利用大數據來評估專利資產的方法和工具已然十分成熟，在大型企業投資併購風起雲湧的時代，專利資產的評估將不再是個難關。
孚創雲端執行長 周延鵬
投資併購具高技術含量的公司，也是在競逐全球鳳毛麟角的高品質與高價值專利資產及傑出研發人才，才能於投資併購後加速擴大市場競爭優勢並接續發展新技術。譬如2016年鴻海公司投資夏普公司其中顯示、通訊、影音等技術及專利，2016年大陸美的公司投資德國KUKA公司其中工業及服務機器人等技術及專利，2018年必治妥施貴寶 (Bristol-Myers Squibb Co.) 以740億美元收購 Celgene Corp.，2019年博通收購賽門鐵克企業安全部門以及品牌名稱，2019年Nvidia收購以色列晶片製造商 Mellanox，2019年恩智浦半導體收購 Marvell 的藍牙/WiFi無線晶片業務。
過去投資併購難以精準評估無形專利資產
投資併購時如何精確的評估標的公司其全球專利資產的價值一直是令人頭痛的問題，由於會計師、財務分析師和律師專業領域的不同，較難動員自己或外部各類專家評估專利的技術及其品質與價值，即使擁有資料，卻如入寶山空手回，難以針對專利做確實的盡職調查，仍侷限於進行基本專利資料這種有形無質的分析，如專利到期日、法律狀態，或是以專利數量來決定一個專利組合的好壞。
雖然知道這樣的評估方式會有許多問題，但是卻苦無良策，這是我常常與各業界人士交流時所聽到的訊息。
新的時代、新的評估方式: 運用資料科學與大數據
近年來隨著大數據技術發展以逐漸成熟，利用演算法做出的專利分析與評估解決方案的公司已突破上述侷限並解決專利資料運用問題，不僅讓專利專家能更有效的完成投資併購有關的專利資產評估作業，甚至，對於專利不熟悉的投資併購決策人士，只需要花極少的時間學習，就可以立刻從各式統計圖表中做出決策，運籌帷幄，確實掌握欲投資併購目標的真實價值。換言之，專利暨投資併購的大數據分析將改變投資併購作業模式、專業度及其後產品技術市場與專利佈局所需的知識或智慧分析洞見，再也無需困頓於眾說紛紜的雜亂且無用的初級資料。
投資併購時，於專利資產上應分析的項目
根據我過往執業的經驗，其關鍵項目主要有：
1. 建構產業產品技術結構：
比較分析並評估標的公司及其競爭者和替代技術新進者全球專利資產於各年代、國家、發明人/設計人、核心技術方案、新技術替代方案、專利交易（買賣、授權、擔保）、標準必要專利（SEP）、專利侵權及無效爭訟以及推估可能的技術秘密項目。
例如，利用 Patentcloud Due Diligence 的「申請案時間線」報表，可以看出該專利組合的技術類別與年度申請脈絡，了解其興衰與起落；有些公司表面看似擁有很多專利，但實際上可能很多都已經是毫無商業潛力的發明，或是已不再繼續發展的技術；從這個圖表，就可以清楚地知道該公司技術的專利趨勢，甚至可以戳破標的公司的虛有其表。
2. 專利組合資產之競爭分析：
比較分析標的公司及其競爭者和替代技術新進者於全球專利資產的組合及其間的競合、授權、研發及資本關係，還有對投資併購後的研發及智慧財產佈局進行規劃。
例如，Patentcloud Due Diligence 的「同領域比較分析」報表，運用了InQuartik獨家開發的專利品質與價值演算法，可針對個別專利的品質與價值做出適當的評價，並且在報表中顯示該專利組合與主要技術領域中的主要申請人相比，其品質與價值是否更好，因此你可以更客觀地評估併購對象的專利組合優劣。
3. 分析專利品質及價值：
先用具有專利品質及價值演算分析的系統進行機器分析，再對特定核心或重要技術項目進行專家分析，尤其是專利的各國申請及其演進、申請日前的專利與非專利文獻進行品質分析、專利申請日後同領域專利權人於各國專利進行標的專利的價值分析等；
Patentcloud Due Diligence 的「高品質價值專利」報表為例，針對個別專利的品質與價值做出適當的評價，並且在報表中以矩陣顯示整體專利組合的品質與價值概況，讓使用者可以針對專利品質與價值的高低，據以實施各種資產貨幣化或剝離處理。
4. 專利貨幣化淨現值分析：
分析投資併購的專利資產將來如何運營及貨幣化，同時評估全球各項官費及服務費成本、剝離投資併購後無需的專利、購買專利組合所需的專利、重新定義專利技術運用的市場進而運營專利貨幣化業務，含轉投資、與他人合資、出售專利、參加第三方運營的專利池、授權或交叉授權及提起專利侵權訴訟，進而獲取股權、價金、權利金及損害賠償。
例如，透過 Patentcloud Due Diligence 的「剩餘年限」報表，可讓快速地評估目標專利組合於各個申請國別的預估屆滿日，並據以分析該專利組合是否要適度進行資產剝離或者放棄維護。
大數據與資料科學是如何支持投資併購？
新世代投資併購的專利資產分析評估，主要是由資料科學家運用具有語意、自然語言、跨語言及圖像分析的系統及其正規化的全球專利資料庫，透過演算法並搭配專利專家讓機器不斷自我學習，計算出正確的分析結果，除此之外，產出的分析結果，藉由資料視覺化的專家，製作成具意義且容易瞭解的報表，提供決策者綜觀全局。
大數據與資料科學對投資併購帶來的改變，主要有以下幾點：
1. 大量資料的處理不再是難事：
以往專利從業人員要評估一間企業或部門的大量專利相當困難，光是花在資料收集、清理和處理的時間，就已足夠耗盡人員的心力。如今依靠大數據與先進演算法的處理，如 Patentcloud 的 Due Diligence 專利組合評估解決方案，可以一鍵式針對數萬件專利進行各種分析，節省專利從業人員無數的時間和金錢，而更能將時間花費在處理更具戰略性的決策上。
點此查看我們針對Nvidia併購Mellanox的分析，以及免費下載Nvidia和Mellanox的Due Diligence 專利組合評估報告
2. 區分高品質高價值以及低品質低價值專利，降低投資風險：
針對整體專利的品質與價值，現已有適當且先進的模型可以作出準確的評估，進而考量專利的貨幣化程度、資產負擔程度、以及利用整體品質與價值的分佈，針對投資併購的金額做出適當的評估與談判策略。另外，進一步評估專利的品質有效性問題，包含專利家族的法律狀態是否危及該專利的有效性、過往被發現的品質問題、未來潛在的品質問題等等，都可支持專利從業人員在投資併購的過程中做出良好的判斷與洞見。
一般來說，調查專利適格性與新穎性問題十分耗時。我常透過 Patentcloud Due Diligence 的「適格性與新穎性問題」報表，找出目標專利組合於審查歷程以及複審、再審查程序中被找到的前案做出彙整，並區分適隔性、新穎性、進步性與明確性等品質問題，一目瞭然該專利組合既有的品質問題是否提高投資風險。
3. 具體化找出專利組合的潛在目標：
藉由專利組合的向前引證案（Forward Citation）以及其主要申請人，可以找出此專利組合最有可能的專利授權以及執行對象，進而提升投資併購的精準度，而此有賴於前瞻的大數據分析技術，能夠針對數萬件專利組合抽絲剝繭，找出脈絡、趨勢並具體化潛在目標。
Patentcloud Due Diligence 解決方案所提供的「潛在貨幣化專利」報表，透過機器分析目標專利組合的向前引證案與其專利權人資料，數分鐘內就能描繪出該專利組合中的哪些專利家族被最多的專利權人引用，因此能夠作為貨幣化該專利組合的重要參考依據。
想嘗試分析手上的專利組合包嗎？立即申請 Patentcloud Due Diligence 免費帳號，享7天免費試用！
