржам (SEC). Эти корпоративные отчеты предоставляют подробную финансовую и деловую  информацию, а также информируют о  слияниях, поглощениях и судебных разбирательствах в отношении компании. Платные данные поставляются  такими агрегаторами информации, как Factiva, Lexis Nexis, Hoover’s Online, MergentOnline и Standard и Poors. Отчеты аналитиков о маркетинговых исследованиях от таких компаний, как Jupiter, Forrester Research и Frost and Sullivan, хотя обычно довольно дорогие для приобретения, дают подробный анализ компаний и отраслей.

Анализ и интерпретация данных являются подлинным  ядром КР. Собранные данные должны быть преобразованы в содержательные сведения КР.  Одним из способов анализа данных, полученных в Интернете, является использование «Паука» (spider). Эти  веб-поисковики используются при  индексировать и классифицировании найденных документов.

Следующим шагом является интерпретация информации о текущих и будущих задачах конкурентов, стратегиях и ресурсах. По завершении этой оценки специалисты КР сопоставляют свои компании с конкурентами (т.н. бенчмаркинг), на основе которого получаются трендовые и прогнозные сведении

Распространение информации – это передача текущей информации в режиме реального времени лицам, принимающим решения в фирме, в то время, когда они в ней нуждаются. Нынешняя философия заключается в том, что предоставление людям информации на всех уровнях организации повышает ее конкурентные преимущества.

Экспертиза конкурентной информации

Эксперт или аналитик конкурентной разведки обычно обладает солидным деловым опытом в сочетании с практикой  работы в компании. Кандидаты на эту должность, как правило, ориентированы на исследования в области продаж, маркетинга или исследований и разработок. Важное значение имеет сочетание исследовательских навыков с навыками общения и изложения полученных результатов. Учитывая исследовательскую  ориентацию работы КР, можно считать оправданным привлечение сюда людей с библиотечно- информационными знаниями и опытом работы в компании.

Организации и издания КР

Конкурентная разведка зародилась в США, поэтому далее перечисляются

Общество профессионалов КР (SCIP) – некоммерческая организация, созданная в США еще в 1986 году.

Отделение конкурентной разведки Ассоциации специальных библиотек (SLA), образованной в 2004 году как ассоциация для корпоративных библиотекарей и специалистов в области информации.

Fuld & Company, Inc., – основанная в 1979 году исследовательская и консалтинговая фирма в области бизнеса и КР.

Институт проблем стратегии и конкурентоспособности Гарвардской школы бизнеса, изучающий во главе с Майклом Е. Портером проблемы конкуренции и ее последствий для корпоративной стратегии, конкурентоспособности наций, регионов и городов; и для решения социальных проблем

Общество профессионалов КР публикует следующие влиятельные периодические издания:

• Журнал конкурентной разведки (Competitive Intelligence Magazine), издаваемый раз в два месяца.

• Журнал конкурентной разведки и управления (Journal of Competitive Intelligence and Management ) – ежеквартальное международное издание.

• Ревью конкурентной разведки (Competitive Intelligence Review) – архивные публикации по КР за1990 – 2001 г.г.

• SCIP Онлайн (SCIP Online). Информационный бюллетень SCIP, отправляемый бесплатно всем членам два раза в месяц.
Дополнительна информация по этим вопросам содержится по адресу https://www.referenceforbusiness.com/management/Bun-Comp/Competitive-Intelligence.html#ixzz5V6tajZyk

Октябрь 2018 2018

Способы развития интеллектуальной собственности

Дорожная карта интеллектуальной собственности

5 ways Intellectual Property is evolving

News • London, 26/04/2017 - https://iccwbo.org › News & Speeches

Дорожная карта интеллектуальной собственности (ИС) 2017 года является важным справочным инструментом The ICC *, который дает авторитетный обзор наиболее актуальных вопросов, стоящих сейчас перед политиками и предпринимателями, которые стремятся внедрять инновации в постоянно меняющемся мире.

* Международный уголовный суд (ICC или ICCt) является межправительственной организацией и международным трибуналом, который находится в Гааге (Нидерланды) -Википедия

Далее приводятся пять ключевых выводов из данного документа.

1. Инновация – глобальная игра

Новые информационные и коммуникационные технологии сделали бизнес более глобальным, чем когда-либо. В их число входят даже небольшие и средние инновационные компании, работающие и торгующие в международном масштабе. Это означает, что инновационное сотрудничество сегодня все выходят за рамки национальных границ. В «Дорожной карт» подчеркивается, что «Сейчас ИС, скорее всего, будет создаваться не единой организацией, а коллективно – группой участников из разных стран, каждый из которых обладает особыми знаниями».

Это создает серьезные проблемы для управления активами ИС и обеспечения прав ИС во многих юрисдикциях с различными подходами к правам ИС. Инициативы по решению этих проблем включают международные усилия по гармонизации стандартов и процедур, сотрудничеству между ведомствами ИС, а также посредством сотрудничества между различными заинтересованными сторонами – как в частном, так и в государственном секторах. В «Дорожной карте» также отмечается растущая тенденция для стран создавать специализированные юрисдикции для разрешения споров в области ИС.

Мир исследований и инноваций становится многополярным, в нем участвуют исследовательские и опытно-конструкторские разработки, которые все чаще включают субъектов в странах с развивающейся экономикой. Согласно данным ВОИС, Японии, Китая и Республики Корея – азиатские страны входят в пятерку крупнейших стран  патентования.

2. Новые технологии трансформируют управление ИС и осуществление патентных прав

Передовые компании участвуют в инновациях друг друга в серии перспетивных секторов, таких как искусственный интеллект. Но инновации также руководствуются повышенной потребностью в интероперабельности*, присущей коммуникационным технологиям и платформам, Internet of Things (IoT), машинной (M2M) коммуникации и промышленному Интернету. Это означает, что патенты в контексте стандартов остаются актуальной проблемой. *

*Интероперабельность (англ. interoperability — способность к взаимодействию) — это способность продукта или системы, интерфейсы которых полностью открыты, взаимодействовать и функционировать с другими продуктами или системами без каких-либо ограничений доступа и реализации

Следует иметь в виду, что интеллектуальные машины и устройства, такие как роботы и спутники, могут сами создавать информацию, которая приводит к активам ИС. Это вызывает вопросы создания при этом изобретений и прав собственности.

Легкость распространения информации открывает возможности для глобального сотрудничества, но также затрудняет контроль над распределением активов ИС. Трехмерная печать имеет потенциал для репликации потребительских товаров на основе знаний и разработок, защищенных ИС; в то время как технологии, такие как blockchain, изучаются для аутентификации и передачи информации, касающейся цифровой ИС.

3. ИС является публичной проблемой

Хотя ИС часто занимается защитой частных творений, тем не менее, она сопряжена с  последствия для общества, которые все чаще обсуждаются в публичной сфере. 2016 год ознаменовался как постановкой  целей Организации Объединенных Наций в области устойчивого развития, а также так подписанием Парижского соглашения, которое было нацелено на борьбу с изменением климата. Инновации и сотрудничество будут играть важную роль в достижении этих целей, и ИС станет  ключевым фактором в это проекте.

В «Дорожной карте» отмечается, что существует настоятельная необходимость обсуждать  вопросы ИС с широкой общественностью, чтобы политические возражения против инициатив ИС не основывались на недостаточном понимании. Например, надежная  защита ИС часто рассматривается как удушающая акция, На деле же она фактически повышает прозрачность и распространение знании. Например, изобретатели, обладающие  меньшей вероятностью обретении прав делятся своими изобретениям без их  патентования.

4. Возрастание значения  коммерческой тайны и деловой информации

Информация и знания часто являются наиболее ценными активами компании. Поэтому коммерческая тайна и конфиденциальная информация приобретают все большее значение, особенно в свете глобализации торговых связей  и поставок. В «Дорожной карте» сообщается о последних законодательных инициативах, направленных на решение проблем защиты конфиденциальной деловой информации в цифровом мире.

В странах с экономикой, более основанной на данных, возникают вопросы, касающиеся прав на эти данные, а также ответственности в таких областях, как конфиденциальность данных. Управление данными становится более сложным, поскольку сбор данных становится повсеместным через Интернет (IoT), между машиной (M2M) и промышленным Интернетом, а регулирование данными становится более распространенным. Базы данных постоянно монетизируются и продаются, хотя формальная защита базы данных во многих юрисдикциях не существует

5. Интеллектуальная собственность является ценным активом сама по себе

Хотя ИС уже давно используется бизнесом для повышения его конкурентоспособности, при коммерциализации товаров и услуг, растет признание того, что ИС является ценным активом сама,  Она может приносить доходы, улучшать балансы, увеличивать стоимость акций или использоваться для обеспечения устойчивых конкурентных преимуществ. Рынок торговли ИС растет и становится все более изобретательным.

Таким образом, оценка ИС становится  еще более актуальной. Но, несмотря на увеличение числа методов оценки, разработка международных стандартизованных методов остается проблемой, поскольку ценность ИС зависит от ее контента.

В выпуске «Дорожной карты» интеллектуальной собственности 2017 года все эти и другие изменения отражены в существенно обновленном обзоре ключевых вопросов политики в области ИС. Патенты и стандарты, промышленные образцы, ограничения на товарные знаки упаковки, доменные имена, сорта растений, информационные продукты, устойчивое развитие, изменение климата, инновации и конкуренцию, а также глава о событиях, влияющих на ИС, были в значительной степени доработаны либо дополнены важной новой.

Сентябрь  2018

Ежегодное  совещание   руководителей крупнейших патентных ведомств мира

World’s five largest patent offices convene for 2018 annual meeting, 18 June 2018 – www.epo.org

14 июня в Новом Орлеане, США было проведено очередное ежегодное совещание руководителей  пяти крупнейших патентных ведомств мира (IP5):  США, ЕПВ, Японии, Кореи и Китая. Эти  ведомства  занимают 80% мирового патентного рынка и несут ответственность за оптимизацию международной патентной системы

Главы ведомств рассмотрели темы, которые, как считается, играют все более важную роль в их совместной деятельности  по совершенствованию системы  интеллектуальной собственности (ИС). Считается, в частности, что на глобальную патентную систему  могут оказать существенное влияние, прежде всего, такие события, как  развитие Глобального патентного досье и все более широкое использование Искусственный интеллект (ИИ).

На встрече была выражена признательность руководству ЕПВ за постоянный прогресс партнерства в области повышения качества патентной процедуры. В частности, была отмечена  ценность всеобъемлющего ежегодного отчета ЕПВ по качеству EPO и программы intern / extern Praktika, которая способствует более широкому диалогу между экспертами ЕПВ и промышленностью.

Участники совещания оценили  эволюцию сотрудничества Группы IP5 с момента ее запуска в 2007 году. Его  будущее будет зависеть от строгой приоритизации проектов и выделения необходимых финансовых, человеческих и ИТ-ресурсов, необходимых для эффективного и своевременного осуществления намечаемых проектов.

В частности, по предложению ЕПВ подтвердила возрастающее влияние ИИ на патентную систему и признала  его изучение  в качестве одного из основных стратегических приоритетов IP5. Также по инициативе ЕПВ члены  Группы IP5 согласились продолжить обсуждения проблемы  взаимодействия патентов и стандартов с целью выработки  единого международного подхода к ее решению.

Август 2018

Искусственный интеллект и нейронный машинный перевод

Artificial intelligence and neural machine translation. Translation Industry 101, January 8, 2018, Posted by: The Mole

-        https://asianabsolute.co.uk › Translation Industry 101

Машинный перевод (МП) использовался (при переводе патентных и прочих документов) в течение многих лет с позитивными, но иногда неоднородными результатами. Но теперь, продолжая развитие искусственного интеллекта (ИИ), технология перевода стала достигать уровня, где в некоторых случаях он может быть столь же точным, как и перевод, осуществляемый человеком (ручной перевод). Обеспечивается это с помощью нейронного машинного перевода *.

* Нейронный машинный перевод (англ. Neural Machine Translation, NMT) — это подход к машинному переводу, в котором используется большая искусственная нейронная сеть. Иску́сственная нейро́нная се́ть (ИНС) — это математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток. Нейронный машинный перевод отличается от методов машинного перевода, основанных на статистике фраз, которые используют отдельно разработанные подкомпоненты – Википедия

Нейронный машинный перевод (НМП) стал возможным с развитием ИИ. До этого автоматическое языковое перевооружение требовало обширных библиотек данных, которые можно было бы использовать для обучения компьютера тому, как человек переводит определенное предложение. После разработки ИИ перевод между языками может осуществляться без доступа к словарю. Фактически, подход к машинному обучению, которое сейчас  отрабатывается  по меньшей мере в двух исследовательских проектах, позволяет ИИ создавать собственный двуязычный словарь без ссылки на то, как это делает человек.Фактически весь процесс полностью не контролируется («неконтролируемое машинное обучение»).  При этом машина полагается на естественные фразы и термины в языковом кластере,обучаясь двумя способами:

1. Обратный перевод – предложение переводится на целевой язык, а затем обратно в исходный код. Если он идентичен оригинальному предложению, отлично. Если нет, машина будет пытаться перевести его снова и снова – со временем все ближе и ближе к выполнению требования идентичности, то есть, достигая совершенную  точность.

2. Уменьшение информационного шума (denoising) – посредством удаления или переупорядочивания слов в предложении, после чего  машина пытается восстановить содержание  оригинала. Это делается для того, чтобы машина могла получить более глубокое «понимание» того, как работает естественный язык. Этот метод еще уступает  Google Translate, но его несомненное преимущество в том,  что человек вообще не участвует в процессе «обучения».

Прошлое и будущее НМ

Метод МП, основанный на обширных библиотечных массивах, в 1980-х годах был назван  статистическим машинным переводом (СМП) на основе анализа двуязычных текстовых массивов. НМП впервые появился в 2013 году. Его технология превзошла то, что может сделать СМП. Однако остается  несколько проблем, которые надлежит  решить для повышения эффективности НМП:

• При переводе одного и того же слова часто возникают несоответствия.

• Процесс обучения для машины занимает довольно много времени.

• Нейронная сеть представляет собой,  по существу, систему «черного ящика», результаты работы которой  трудно интерпретировать – не зная, как они были достигнуты.

Со временем ИИ будет играть в области языков все большую роль: к   распознаванию голоса и освоению речевых функциям машинных  устройств добавится  быстрое освоение участвующих в МП новых языков. Эти устройства  станут большим подспорьем в работе носителей и потребителей труднодоступных языков. В их число входят:

Google НМП

В 2016 году компания Google приступила к созданию системы нейронного машинного перевода Google Neural Machine Translation (GNMT), построенной на рассмотрении миллионов примеров и обучению на их примере новых текстов. Причем, вместо запоминания отдельной  обработки  каждой фразы Google НМП сразу переводит целые предложения и кодирует их семантическую структуру

Карманный переводчик Baidu AI

Образцы таких устройств, осуществляющих  одновременный перевод на китайский и английский языки, были созданы в 2017 году и сразу же преобразованы переносное (ручное) устройство.

Рецепторы Google Pixel Buds

Систему перевода, в данном случае, представляет собой  наушники, связанные со смартфоном Google Pixel. Она осуществляет почти одновременную трансляцию между 40 языками – так же, как приложение Google Translate на Android и iPhone от Apple. Тем не менее, разумной машины с сильным ИИ,  которая могла бы применяться в разных сферах, а не в какой-то одной, пока еще нет. Например, в области языков лучшие системы МП достигают результатов где-то в области 80% по сравнению с  квалифицированным переводчиком. Причем некоторые из допускаемых 20% иногда могут быть довольно серьезными.

Сможет ли система Google НМП заменить человека?

Новыая  система  Google уже намного опережает старое программное обеспечение автоматического перевода. НМП уменьшает число ошибок на целых 60%, а в некоторых случаях даже приближается к достижению тех же результатов, что и профессиональный переводчик. Тем не менее, даже самая современная система НМП  все еще не может понять переводческие тонкости и нюансы или овладеть   творческим процессом  переводчика-человека.

И, хотя новая система Google собирается решать  повседневные действия, такие как быстрый просмотр веб-сайта или облегчение обмена сообщениями с коллегой на другом языке, даже эта передовая система не может общаться с иноязычным коллегой, используя присущие ему знания и навыки. Не рано ли бюро переводов уходить в прошлое?

Июль 2018

Является ли цифровая экономика гораздо менее конкурентоспособной, чем мы думаем?

Is the Digital Economy Much Less Competitive Than We Think It Is?

Posted by Guy Rolnik and Asher Schechter - promarket.org›digital-economy…competitive-think/

В журнале The Economist объясняется, как большие данные и искусственный интеллект могут использоваться для согласования интересов и снижения потенциального ущерба потребителям.

Мощные технологические компании, чтобы стать гигантами, переключили  свое внимание «со стороны предложения (эффективность производства) на сторону спроса (сетевые эффекты)». Но они допускают  две большие ошибки. Они подавляют  конкуренцию и они используют недостаточно прозрачные приемы  управления, чтобы оставаться впереди.

В последние годы большое внимание было уделено растущей монополизации онлайн-рынков, таких как поиск, веб-реклама, мобильные операционные системы и интернет-магазины. Компании  Google были предъявлены иски  по  трем антимонопольным делам в Европе, где она владеет 90-процентной долей рынка в онлайн-поиске, после того, как Европейская комиссия обвинила ее в доминировании в мобильной связи и поиске в ущерб аналогичным  конкурирующим услугам.

Не сигнализирует ли это о  фундаментальных и долгосрочных изменениях  конкурентных  отношений  в цифровой экономике? В мире больших данных и искусственного интеллекта сетевые построения могут создавать барьеры для входа соперников в цифровую среду, создавая  большие платформы с применением прямого или негласного сговора и ценовой дискриминации в ущерб потребителям.

В этой связи высказываются предложении, как повысить ныне существующий уровень рыночной конкуренции  цифровой экономики, которая обычно представлялась инновационной и высококонкурентной, а по мнению многих не является такой.

Ариэль Эзраки из Оксфордского университета подтверждает, в этой связи, что большие данные и аналитика с применением искусственного интеллекта, действительно дают нам чрезвычайно ценные преимущества, которые часто способствуют созданию конкурентной онлайн-среды. Это достигается за счет увеличения числа продавцов, наличия информации, повышения прозрачности рынка, снижения барьеров для входа в  него и т. д. Однако было бы неверно  некритически предполагать, что мы всегда будем пользоваться только перечисленными потенциальными преимуществами.

При изучении  управляемой алгоритмом сложной среды, можно  наблюдать несовершенства, которые приводят к тому, что новые рыночные реалии менее конкурентоспособны, чем можно было бы ожидать. Но это гораздо более сложная среда, в которой невидимая «оцифрованная рука» контролируется корпорациями и может управляться. Она способна быть избирательной, создавать различные уровни конкурентного давления на игроков, и это приводит к созданию среды, которая может работать с использованием разных правил, представленных  в теоретических моделях. Например, большие данные, алгоритмы и искусственный интеллект могут быть использованы для потенциального вреда конкуренции и потребителям. При этом дифференцируются три основные области нанесения вреда: сговора, поведенческую дискриминацию и динамику дружески-враждебных (frenemy dynamic) отношений.

Первая теория  - сговора, когда  в рамках динамического ценообразования интеллектуальные алгоритмы с искусственным интеллектом используются для мониторинга рынка и стабилизации ценовой конкуренции. В определенных рыночных условиях каждый алгоритм может принять стратегию, которая способствует взаимозависимости между операторами – после повышения цен конкурентами и наказания отклонений от нового равновесия.

Вторая теория вреда касается поведенческой дискриминации, которая отличается от ценовой дискриминации в нескольких важных аспектах. Стратегия включает в себя фирмы, собирающие наши персональные данные, чтобы определить, какая эмоция (или предвзятость) побудит нас купить продукт, и что мы больше всего готовы заплатить. Здесь продавцы отслеживают нас и собирают данные о нас, чтобы адаптировать их рекламу и маркетинг, чтобы нацелить нас в критические моменты в выгодным им направлении.

Третья теория вреда относится к уникальной динамике дружески-враждебных отношений между «суперплатформамии» и независимыми приложениями,  которые,  например, в операционных системах для мобильных телефонов, могут обретать форму конкуренции или  сотрудничества.

Разрыв между восприятием цифрового мира как яростно конкурирующей средой и реальностью, которую мы  наблюдаем вызван рыночным  динамизмом, новыми технологиями  и стартапами, которые породили  фантазию об усиленной конкуренции. Тем не менее, за миражем, работает все более и более хорошо смазанная машина, которая может игнорировать свободные конкурентные силы, на которые мы полагаемся. То, что кажется конкурентной средой, возможно, не является тем преимуществом, которое мы знаем. Новые технологии изменили динамику конкуренции, как мы ее знаем, и создали новую среду, которая может отображать характеристики конкурентных рынков, но управляется разными силами.

Июнь 2018

Адаптация  конкурентной разведки к цифровой экономике

Competitive Intelligence in a Digital Economy, By Rob Llewellyn Twitter Linkedin – robllewellyn.com›competitive-strategy-digital/

Конкурентная разведка (КР) является неотъемлемым условием  сохранения конкурентоспособности перед угрозой непредусмотренных сбоев. Она предоставляет возможность руководителю предвидеть, что именно его соперники предполагают или планируют предпринять на рынке, а также возможную реакцию конкурентов на его  действия.Не будучи в состоянии предвидеть использование  прорывных технологий для привлечения потребителей в сферу их деятельности, компании не смогут  принимать обоснованные решения, руководствуясь лишь предположениями.

Компании, не оснащенные   достоверными знаниями  цифровой экономики (ЦЭ) слишком поздно предстают  перед непредвиденными фактами, обнаружив вдруг, что потребители «покидают их корабль», оповещая мир о   появлении на рынку новых игроков и их  более заманчивых предложениях.

Компания  Amazon, например, приобрела за 13,7 млрд. долл фирму Whole Foods, потому что она ассоциировалась у потребителей со здоровым питанием, «поступающим прямо с фермы». Можно только гадать, в какую новую отрасль могут вторгнуться компании  Amazon, Google или другие технические центры? Уязвимы в этом отношении строительные материалы, химикаты, электротехника, металлы, аптека и многое другое. Ни один руководитель  не может игнорировать скрытые до поры  знания, которые могут таить в себе как  новые  возможности, так и угрозы, требуя своевременной тактической и стратегической проработки.

Современное понимании конкурентной разведки

Конкурентная разведка включает в себя сбор и анализ информации для прогнозирования конкурентной активности, включая ту, которая еще только зарождается. На базовом уровне КР может быть разбита на два основных типа:

-тактическую КР – более краткосрочную, направленную  на обеспечение поддержки таких решений, как захват доли рынка или увеличение доходов;

- стратегическую КР, которая фокусируется на долгосрочных проблемах, таких как ключевые риски и благоприятные возможности, стоящие перед бизнесом.

Для получения тактической и стратегической информации принципиальное  значение имеет использование новых инструментов и методов КР, обеспечивающих процессы сбора, анализа, распространения и интерпретации данных из конкурентной среды.

Нынешняя конкурентная среда очень отличается от того, с чем  многие руководители привыкли иметь дело в  прошлом. В цифровой экономике КР обычно носит  стратегический характер, ориентируясь на сбор информации, необходимой  для точного прогнозирования будущих рыночных условий. Они включают в себя технологические прорывы, которые будут способствовать росту совершенно новых и мощных бизнес-моделей.

Перемены в конкурентном ландшафте

В прошлом конкурирующие соперники  отлично знали друг друга, и  каждая отрасль как бы имела свой собственный клуб, члены которого  неплохо ориентировались в деятельности конкурентов. Сегодня  все изменилось. Малоизвестные стартапы всего за несколько месяцев приобретают большие доли рынка, застигая  врасплох  своих соперников. При этом они  на беспрецедентной скорости крадут клиентов из-под носа устоявшихся  глобальных компаний. И потенциал таких стартапов признается венчурным капиталом.

Далее к делу подключаются  мощные технологические структуры, такие как Amazon и Google, которые вторгаются в новые отрасли промышленности, представляя серьезную угрозу для действующих на новом рынке лиц. В основе их деятельности сейчас лежат инновации и цифровые технологии, к которым многие действующие на рынке лица еще только начинают присматриваться.

Цифровизация снижает входные барьеры, в результате чего вековые границы между отраслями промышленности становятся преодолимыми. Это позволяет пришельцам из  других отраслей, включая небольшие компании, вторгаться в новые рынки. Интеграция прорывных технологий, таких как Интернет вещей (IoT) и искусственный интеллект (AI), порождает  новые бизнес-модели. И все же большинство фирм все еще мало знают о привносимых ими возможностях и угрозах.

Понятно, что характер конкуренции, к которой компании должны прибегать, сильно отличается от того, чем она была раньше. А  использование КР в сфере вновь возникающих новшеств становится  жизненно важным для выживания.

Выявление объектов КР

Выявление потенциальных и реальных конкурентов компании  является ключом к определению ее краткосрочной, среднесрочной и долгосрочной стратегии. Печальная альтернатива здесь – позволить конкуренту вторгнуться в  ваш рынок, а затем выкручиваться из кризисной ситуации, которую можно было бы своевременно предотвратить. Это делает КР важным  участником  разработки бизнес-стратегии.

Большинство компаний могут найти существенную информацию об их очевидных конкурентах в Интернете. Однако важно понять, что КР в цифровой экономике выходит за рамки простого траления находящейся там информации. Не ждите, чтобы корпорации, подобные Amazon, вторглись  в вашу отрасли. Приобретайте конкурентоспособную информацию, которая вам нужна – пока не стало слишком поздно.

Конкурентоспособная  стратегия в цифровой экономике

By Rob Llewellyn, Twitter Linkedin

Конкурентоспособная стратегия может быть определена как долгосрочный план действий, который компания разрабатывает для достижения конкурентного преимущества над своими соперниками после изучения их сильных и слабых сторон в  сравнения их с собственными возможностями.

Конкурентоспособная стратегия в цифровой экономике (ЦЭ) нуждается во взгляде на нее под новым ракурсом. Стратегия существует и уже много лет и занимается формированием будущего –как компании может достигнуть желаемых целей с помощью имеющихся у них средств. Но способы достижения желаемых целей  резко меняются. И если компании не воспользуются цифровыми технологиями, их деятельность может вскоре завершиться неминуемым фиаско

Истекло всего  два десятилетия, и появились  стартапы, не имеющие  каких-либо физических активов, располагающие малочисленным персоналом и  ограниченным капиталом, которые в состоянии разрушать целые отрасли. Руководители сталкиваются с проблемой защиты от стартапов, пытаясь одновременно разрабатывать стратегии, которые в состоянии обеспечить их существенный  рост за какие-нибудь 5 лет.

Конкурентоспособная  стратегия, как таковая, была известна многим поколениям. Но она проявила свою подлинную сущность только после того, как  компании типа Amazon продемонстрировали нам ее новую сущность, благодаря  вхождению мира в ЦЭ с ее инновационными  технологиями.

После создания бизнес-стратегии, ее необходимо реализовать с помощью бизнес-модели, а хорошая бизнес-модель призвана отвечать на вопросы: кто является клиентом/потребителем и  что для него составляет ценность; как предоставлять клиентам больше преимуществ и опыта, причем  и зарабатываем на этом? Отнако в настоящее время для обеспечения конкурентного преимущества фирмы не могут рассчитывать на создание конкурентной стратегии или бизнес-модели, если она не основана на цифровой системе.

Конкурентная разведка

Фирме необходимо своевременно    выследить потенциальных нарушителей ее деятельности, независимо от того, насколько недофинансироваными или незначительными они могут выглядеть прямо сейчас. Важно не ограничивать усилия конкурентной разведки (КР) на предсказуемых конкурентах, проводя выявление  подрывных новаторов (типа  Hyundai в автомобилях или IKEA в мебели), которые предлагают нечто «с наименьшими затратами».

Ключевым стратегическим решением в области трансформации цифрового бизнеса является вопрос о том, следует ли атаковать или защищать, или объединить элементы обоих подходов. Чтобы это решение было информационно обоснованным, важно знать или предвидеть, какие угрозы и возможности могут встретиться  в будущем.  Это делает современную КР для руководителей более важной, чем когда-либо ранее. Поскольку угрозы обычно не исходят от их известных конкурентов, поэтому руководителю будет неприятно узнать, что клиентам стали поступать предложения от небольшого стартапа с другой стороны земного шара, о котором ничего не было слышно еще в прошлом году.

Стратегические вопросы

При рассмотрении стратегии руководители должны задавать такие вопросы, как:

«Как цифровая технология изменит наш бизнес, и состав клиентов, от которых поступают доходы?»

«Как цифровые технологии позволят повысить ожидания клиентов и отличить нас от конкурентов?»

«Каковы наши краткосрочные, среднесрочные и долгосрочные намерения »?

Чтобы быть конкурентоспособными в ЦЭ, традиционных бизнес-моделей компаниям недостаточно. Корпоративная стратегия должна интегрировать цифровую, а не рассматриваться как дополнение к бизнесу, требующее отдельную стратегию.

Когда компания начинает говорить о своей «цифровой стратегии», не требуется много времени, чтобы выяснить, попали ли они в ловушку, в отличие от того, чтобы быть неотъемлемой частью бизнеса. Не все компании возглавляются руководителем, который считает, что цифровизация является неотъемлемой частью стратегии. Разработка стратегии должна адаптироваться   к быстро меняющимся условиям, не оставляя пробелов для атак конкурентов.

Некоторые фирмы по-прежнему считают, что отдельная цифровая стратегия обработки цифровых данных в качестве дополнения к традиционному бизнесу обеспечит их существование  в цифровой экономике. Некоторые даже полагают, что цифровизация имеет отношение  только к маркетингу. Но спустя  несколько лет (а это слишком поздно) узнают, что маркетинг устаревшей бизнес-модели не подходит для бизнеса.

Две стратегические опасности, которых надлежит избегать

1. Опасность для компаний, которые относятся к цифровизации  без увязки к соответствующей, стратегии, состоит в том, что они просто оцифровывают  существующие способы работы, быстрее и дешевле производя устаревающие  продукты и услуги. Но таким путем они никогда не смогут трансформироваться  кардинально. Они станут еще одной жертвой Великой цифровой иллюзии . И независимо от того, как они «оцифровываются» или сколько они в нее вложили, они одурачивают себя поддельными преобразованиями.

2. Опасность компаний, не располагающей непрерывно функционирующей КР,  заключается в том, что они будут застигнуты врасплох, когда на рынок выйдут новые,  ранее неизвестные разрушительные технологии. Вполне вероятно, что  фирма, поглощенная важной для нее именно сегодня  конкурентной борьбой, просмотрит появление стартапа, который использует новые технологии,  который делает текущие бизнес-модели устаревшими.

Май 2018

Защита прав интеллектуальной собственности  в виртуальной среде

Virtual Reality: How to protect your IP rights in a virtual world

-        lexology.com›library/detail.aspx?g…90ffd1acaca0

Виртуальная реальность (ВР) – это созданный с помощью технического и программного обеспечения виртуальный мир, передающийся человеку через осязание, слух, а также зрение и, в некоторых случаях, обоняние.

Использование ВР    многогранно: в 99 процентах случаев одушевленным и неодушевленным предметам, созданным при помощи такой технологии, присущи точно такие же свойства, поведение и движение, какие есть у их настоящих прототипов. При этом пользователь в состоянии оказывать на все одушевленные и неодушевленные объекты влияние согласно реальным законам физики.

Технологии ВР, в той или иной форме, использовавшиеся  с середины двадцатого века, недавно обрели  всплеск популярности, в основном, благодаря сочетанию огромных технологических достижений и возросшей  доступности быстродействующих  услуг мобильной передачи данных. К тому же устройства ВР становятся все более доступными для обычных потребителей, а цены на них, как ожидается, еще больше снизятся в ближайшие годы из-за усиления конкуренции на рынке.

О достоинствах и перспективах использования ВР сказано довольно много. Однако мало еще известно о правовых проблемах, касающихся соответствующих технологи, и о последствиях ее растущей повсеместности для владельцев прав интеллектуальной собственности(ИС).

Различия между виртуальной, добавленной и смешанной реальностью

Для начала нужно установить различие между виртуальной (ВР), дополненной (ДР) и смешанной (СР) реальностью. ВР охватывает  компьютерный, трехмерный и  виртуальный мир. Эти три среды автономны и не допускают общение пользователей напрямую с окружающим их реальным миром. ДР / СР, наоборот, обеспечивают живое представление о реальном мире с виртуальными компьютерными элементами, наложенными поверх него. Например, компания  Microsoft считает, что ее новая технология HoloLens использует СМ, в то время как Pokémon Go говорит об  использовании ДР, хотя обе используют, по существу, одну и ту же технологию. Далее  термин «ВР» используется для совместного обозначения ВР, ДР и СР.

Товарные знаки

Многие из соображений, связанных с торговыми марками применительно к ВР, если не рассматривать в этой сфере использование товарных знаков третьих лиц. Поставщики ВР-услуг, желающие использовать сторонние торговые марки на своих гарнитурах или в своем контенте, должны всегда задаваться вопросом, нужно ли им получать разрешение от соответствующего правообладателя, чтобы избежать риска нарушения товарного знака. Все зависит от того, как используется знак.

Например, случайное включение зарегистрированного знака иногда может считаться справедливым. Хотя  в Соединенных Штатах, например, было несколько случаев, когда владельцы брендов возражали против использования их товарного знака в фильмах / сериалах, полагая, что их бренд изображается в негативном свете. Подобные споры часто решались в пользу истцов. Риск нарушения товарного знака существует и тогда, когда  товарный знак используется «в процессе торговли» (и, следовательно, поставщик ВР получает от него коммерческую выгоду).

Авторские права

Избегание ответственности за правонарушение в порядке исключения. Такое возможно, если доказано, что  авторская работа применялась временно или случайно, являясь  неотъемлемой и важной частью технологического процесса. Это может быть, например, пдопустимо, когда реальный мир снимается для ВР- контента, например, накладывается поверх него. Однако, допустимость  применения этого исключения еще предстоит протестировать.

Применение работ, защищенных авторским правом, допускается, также если в лицензионных соглашениях с правообладателями предусмотрено внесение более существенных изменений ВР-контента чем обычно разрешают обычные лицензии. Также может потребоваться обсуждение того, кто владеет версией VR-контента. Учитывая объем доходов, получаемых от ВР-технологии, предоставление дополнительных  разрешений может иметь значительные финансовые последствия для всех сторон. Поэтому важно обеспечить, чтобы в соответствующих лицензионных соглашениях эти условия прописывались достаточно четко.

Защита исходного содержимого, созданного для ВР. Вважно обеспечить, чтобы какой-либо оригинальный контент, созданный для ВР-гарнитур в игровой и киноиндустрии был надлежащим образом защищен от пиратства. В настоящее время многие виды  пиратства в ограничены использованием технологических защитных мер. Однако допускается  использование пропорциональных мер, не препятствующих  коммерчески значимую деятельность соответствующих учреждений.

Рекламные правила ВР. Другой областью рассмотрения ВР-контента является реклама, а более конкретно, случаи, когда ВР-контент должен подлежать действующим правилам рекламы. Поставщики ВР-услуг должны помнить об этом при показе фирменного / спонсируемого контента, чтобы обеспечить соблюдение правил.

Вывод

Развитие технологий ВР     затронет и ряд  других правовых областей,  включая защиту данных, патентов, диффамацию и ответственность за продукцию. Недавно была опубликована  новость о том, что компании ВР-  компании VOK Oculus было предписано  заплатить 500 миллионов долларов за нарушение соглашения о неразглашении информации относительно  деталей гарнитуры Rift VR, используемой в  технологии ZeniMax. Похоже, что большая часть действующего законодательства по-прежнему останется актуальной, несмотря на футуристический характер виртуальной реальности..

Патенты виртуальной реальности

Virtual Reality Patents: Everything You Need to Know – upcounsel.com›virtual-reality-patents

Патенты виртуальной реальности (ВР)относятся к патентам, которые специально призваны защищать виртуальную реальность (ВР) представляют собой  искусственное моделирование реального мира, разработанное компьютерными программами.

Активными игроками на  рынке ВР являются, в частности, Sony, Microsoft, OculusVR и Motorola Mobility Inc. Компания Motorola Mobility Inc. недавно получила патент «MOBILE VIRTUAL AND AUGMENTED REALITY SYSTEM» из Индийского патентного ведомства.

Патентный эксперт оценивает изобретения ВР и определяет, соответствуют ли они стандартам, которые входят в область электроники. При разработке  устройства с расширенными функциями реальности человек может создавать «виртуальные граффити». Виртуальные граффити обозначают конкретное физическое местоположение всего, что можно считать мобильным. Они сопрягаются с конкретным местом и всеми, кто может видеть граффити, и  загружаются на сетевой сервер. Пользователь получает возможность  изменять виртуальные граффити в соответствии с их уникальными возможностями.

Компания Microsoft недавно получила патент Патентного ведомства Индии, называющийся «Метод  получения Аватара и основанной на нем системы».*

*Фильм Аватар позволяет не только полностью погрузиться в удивительно красочный мир планеты Пандора, но и стать его частью, сопереживая жителям этой планеты

Патентный эксперт определил, что изобретение связано с информатикой и подпадает под эту категорию. Полученный Microsoft, патент, связан с компьютерными играми, которые, как правило, основаны на гонках, в которых один или несколько человек могут конкурировать друг с другом. В некоторых случаях человеческое поведение реальных игроков может быть отобрано и воспроизведено, чтобы улучшить опыт игрока при использовании игры. Воплощение  является ключевым компонентом в отношении этого компьютерного патента.

К числу наглядных примеров ВР относятся выпускаемые фирмами HTC Vive, Oreulus Rift (шлемы и очки виртуальной реальности) и гарнитуры от Magic Leap и PlayStation. Эти компании в настоящее время конкурируют друг с другом, чтобы доминировать в одной и той же технологической области, одновременно уничтожая любую интеллектуальную собственность, которую другая компания может попытаться патентовать.

Ландшафт  виртуальной реальности

28 марта 2016 года корпорация Oculus VR (материнская компания Facebook Inc) объявила о  выпуске первой партии гарнитуры Oculus Rift.. Вскоре Oculus Rift стала одной  из самых мощных платформ виртуальной реальности на современном рынке видеоигр. Но видеоигры не стали не единственным  приложением такого рода технологий. Вслед за этим Oculus Rift освоила приложения IrisVR и Ach Virtual, используемые в архитектуре для смещения 2-мерных и 3-мерных конструкций, повышающих способность создания пространственнго дизайна. После архитекторов ВР-технологии  Oculus Rift  стали  применять для лечения определенных психологических расстройств  (таких как тревожное состояние или посттравматический синдром), путем погружения  таких пациентов в виртуальную реальность. Наконец, мы являемся свидетелями появления на рынке приложений, связанных  с 3D-дизайном и 3D-печатью. В дополнение к патентам на изобретения, Oculus VR обладает тремя патентами на промышленные образцы, которые защищают дизайн гарнитуры Oculus Rift.

Уникальной особенностью  разработок  Oculus Rift заключается  в том, что компоненты создаваемых там   продуктов дополняют восприятие виртуального мира. Это отличается от продуктов ВР, предлагаемых такими компаниями, как Google и Samsung Electronics. Появление устройства Google Glass устройства, создающего  дополненную реальность, затрагивает проблемы общественного сознания. Возникает необходимость охраны  изобретений, которые фокусируются на общественных отношениях  пользователей с ВР-устройствами.

Апрель 2018

Воздействие больших данных на права интеллектуальной собственности

How Does Big Data Affect Intellectual Property Rights? by Larry Alton, August 5,2017 - cloudcomputing.sys-con.com/node/4128095

Патенты – хороший вклад в охрану прав интеллектуальной собственности (ИС), но в ней остаются определенные пробелы. Постоянный поток больших данных еще больше усугубляет эту проблему, затуманивая происхождение  первоначальной собственности. Данные поступают со всего мира, предоставляя  компаниям все  больше информации о потребителях и ближайших конкурентах, чем когда-либо прежде. И это, при правильном использовании,  создает неоценимое маркетинговое преимущество. Вместе с тем,  большие данные угрожают  бренду организации и даже ее репутации. Обостряется проблема хранения коммерческой тайны, размываются  границы между видами  прав ИС. Плоды  тяжелой работа, вкладывавшейся в создание новых идей и продуктов, могут  оказаться у соседей, получивших доступ к вашим разработкам.

Сущность ИС и характер воздействия на нее больших данных

Прежде чем обсуждать характер влияния  больших данных на ИС, важно понять ее сущность. ИС фиксирует  право на идеи, закладываемые в инновации. Но как доказать, кому именно пришла в голову именно эта идея? Зачастую сделать это нелегко, но вы можете доказать, кто первым принял меры по ее регистрации. Права ИС появляются тогда, когда кто-то стал обладателем патента,  авторских прав, товарного знака или сделал другой шаг к реализации своей идеи.

При наличии  какой-либо формы судебного разбирательства по поводу защиты чьей-то ИС большие данные не оказывают существенного  влияния на этот процесс. Получение  доступа к определенной коммерческой тайне не обойдется  без юридических последствий. Однако, если у человека нет законных притязаний на  идеи, продукты или процессы, его идеи будут подвержены не преследуемому законом заимствованию. Некоторые новшества легко копировать, но трудно обзавестись на них  товарным знаком, что делает их более вероятными продуктом промышленного  шпионажа. Химический процесс приготовления безалкогольного напитка монополизировать нельзя, а незащищенные бизнес-идеи легко распространяются и попадают в руки тех, кто будет конкурировать с вашим собственным бизнесом.

Охранные возможности патентов

Нужно быть готовыми к осложнениям в  получении патентов и авторских прав из-за возникающих вопросов идентификации первоначальной собственности на идею. Некоторые новшества легко копировать, но трудно обзавестись товарным знаком, что делает их более вероятными продуктом промышленного шпионажа. Есть основания полагать, что – по мере использования системы – она будет улучшаться. Поэтому патенты – хороший шаг к защите вашей ИС, но они не идеальное решение. Правовая охрана интеллектуальной собственности не гарантируется и имеет некоторые недостатки. Постоянный поток больших данных еще больше усугубил эту проблему, размывая специфику первоначальной собственности. Пока еще  нет целостного решения, которое полностью защитит ваши идеи от мира больших данных. На данный момент лучшая линия защиты – это слой патентов, авторских прав, товарных знаков и аналогичных законов, а также помощь адвоката ИС. Возможно, будет сложно получать  патенты и авторские права из-за возникающих вопросов идентификации первоначальной собственности на идею. Тем не менее, это лучшая система, доступная для защиты вашей собственности от лиц, специализирующихся на добыче  данных.

………………………………………………………………………………………………………………………..

Роль  больших данных в осмыслении интеллектуальной собственности

How Big Data can help in Understanding Intellectual Property. Spathika Ram - smartdatacollective.com›how-big-data-impacts…

По расчетам  IBM, в настоящее время ежедневно производится 2,5 квинтиллиона данных. Считается также, что 90 процентов данных, существующих в сегодняшнем мире, были созданы в последние 2 года. Получивший в последнее время широкое распространение термин «Большие данные» часто используется для охвата огромного объема  легкодоступных данных, поступающих  как в структурированной, так и в неструктурированной форме. Чтобы получить точное определение больших данных, его можно разделить на три параметра:

• Объем – это определение, относящееся, в основном, к неструктурированным данным, которые поступают через социальные медиа и другие формы СМИ. Увеличение сбора сенсорных  и машино-машинных данных позволяет использовать большие объемы данных для аналитики и получения  соответствующих выводов.

• Быстрота – характеризует  скорость изменения данных в реальном времени. Это обеспечивается тем, что все производимые данные генерируются из уже существующих источников, создавая сеть передачи данных. С ее помощью измеряются  различные скорости, с которыми происходит активизация данных, и анализ взаимосвязи и изменений между двумя совокупностями данных.

• Разнообразие – это определение охватывает различные форматы, включая  структурированные и неструктурированные данные. Такие данные обычно хранятся в организациях и не всегда доступны для аналитики, что затрудняет слияние и управление данными.

С точки зрения компании, общества или правительства большие данные имеют исключительное значение, ведь чем больше доступных данных, тем точнее  может быть их анализ. Это, в свою очередь, приведет к улучшению возможностей принятия решений, повышению эффективности работы и управления рисками.

Большие данные и интеллектуальная собственность

Однако данные в их исходной форме не могут привести к цифровой революции. Для раскрытия возможностей данных их следует надлежащим образом собрать,  сохранить и выбрать  надлежащий способ их анализа, получения нужных выводов и передачи по назначению. ИС играет решающую роль в этом процессе, охватывая  как  используемое для сбора и хранения данных запатентованное оборудование, так и  защищенное авторским правом программное обеспечение, которое организует и анализирует этот процесс. Когда компания решает запустить аналитику, конечный результат оказывается защищенным в соответствии с законами ИС в качестве  коммерческой тайны.  Любые отчеты, публикуемые с использованием результатов данной  аналитики, также защищены законом ИС.

ИС, таким образом, представляет собой  нематериальный актив, который является неотъемлемой частью ведения бизнеса. Однако,  в отличие от любого из основных фондов, на него трудно установить цену. Это затрудняет изучение полной глубины и ширины ИС, ее применение, оценку или  продажу. Впрочем, для этих нужд  в мире действует строгое законодательство о ИС.

Как интеллектуальная собственность защищает большие данные?

1. Патенты. Данные в их исходной форме не могут быть запатентованы; их можно защитить в соответствии с патентным законодательством только после  обработки и  анализа. Но исторически сложилось, что патентная система была плохо приспособлена для  контроля за этими  процессами.

2. Авторское право. Как и в случае с патентами, исходные  данные не защищены авторским правом. Их представление и анализ требуют больших творческих  усилий.

3. Коммерческая тайна. Собранные данные, их анализ  и последующие процессы защищаются в качестве  коммерческой тайны, экономическая ценность которой  подтверждается  усилиями, направленными на ее  сохранение с в секрете.

Ограничения прав интеллектуальной собственности

Каждая страна использует  собственную  структуру ИС, включающую ведомства, которые работают независимо друг от друга. А это затрудняет  отслеживание охраны изобретений  в соответствии с различными законами. В результате  остается «серое пространство», осложняющее установление прав собственности. Прогнозируемый рост многократный больших данных потребует выработки более  жестких и универсальных мер охраны ИС.

Охрана интеллектуальной собственности в эпоху больших данных

Protecting Intellectual Property in the Era of Big Data, Sean Mallon, freelance writer and big data expert freelance writer and big data expert – smartdatacollective.com›…intellectual…era-big…

Большие данные – это бесценный инструмент для компаний, ориентированных в будущее. По мере того, как предприятия стремятся повысить эффективность своей работы и привязать ключевые показатели эффективности к реальным результатам, комплексный анализ таких данных играет  все большую роль в их деятельности. Разумеется, большие  массивы данных также отягощены  уникальными проблемами безопасности, и это оказывает серьезное воздействие на интеллектуальную собственность (ИС).

Пересечение ИС и больших данных

Любой авторитетный поверенный  по товарным знакам, несомненно, подтвердит, что правовая основа охраны ИС, не была разработана применительно к  современной цифровой эре. Компании также не могут защищать авторские или патентные права на большинство данных. В подавляющем большинстве случаев, при обеспечении безопасность информации, они, как правило, должно опираться на такие механизмы защиты, как коммерческая тайна.

Для некоторых фирм, особенно вновь создаваемых  стартапов, это не вызывает особых  проблем. Однако компании, которые хотят перестроиться в соответствии с   будущими условиями, должны переоценить способ защиты своих ИС. Большинство организаций могут извлечь из подобных  углубленных переоценок существенные выгоды.

Усиление внутреннего контроля

Одним из важных аспектов обеспечения безопасности корпоративных данных является то, что даже законы о коммерческой тайне могут не охватить все необходимые объекты. Корпорация обычно создает информационные панели бизнес-аналитики и другие инструменты вокруг уже запатентованного или охраняемого авторским правом программного обеспечения. Организации, использующие программное обеспечение с открытым исходным кодом, обычно ограничены лицензионными условиями, которые запрещают им защищать авторские права на свои производные работы. Использование инструментов с открытым исходным кодом также повышает вероятность того, что любые авторские права на файлы компаний будут аннулированы из-за использования уже известных технических решений.

Поэтому, защищая свои права, предусмотрительные  корпоративные лидеры прибегают к новые политике с акцентом на усиление внутреннего контроля,  не полагаясь исключительно на устаревшие правовые механизмы.  Например, налаживая тщательный контроль за тем, как их сотрудники используют приложения для сбора данных и инструменты анализа, они могут снизить риск нарушения конфиденциальности и ограничить свои потери.

Дополнительные меры  правовой защиты

Сторонники реформы в области права ИС утверждают,  что патентная система слишком разбалансирована, чтобы обеспечить безопасность информации без дополнительной поддержки. Конечно, это не означает, что компании должны отказаться от патентной охраны  полностью.

Тем не менее, нельзя игнорировать  тот факт, что скорость возрастания объема  данных значительно опережает сроки предоставления патентов,  поскольку патентные ведомства не располагают достаточными  ресурсами. Компании не могут рассчитывать на то, что должностные лица ведомств будут препятствовать незаконному использованию данных или преследовать противоправные действия  без поступления жалоб извне. Поэтому крайне важно, чтобы компании принимали активные меры по защите собственной ИС.

Для многих компаний успешная защита ИС начинается с консультаций с экспертом в соответствующей  области. Даже если инцидент не дает твердых оснований для судебного преследования правонарушений типа  шпионажа или кражи информации, изучение правовых последствий различных мер защиты имеет жизненно важное значение для их эффективного использования. Углубленные оценки корпоративной политики в рамках действующей правовой базы могут также помочь компаниям найти и закрыть потенциальные лазейки в своих методологиях.

Обеспечение доступности и защищенности интеллектуальной собственности в цифровой экономике

The Digital Dilemma. Randall Davis – NAE Website -  NAE Website -  – NAE Website – National Academy of Engineering

- https://www.nae.edu/19582/Bridge/…/TheDigitalDilemma.as..

Составляющие информационную инфраструктуру  технологии (информация в цифровой форме, компьютерные сети и Интернет) поступили к нам  в  сопровождении противоречивых обещаний о предоставлении небывалых возможностей. В частности, системе интеллектуальной собственности (ИС) информационная инфраструктура обещает возрастание  количества и качества информации – с облегчением  доступа и расширением рынков сбыта, одновременно ставя под угрозу  вознаграждение тех, кто эту информацию создает и публикует. Имеется в виду очень мощное средство публикации и распространения информации с крупнейшим в мире объектом ее  воспроизведения, деятельность которого не контролируется не только на практике, но и законодательно. Эти технологии, позволяющие чрезвычайно  улучшить доступ к информации, могут и  воспрепятствовать этому доступу способами, которые никогда практиковались.

Цифровые  технологии вторглись в мир, где уже действующая система ИС управляется  рядом  сложнейших и порой противоречащих друг другу положений  права, государственной политики, экономики и технических средств. Сегодня эти элементы относительно сбалансированы, но вполне могут утратить  равновесие под воздействием преобразований, привносимых новой информационной инфраструктурой.

Проиллюстрируем это на простом примере. Традиционную книгу могут читать одновременно один-два человека, находящихся в том же помещении, что и эта книга. Но стоит сделать тот же самый текст доступным в электронной форме, и практически исчезает  технологический предел для числа людей, которые могут получить к этой книге  доступ одновременно, почти из любой точки планеты.

Однако перед  издателями и  авторами встает тревожный вопрос: сколько копий такой книги будет продано (или лицензировано), если сети обеспечат к ней планетарный доступ? Весь рынок издательской, кино-, фото- и музыкальной продукции может быть поглощен путем продажи их первой электронной копии. Не легче и  потребителям: попытки оградить  рынок от нашествия новой информационной инфраструктуры с использованием средств  технической и правовой защиты резко затруднят  доступ к интеллектуальному и культурному наследию общества.

Баланс защищенности  и доступности ИС

Задача здесь состоит  в регулировании  равновесия посредством  изыскания защитных мер, достаточных для мотивирования  авторов, изобретателей и издателей, но не угрожающих сохранению культурного наследия страны, обеспечению широкого доступа к информации, содействию образования и  науки. Однако  развивающаяся информационная инфраструктура совершила  такой  скачок в технологии, который нарушает существующий  баланс, заставляя переосмысливать многие из наших фундаментальных предпосылок и практических мер..

Из множества технологических достижений, которые обеспечили построение новой  информационной инфраструктуры, для ИС особое значение имеют следующие три: все более широкое использование цифровой информации, дальнейшее распространение компьютерных сетей и создание Всемирной сети (Интернета).

Информация в цифровой форме на порядок проще, быстрее и дешевле, чем информация в аналоговой форме (например, печатная версия). Это проявляется в облегчении копирования  (репродуцирования) цифровой информации, одновременно усложняя защиту авторских прав. А полный контроль над этими  процессами означал бы ограничение доступа к цифровой информации. Перевод информации в цифровую форму сказывается и на процессе ее  распространения. Информация в печатной форме обычно продается, а цифровая информация  лицензируется. Покупатель, например, может бесплатно предоставлять, сдавать в аренду или перепродавать приобретенную копию. Лицензионные соглашения, напротив, предусматривают ограниченную передачу прав на использование предмета.

Компьютерные сети и Интернет

Компьютерные сети радикально изменили экономику и логистику распространения информации, позволяя получать информацию по всему миру почти бесплатно, а также почти мгновенно. Интернет, в свою очередь, радикально изменил экономику и логистику публикации, позволяя каждому стать издателем с мировым распространением публикаций. Это трио технологических разработок – цифровая информация, компьютерные сети и Интернет – вместе стали источником глубоких изменений.

Для издателей эти технологические разработки открыли новые рынки и новые продукты, такие как онлайн-музыка и книги. Но те же самые разработки позволяют  отдельным лицам или пиратам создавать  и распространять несанкционированные копии на порядок быстрее, проще и дешевле, преодолевая барьеры авторского права. Все это ставит вопрос: можно ли создать некие средства  восстановления баланса.

Второй главный источник проблем в цифровой дилемме – это появление компьютеров и Интернета на  рабочих местах и, во все больших масштабах – в домашних условиях. В результате   у людей, не обладающих должным представлением о правовых ограничениях, появились средства и возможности доступа и копирования огромного количества цифровой информации, включая программное обеспечение, тексты, аудио- и видеоматериалы. Кроме того, авторское право, традиционно связанное  с публичными действиями и их последствиями, вынуждено обратить свое внимание  на поведение частных лиц. Это  представляет собой еще одну социальную и политическую проблему в управлении правовой охраны  ИС.

Рост использования лицензирования

Если раньше цифровой мир имел, в основном, дело с лицензиями  на программное обеспечение, то теперь появилось множество  других сфер лицензироваания, например,  библиотечных фондов, которые во все большей степени пополняются цифровыми материалами,  зачастую  доступными только по  лицензиям. Лицензирование имеет ряд  преимуществ, включая увеличение ясности в   отношении условий доступа к определенным материалам,  предоставление права делать неограниченное количество  копий для местного использования и др. Но более широкое распространение лицензирования может сократить  доступ общественности, предоставляемый, например,  в соответствии с так называемым  «правилом первой продажи».

Технологические решения

Основной технической проблемой при крупномасштабном управлении цифровой информацией являются способы  обеспечения  доступа к информации, не лишаясь возможностей контроля в целом. Множество создававшихся схем  полагается на комбинацию программного обеспечения для шифрования и управления правами. Шифрование кодирует информацию так, что к ней можно получить доступ только с помощью соответствующего ключа, подтверждающего наличие  права.

Технологические решения зачастую полезны, но ограничены несколькими важными условиями. Одно из ограничений связано с необходимостью простого и быстрого использования устройств потребителем. В некоторых случаях это исключает использование мощных системы шифрования.

Реконцептуализация прав ИС

Учитывая, что контроль над воспроизведением – это средство, а не цель, нельзя ли попытаться  найти другой механизм, который более тесно связан с целью, будь то в цифровом или аналоговом мире? Может быть, полезно начать с расследования не вероятности факта изготовления  копия, а с изучения всех предпринятых в отношении данной работы действий, которые могут существенно  разрушить совокупные  средства создания стимулов для авторов.
Это мнение не противоречит всем другим традиционным исключительным правам авторского права. Создание производных работ, их распространение, публичное исполнение и показ могут быть защищены независимо от того, была ли сделана копия. Разумеется, любые существенные изменения могут также вызвать новые проблемы. Тем не менее, обсуждение и рассмотрение того, что представляет собой всесторонне обоснованная модель защиты ИС в цифровом мире, вполне заслуживает  таких усилий. Распространение цифрового контента может обеспечиваться и иными способами. Клиенты, в частности, могут смириться с  подпиской на онлайн-информацию, а авторы и издатели будут продолжать выполнение  своей работы, несмотря на наличие  некоторых фактов ее  несанкционированного воспроизведения.

Новые подходы к вопросам ИС должны основываться не только на законах и технологиях, но и на понимании экономики информации, социологии и психологии. Не исключено, что и само понятие концепции ИС заслуживает дополнительного  осмысления – с учетом  тех изменений, с которыми мы сталкиваемся в цифровой среде. Все эти проблемы сложны, но их решение неизбежно. Оно проверит нашу изобретательность в поиске путей для достижения, казалось бы, парадоксальных  целей мотивации индивидуального творчества в цифровом мире, где тиражирование, распространение, и публикация работ стали  поразительно проще и дешевле, чем когда-либо раньше.

Вывод: Традиция предоставления ограниченного доступа к опубликованным материалам, созданным в мире физических предметов материальной культуры, должна быть продолжена в цифровом контексте. Но механизмы для достижения этого доступа и определения его «ограниченности» должны будут развиваться  с учетом природы цифровой ИС и развития информационной инфраструктуры

2017 год

Новые рефераты в 2017 году

- Зарубежный взгляд на Россию  2018 года / декабрь

- Товарные знаки перед новыми вызовами цифрового мира/ноябрь

- Большие данные и предпринимательская стратегия интеллектуальной собственности//октябрь

- Понимание новой роли управления ИС в цифровой экономике//сентябрь

- Потребуется ли разработка новых патентно-лицензионных стратегий для  развития Интернет вещей/август

- Цифровая стратегия Великобритании/ июль

- Российское правительство учредило консорциум по стандартизации Интернет вещей/июнь

- Угроза роста   киберпреступности в 2017 году/ май

- Отображение технологических трендов Индустрии 4.0 в патентной системе  / апрель

-Международный указатель интеллектуальной собственности - 2017 / март

- Альтернатива 2017 года: разворот патентной реформы США или потеря       поколения изобретателей / февраль

– Каких изменений в патентной политике ожидать от Трампа? / февраль

- Интернет вещей: новая патентная война в промышленности? / январь

Содержание рефератов

Зарубежный взгляд на Россию  2018 года

Russian futures to 2018 // Canadian Security Intelligence Service -https://www.scrs.gc.ca/index

Большинству Западных аналитиков  российского будущего присущ пессимизм. В одном из авторитетных  отчетов говорится, что Россия сталкивается с «растущими внутренними трудностями, в том числе ослаблением экономики и политическим климатом, который задушил предпринимательство и общество». Такого рода  проблемы «поставили под угрозу безопасность в Европе и стабильность в России». Необходимые реформы сталкиваются с «обескуражив политическими препятствиями». Российская экономика приведена  к рецессии «структурными, конъюнктурными и геополитическими причинами», а также «рыночным давлением и внешними конфликтами, создающими дополнительные проблемы неопределенной продолжительности». Если страна «продолжит свой нынешний курс – как в экономическом управлении, так и в международных отношениях – это будет все более опасным и дорогостоящим для Европы и, не исключено, что катастрофическим для России». Все это приводит к заключению, что «неустойчивость сложившейся российской  модели вынуждает  западные правительства предусматривать  свои ответы на различные сценарии возможных преобразований».

Российские  прогнозы также пессимистичны, хотя они и различаются отдельными аспектами. Экономисты считают, что с  вероятностью 45-50 процентов страну ожидает  «полузакрытая, застойная экономика» с устаревающими технологиями,  все большей концентрацией ресурсов в оборонной промышленности и в собственности крупнейших предпринимателей, сопровождающаяся  деиндустриализацией и низкими темпами роста. Впрочем, специалисты Института мировой экономики и международных отношений с  30-35 процентной вероятностью предсказывают  появление «спасательных команд» молодых технократов, которые будут вводить некоторые элементы модернизации.

В более широком смысле возможность нарушения консенсуса, похоже, вызывает тревогу. Борьба России за отстаивание своей позиции в мире не кончилась. И если цивилизационная граница России с Востоком более или менее ясна, Россия  пребывает в постоянном устремлении  на Запад и Юг, где иностранные державы постоянно пытаются увеличить свои сферы влияния за счет России. Некоторые отмечают, что «события в мире в последнее время происходят так часто и  протекают они настолько  бурно, что каждый год можно ожидать революцию или серьезные изменения в мировом балансе сил ».

Далее основное внимание уделяется рассмотрению трендов  в трех важнейших сферах: экономике, внутренней политике и международной среде – в период до 2018 года. Конкретные прогнозы о судьбе России в 2018 году не могут быть сделаны с уверенностью. Но контекстуальные тенденции очень ясны, поскольку они подтверждаются как своей структурой, так и неприкрытой сменяемостью состава российского правительства. Следовательно, маловероятно, что они претерпят значительные изменения даже под воздействием неблагоприятных событий.

Экономика

Реформа экономики  в увязке с углеводородами не находится в центре данного анализа. Российское правительство четко определило таймфрейм, отведенный этим ресурсам. Российская энергетическая стратегия до 2030 года предусматривает трехэтапный план развития, и только на третьем этапе с 2022 года происходит переход к «экономике будущего». Таким образом, российское политическое сообщество «ожидает, что нефть и газ останутся локомотивом роста не только в энергетике, но и в народном хозяйстве в целом до 2022 года». Относительное значение ископаемого топлива будет уменьшаться только постепенно.

Резкое сокращение численности населения с 1980-х годов в сочетании с низким уровнем рождаемости и стареющим населением имеет долгосрочные негативные последствия для экономики и обороны – с  учетом более высокого уровня рождаемости среди мусульманского населения России и этнической смеси российского общества. Большинство из этих проблем будет ощущаться только в следующем десятилетии. К тому же они в определенной степени сглаживается высоким уровнем иммиграции, которая составляет около 300 000 человек ежегодно.

Отсутствие склонности к структурной перестройке  и диверсификации экономики несколько смягчилось  частичным разворотом как внутренней либерализации, так и международной интеграции российской экономии, который  стал заметно  выше.. Политический курс руководства страны по-прежнему сдвигает  экономику России в сторону безопасности, а не экономической свободы.

В 2018 году сохранятся два наиболее важных внешних ограничения для российской экономики. Прежде всего, это  санкции западных стран; и если санкции США, скорее всего, продержатся  дольше, не исключено, что санкции ЕС в отношении России будут, в какой-то степени, постепенно смягчаться. Более важным является цена на нефть, которая, пожалуй, является наименее предсказуемым игровым фактором. На этот счет в России продолжаются споры о возможных ценовых колебания. Недавний базовый сценарий Центрального банка России (ЦБР) предусматривал стабилизацию цены до 2018 годов приблизительно около  50 долл. США за баррель. В любом случае существенный рост цен в этот период не считается вероятным. А экономика стран, скорее всего, будет адаптироваться к внешним условиям.

Внутренняя политика.

2018 году запланировано проведение  президентских выборов.Сейчас во внутреннем политическом ландшафте России по-прежнему  доминирует команда руководства Владимира Путина, однако российская система управления часто проявляет дисфункциональность.

Стремление к  пресловутой  стабильности и в 2018 году проявится в усиленной заботе руководства предотвратить все, что выглядит как потенциальная цветная революция, а также в обширных мерах для предотвращения этого, включая ограничение внешней поддержки российских НПО и гражданского общества в целях предотвращения массовых демонстраций, подготовку МВД и других правохранительных органов к борьбе со вспышками гражданского неповиновения.

В ближайшие годы будет проводиться медленная сменяемость  команды и проверка того, как молодые члены элиты позиционируют себя для продвижения по службе. Следовательно, будет продолжаться медленная ротация, а также набор и продвижение должностных лиц.

В политический контекст могут внести свой вклад два отдельных движения: социальный протест и терроризм, но по имеющимся данным ни одно из них не может существенно изменить предвыборную обстановку. Выступления социального протеста в области здравоохранения в ноябре 2014 года, а также недавний протест дальнобойщиков,   были ограничены по масштабу, не получили широкой общественной поддержки и не  привели к существенному изменению государственной политики.

Сохраняется  угроза терроризма в России, на Северном Кавказе  и в международном джихадизме. Но за последнее десятилетие российское правительство внедрило надежные, правоохранительные меры против терроризма и вложило деньги в решение  этой проблемы. Кроме того, учитывая опыт террористических нападений в прошлом –  от Норд-Оста и Беслана до взрывов на московском метро и в аэропорту Домодедово – сомнительно, чтобы террористические нападения существенно повлияли на политическую среду или внешнюю политику России. Поэтому в ближайшие годы, несмотря на  периодическую активизацию  политической жизни, а также некоторые противоречия внутри системы, основной тенденцией внутренней политики России останется эволюционная консолидация.

Позиция России на мировой арене

Широкие контуры внешней политики России вряд ли сильно изменятся в ближайшее время. Евразийское пространство остается приоритетным, и российское руководство стремится развивать свою позицию в качестве центра в регионе с Организацией Договора о коллективной безопасности и Евразийским экономическим союзом. Китай является еще одним приоритетом, и российское руководство уже более десяти лет стремится улучшить свои отношения с соседом на востоке.

Хотя Москва видит, что влияние Запада в международных делах находится в стратегическом упадке, а роль Азии усиливается, в ближайшем будущем основные проблемы возникнут именно с Западом. Здесь также видны долгосрочные контекстуальные тенденции: ухудшение  связей с  Евроатлантическим сообществом; война в Украине, усилившая  разногласия между Евроатлантическими институтами (в частности, НАТО и ЕС) и Россией. Отношения России с некоторыми государствами и многие механизмы многосторонних отношений были приостановлены

Война в Украине оставила глубокий негативный след как в Евроатлантическом сообществе, так и в России. К этому добавились  фундаментальные разногласия по многим вопросам, начиная от выхода США из Договора по ПРО в 2002 году. Между Россией и НАТО существуют четкие политические разногласия по ряду вопросов, включая  расширение НАТО и ПРО, непрекращающаяся война в Украине, постоянное базирование оборудования и сил НАТО в Восточной и Центральной Европе.

Широкий консенсус между экспертами-наблюдателями и официальными лицами заключается в том, что мир вступает в период значительной турбулентности и ненадежности, в результате как операций по изменению режимов в странах Запада, так и  усиления конкуренции в борьбе за ресурсы. А это может привести к войне и уже привело к гонке вооружений. Российские сухопутные войска в течение последних пяти демонстрировали свою боеготовность. Даже если расходы на оборону столкнутся с возможными сокращениями, российские вооруженные силы будут трансформированы, а новое оборудование станет все более доступным и начнет использовать уроки, извлеченные из боевых действий в Украине и Сирии. Кроме того, российское руководство вкладывает значительные средства в укрепление своего стратегического сдерживания и оборонительных мер  как на Крымском полуострове, так и в Арктике, наращивая свой военный потенциал в этих областях и способность реагировать на возникающие угрозы. А это дополнительно меняет весь стратегический ландшафт и подталкивает экономику к проблемам безопасности и попытке консолидировать на этой почве российское государство и общество.

Однако, как отмечалось выше, основная направленность международной политики Москвы не связана с конкретными двусторонними или даже региональными приоритетами, а обусловлена ​​стремлением повысить значимость  России в международных делах. Это сегодня – главный мега-тренд.

Выводы

Все вышесказанное наталкивает аналитиков на пессимистические прогнозные заключения,  особенно, когда большинство западных наблюдателей столько  лет наделось на позитивные перемены,  связанными с концом эпохи Путина; на реформирование российской внутренней и международной политики, не допуская  революционных волнений, элитного раскола или переворота. Пока же основными  факторами, способными как-то воздействовать на экономику и политику России, являются колебания цен на нефть и другие возможные события с непредсказуемыми последствиями. Пассивные события  будут тоже играть определенную роль, но вряд ли они существенно изменят общее направление развития России.

Таким образом, возможные изменения в  предстоящий короткий период, скорее всего, будет эволюционным, происходящим либо внутри системы, либо на ее периферии. Они могут включать в себя перемены в  команде руководства, небольшие колебания в составе парламента и продолжение умеренного  социального протеста. На перестройку экономики, отягощенной структурными проблемами, потребовались бы годы – даже в благоприятных условиях и при наличии  желания  руководства. Поэтому экономическая ситуация, скорее всего, будет зависеть от правительственной политики обеспечения  безопасности, призванной защитить Россию от внешней нестабильности, а не от  реформ в направлении создания более либеральной экономики.

Товарные знаки перед новыми вызовами цифрового мира

Challenges for Trademarks in a Digital World: A Review of INTA 2017 //By Simon Webster , CPA Global, June 6, 2017 – http://www.ipwatchdog.com/2017/06/06/challenges-trademarks-digital-world-inta-2017/id=84072/

В ежегодном собрании Международной ассоциации товарных знаков (INTA), состоявшемся  в Барселоне ( май 2017), приняли участие  более 10 000 специалистов по товарным знакам, профессионалов в области интеллектуальной собственности (ИС), ученых из университетов и научно-исследовательских учреждений. Проведенное мероприятие обратило внимание участников на  меняющуюся роль специалистов по товарным знакам  (ТЗ) в эпоху развития  новых  технологи. Это проявилось  в заметном перемещении их деятельности из юридической сферы в область, где профессионалы ТЗ все чаще выступают в роли  специалистов по корпоративным брендам.*

* Конкурентные преимущества компании во много определяются ее репутацией и способностью выделять свою продукцию на рынке. Делается это с использованием  ТЗ и прочих средств  индивидуализации, в обиходе именуемых “корпоративным брендом”. Однако в Интернете этому препятствуют конфликты ТЗ с  доменными именами и   прочими широко применяемыми во всемирной паутине словесными обозначениями. (Подробнее см. развернутый реферат моей с А.С.Жуковым книги «Защита корпоративного бренда в Интернете» (М,. ИНИЦ “Патент”, 2012), помещенный в данном сайте на странице «Рефераты и оглавление моих книг»)

Изменение роли специалистов по ТЗ

Специалисты по ТЗ продолжают сталкиваться с все  более сложными и неопределенными условиями для выполнения своих обязанностей. Это обусловлено рядом факторов, в том числе – увеличением роста заявок на ТЗ, но и не только этим. Патентное ведомство США сообщило, что в период с 1985 по 2011 год число заявок на регистрацию ТЗ возрастало  в среднем на 6,5% в год. Понятно, что специалисты, занятые в этой отрасли, сталкиваются с увеличением объема работы. Но главным вызовом для них являются  технологические задачи  управления активами ТЗ  и защиты корпоративного бренда в цифровой среде. Ниже приводятся некоторые из этих проблем.

Новые вызовы цифровой среды

Всемирная организация интеллектуальной собственности (ВОИС) отметила, что в 2016 году случаи киберзахватов, связанных с доменами верхнего уровня, достигли рекордных показателей. Онлайновое мошенничество, которое десять лет мало затрагивало  профессионалов по регистрации ТЗ, теперь должно быть в центре внимания всех организаций, управляющих брендами. При развертывании своих брендов специалисты по ТЗ должны учитывать не только социальные платформы типа Twitter, Facebook and Instagram, но также обеспечивать присутствие и управление своими брендами в Интернете, контактируя с  группами маркетинга, связи и обслуживания клиентов.

Усложнение управления брендами

Представление бренда в  деловом мире теперь стало многоязычной глобальной задачей. Поэтому любая стратегия в отношении социальных сетей должна быть переплетена с общей стратегией управления интеллектуальной собственностью (ИС) в бизнесе. Включившиеся в этот процесс корпорации и юридические фирмы все чаще просят монетизировать такие нематериальные активы, как товарные знаки, более эффективно. Споры по товарным знакам, как правило, решаются в форме «нераскрытых убытков». Это указывает на трудность  оценки точного финансовый риск, хотя стоимость обращений к  ТЗ в сети  часто составляет сотни тысяч долларов, не считая  времени и средств для обращения к  юридическим консультациям, необходимы для ведения  судебного  процесса или урегулирования спора.

В эпоху цифровых технологий репутационный ущерб от дискредитации корпоративного бренда может быть весьма значительным. Любое лицо, имеющее доступ к средствам массовой информации, может передать глобальной аудитории порочащее  сообщение или рекламу,  способную  запятнать репутацию бренда. При этом следует учитывать дополнительное воздействие  на  споры о ТЗ в социальных сетях. Сегодня каналы социальных сетей заполняют  каждый аспект нашей деловой и потребительской жизни; бизнес-мир и мир покупателя взаимодействуют более чем когда-либо, и потенциал для злоупотреблений представляется  безграничным.*

*В процитированной выше работе «Защита корпоративного бренда в Интернете» в этой связи указывается на необходимость  формирования в организации  системы управления корпоративным активом средств индивидуализации, обеспечивающей принятие обоснованных решений на всех стадиях их жизненного цикла.  Это позволит уточнять потребности в информации, необходимой для выявления и предотвращения конфликтов в общественных отношениях по поводу обретения прав на средства индивидуализации и их последующего осуществления. Для принятия указанных решений требуется их информационно-аналитическая поддержка с использованием как специализированных информационно-поисковых систем, так и прочих информационных ресурсов Интернета, которые позволяют осуществлять непрерывный  мониторинг всех происходящих в Интернете событий, имеющих отношение  к  корпоративному бренду данной организации

Роль технологии в защите бренда

Одним из бесспорных  заключений,  вытекающих из дискуссии на INTA 2017, было подтверждение возрастание роли, которую технология может сыграть в создании брендов и в обеспечении эффективного управления этими  разнообразными процессами. Компании внедряют технологии, способствующие  повышению эффективности этих процессов – от веб-мониторинга нарушений бренда до оцифровки глобальных обновлений ТЗ. Основной задачей является обеспечение эффективного управления через одну технологическую платформу всей  соответствующей информации, которая поступает от компаний,  юридических фирм или сети агентов, расположенных по всему миру.

Поскольку роль специалиста по ТЗ перемещается с  юридической сферы на  более широкую позицию управления брендом, охватывая новые обязанности, задачи и партнерские отношения,  эта категория специалистов любых уровней  нуждается в  поддержке при осуществлении расширяющихся управленческих функций. Решающую роль в такой поддержке играют технологии. Они должны  обеспечивать автоматизацию процессов, повышать их эффективность и предоставлять экспертам по ТЗ соответствующие инструменты.

.

Большие данные и предпринимательская стратегия интеллектуальной собственности

Big Data and IP business strategy – Joren De Wachte

За последние несколько  лет способность человечества создавать данные, обрабатывать, обмениваться ими  увеличилась многократно. Причем ключевой характеристикой наблюдаемого процесса является постоянный экспоненциальный рост этих данных.90% существующих сегодня, данных были созданы за последние два года. Формирование под воздействием цифровизации (дигитализации) необозримых массивов «больших данных»* порождает происходящие вокруг нас революционные технологические изменения.

* Больши́е да́нные (англ. big data,) — совокупность подходов, инструментов и методов обработки структурированных и неструктурированных данных огромных объёмов и значительного многообразия для получения воспринимаемых человеком результатов, эффективных в условиях непрерывного прироста, распределения по многочисленным узлам вычислительной сети, сформировавшихся в конце 2000-х годов, альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence.

В широком смысле о «больших данных» говорят как о социально-экономическом феномене, связанном с появлением технологических возможностей анализировать огромные массивы данных, в некоторых проблемных областях — весь мировой объём данных, и вытекающих из этого трансформационных последствий^[].- Википедия

Зарождающиеся глобальные изменения ставят перед бизнесом множество новых проблем. Как справиться с надвигающимся обвалом  данных? Что делать с  накапливаемыми в корпорациях  неосязаемыми активами? А мы знаем, что нематериальные активы, в своем большинстве, представляют собой  интеллектуальный капитал или интеллектуальную собственность (ИС), что интеллектуальный капитал лежит в основе любого инновационного бизнеса. Эффективное использование его  станет рецептом будущего успеха в бизнесе. Следовательно, необходим пересмотр бизнес-стратегии, а также  входящей в ее состав  стратегия ИС.

Для начала надо разобраться с понятием  «данных» и  в чем разница между  «информацией» и «интеллектом»?

Данные – это очень широкая концепция. Она охватывает все, что создано в цифровой форме. Данные также включают в себя все, созданное любым датчиком,  любой камерой, а также ввод  любого пользователя, любого человека, который работает на вычислительном устройстве (ПК, мобильный, планшет и т. д.); любой проект, план, изобретение или просто  сообщение. И все эти данные растут экспоненциально, примерно каждый год или около того. Однако эти данные фактически не производятся, не записываются и не обрабатываются  до проведения их массовой фильтрации. Это означает, что огромные потенциальные объемы данных будут созданы и обработаны, как только для этого появятся соответствующие  вычислительные и коммуникационные возможности.

Какова же связь между «данными» и «информацией»? По сути, они однородны. Каждый бит данных содержит  информацию. Но характер этой информации и потенциальная ценность определяются ее анализом. Иначе говоря, речь идет  о значении данных и интеллекте, который может быть извлечен из них.

Большие данные трансформируют патентный анализ в предпринимательскую стратегию

Big Data Transforms Patent Analysis into Business Strategy -Daniel Gutierrez – November 7, 2016 – orendewachter.com › Ne

Любое подмножество данных – полезные, интеллектуальные или структурированные данные – будет расти одинаковым, экспоненциальным образом. Следствием этого наблюдения является то, что экспоненциально растут не только «данные», но также, по необходимости, «знания» или «полезные данные». Поэтому задача заключатся в  оценке стратегии ИС в мире, где объем знаний растет экспоненциально.

Соотношение больших данных и алгоритмов

Анализ данных или даже практически любой значимый способ их использования осуществляется с помощью алгоритмов. Алгоритм описывает процесс вычисления, обработки или рассуждения, позволяя, тем самым, извлекать смысл и понимание данных. С помощью алгоритмов данные могут предоставлять нам дополнительную информацию, превращаясь в интеллект. Одним из ценнейших потенциалов больших данных  является возможность комбинировать данные из разных источников, сравнивать и анализировать их. Это позволяет находить новые корреляции, помогая нам понять, как работает общество, и как одно явление воздействует на  другое.

Таким образом,  алгоритмы – это ключ к разблокировке значения больших данных. Следовательно, они будут ключевыми в построении любой стратегии ИС.

Значение стратегии ИС

Построение стратегии ИС обеспечивает  бизнесу понимание: из чего состоит его интеллектуальный капитал, и используется ли  он наиболее оптимальным способом при  поддержки бизнес-стратегии. Стратегия ИС  - нечто гораздо большее, чем просто патентные или авторские права и  технические аспекты осуществления прав ИС. Это понятие охватывает  весь спектр интеллектуального капитала.

Ключевые аспекты стратегии ИС состоят в признании и понимании интеллектуального капитала, в оценке того, как они используются для поддержки бизнес-модели и соблюдения  правильного баланса между открытым доступом  и использованием методов правовой охраны (например, патентов или авторских прав) с учетом  влияние Open Innovation и Open Source*. По сути, это инструмент для вывода инноваций на рынок и расширения рыночного охвата.

* Открытые инновации (англ. Open innovation) — термин для обозначения парадигмы ведения бизнеса, предусматривающей, в отличие от господствовавших ранее подходов, более гибкую политику в отношении НИОКР и интеллектуальной собственности .Определение Open Source (англ. Open Source Definition, OSD) используется организацией Open Source Initiative для определения степени соответствия лицензии на программное обеспечение стандартам Открытого программного обеспечения – Википедия

В статье  рассматривается влияние больших данных на стратегию ИС с пяти сторон: патентная стратегия; владение данными; авторское право; секретность / ноу-хау; ценность и стратегия алгоритма. Все они являются неотъемлемой частью стратегии ИС.  Основное внимание уделяется далее вопросам патентной стратегии.

Патентная стратегия.

Патентные стратегии могут сильно отличаться от одной отрасли к другой. Однако есть несколько общих элементов для рассмотрения, и их можно суммировать в двух наблюдениях: а) как получение, так и использование патентов станут намного сложнее; б) как следствие, предпринимательская ценность патентов может значительно снизиться.

Возрастание сложности обладания патентами

Наблюдение является простым, но очень важным: если количество доступной информации удваивается каждые 18 месяцев, количество предшествующего уровня техники также удваивается каждые 18 месяцев.

Патенты являются исключительными правами, предоставляемыми по новым и неочевидным техническим изобретениям. Предоставление патентов основано на предположении, что патентные ведомства будут знать существующую технологию и отклонят поданную патентную заявку, если описанная технология не является «новой».

Однако, если объем существующей информации растет экспоненциально, это означает, что в принципе частота отклонения патентных заявок  также должна экспоненциально возрастать вплоть до  достижения 100%. Причина проста: объем информации, которая запрещает выдачу патента, также растет экспоненциально. Это означает, что риск отклонения патентной заявки  в течение 2-3-летнего периода е рассмотрения значительно возрастет.

Однако это явление еще не очень заметно. Одной из основных причин, по которым взрыв доступной на данный момент информации не столь заметен, является то, что  особенностью  предоставления патентов является то, что патентные ведомства фактически не рассматривают предшествующий уровень техники с  учетом экспоненциального роста непатентованной технической информации. В ходе патентной экспертизы, основанной на  изучении существующих патентных баз данных, устанавливается новизна в отношении существующих патентов, а не фактическое состояние технологии. Это имело смысл в мире, где скорость создания информации не была проблемой или, как правило, протекало параллельно с темпом патентования технологий. Однако, поскольку запатентованная технология (и, более конкретно, информация по ней) удваивается каждые 18 месяцев, актуальность патентных баз данных для установления того, является ли что-то новым, занимает значительное место.

Понимают ли патентные ведомства экспоненциально растущую ничтожность их традиционного подхода к данным. После осознания этого у экспертов останется только два варианта действий: а) отклонить большинство, если не все, патентные заявки; б) игнорировать реальность и предоставлять патенты на неновые изобретения. Однако это создаст огромные проблемы в осуществлении патентных прав.

С чисто теоретических  позиций основанная на инновациях патентная система становится  неустойчивой в условиях экспоненциально возрастающего известного уровня техники или общедоступной информации. С позиций  стратегии ИС это означает, что компаниям придется становиться  более разборчивми и хорошо осведомленными в процессе принятия решений о том, что и как патентовать. Это повлияет как на широту  патентных притязаний (которые, чтобы оставаться эффективными, скорее всего, станут намного более узкими), так и на соотношение  положительных и отрицательных решений по  патентным заявкам, которые будут иметь существенное влияние на доходность инвестиций в обретаемые бизнесом  и инвесторами патентные права.

Использование патентов

Подобная проблема влияет на потенциальные возможности использования патентов в рамках стратегии ИС. При всем многообразии  способов использования патентов их  основная функция – обеспечивать  исключительное право на производство или распространение продукта или услуги. Это означает, что эффективное использование патента предполагает судебное преследование конкурентов,    блокирующих  доступ к рынку, или предоставление  им лицензии на разрешение на сбыт запатентованных продуктов и услуг.

Однако с ростом объема больших данных ответчик сможет чаще  опротестовывать мешающий ему патент, утверждая, что  на момент выдачи патента в нем отражен уже известный уровень техники. Правда, патентные ведомства, похоже, не склонны учитывать складывающуюся реальность, в том числе экспоненциально создаваемую большими данными общедоступную информацию. Тем не менее, ситуация,  возникающая при рассмотрении в судебном иске спорной заявки,  может для ответчика заметно обостриться.

С точки зрения стратегии IP это означает, что наступательная стратегия, предполагающая  судебные споры с конкурентами или другими лицами с опорой  на ваш патентный портфель, становится более рискованной. Судебные издержки будут  расти при одновременном увеличении потенциала отрицательного результата.

Еще одна важная проблема, связанная с использованием патентов, вызвана алгоритмической природой  патентов. Суть дела в том, что патент, сам по себе, является алгоритмом. В нем описывается технический процесс, отражающий  природу  изобретения (по крайней мере, это то, что теоретически предполагается фиксировать  в описании изобретения). Поэтому вполне вероятно, что множество алгоритмов, создаваемых при анализе больших данных, будут патентоваться сами по себе. Однако,  ввиду их сходства с предыдущим патентом, открывается вероятность их обхода с относительной легкостью.

И все же ключевой фактор относительно  алгоритмов больших данных заключается в том, что – для поддержания  постоянной предпринимательской ценности – они должны подлежать непрерывной адаптации.  Причина проста: фактические алгоритмы, используемые в продукте или услуге, быстро эволюционируют от тех, которые описаны в патенте. Это связано с тем, что данные, их объем, источники и поведение постоянно изменяются. Компания  Google, например,  вынуждена постоянно менять свои алгоритмы поиска. Не сделав этого, они бы быстро отстали от конкурентов и стали неактуальными за очень короткое время.

Право собственности на данные

Существует ряд проблем, связанных с обладанием  данными. Они обычно характеризуются  тремя характеристиками: объем, скорость и разнообразие. Они проявляются во все большем количестве генерируемых данных, в высоких требованиях к  скорости получения доступа к данным и в постоянном увеличении и изменении источников  и формата данных.

Эти характеристики приводят нас к двум выводам, в которых традиционная концепция владения данными оспаривается в условиях больших данных: а) использование данных одним человеком не обязательно запрещает или уменьшает стоимость использования этих данных другими лицами  (с технической точки зрения повторное использование данных является наиболее распространенным и очевидным способом сближения с данными); б) ценность данных увеличивается по мере распространения их использованию, а не ограничения.

В результате вопрос о «владении» данными, вероятно, не является правильным вопросом. Важно установить не тех,  кто «владеет» данными, а тех,  кто может их использовать и с какой целью.

Прочие составляющие стратегии ИС

Авторское право

Первоначально авторское право обычно предоставлялось для выражения творческой деятельности: написания книги или блога, создания или воспроизведения музыки, создания фильма и т. д.

Однако авторское право распространяется также на программный код, основанный на наблюдении, что код похож на язык, и, следовательно, подлежит авторскому праву. Таким образом, авторское право распространяется на код, но не на выраженную через код функциональность программного обеспечения.

Но распространяется ли авторское право на большие данные? И если да, то имеет ли оно ценность для бизнеса? Данные – это информация. Авторское право не распространяется на семантический контент или значение текста, написанного авторами. Другими словами, авторское право распространяется не на сообщение,  а на способ формулирования сообщения.

Логично предположить, что большинство данных будет за пределами авторских прав. Любые данные, созданные машинами или датчиками, не будут защищены авторским правом. Любые статистические или математические данные, как таковые, не охватываются авторским правом. А из этого следует, что очень представительное  подмножество больших данных не будет охватываться авторским правом. Еще одно обширное  подмножество больших данных, теоретически охватываемое авторским правом, им фактически не охраняется. Это подмножество относится ко всем пользовательским данным.

Получение подавляющей  части коммерческой ценности при использовании больших данных будет сопровождаться  либо открытым нарушением авторских прав, либо это будут данные, которые не подпадают под авторское право, но не обязательно были признаны таковыми судебной системой.

В результате, авторская составляющая  любой стратегии ИС, относящаяся к большим данным,  нуждается, прежде всего, в аналитической оценке двух аспектов: а) применимо ли в данном случае авторское право и б) добавляет ли он какую-либо ценность для бизнеса.

Секретность / ноу-хау

Защита секретности и ноу-хау может быть очень ценным достоянием бизнеса. Самый классический пример, конечно же, секретная формула Coca-Cola. Она фактически не защищена формальным правом ИС (любой может свободно копировать, например, рецепты кулинарии), но ее значительная ценность для бизнеса защищена другими правовыми инструментами.

Тем не менее, ключевым соображением для этой части любой стратегии ИС и  бизнеса является слово «секрет». Секретность имеет существенный недостаток: это означает, что вы не можете говорить, использовать или раскрывать все, что секретно и может стать достоянием других. А ведь  значительная ценность больших данных зависит, как уже отмечалось, от возможности доступа и, предпочтительнее –  открытого или бесплатного доступа к максимально возможному количеству данных.

Но нельзя забывать и о ценности  больших данных. Она  исходит из широкой возможности рекомбинации данных из разных источников или сближения данных по-другому (например, сжимая их визуальным или топографическим способом для обнаружения новых моделей). Другими словами, компаниям будет намного сложнее хранить все в тайне, испытывая  соблазн для открытие доступных им потоков данных. С точки зрения стратегии ИС это означает, что выбор тех нематериальных активов, которые имеют большую ценность как секрет, чем как открытый и доступный источник данных, может стать не только сложнее, но и важнее

В конце концов, стратегия ИС направлена не только на защиту или ограничение доступа к интеллектуальному капиталу, но и на его позитивное использование для удовлетворения стратегических и оперативных потребностей соответствующего бизнеса. Поэтому можно сделать вывод, что стратегия ИС в ближайшем будущем  должна отходить от устаревших моделей создания искусственного информационного дефицита. Ей предстоит,   прежде всего, сконцентрироваться  на  создании и использовании  инструментов открытого доступа и использования грядущего экспоненциального  потока больших данных.

Понимание новой роли управления ИС в цифровой экономике

18. Май 2017 Александр Вурцер ABB, BASF, Конференция, Google, Philips – http://ipforbusiness.org/understanding-the-new-role-of-ip-management-within-the-digital-transfor

4 мая 2017 года в Страсбурге состоялась Конференцию по интеллектуальной собственности в цифровой экономике. Революционные изменения затрагивают в инновационных системах все институты, включая отрасли промышленности, университеты и государственные учреждения. Конференция имела подлинную междисциплинарную структуру, в которой ораторы и аудитория имели экономический, юридический и технический опыт, а в состав участников входили также ученые, практические работники и представители таких институтов, как ЕПВ, ВОИС и Госдепартамент США.

Вот некоторые из затронутых на конференции проблем, непосредственно связанных с охраной ИС в цифровой экономике.

Цифровая трансформация и управление рисками

Каково будущее концепции изобретательского шага, когда у нас есть машины, способные самостоятельно создавать изобретения? Все больше информации и знаний существует в информационном пространстве и имеет последствия для сужения человеческого опыта. Исследования становятся все более и более поиском существующих знаний и рекомбинацией этого: задача состоит в том, что изобретение также должно интегрировать другие формы знания. Существующие решения – это командная работа, инновации для пользователей и открытые инновации. Наука о данных может быть решением для снижения затрат на изобретение. Поэтому нам приходится сталкиваться с предстоящим обсуждением патентоспособности изобретений, сделанных компьютером (полные автоматизированные изобретения). Это вызов будущему патентной системы (Gaetan Rassenfose).

При построении патентных ландшафтов важную роль играет информации об изобретателях. И  ключевым вопросом является надежность такой информации. Доступные в цифровом пространстве данные не сопровождаются должной трактовкой их сущности. Должно ли изобретательство означать раскрытие личной информации в данном техническом решении, какова степень их творческого участия в создании изобретения и доля   права указанных  изобретателей на патентные документы? Существуют сигналы, ставят под   сомнение вопрос: а являются ли все названные в патенте лица настоящими изобретателями. Сегодня регулярных   проверок на этот счет не проводится (Francesco Lissoni).

Традиционная торговля становится все более и более электронной коммерцией, и то, что мы видим, – это только начало. Для улучшения трансграничной цифровой торговли необходимо, например, в области защиты авторских прав, обеспечить баланс между интересами творческих участников и вводимыми ограничениями: правила ответственности интернет-провайдеров, обращение с конфиденциальностью данных, управление рисками и ограничение мошенничества. Необходима глобальная функциональная совместимость цифровых рынков, снижение международных торговых барьеров в целях сокращения транзакционных издержек (Keith Maskus).

Большие данные – владение и использование в цифровом мире

Сама проблема с данными не нова, но объем и характер в сочетании с вездесущей связностью и компьютерными технологиями определяют их новое качество.

Проблема больших данных возникает при необходимости  справиться с глобальным ростом патентных заявок. Большие данные влияют на патентную систему, особенно в свете обеспечения новизны (абсолютной новизны), основанной на концепции предшествующего уровня техники. Количество патентных заявок ежегодно растет на глобальном уровне. Возникает проблема накопления завала нерассмотренных патентных заявок. Средние временные затраты на патентную экспертизу  во всем мире составляют около 8 лет. Япония пытается использовать технологии искусственного интеллекта для поиска предшествующего уровня техники. Автоматические попытки ускорения поиска предпринимаются различными патентными ведомствами. патентной системы. Использование концепции обработки больших данных предполагает преобразование патентной системы (Aida Dolotbaeva).

Компьютерное обучение может натолкнуться на  авторские права. Для обучения машин выполнению конкретной задачи потребуется обработка больших наборов данных. А это связано с  вторжение в данные, защищенные авторскими правами: существующие законы об авторском праве ЕС ограничивают машинное обучение, рассматривая обработку данных как действия, относящиеся к авторскому праву. Этот вопрос особенно важен в области искусственного интеллекта.  В итоге большие данные пока остаются  за пределами поля закона об авторском праве (Cedric Manara).

В области здравоохранения и наук о жизни наблюдается тесная связь между большими данными, ИС и конкуренцией. В связи с этим рекомендовано  повторное переосмысление регулирования ИС в ее шести перекрывающихся правах, которые имеют отношение к большим данным (патенты, авторские права, товарные знаки, защита баз данных и  коммерческой тайны), а также  законодательства о конкуренции и охране ИС. Особенно заметны  совпадающие проблемы больших данных и охраны ИС в области здравоохранения и науки о жизни: охрана ИС, стандартизация,  стимулирование НИОКР в точной медицине и др. (Timo Minssen)

Программное обеспечение, компьютерные изобретения и их использование

Взаимозависимость бизнес-стратегий и стратегий ИС напоминают взаимосвязь «Курица – яйцо». ИС можно рассматривать как инструмент успеха, приводящий к созданию бизнес-моделей.. Технологические тенденции заставляют лиц, принимающих решения, думать о влиянии конвергенции технологий на текущие и будущие бизнес-стратегии. При создании сервисных  платформ среда Интернет вещей (ИВ) допускает расхождение бизнес-моделей с учетом как  новых возможностей, так и угроз? Что такое ИВ? Возможность сотрудничества или конкурентная проблема? Как обеспечить  открытость бизнеса? Как при этом решать патентные проблемы: обретения и исчерпания патентных прав, совместных правонарушений, стандартизации основных патентов и обеспечения баланса интересов (концепция FRAND)? В докладе предлагается ряд рекомендаций по обеспечению регулирования открытости бизнеса (Bowman Heiden).

На конференции подчеркивалась важность определения подхода EПВ к проблемам Индустрии 4.0 и Интернет вещей. В одном из докладов излагается  возможная позиция экспертов EПВ в области цифровых преобразований и, в частности, отношение к проблеме изобретений, основанных на программном обеспечении. Около 30% изобретений в разных отраслях связаны с программным обеспечением. Программное обеспечение используется в качестве инструмента в изобретении. Задача состоит в том, чтобы приспосабливаться ко все более коротким инновационным и жизненным циклам  продуктов (Yann Ménière).

С развитием креативных компьютеров встает и проблема будущее патентного права. Может ли компьютер быть изобретателем, и как компьютеры будут конкурировать с изобретательским мышлением? Это ставит вопрос о роли и степени участия человека и компьютера в процессе создания машинного изобретении: компьютер как инструмент, компьютерное изобретение и, наконец, компьютер как творческий источник. Кто идентифицирует возможность идентификации компьютера в качестве  изобретателя? Разработчик компьютера? Видимо, компьютеры и люди будут конкурировать в  изобретательском мышлении. И позиция квалифицированного человека становится все более сложной (Ryan Abbott)

Август 2017

Потребуется ли разработка новых патентно-лицензионных стратегий для  развития Интернет вещей

Special report: Will the Internet of Things need new patenting/licensing strategies? – Dugie Standeford // Intellectual Property Watch, 3 April 2017 – ip-watch.org›…special…internet-things…strategies/

Интернет вещей (ИВ), который подключит в ближайшие годы миллиарды устройств и предложит невероятные возможности для бизнеса и потребителей, вместе с тем,   также вызывает серьезные проблемы охраны  интеллектуальной собственности (ИС). Один из ключевых вопросов заключается в том, придется ли изменять стратегии патентования и лицензирования, чтобы адаптировать их к множеству разрабатываемых  стандартов, а также к процедурам поиска  патентов на ИВ-продукты и услуги IoT, а также к  предстоящему внедрению технологий 5G.

В сообщении Европейской комиссии от  19 апреля 2016 года о приоритетах стандартизации информационных и коммуникационных технологий (ИКТ) для адаптации к единому цифровому рынку сказано, что  «Трансформация мировой экономики в цифровую экономику затрагивает все отрасли промышленности и сферы услуг. Необходимы общие стандарты,  обеспечивающие  совместимость цифровых технологий и составляющие  эффективную  основу единого цифрового рынка (ЕЦР)».

Чтобы сделать ЕЦР реальностью, промышленность должна будет потратить к 2020 году 4 триллиона долларов. Но это произойдет только в том случае, если она получат отдачу от своих инвестиций. Разработка стандартов требует огромных инвестиций и надежных  обязательств со стороны компаний. Для разработки стандартов 3G для телекоммуникаций потребовалось около 3,5 миллионов человеко-часов. Такие стандарты часто относятся к технологиям, защищаемым патентами. Патент, который защищает технологию, необходимую для стандарта, называется стандартно-существенным патентом (ССП). Компании, обладающие  ССП, требуются многим организациям -  разработчикам  стандартов (ОРС) для их лицензирования на справедливых, разумных и недискриминационных условиях (FRAND)

Работа ЕС и США над проблемами  ССП и FRAND
Использование нескольких технологий и стандартов, сопровождающее развертывание сложных ИВ-систем, может, естественно, затрагивать  запатентованные или защищенные технологии. Можно ожидать, что сервисные или более высокоуровневые технологии могут быть развернуты в рамках «бесплатных» схем лицензирования. Но другие технологии, которые связаны с огромными инвестициями в исследования и разработки стандартов, могут быть лицензированы в соответствии с условиями FRAND, которые обеспечивают справедливый доступ к стандарту для разработчиков технологий и справедливую отдачу для владельцев ССП.
Некоторые заинтересованные стороны отметили, что благодаря множеству технологий, задействованных в построении  полной цепочки создания стоимости ИВ, возможны риски неопределенности в отношении соответствующего сообщества владельцев ССП:

-сколько будет стоить весь комплекс ИС, необходимый для внедрения ИВ-системы;

-  как рассчитать стоимость запатентованной технологии; как разрешать возникающие споры.
В этой связи  предпринимаются усилия для разработки прозрачной, инновационной и приемлемой на глобальном уровне схемы лицензирования для всех игроков цепочки добавленной стоимости и для соответствующих защищенных технологий системы ИВ.  Eвросоюз (ЕС)намерен сотрудничать с заинтересованными сторонами в отношении возможных мер по повышению доступности и достоверности информации о сфере действия патентной охраны, включая способы повышения прозрачности и качества описаний СЕС. В этой работе также должны быть разъяснены основные элементы справедливого, эффективного и подлежащего исполнению механизма лицензирования на основании принципов FRAND и содействия эффективному и сбалансированному урегулированию споров.
В США также рассматриваются вопросы продвижения  вперед ИВ. В январе 2017 года рабочие  группы министерства торговли  по вопросам  Интернет-политики и цифровой экономики  заявили: «Как и в любой технологической области, можно ожидать, что патенты будут играть ключевую роль в развитии ИВ, предоставляя изобретателям стимул для разработки инновационных  устройств, производственных процессов и инфраструктуры. Более того, некоторые  вопросы патентной политики могут повлиять на развитие ИВ-отраслей».

Поскольку стандарты ИВ разрабатываются как в США, так  и за рубежом, могут возникнуть проблемы применения и лицензирования ССП. Некоторые организации по разработке стандартов (ОРС) поощряют или вынуждают  работающтие в сфере ИВ организации сообщать о патентах, которые необходимы для внедрения стандартов, предполагая соблюдение  баланса различных интересов и справедливую компенсацию за использование запатентованных технологий.

«Качество патентов» – еще одна критическая проблема, особенно в отношении судебных разбирательств, и среда ИВ также может выдвинуть  проблемы при  защите патентов, поскольку ее распределенный характер потенциально вызывает вопросы о многосторонней  ответственности за правонарушения.

В статье содержатся ссылки на полные материалы по этому вопросу, опубликованные в ЕС и США, а также мнения отдельных организаций и специалистов по обсуждаемой проблеме.

Вопросы патентования и лицензирования в ИВ-среде

Европейский институт телекоммуникационных стандартов (ETSI) предпринимает усилия по  включению  в свои стандарты самые подходящие технологии. Он обращается к  владельцам  прав ИС с предложением лицензировать патенты на свои технологии на условиях FRAND.  Деятельность ETSI в рамках стандартов позволила создать конкурентоспособную и успешную экосистему мобильной связи. Другие отрасли, намеревающиеся использовать стандарты и технологии ИВ/ 5G, такие как автомобильная промышленность, пока имеют гораздо более низкую степень стандартизованных решений и недостаточно  знакомы с концепцией лицензирования портфеля ССП.
Пока наблюдается  существенное разнообразие в  использовании  стандартов в ИВ-среде, в результате в некоторых областях запатентованные инновационные технологии не будут играть присущую им роль. Индустрии необходимо найти здесь требуемый консенсус. Без признания ценности ССП и при отсутствии других механизмов управления инновационным процессом могут возникнуть осложнения в применении новых технологий в среде ИВ и 5G.

Остается  несколько различных возможностей построения  патентного  ландшафта в Интернет вещей. В секторе  огромного количества потребительских устройств, таких как умные тостеры и лампочки, возможно резкое падение цен на единицу продукции и, соответственно, низкая удельная стоимость какой-либо конкретной технологии. При монетизации ИВ-патентов в этом секторе должны появиться новые рыночные механизмы, такие как пулы лицензирования патентов, которые обычно связаны со стандартами и соответствующими обязательствами FRAND, чтобы иметь возможность эффективно управлять огромным количеством мелких платежей. Специализированные же ИВ-сектора, такие как приложения для цепочек промышленных поставок, где стоимость единицы продукции высока и количество единиц ниже, остается возможность  более традиционных оценок в каждом конкретном случае.
Есть и другие факторы, которые следует учитывать. Мера по осуществлению патентных прав обычно направлены  против тех, кто производит, использует, продает, предлагает для продажи или импортирует предметы, нарушающие патентные права. В цепочке ИВ-поставок могут оказаться определенные точки, где количество игроков на рынке невелико, что осложнит правоприменение.

Появление платформ лицензирования
Компания Ericsson взяла на себя инициативу создания новой платформы для лицензирования технологий для ИВ. Вместе с компаниями Qualcomm, Sony и другими удалось  создать независимую организацию Avanci (avanci.com), которая стремится привлечь различающиеся характером деятельности и размерами предприятия для  получения  доступа к ССП по фиксированным ставкам на один патент. Идея состоит в том, чтобы предоставить доступ к ССП на беспроводную связь способом, ускоряющим  внедрение  инноваций компаниями. Avanci предлагает предсказуемые и недискриминационные условия по справедливой и разумной ставке, устраняя барьеры для входа на рынок. Как только платформа обеспечит свою первую сделку, Avanci опубликует ставки роялти.

Созданный в 2015 году Альянс честных стандартов (Fair Standards Alliance -  http://www.fair-standards.org) направлен на повышение авторитета  в Европе компаний, которые считают, что лицензирование ССП должно осуществляться на основе FRAND. В число членов Альянса  входят компании  Google, Dell, VW и Cisco. В ответ на запуск Avanci Альянс  заявил в сентябре прошлого года, что лицензионный патентный пул может не достичь существенных результатов в  разрешении отраслевых споров о патентном лицензировании. Альянс  хочет избежать построения системы лицензирования, которая пытается взимать разные цены за использование одной и той же технология – в зависимости от того, для чего  она предназначена, например, для беспроводного устройства в автомобиле или интеллектуального  счетчика (smartmeter).

Вопросы охраны ИС в связи с построением ИВ-платформ

19 января на вебинаре OxFirst об экономической роли патентов в ИВ-сфере представитель  компании Excelerated Technology Consulting заявил, что   . платформы предоставляют собой хабы, которые соединяют ИВ-устройства и службы, но остается большой вопрос – кому принадлежит право окончательного решения. Тем не менее, существует мнение, что имеется много интересных направлений применимости  ИВ-платформ. Некоторые крупные игроки рынка пытаются разрабатывать и распространять свои собственные или одобренные ИВ-стандарты.

В результате  можно оказаться в одной доминирующей экосистеме вокруг одной из этих платформ или столкнуться с несколькими конкурирующими платформами. Платформа может быть частной, когда ИС контролируется одной компанией или консорциумом, а также  более открытой, направляемой  отраслевым стандартом, основанным на патентованных технологиях с учетом  обязательств FRAND, а  возможно –  даже на платформе с открытым исходным кодом.