2012年，IBM CEO Virginia Rometty在首次對股東發表講話中指出: 大數據是一種「規模龐大的新型自然資源」將為公司未來十年的增長添加動力。馬雲也曾說: 人類正從IT(Information Technology)時代走向DT(Data Technology)時代，這兩者之間看起來似乎是一種技術的差異，但實際上是思想觀念層面的差異。自始開啟了數據時代的濫觴。而在2020年後，突如其來的新冠疫情，更讓各界措手不及，企業面臨比過往更複雜多變的商業環境，如何運用數據快速因應外界變化，成為企業經營者不得不思考的課題。
積極運用跨域數據輔助商業決策，打造智慧財產多元獲利模式
筆者觀察在西元2000年前後，兩岸企業側重探討的是供應鏈管理、製造與銷售的效率以及規格上的優勢，也就是更側重硬體與技術層面的競爭，較少論及商業模式與生態系(Ecosystem) 。進到DT時代後，企業開始思考數據分析服務如何對Ecosystem的不同利益關係人(Stakeholder)產生價值，再加上共享、租賃、訂閱等等的商業模式被廣泛討論與運用，為因應日趨複雜的商業環境，企業應積極運用跨域數據輔助商業決策，並將智慧財產的多元獲利模式，納為商業模式的一環，以確保企業的優勢競爭地位。而智財策略更應時常與商業模式校準，以確保智財組合對不同利益關係人的價值主張與商業模式的一致性(如圖1所示)。
圖1、電動載具電池租賃模式生態系
翻轉Inside out的智財策略決策模式，為企業創造競爭優勢
從智財組合對企業產生的價值來說，可分為商品化與貨幣化兩個層面。商品化是企業將所持有的智慧財產落實運用於自家的產品與服務上，意即從企業內部的角度獲取價值；貨幣化則是將相關智財組合與外部交換價值，可採訴訟、授權、技轉、交易、投資作價等等方式，意即從企業外部的角度獲取價值。然而，不論企業的智財策略是採用商品化、貨幣化還是兩者皆有，相關的決策及管理模式都需要積極的轉變與調整(詳參圖2)。
圖2、企業營運與智財策略
而在專利申請佈局方面，過去常見的做法是採Waterfall的流水線方式，由發明人依據其研發產出進行提案與申請，是一種隨機(At random)的佈局方式，且多未考量商業模式、生態系上的各利益關係人。因此，多數專利無法支持後續的商品化及貨幣化，這種做法是一種由內向外(Inside out)的決策模式。過去Inside out決策模式所產出的單點型、一件件的專利列表，並未為企業創造商業價值與競爭優勢，而且難以符合目前多元動態的商業環境，故急需翻轉觀念。
世博團隊結合多年實務經驗，提出由外向內(Outside in)的決策模式(詳參圖3)，結合外部跨域資訊、企業商業模式或商業目標，敏捷與動態的調整專利組合及權利範圍，並運用商品化及貨幣化等商業上的成果，來衡量智財支出的報酬率(Return of investment)。
圖3、翻轉智財策略與管理決策
跨域資訊如何支持專利生命週期不同階段對應的商業決策?
進一步來說，在資源投入階段，運用跨域資訊可支持企業觀察產業脈絡、找投資併購標的、研發選題、人才招聘和找出潛在的合作夥伴/競爭對手等；在專利佈局階段，可支持技術揭露、專利組合申請、權利範圍調整、區域佈局規劃等；在專利貨幣化階段，可支持維護評估、交易對象、交易模式等(詳參圖4)。接著將用案例協助大家理解與實際運用。
圖4、運用跨域資訊支持專利生命週期不同階段對應的商業決策
專利數據做為技術商品化的領先指標，用以觀察產業發展脈絡
在進行專利數據分析前，我們需先探討，專利數據究竟是領先指標? 還是落後指標? 實務上，絕大多數的專利提案是基於組織過去研發資源投入的產出成果，因此說專利是研發的落後指標，應是不爭的事實。但從技術商品化的角度則可能有不同的結果。基於世博團隊的研究(詳參圖5)，圖5左側為IEEE論文，針對多感測器平台(Multi-sensor platform)技術在汽車的商品化時間點約在2009年；而在圖5右側則統計了多感測器應用的影像感測融合技術之美國專利的逐年累計比例。此研究顯示，在2009年時，累計的美國專利申請數量已達45%；意即在商品化前，有45%的美國專利已經完成送件申請。因此，從此研究可以發現汽車領域的專利數據應可做為技術商品化的領先指標。
圖5、運用專利數據可先於產品資訊取得技術發展現況
在上述分析中，世博團隊接續分析專利權人數據來觀察產業發展脈絡。由圖6可以觀察到，Image sensor fusion專利在商品化前的專利申請比例是車廠高於中游的Tier 1公司；但是在2009年該技術商品化之後，專利申請的比例則是中游的Tier 1公司高於下游車廠。此一技術的演進也符合該產業的技術商品化路徑，即技術需求的早期是由車廠提出，但是真正有多感測器融合技術開發能力則是來自於中游的Tier 1公司。因此，在技術商品化後，主要的專利申請會來自於Tier 1公司。
圖6、分析ADAS-Image sensor fusion專利數據觀察產業發展脈絡
在此案例中，世博團隊進一步分析相關專利所涉及的感測器類型以及其申請人，用以找出潛在客戶及合作對象。舉例來說，如果A公司持有Infrared and camera sensor fusion技術，要找潛在的客戶，我們可以運用圖7的數據，發現BMW公司過去也曾申請Infrared and camera sensor fusion技術之專利，相對的，Toyota公司過去主要是申請Radar and camera sensor fusion技術之專利，因此BMW公司應是較合適的潛在合作對象。接下來，A公司可進一步分析自家的技術方案與BMW公司專利所涉及方案是替代型或是互補型，以輔助判斷BMW公司是潛在客戶、合作夥伴、或競爭者。
圖7、分析ADAS-Image sensor fusion專利數據觀察產業發展脈絡
在筆者下一篇的文章中，將再用案例說明如何運用跨域數據支持企業的商業模式、智財策略、研發選題及投資評估。
