作者：黄文静，《专利分析方法、图表解读与情报挖掘》副主编，北京合享新创信息科技有限公司高级专利咨询师，北京理工大学硕士，全国专利信息师资人才。至今参与了四十余项专利信息分析类项目和课题，服务对象包括多家政府单位以及知名企业，具备丰富的专利信息检索及分析经验。
看似简单却不简单的专利统计分析
在众多专利分析方法中，专利统计分析可谓“出镜率”最高。如同制作一件白衬衣，虽然看似简单，无论裁剪和缝纫水平高低大多都能做出，但是需要对一大块布料（众多分析指标）合理裁剪（指标选取）、准确缝合（组合分析），才能达到合身且出彩的效果。
最基础的专利统计分析方法有趋势分析、构成分析、排序分析三种，分析的数据除申请量、公开量等数量信息外，还可以是计算加工后的指标信息。下面将以x技术领域的六家重点公司实力对比分析为例，对数据构成分析的基本流程进行介绍。
第一步：选取分析指标并计算相应的指标值
本案例选取的技术指标有三个，指标定义及计算方法如下：
（1）技术集中度（crn指数）：用于测算专利申请的技术集中情况，指标值越大说明技术研发越集中。计算公式为：
（2）技术宽度（technologyextent，te）：用于测算专利申请的技术广度，指标值越大说明有研发的技术分支越多，外围专利的控制能力越强。计算公式为：
（3）相对专利密度：用于测算专利申请的密集程度，指标值越大说明整体专利布局更密集。计算公式为：
根据上述指标计算方法，计算得出六家公司的指标值如下图所示：
第二步：比较不同分析对象的技术构成异同
（1）技术集中度：除b公司的技术集中度明显偏低外，其他五家公司均较为集中，前十位技术分支的专利申请量均占总量50%以上；
（2）技术宽度：b公司的技术宽度远大于其他几家公司，c公司排名第二；
（3）相对专利密度：f公司的相对专利密度明显高于其他五家公司，而b公司则明显偏低。
第三步：补充其他数据信息，分析具体原因
（1）b公司：为日本工业界的重量级企业，业务范围极广，不仅涉及x技术领域，还涉及x技术领域的多个关联技术领域，故其技术宽度很大、技术集中度低；
（2）c公司：为日本在x技术领域的另一家龙头企业，业务范围几乎涵盖了x技术领域的所有重点技术分支，故技术宽度较大；
（3）a、d、e、f公司：均为欧洲公司，并且成立均已超过百年，但是业务范围并未涵盖x技术领域的所有技术分支，仅在部分重点技术分支中分别处于全球领先地位，故f公司的相对专利密度偏高也就不足为奇。
第四步：得出分析结论
c公司的综合实力最强，技术集中度、技术宽度和相对专利密度指标值均处于六家公司的中上水平；b公司由于业务较为广泛，其专利申请的技术宽度最大，而技术集中度及专利密度则较低，技术关联性可能相对较弱；其余四家公司的技术集中度和相对专利密度均较高，表明仅在各自擅长的技术分支实力突出。