theses

Università degli Studi Mediterranea di Reggio Calabria
Dipartimento di Ingegneria dell’Informazione, delle Infrastrutture e
dell’Energia Sostenibile
Corso di Laurea in Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Tesi di Laurea
Utilizzo di strumenti di Big Data Analytics per l’estrazione
di pattern di conoscenza su brevetti e inventori
Relatore
Candidato
Prof. Domenico Ursino
Roberta Romano
Anno Accademico 2015-2016
Ai miei genitori,
che mi hanno sempre supportata e aiutata
a raggiungere questo traguardo
Indice
Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
La Big Data Analytics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1 I Big Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Caratteristiche dei Big Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 La Data Analysis e la Data Analytics . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Categorie di Data Analytics . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 La Business Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Data Warehouse e Data Mart . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2 La visualizzazione tradizionale e la Big Data Analytics . . . . . .
1.3.3 La BI tradizionale e la Big Data BI . . . . . . . . . . . . . . . . . . . . . . .
1.4 I Big Data e le aziende . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Architettura di business . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2 L’ICT e i Big Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Pianificazione di uno studio basato sui Big Data . . . . . . . . . . . . . . . . . .
1.5.1 Analisi dei requisiti ed acquisizione dei dati . . . . . . . . . . . . . . . .
1.5.2 Il cloud computing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.3 Big Data Analytics Lifecycle . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
5
6
9
10
12
13
14
15
16
16
18
19
19
20
21
Uno sguardo a Qlik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1 QlikView . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 BI “in-memory” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2 Sorgenti dei dati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.3 Associazioni automatiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.4 Implementazione delle analisi . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.5 Visualizzazione dei risultati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Modello ad app . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.2 Collaborazione e mobilità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.3 Gestione dei dati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.4 Implementazione e visualizzazione . . . . . . . . . . . . . . . . . . . . . . . .
2.3 I Big Data nell’ambiente Qlik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
25
25
26
27
27
28
29
29
31
31
33
33
VI
Indice
Descrizione dello scenario di riferimento . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1 Brevetti ed innovazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Cos’è un brevetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.2 Requisiti di validità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.3 Chi può depositare un brevetto . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.4 Vita di un brevetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.5 Perché brevettare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.6 Struttura di un brevetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.7 Brevettare in Italia e all’estero . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.8 Altre forme di protezione dell’innovazione . . . . . . . . . . . . . . . . .
3.2 Indicatori di sviluppo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.1 Prodotto Interno Lordo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.2 Esportazioni di beni e servizi . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.3 Investimento diretto all’estero . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.4 Tasso di alfabetizzazione degli adulti . . . . . . . . . . . . . . . . . . . . . .
3.2.5 Percentuale di utenti Internet . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
35
35
36
37
38
40
40
42
46
48
49
50
51
52
52
Sorgente informativa di riferimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1 Premessa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Dati sui brevetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Dati sui titolari dei brevetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4 Dati sugli inventori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5 Dati sulle citazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
55
56
62
64
67
Estrazione di conoscenza sui brevetti: analisi dei requisiti e
progettazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1 Analisi dei requisiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Selezione dei dati ed ETL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.1 Selezione dei dati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.2 Operazioni di ETL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3 Progettazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3.1 Progettazione delle analisi sugli inventori e sui titolari . . . . . . .
5.3.2 Progettazione delle analisi sui gruppi . . . . . . . . . . . . . . . . . . . . . .
5.3.3 Progettazione delle analisi sulle compagnie . . . . . . . . . . . . . . . . .
5.3.4 Progettazione delle analisi sui brevetti . . . . . . . . . . . . . . . . . . . .
71
71
72
72
77
79
79
80
80
81
Estrazione di conoscenza sui brevetti: implementazione e analisi
della conoscenza estratta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6.1 Implementazione delle analisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6.1.1 Implementazione delle analisi sugli inventori e sui titolari . . . . 88
6.1.2 Implementazione delle analisi sui gruppi . . . . . . . . . . . . . . . . . . . 88
6.1.3 Implementazione delle analisi sulle compagnie . . . . . . . . . . . . . . 90
6.1.4 Implementazione delle analisi sui brevetti . . . . . . . . . . . . . . . . . . 90
6.2 Analisi della conoscenza estratta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.2.1 Analisi della conoscenza sugli inventori e sui titolari . . . . . . . . 96
6.2.2 Analisi della conoscenza sui gruppi . . . . . . . . . . . . . . . . . . . . . . . 103
6.2.3 Analisi della conoscenza sulle compagnie . . . . . . . . . . . . . . . . . . 109
6.2.4 Analisi della conoscenza sui brevetti . . . . . . . . . . . . . . . . . . . . . . 110
Indice
VII
Integrazione tra dati sui brevetti e dati della Banca Mondiale:
analisi dei requisiti e progettazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7.1 Analisi dei requisiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7.2 Selezione dei dati ed ETL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7.2.1 Selezione dei dati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.2.2 Operazioni di ETL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.3 Progettazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.3.1 Progettazione delle attività di analisi organizzate sulle nazioni 124
7.3.2 Progettazione delle attività di analisi organizzate sul tempo . . 124
Integrazione tra dati sui brevetti e dati della Banca Mondiale:
implementazione e analisi della conoscenza estratta . . . . . . . . . . . . . 127
8.1 Implementazione delle analisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
8.1.1 Implementazione delle analisi organizzate sulle nazioni . . . . . . 131
8.1.2 Implementazione delle analisi organizzate sul tempo . . . . . . . . 132
8.2 Analisi della conoscenza estratta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.2.1 Conoscenza estratta dalle analisi organizzate sulle nazioni . . . 135
8.2.2 Conoscenza estratta dalle analisi organizzate rispetto al tempo146
La letteratura correlata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
9.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
9.2 Letteratura relativa ad analisi sugli inventori e sui titolari . . . . . . . . . 171
9.3 Letteratura relativa ad analisi sui brevetti . . . . . . . . . . . . . . . . . . . . . . . 173
9.4 Confronto tra la letteratura correlata e il nostro approccio . . . . . . . . . 174
Discussione in merito all’approccio proposto . . . . . . . . . . . . . . . . . . . . . . . . 175
10.1 Punti di forza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
10.2 Punti di debolezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
10.3 Lezioni apprese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
Conclusioni e uno sguardo al futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Ringraziamenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
Riferimenti bibliografici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
Elenco delle figure
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
1.10
1.11
1.12
1.13
1.14
1.15
1.16
1.17
1.18
1.19
1.20
Esempi di dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Le 5 V caratteristiche dei Big Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A seconda del contesto, la velocità con cui i dati vengono generati
in un minuto varia notevolmente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Un’ampia varietà nei dati significa dover integrare, trasformare ed
elaborare gli stessi prima di poterli analizzare . . . . . . . . . . . . . . . . . . . . .
Andamento del valore dei dati in relazione alla veracità e al tempo . .
I dati generati dall’uomo derivano dell’interazione con dispositivi
digitali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I dati generati dalle macchine sono ricavati da sensori, GPS,
database e server . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Esempi di dati non strutturati sono file video, audio e immagini . . . . .
A seconda del tipo di Data Analytics si ha un certo livello di
complessità, e più l’analisi è complessa, più aumenta il valore del
risultato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Struttura di un sistema di descriptive analytics . . . . . . . . . . . . . . . . . . . .
Struttura di un sistema di diagnostic analytics . . . . . . . . . . . . . . . . . . . .
Struttura di un sistema di predictive analytics . . . . . . . . . . . . . . . . . . . .
Struttura di un sistema di predictive analytics . . . . . . . . . . . . . . . . . . . .
La BI è una disciplina che analizza i dati per fornire conoscenza
atta a migliorare le performance aziendali . . . . . . . . . . . . . . . . . . . . . . . .
I data warehouse vengono riempiti periodicamente tramite dei
processi automatici a partire da sistemi ERP, CRM e SCM . . . . . . . . .
Esempio di utilizzo di data mart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ETL è un processo di estrazione, trasformazione e memorizzazione
dei dati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
La piramide DIKW mostra come, a partire dagli eventi, i dati
possono essere arricchiti e portare ad informazione, conoscenza e
saggezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Variante della piramide DIKW che mostra come i livelli aziendali
creano un ciclo di feedback . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Computer, elettrodomestici, cellulari e sensori sono alcuni dei
dispositivi iper-connessi che costituiscono il mondo IoT . . . . . . . . . . . . .
5
6
7
7
7
8
8
9
10
11
11
11
12
13
13
14
15
16
17
18
X
Elenco delle figure
1.21 Annotare le informazioni sulla provenienza dei dati è utile per
determinarne la qualità e l’autenticità degli stessi . . . . . . . . . . . . . . . . . . 20
1.22 Un ciclo di vita di Big Data Analytics è caratterizzato da nove fasi . . 21
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
Logo di QlikView . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
QlikView consente il collegamento a molteplici sorgenti di dati . . . . . .
Se due o più tabelle hanno dei campi in comune, QlikView provvede
in maniera automona a creare i legami associativi . . . . . . . . . . . . . . . . .
Esempio di dimensione calcolata, in cui, dato un campo Date, viene
prelevato solo l’anno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Esempio di espressione che conta il numero di record del campo
ProductID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Dashboard di QlikView in cui vengono mostrate diverse tipologie di
grafici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Logo di Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Hub di Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Esempio di App contente tre fogli di lavoro . . . . . . . . . . . . . . . . . . . . . . .
Esempio di creazione di un racconto . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Grazie a Qlik Sense Cloud è possibile accedere alle App da qualsiasi
terminale connesso ad Internet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Qlik Sense permette la connessione a svariate tipologie di sorgenti
di dati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
In Qlik Sense le visualizzazioni sono organizzate all’interno foglio di
lavoro, in cui è possibile personalizzarle . . . . . . . . . . . . . . . . . . . . . . . . . .
Dopo l’approvazione del brevetto, è possibile apporre il simbolo di
prodotto brevettato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Prima che il brevetto sia approvato, è possibile apporre il simbolo di
brevetto depositato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Esempio di brevetto, i cui è possibile notare gli elementi chiave,
ovvero il titolo, il riassunto, i dati del richiedente e dell’inventore, etc.
3.4 Logo dell’EPO, l’Ufficio Brevetti Europeo . . . . . . . . . . . . . . . . . . . . . . . .
3.5 Il WIPO gestisce i brevetti internazionali, presentati tramite
procedura PCT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6 La protezione offerta dalla registrazione del modello riguarda gli
elementi esterni e decorativi del prodotto . . . . . . . . . . . . . . . . . . . . . . . . .
3.7 Il marchio consente ad un’impresa di dare un carattere unico ai
propri prodotti sul mercato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8 Logo del Gruppo della Banca Mondiale . . . . . . . . . . . . . . . . . . . . . . . . . .
3.9 Andamento del PIL in Italia negli ultimi 15 anni . . . . . . . . . . . . . . . . . .
3.10 Mappa del tasso di alfabetizzazione nei Paesi in via di sviluppo . . . . .
3.11 Utenti connessi ad Internet in Italia nel mese di Gennaio 2016 . . . . . .
25
26
27
27
28
28
29
30
30
31
32
32
33
3.1
4.1
4.2
4.3
4.4
4.5
Porzione di Crios-PATSTAT che contiene i dati sui brevetti . . . . . . . . .
Possibili valori degli attributi OST7 e OST30 e rispettivi settori . . . . . . .
Possibili valori del campo OST35 e rispettivi settori . . . . . . . . . . . . . . . .
Porzione di Crios-PATSTAT che contiene i dati sui titolari dei brevetti
Porzione di Crios-PATSTAT che contiene i dati sugli inventori . . . . . .
39
40
41
44
45
46
47
49
51
52
53
56
60
61
62
65
Elenco delle figure
XI
4.6
Porzione di Crios-PATSTAT che contiene i dati sulle citazioni . . . . . . . 68
5.1
Selezione delle tabelle dalla porzione di database Crios-PATSTAT
che contiene i dati sui brevetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Selezione delle tabelle dalla porzione di database Crios-PATSTAT
che contiene i dati sui titolari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Selezione delle tabelle dalla porzione di database Crios-PATSTAT
che contiene i dati sugli inventori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Selezione delle tabelle dalla porzione di database Crios-PATSTAT
che contiene i dati sulle citazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Selezione dei campi utili nella tabella IPCCLASS . . . . . . . . . . . . . . . . . . .
Selezione dei campi utili nella tabella APPLICANTS . . . . . . . . . . . . . . . . .
Selezione dei campi utili nella tabella GROUPS . . . . . . . . . . . . . . . . . . . . .
Selezione dei campi utili nella tabella COMPANIES . . . . . . . . . . . . . . . . . .
Selezione dei campi utili nella tabella COM TIT . . . . . . . . . . . . . . . . . . . . .
Selezione dei campi utili nella tabella COMPGROUP . . . . . . . . . . . . . . . . . .
Selezione dei campi utili nella tabella INVANAG . . . . . . . . . . . . . . . . . . . .
Selezione dei campi utili nella tabella PATCITATIONS . . . . . . . . . . . . . . .
Rimozione dei dati incompleti dalla tabella PATANAG . . . . . . . . . . . . . . .
Schematizzazione dell’operazione di correzione del codice ISO nel
campo CTRY CODE della tabella APPLICANTS . . . . . . . . . . . . . . . . . . . . . . .
Schematizzazione dell’operazione di correzione della formattazione
della data nel campo PUBDT della tabella PATANAG2 . . . . . . . . . . . . . . . .
Schematizzazione dell’operazione di aggiunta del campo OST7DESCR
alla tabella IPCCLASS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Lo schema mostra i passi logici da seguire per ottenere il risultato
dell’analisi sui titolari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Lo schema mostra i passi logici da seguire per ottenere il risultato
dell’analisi sui gruppi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Lo schema mostra i passi logici da seguire per ottenere il risultato
dell’analisi sulle compagnie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Lo schema mostra i passi logici da seguire per ottenere il risultato
dell’analisi sui brevetti, in particolare sulle rivendicazioni . . . . . . . . . . .
Lo schema mostra i passi logici da seguire per ottenere il risultato
dell’analisi sui brevetti e sulle rivendicazioni . . . . . . . . . . . . . . . . . . . . . .
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
5.10
5.11
5.12
5.13
5.14
5.15
5.16
5.17
5.18
5.19
5.20
5.21
6.1
6.2
6.3
6.4
6.5
6.6
6.7
6.8
6.9
6.10
6.11
Implementazione della dimensione di drill-down Time . . . . . . . . . . . . . .
Implementazione della misura Patents Count . . . . . . . . . . . . . . . . . . . . .
Implementazione della misura Claims Count . . . . . . . . . . . . . . . . . . . . . .
Analisi sugli inventori e sui titolari implementate in Qlik Sense . . . . . .
Implementazione della dimensione Group Kind . . . . . . . . . . . . . . . . . . . .
Analisi sui gruppi e sulle compagnie implementate su Qlik Sense . . . .
Implementazione della misura Claims to patents number ratio . . . . . . .
Analisi sui brevetti implementate su Qlik Sense . . . . . . . . . . . . . . . . . . .
Andamento del numero totale di brevetti nel tempo . . . . . . . . . . . . . . . .
Andamento del numero totale di citazioni nel tempo . . . . . . . . . . . . . . .
Andamento del numero totale delle rivendicazioni nel tempo . . . . . . . .
73
73
74
74
75
75
76
76
76
77
77
77
77
78
78
78
79
81
82
83
84
87
87
87
89
90
91
92
93
94
94
94
XII
Elenco delle figure
6.12 Percentuale di brevetti e di rivendicazioni per classe IPC . . . . . . . . . . . 95
6.13 Andamento del numero di brevetti, di rivendicazioni e di citazioni
nel tempo per pubblicazioni del settore ICT . . . . . . . . . . . . . . . . . . . . . . 96
6.14 Percentuale di tipologie di pubblicazione brevettuale . . . . . . . . . . . . . . . 97
6.15 Percentuale di categorie di citazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.16 Nazionalità degli inventori e dei titolari dei brevetti, ordinate
secondo il numero di pubblicazioni decrescente . . . . . . . . . . . . . . . . . . . . 98
6.17 Nazionalità degli inventori e dei titolari, ordinate secondo il numero
di pubblicazioni decrescente, nel settore ICT . . . . . . . . . . . . . . . . . . . . . . 99
6.18 Percentuale di titolari che brevettano come singoli o come compagnie 100
6.19 Nazionalità dei titolari che pubblicano individualmente . . . . . . . . . . . . . 100
6.20 Titolari ed inventori di pubblicazioni il cui titolare è un individuo . . . 101
6.21 Nazionalità dei titolari che pubblicano come azienda . . . . . . . . . . . . . . . 101
6.22 Titolari che pubblicano come azienda . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.23 Percentuale di titolari che brevettano come singoli o come compagnie
nel settore ICT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.24 Titolari di pubblicazioni nel settore ICT . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.25 Titolari delle pubblicazioni, ordinato secondo il numero decrescente
di pubblicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.26 Gruppi che partecipano alle pubblicazioni, ordinati secondo il
numero decrescente di pubblicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.27 Compagnie con cui ha collaborato il gruppo Siemens AG . . . . . . . . . . . 104
6.28 Compagnie con cui ha collaborato il gruppo Koninklijke Philips
Electronics N.V. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.29 Compagnie con cui ha collaborato il gruppo Robert Bosch Stiftung
GmbH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.30 Gruppi che partecipano alle pubblicazioni nel settore ICT, ordinati
secondo il numero decrescente di pubblicazioni . . . . . . . . . . . . . . . . . . . . 106
6.31 Distribuzione nazionale delle compagnie che collaborano con il
gruppo Siemens AG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.32 Compagnie statunitensi con cui collabora il gruppo tedesco Siemens
AG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.33 Compagnie tedesche con cui collabora il gruppo tedesco Siemens AG . 107
6.34 Compagnie britanniche con cui collabora il gruppo tedesco Siemens
AG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.35 Compagnie italiane con cui collabora il gruppo tedesco Siemens AG . . 108
6.36 Compagnie austriache con cui collabora il gruppo tedesco Siemens AG109
6.37 Distribuzione nelle classi IPC delle pubblicazioni effettuate da gruppi 109
6.38 Compagnie ordinate secondo il numero decrescente di richieste e
brevetti pubblicati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.39 Distribuzione delle pubblicazioni nelle prime 10 compagnie che
pubblicano il maggior numero di richieste e di brevetti - Prima parte . 111
6.40 Distribuzione delle pubblicazioni nelle prime 10 compagnie che
pubblicano il maggior numero di richieste e di brevetti - Seconda Parte112
6.41 Distribuzione delle pubblicazioni nelle prime 10 compagnie che
pubblicano il maggior numero di richieste e di brevetti - Terza Parte . 113
Elenco delle figure
XIII
6.42 Andamento nel tempo delle pubblicazioni brevettuali relative alle
compagnie che hanno pubblicato il loro primo brevetto nel 1980 . . . . . 113
6.43 Andamento nel tempo delle pubblicazioni brevettuali relative alle
compagnie che hanno pubblicato il loro primo brevetto nel 1985 . . . . . 114
6.44 Andamento nel tempo delle pubblicazioni brevettuali relative alle
compagnie che hanno pubblicato il loro primo brevetto nel 1990 . . . . . 114
6.45 Distribuzione nelle classi IPC delle citazioni . . . . . . . . . . . . . . . . . . . . . . 115
6.46 Compagnie le cui pubblicazioni hanno più rivendicazioni . . . . . . . . . . . 115
6.47 Compagnie le cui pubblicazioni hanno più rivendicazioni nel settore
ICT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.48 Compagnie le cui pubblicazioni hanno più rivendicazioni nel settore
degli strumenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.49 Compagnie le cui pubblicazioni hanno più rivendicazioni nel settore
delle macchine e dei trasporti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.50 Distribuzione delle pubblicazioni di brevetti straordinariamente
innovativi e e non . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.51 Rapporto tra la somma delle rivendicazioni e il numero totale di
pubblicazioni brevettuali rispetto alla nazionalità di inventori . . . . . . . 117
6.52 Rapporto tra la somma delle rivendicazioni e il numero totale di
pubblicazioni brevettuali rispetto alla nazionalità di titolari . . . . . . . . . 118
6.53 Rapporto tra la somma delle rivendicazioni e il numero totale di
pubblicazioni brevettuali nel settore ICT rispetto alla nazionalità di
inventori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.54 Rapporto tra la somma delle rivendicazioni e il numero totale di
pubblicazioni brevettuali nel settore ICT rispetto alla nazionalità di
titolari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
7.1
Database della Banca Mondiale, da cui è possibile reperire i dati
relativi a svariati indicatori di sviluppo . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7.2 Tabelle estratte dal database della Banca Mondiale . . . . . . . . . . . . . . . . 121
7.3 Selezione dei campi nella tabella GDP (current US$) utili per le
nostre analisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.4 Schematizzazione dell’operazione di aggiunta del campo Country
ISO Code in tutte le tabelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.5 Schematizzazione dell’operazione di correzione del formato numerico
del campo 1979 [YR1979] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.6 Schematizzazione dell’operazione di pivoting sulla tabella GDP
(current US$) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.7 Schematizzazione dell’operazione di selezione sulla tabella GDP
(current US$) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.8 Schematizzazione dell’operazione di selezione sulla tabella GDP
(current US$) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.9 Schematizzazione dell’analisi relativa alla combinazione tra i dati
sui brevetti e sul PIL, fissato l’anno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.10 Schematizzazione dell’analisi relativa alla combinazione tra i dati
sui brevetti e sul PIL, fissato la nazione . . . . . . . . . . . . . . . . . . . . . . . . . . 126
XIV
Elenco delle figure
8.1
8.2
8.3
8.4
8.5
8.6
8.7
8.8
8.9
8.10
8.11
8.12
8.13
8.14
8.15
8.16
8.17
8.18
8.19
8.20
8.21
8.22
8.23
8.24
8.25
8.26
8.27
8.28
8.29
8.30
8.31
8.32
8.33
8.34
8.35
8.36
8.37
8.38
8.39
Implementazione della misura 1979 GDP . . . . . . . . . . . . . . . . . . . . . . . . . 131
Implementazione della casella di filtro Time . . . . . . . . . . . . . . . . . . . . . . 132
Analisi sui brevetti e il PIL implementate in Qlik Sense . . . . . . . . . . . . 133
Analisi sui brevetti e gli investimenti diretti all’estero implementate
in Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
Implementazione di alcune delle misure relative all’Italia . . . . . . . . . . . 135
Analisi sui brevetti e sugli indicatori di sviluppo organizzate rispetto
al tempo implementate su Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
Numero di brevetti e PIL nel 1980 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
Numero di brevetti e valore delle esportazioni di beni e servizi nel 1980137
Numero di brevetti e FDI nel 1980 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
Numero di brevetti e PIL nel 1990 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
Numero di brevetti e valore delle esportazioni di beni e servizi nel 1990138
Numero di brevetti e FDI nel 1990 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
Numero di brevetti e PIL nel 1997 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
Numero di brevetti e valore delle esportazioni di beni e servizi nel 1997139
Numero di brevetti e FDI nel 1997 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
Numero di brevetti e utenti Internet nel 1997 . . . . . . . . . . . . . . . . . . . . . 140
Numero di brevetti e PIL nel 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
Numero di brevetti e valore delle esportazioni di beni e servizi nel 2004141
Numero di brevetti e FDI nel 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
Numero di brevetti e utenti Internet nel 2004 . . . . . . . . . . . . . . . . . . . . . 142
Numero di brevetti e PIL nel 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
Numero di brevetti e valore delle esportazioni di beni e servizi nel 2008143
Numero di brevetti e FDI nel 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
Numero di brevetti e utenti Internet nel 2008 . . . . . . . . . . . . . . . . . . . . . 144
Numero di brevetti e PIL nel 2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
Numero di brevetti e valore delle esportazioni di beni e servizi nel 2013145
Numero di brevetti e FDI nel 2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Numero di brevetti e utenti Internet nel 2013 . . . . . . . . . . . . . . . . . . . . . 145
Andamento del numero di brevetti e del PIL per l’Arabia Saudita . . . 146
Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per l’Arabia Saudita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
Andamento del numero di brevetti e dell’FDI per l’Arabia Saudita . . . 147
Andamento del numero di brevetti e degli utenti Internet per
l’Arabia Saudita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
Andamento del numero di brevetti e del tasso di alfabetizzazione
per l’Arabia Saudita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
Andamento del numero di brevetti e del PIL per il Brasile . . . . . . . . . . 149
Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per il Brasile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
Andamento del numero di brevetti e dell’FDI per il Brasile . . . . . . . . . 149
Andamento del numero di brevetti e degli utenti Internet per il Brasile150
Andamento del numero di brevetti e del tasso di alfabetizzazione
per il Brasile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
Andamento del numero di brevetti e del PIL per la Cina . . . . . . . . . . . 151
Elenco delle figure
XV
8.40 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per la Cina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
8.41 Andamento del numero di brevetti e dell’FDI per la Cina . . . . . . . . . . . 151
8.42 Andamento del numero di brevetti e degli utenti Internet per la Cina 152
8.43 Andamento del numero di brevetti e del tasso di alfabetizzazione
per la Cina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
8.44 Andamento del numero di brevetti e del PIL per la Corea del Sud . . . 153
8.45 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per la Corea del Sud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.46 Andamento del numero di brevetti e dell’FDI per la Corea del Sud . . 154
8.47 Andamento del numero di brevetti e degli utenti Internet per la
Corea del Sud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
8.48 Andamento del numero di brevetti e del PIL per l’Egitto . . . . . . . . . . . 155
8.49 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per l’Egitto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
8.50 Andamento del numero di brevetti e dell’FDI per l’Egitto . . . . . . . . . . 155
8.51 Andamento del numero di brevetti e degli utenti Internet per l’Egitto 156
8.52 Andamento del numero di brevetti e del tasso di alfabetizzazione
per l’Egitto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
8.53 Andamento del numero di brevetti e del PIL per la Germania . . . . . . . 157
8.54 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per la Germania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
8.55 Andamento del numero di brevetti e dell’FDI per la Germania . . . . . . 158
8.56 Andamento del numero di brevetti e degli utenti Internet per la
Germania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
8.57 Andamento del numero di brevetti e del PIL per Israele . . . . . . . . . . . . 159
8.58 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per Israele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
8.59 Andamento del numero di brevetti e dell’FDI per Israele . . . . . . . . . . . 159
8.60 Andamento del numero di brevetti e degli utenti Internet per Israele . 160
8.61 Andamento del numero di brevetti e del PIL per l’Italia . . . . . . . . . . . . 160
8.62 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per l’Italia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
8.63 Andamento del numero di brevetti e dell’FDI per l’Italia . . . . . . . . . . . 161
8.64 Andamento del numero di brevetti e degli utenti Internet per l’Italia . 161
8.65 Andamento del numero di brevetti e del tasso di alfabetizzazione
per l’Italia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
8.66 Andamento del numero di brevetti e del PIL per il Regno Unito . . . . . 162
8.67 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per il Regno Unito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
8.68 Andamento del numero di brevetti e dell’FDI per il Regno Unito . . . . 163
8.69 Andamento del numero di brevetti e degli utenti Internet per il
Regno Unito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
8.70 Andamento del numero di brevetti e del PIL per la Russia . . . . . . . . . . 164
8.71 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per la Russia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
8.72 Andamento del numero di brevetti e dell’FDI per la Russia . . . . . . . . . 165
XVI
Elenco delle figure
8.73 Andamento del numero di brevetti e degli utenti Internet per la Russia165
8.74 Andamento del numero di brevetti e del tasso di alfabetizzazione
per la Russia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
8.75 Andamento del numero di brevetti e del PIL per gli Stati Uniti . . . . . 166
8.76 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per gli Stati Uniti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
8.77 Andamento del numero di brevetti e dell’FDI per gli Stati Uniti . . . . . 167
8.78 Andamento del numero di brevetti e degli utenti Internet per gli
Stati Uniti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
8.79 Andamento del numero di brevetti e del PIL per la Turchia . . . . . . . . . 168
8.80 Andamento del numero di brevetti e del valore delle esportazioni di
beni e servizi per la Turchia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
8.81 Andamento del numero di brevetti e dell’FDI per la Turchia . . . . . . . . 169
8.82 Andamento del numero di brevetti e degli utenti Internet per la
Turchia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
8.83 Andamento del numero di brevetti e del tasso di alfabetizzazione
per la Turchia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
Elenco delle tabelle
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
4.22
4.23
4.24
4.25
4.26
4.27
4.28
4.29
4.30
4.31
4.32
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
Descrizione
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
dei
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
campi
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
contenuti
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
nella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
tabella
APPLICATION . . . . . . . . . .
PATANAG2 . . . . . . . . . . . . .
PATANAG . . . . . . . . . . . . . .
TITLE . . . . . . . . . . . . . . . .
PATPUBHIS . . . . . . . . . . . .
PATPUBHIS . . . . . . . . . . . .
IPCCLASS . . . . . . . . . . . . .
IPCMAIN . . . . . . . . . . . . . .
ECLA . . . . . . . . . . . . . . . . .
PRIORITIES . . . . . . . . . . .
APPLN ID CODFIRM . . . . .
APPLICANTS . . . . . . . . . . .
COMPANIES . . . . . . . . . . . .
GROUPS . . . . . . . . . . . . . . .
COM TIT . . . . . . . . . . . . . .
COMPGROUP . . . . . . . . . . . .
INVANAG . . . . . . . . . . . . . .
INVOTHER . . . . . . . . . . . . .
STDADDRESS . . . . . . . . . . .
COINV2 STDADR . . . . . . . .
SCORE ADJ . . . . . . . . . . . .
CODINV CODINV2 . . . . . . .
PROFLIST . . . . . . . . . . . . .
DISCIPLINES . . . . . . . . . .
PROF CODINV . . . . . . . . . .
APPLNID CODINV2 . . . . . .
PATCITATIONS . . . . . . . .
PATCITCAT . . . . . . . . . . . .
PATCITORIGIN . . . . . . . .
NPLCITATIONS . . . . . . . .
NPL PUBLN . . . . . . . . . . . .
NPLCITCAT . . . . . . . . . . . .
57
57
57
58
58
58
59
59
60
62
62
62
63
63
64
64
64
65
66
66
66
66
67
67
67
67
68
68
69
69
69
69
XVIII Elenco delle tabelle
7.1
Descrizione dei campi contenuti nella tabella GDP (current US$) . . . 120
Elenco dei listati
6.1
8.1
Script per il caricamento dei dati sui brevetti su Qlik Sense . . . . . . . . . 85
Script per il caricamento dei dati su Qlik Sense . . . . . . . . . . . . . . . . . . . 127
Introduzione
Con il termine “Big Data” si intende un enorme flusso di dati che provengono da
una molteplicità eterogenea di fonti, come i sistemi informativi aziendali, gli archivi
digitalizzati, i sensori, i sistemi CRM (ovvero quei sistemi legati alle carte fedeltà,
agli acquisti online e offline, ai social network), e cosı̀ via. Se gestiti in maniera
adeguata, i Big Data possono aiutare a raggiungere gli obiettivi aziendali in modo
efficiente ed efficace. Avendo a disposizione un’enorme quantità di dati, la qualità
delle analisi che vengono condotte è di fondamentale importanza.
La Big Data Analytics è una disciplina che gestisce il ciclo di vita dei dati e
comprende la raccolta, la pulizia, l’organizzazione, la memorizzazione e l’analisi dei
dati grazie a metodi scientifici. La Data Analytics fornisce, dunque, un supporto alle
decisioni sulla base di dati di fatto e non sulla base di intuizioni o decisioni passate. In
genere, la Big Data Analytics viene utilizzata dalle organizzazioni per vari scopi. Ad
esempio, in ambito aziendale, è usata per facilitare la presa di decisioni strategiche;
in ambiente scientifico, i risultati ottenuti con la Data Analytics possono essere usati
per dimostrare l’accuratezza delle previsioni e per identificare la causa di determinati
fenomeni; nel settore dei servizi, ad esempio nella Pubblica Amministrazione, la
Data Analytics può essere usata per capire come mantenere alta la qualità dei
servizi abbassandone i costi. Dunque, visto il supporto che la Big Data Analytics
può fornire a livello aziendale, è facile capire come essa sia legata, in generale, al
settore economico.
Avere a disposizione un’immensa quantità di dati implica una certa difficoltà
nel riuscire a gestirne il ciclo di vita, che va dalla raccolta dei dati all’estrazione di
conoscenza. Di conseguenza, è importante possedere degli strumenti che supportino
in maniera adeguata tali attività. Qlik Sense è una rivoluzionaria applicazione per
attività di tipo descrittivo e diagnostico sui dati, progettata per utenti singoli, gruppi
e aziende. Essa consente di raggruppare rapidamente i dati, analizzarli in modo
approfondito e di valutarli da prospettive differenti. Inoltre, Qlik Sense permette la
connessione a più sorgenti di dati, fornendo, quindi, visualizzazioni più complete,
senza che ciò comprometta le prestazioni.
Questo lavoro di tesi nasce dall’idea di analizzare dei dati relativi al mondo
brevettuale, in modo da estrarre dei pattern di conoscenza sui brevetti e i loro
inventori, rispondendo a domande del tipo “In futuro, come possiamo supportare
l’innovazione?”, “Di conseguenza, come possiamo supportare chi innova?”. I dati re-
4
Introduzione
lativi ai brevetti, infatti, rappresentano una “miniera d’oro”, in quanto contengono
numerose informazioni utili per comprendere il mondo brevettuale in generale, ma
anche un particolare settore o una particolare tecnologia. Comprendere l’evoluzione
dell’attività brevettuale significa comprendere l’evoluzione dell’innovazione, dell’attività di ricerca delle università e delle aziende in vari settori, nonché quella delle
collaborazioni tra aziende diverse o tra diverse nazioni.
Il nostro lavoro si basa sui dati contenuti nel database CRIOS-Patstat, fornitoci
dall’Università Bocconi di Milano, in cui sono contenuti dati relativi ai brevetti, agli
inventori, ai titolari, alle classi IPC e ad altri aspetti di questo contesto relativi agli
anni che vanno dal 1979 al 2014. Durante la fase iniziale del nostro lavoro, abbiamo
condotto analisi via via sempre più complesse che ci hanno consentito di estrarre
informazioni relative a brevetti, citazioni, inventori, etc. In particolare, ove possibile,
le analisi sono state particolarizzate per nazione e per settore di competenza, in
modo da vedere le informazioni anche da particolari punti di vista.
Per verificare come supportare l’innovazione e chi innova, abbiamo deciso di
integrare i dati sui brevetti con quelli su alcuni indicatori di sviluppo, in modo da
capire come l’innovazione e lo sviluppo economico-culturale si influenzino a vicenda.
Il lavoro di tesi è cosı̀ strutturato:
• Nel Capitolo 1 vengono presentati i concetti fondamenti per comprendere che
cosa sono i Big Data e la Big Data Analytics, e perché sono importanti nel
settore economico, in particolare in contesto aziedale.
• Nel Capitolo 2 vengono presentati QlikView e Qlik Sense, due software di Business Intelligence sviluppati da Qlik. In particolare, vengono descritte le loro
caratteristiche principali e ciò che li differenzia.
• Nel Capitolo 3 viene descritto il mondo dei brevetti e degli indicatori di sviluppo
economico, in modo da comprendere, in seguito, il significato delle analisi svolte
sui dati a nostra disposizione.
• Nel Capitolo 4 viene descritto il database CRIOS-Patstat, ovvero la sorgente dei
dati utilizzata per implementare le analisi.
• Nel Capitolo 5 vengono discusse l’analisi dei requisiti e la progettazione del
processo di estrazione di conoscenza dai dati sui brevetti.
• Nel Capitolo 6 vengono presentate la fase di implementazione delle analisi in
Qlik Sense e la conoscenza estratta da questo studio.
• Nel Capitolo 7 vengono discusse l’analisi dei requisiti e la progettazione del
processo di integrazione tra i dati sui brevetti e quelli sugli indicatori di sviluppo,
prelevati dal database della Banca Mondiale.
• Nel Capitolo 8 vengono presentate la fase di implementazione, in Qlik Sense,
delle analisi sugli indicatori di sviluppo e sulla conoscenza estratta da essi.
• Nel Capitolo 9 vengono presentati alcuni approcci correlati che estraggono
conoscenza sugli inventori e sui relativi brevetti;
• Nel Capitolo 10 viene proposta una discussione in merito all’approccio utilizzato
in questo lavoro di tesi, illustrandone i punti di forza, quelli di debolezza ed,
infine, le lezioni apprese.
• Infine, nel Capitolo 11 vengono tratte le conclusioni e vengono proposti alcuni
possibili sviluppi futuri.
1
La Big Data Analytics
Lo scopo di questo capitolo è quello di fornire delle nozioni di base sul mondo dei
Big Data ed, in particolare, di evidenziare la loro importanza nel contesto aziendale.
Verranno, infine, spiegati i passi principali necessari all’avvio e all’esecuzione di uno
studio di Big Data Analytics.
1.1 I Big Data
Con il termine “Big Data” si intende l’analisi, l’esecuzione e la conservazione di
ampie collezioni di dati, originati da varie sorgenti in modo molto frequente, usando,
insieme agli approcci tradizionali, tecniche che sfruttano nuovi approcci e risorse
computazionali notevoli per eseguire algoritmi analitici.
Un dataset (Figura 1.1) è una collezione di dati correlati tra loro, cioè ogni
elemento del dataset possiede gli stessi attributi o proprietà di tutti gli altri elementi.
Esempi di dataset sono dati memorizzati in file CSV, XML, oppure dati memorizzati
in file contenuti in cartelle.
Figura 1.1. Esempi di dataset
Quando parliamo di Big Data ci riferiamo a dataset che contengono enormi
quantità di dati, derivanti da sensori, applicazioni e sorgenti esterne, molto importanti per le aziende in quanto possono essere usati per migliorare l’utilizzo delle
risorse aziendali, per identificare nuovi ambiti commerciali, per rilevare tentativi di
6
1 La Big Data Analytics
frode e, dunque, in generale, per fornire conoscenza a supporto di chi deve prendere
decisioni in merito all’attività aziendale.
L’analisi dei Big Data è un settore che coinvolge vari ambiti di studio, dalla
matematica, alla statistica, all’informatica. Il confine tra un semplice problema di
analisi di dati e un problema di Big Data è molto sottile, a causa del continuo cambiamento e dell’evoluzione tecnologica. Trent’anni fa un problema che coinvolgeva
1GB di dati era un problema di Big Data, mentre, con le risorse hardware e software
disponibili oggi, esso è un problema facilmente risolvibile.
1.1.1
Caratteristiche dei Big Data
Affinché un problema rientri nella categoria dei Big Data, il dataset deve possedere una o più caratteristiche, che richiedono un adattamento nella progettazione
e nell’architettura. L’obiettivo è fare analisi di dati al fine di ottenere risultati di
alta qualità e disponibili tempestivamente. I cinque tratti caratteristici dei Big Data
sono noti come le 5 V (Figura 1.2).
Figura 1.2. Le 5 V caratteristiche dei Big Data
Essi sono:
• Volume: il volume di dati è consistente e sempre in crescita. Grandi moli di dati
implicano diversi metodi di memorizzazione e di memorizzazione. Le sorgenti
di imponenti volumi di dati sono transazioni online, esperimenti scientifici e di
ricerca, sensori e social media.
• Velocità: nel contesto dei Big Data i dati possono arrivare a velocità elevate, ed
enormi dataset possono essere accumulati in tempi molto brevi. Ciò implica che
aumenta, anche, il tempo necessario per analizzare i dati. La velocità dipende,
comunque, dal contesto in cui vengono generati i dati (Figura 1.3).
• Varietà: con questo termine si intende la diversità del formato e del tipo di dati
supportati da soluzioni di Big Data. La varietà dei dati implica per l’impresa la
necessità di integrare, trasformare, processare ed immagazzinare i dati (Figura
1.4).
• Veracità: è un parametro che indica la fedeltà dei dati. In un ambiente con i
Big Data è importante che i dati siano di qualità; in caso contrario, è necessario
avviare dei processi di pulizia per rimuovere i dati non validi e il rumore. Un
dataset contiene, infatti, dati puliti e rumore; quest’ultimo rappresenta dati da
cui non è possibile ricavare informazioni. In genere, i dati ricavati da processi
controllati sono meno rumorosi dei dati acquisiti in modo non controllato. La
rumorosità dei dati dipende dalle sorgenti da cui essi provengono.
1.1 I Big Data
7
Figura 1.3. A seconda del contesto, la velocità con cui i dati vengono generati in un
minuto varia notevolmente
Figura 1.4. Un’ampia varietà nei dati significa dover integrare, trasformare ed elaborare
gli stessi prima di poterli analizzare
•
Valore: esso definisce quanto i dati siano utili per l’azienda (Figura 1.5). Il valore
è, ovviamente, legato alla veracità dei dati; infatti più è alta la fedeltà dei dati,
più cresce il loro valore. Inoltre, il valore dipende anche dal tempo richiesto
dalla loro elaborazione: più tempo è richiesto, minore è il valore dei dati poiché,
data l’alta velocità con cui vengono generati gli stessi, più è alto il tempo di
elaborazione, e più il risultato ottenuto si riferisce a dati vecchi.
Figura 1.5. Andamento del valore dei dati in relazione alla veracità e al tempo
I dati che generalmente vengono elaborati dalle soluzioni di Big Data possono
essere generati dall’uomo (Figura 1.6) o dalle macchine (Figura 1.7); tuttavia, i
risultati analitici dell’elaborazione possono essere generati solo da macchine.
8
1 La Big Data Analytics
Figura 1.6. I dati generati dall’uomo derivano dell’interazione con dispositivi digitali
Figura 1.7. I dati generati dalle macchine sono ricavati da sensori, GPS, database e server
I dati provengono, quindi, da diverse sorgenti, e ciò si traduce in una forte varietà
degli stessi; essi, infatti, possono essere suddivisi in tre tipologie: strutturati, non
strutturati e semi-strutturati.
I dati strutturati sono conformi ad un modello o schema di dati e, spesso, sono
memorizzati sotto forma di tabelle. I dati strutturati consentono di rappresentare
relazioni tra diverse entità e possono essere memorizzati, anche, in database relazionali, per cui è raro che sia necessario creare soluzioni ad hoc per l’elaborazione e
la memorizzazione.In genere, i dati strutturati vengono generati dai sistemi ERP e
CRM.
I dati non strutturati sono dati non conformi a modelli o schemi (Figura 1.8) ed,
in genere, costituiscono l’80% dei dati di un’azienda. In genere, sono dati che non
hanno una struttura propria e sono memorizzati in file di testo o file binari.
Poiché non hanno una struttura, sono solitamente memorizzati in database relazionali sotto forma di BLOB (Binary Large Object), oppure in database NoSQL (Not-only SQL); essi sono database non relazionali in cui i dati non devono
necessariamente avere una struttura definita.
1.2 La Data Analysis e la Data Analytics
9
Figura 1.8. Esempi di dati non strutturati sono file video, audio e immagini
I dati semi-strutturati hanno una certa struttura e una certa consistenza; tuttavia
queste ultime non sono cosı̀ ben definite come nel caso di database relazionali. In
genere, sono dati con struttura gerarchica o a grafo, memorizzati in file di testo,
come i file XML o i file JSON. I dati provenienti da sensori, RSS feed, fogli elettronici
e file EDI sono dati semi-strutturati e, spesso, richiedono una pre-elaborazione ed
una memorizzazione particolari.
Infine, i metadati sono particolari tipi di dati che forniscono informazioni sulla
struttura e sulle caratteristiche del dataset. In genere, essi vengono affiancati ai dati
e forniscono informazioni sull’origine degli stessi; tali informazioni possono risultare
di fondamentale importanza nella scelta delle tecniche di elaborazione ed analisi dei
dati.
1.2 La Data Analysis e la Data Analytics
La Data Analysis è un processo che verifica la presenza di pattern, relazioni, intuizioni e/o tendenze esaminando i dataset, allo scopo di fornire supporto alle decisioni.
La Data Analytics è, invece, una disciplina che gestisce il ciclo di vita dei dati e,
dunque, comprende la raccolta, la pulizia, l’organizzazione, la memorizzazione e
l’analisi dei dati grazie a metodi scientifici. La Data Analysis è, quindi, un processo della Data Analytics, nata, appunto, con lo scopo di fornire alla Data Analysis
dei metodi in grado di lavorare con grandi volumi di dati in ambienti distribuiti e
scalabili.
In genere la Big Data Analytics viene utilizzata dalle organizzazioni per vari
scopi. In ambiente aziendale, è usata per abbassare i costi operazionali e per facilitare
la presa di decisioni strategiche; in ambiente scientifico, i risultati ottenuti con la
Data Analytics possono essere usati per dimostrare l’accuratezza delle previsioni
identificando la causa di determinati fenomeni; infine, nel settore dei servizi, ad
esempio nella Pubblica Amministrazione, la Data Analytics può essere usata per
capire come mantenere alta la qualità dei servizi abbassandone i costi.
La Data Analytics fornisce, pertanto, un supporto alle decisioni sulla base di dati
di fatto e non sulla base di intuizioni o decisioni passate. Ci sono quattro tipologie
di Data Analytics (Figura 1.9):
•
•
•
•
Descriptive analytics;
Diagnostic analytics;
Predictive analytics;
Prescriptive analytics.
10
1 La Big Data Analytics
Figura 1.9. A seconda del tipo di Data Analytics si ha un certo livello di complessità, e
più l’analisi è complessa, più aumenta il valore del risultato
A seconda della tipologia vengono adottate diverse tecniche e diversi algoritmi di analisi; quindi, variano anche i metodi di acquisizione, elaborazione e
memorizzazione dei dati in base ai risultati che si vogliono ottenere.
1.2.1
Categorie di Data Analytics
Come abbiamo già accennato, ci sono quattro categorie di Data Analytics.
La descriptive analytics riguarda eventi che sono già accaduti, e che vengono
contestualizzati in modo da ricavare informazioni. Domande tipiche sono: “Quante
vendite ci sono state negli ultimi 12 mesi?” oppure “Quanti bambini sono nati tra il
1990 e il 2000 in ogni stato europeo?”. In genere l’80% delle analisi hanno natura descrittiva. Come possiamo notare in Figura 1.10, le analisi vengono effettuate su dati
operazionali, memorizzati in sistemi ERP (Enterprise Resourse Planning), CRM
(Customer Relationship Management) oppure OLTP (OnLine Transaction Processing). I risultati della descriptive analytics vengono visualizzati tramite report statici
o dashboard, col supporto di griglie e grafici.
La diagnostic analytics ha lo scopo di capire quali sono state le cause di eventi
passati. Domande tipiche sono: “Perché il prodotto X ha venduto meno del prodotto
Y?” oppure “Perché nella regione A sono aumentati i casi della malattia B negli
ultimi 10 anni?”. Come mostra la Figura 1.11, la dignostic analytics, in genere,
analizza dati multidimensionali provenienti da diverse sorgenti e gestiti da sistemi
OLAP (On-Line Analytical Processing). I risultati sono ottenuti tramite tool di
visualizzazione interattivi, che consentono di effettuare operazioni di roll-up e drilldown sui dati. Rispetto alla descriptive analytics, la diagnostic analytics richiede
competenze più avanzate, anche a causa della maggiore complessità delle query.
La predictive analytics viene usata per determinare il probabile esito di un evento
futuro. Essa lega, quindi, l’informazione al suo significato, e questa associazione
consente di creare un modello che effettua predizioni sul futuro sulla base di eventi
accaduti nel passato in certe condizioni. Se queste condizioni cambiano, cambia
anche il modello di predizione, poiché la predizione si basa su pattern, trend ed
1.2 La Data Analysis e la Data Analytics
11
Figura 1.10. Struttura di un sistema di descriptive analytics
Figura 1.11. Struttura di un sistema di diagnostic analytics
eccezioni ricavate dai dati. Domande tipiche delle predictive analytics sono: “Se
un cliente ha acquistato i prodotti A e B, qual è la probabilità che acquisti anche
il prodotto C?” oppure “Qual è la probabilità di guarigione per il paziente X se
viene curato col farmaco A piuttosto che col B?”. Dalla Figura 1.12 notiamo che
la predictive analytics usa grandi dataset sia interni che esterni e varie tecniche
di analisi. I risultati sono visualizzati tramite strumenti statistici con interfaccia
user-friendly (ad esempio, grafici a cruscotto).
Figura 1.12. Struttura di un sistema di predictive analytics
12
1 La Big Data Analytics
La prescriptive analytics si basa sui risultati della predictive analytics per consigliare le azioni da intraprendere, focalizzandosi su qual è la migliore a seconda del
contesto. Per questo motivo la prescriptive analytics viene utilizzata nel caso in cui
bisogna prendere una decisione per ottenere un vantaggio o per diminuire un rischio.
Domande tipiche sono: “Tra quattro farmaci, quale consente di ottenere i risultati
migliori?” oppure “Qual è il miglior momento per immettere sul mercato un nuovo
prodotto?”. Per ogni query vengono calcolati vari risultati nei diversi contesti ed,
infine, si determina l’azione migliore da intraprendere. Dalla Figura 1.13 vediamo
che questo tipo di analisi viene svolta su dati provenienti da sorgenti interne (dati su
vendite, informazioni sui consumatori, sui prodotti, etc.) ed esterne (dati da social
media, dati demografici, previsioni del meteo, etc.). Anche in questo caso i risultati
sono visualizzati tramite strumenti statistici con interfaccia user-friendly.
Figura 1.13. Struttura di un sistema di predictive analytics
1.3 La Business Intelligence
La Business Intelligence (BI) è una disciplina che consente alle aziende di migliorare le proprie performance grazie all’analisi dei dati generati da processi di business e sistemi informativi. I risultati delle analisi possono essere usati per guidare
l’azienda nella risoluzione dei problemi riscontrati o, comunque, per migliorare le
performance. Come mostra la Figura 1.14, i dati vengono immagazzinati in data
warehouse aziendali, su cui, poi, vengono eseguite le query. I risultati delle analisi
vengono, infine, presentati su dashboard, per permettere ai manager di accedere, ed
eventualmente perfezionare, le query per esplorare ulteriormente i dati.
1.3 La Business Intelligence
13
Figura 1.14. La BI è una disciplina che analizza i dati per fornire conoscenza atta a
migliorare le performance aziendali
Un KPI (Key Performance Indicator) è una metrica utilizzabile per misurare
il successo in un particolare contesto di business, in relazione ad un obiettivo da
raggiungere. Spesso i KPI sono usati per individuare problemi di performance nei
processi di business e per dimostrare la conformità di legge. I KPI sono visualizzabili
tramite dashboard con grafici a cruscotto.
1.3.1
Data Warehouse e Data Mart
Un data warehouse (Figura 1.15) è un magazzino aziendale centrale, contenente
dati storici ed attuali. I data warehouse sono usati dalla BI come struttura su cui
eseguire le query analitiche e multidimensionali, col supporto di sistemi OLAP.
Figura 1.15. I data warehouse vengono riempiti periodicamente tramite dei processi
automatici a partire da sistemi ERP, CRM e SCM
I dati contenuti in un data warehouse vengono periodicamente estratti da sistemi ERP, CRM e SCM, validati, trasformati e consolidati in un unico DBMS. La
periodicità con cui viene riempito il database implica la presenza di una quantità
sempre crescente di dati e, di conseguenza, un rallentamento dei tempi di risposta
alle query. Per ovviare a questo problema si opera su sistemi OLAP, che ottimizzano
il database in base alle analisi da effettuare.
Un data mart (Figura 1.16) è un sottoinsieme di dati memorizzati in un data
warehouse, attinenti ad uno specifico settore aziendale. Da un data warehouse è,
14
1 La Big Data Analytics
dunque, possibile creare più data mart. I dati contenuti in un data mart vengono
ottimizzati e normalizzati per consentire l’esecuzione efficiente delle analisi.
Figura 1.16. Esempio di utilizzo di data mart
Un sistema OLTP (OnLine Transaction Processing) è un sistema software che
elabora dati transazionali istantaneamente, senza l’uso di processi automatici. I dati elaborati dai sistemi OLTP sono, in genere, strutturati (vengono memorizzati in
RDBMS), riguardano processi aziendali e vengono analizzati per supportare le operazioni aziendali. In genere, le operazioni svolte dai sistemi OLTP sono inserimenti,
aggiornamenti ed eliminazioni.
Un sistema OLAP (OnLine Analytical Processing) è un sistema che elabora
query di analisi sui dati. Nel contesto dei Big Data, i sistemi OLAP possono fungere
sia da sorgenti che da collettori di dati. Essi possono, altresı̀, essere usati per svolgere
query complesse su database multidimensionali in analisi avanzate.
ETL (Extract Trasform Load) è un processo che consente di prelevare i dati da una o più sorgenti, trasformarli e memorizzarli in un nuovo sistema di
memorizzazione, come mostra la Figura 1.17.
1.3.2
La visualizzazione tradizionale e la Big Data Analytics
La visualizzazione dei dati consiste nella presentazione dei risultati delle analisi
tramite grafici, mappe, notifiche e griglie, più o meno comprensibili e da cui è
possibile individuare eventuali pattern e trend nei dati.
Nella visualizzazione tradizionale i risultati vengono presentati tramite grafici
e grafi statici all’interno di report o dashboard, mentre la visualizzazione odierna
prevede l’utilizzo di tool interattivi, che offrono una visione sommaria o dettagliata
dei dati.
I tool di visualizzazione dei dati analizzati con tecniche di Big Data, invece, prevedono la connessione diretta a dati strutturati, non strutturati e semi-strutturati e
la capacità di manipolare milioni di dati. Per questi motivi, i tool per Big Data usano generalmente tecnologie in-memory per ridurre la latenza tipica della lettura su
1.3 La Business Intelligence
15
Figura 1.17. ETL è un processo di estrazione, trasformazione e memorizzazione dei dati
disco. I tool più avanzati comprendono, anche, strumenti che consentono di collegarsi direttamente alla sorgente dei dati, qualunque natura essa abbia, e di manipolare
direttamente i dati (ETL). Le caratteristiche più comuni dei tool di visualizzazione
nel contesto dei Big Data sono:
•
•
•
•
•
Aggregazione: fornisce una visione sommaria di dati riguardanti molti contesti;
Filtraggio: consente di concentrarsi su un particolare insieme di dati d’interesse;
Drill-down: fornisce una visione dettagliata di un sottoinsieme di dati d’interesse
a partire da un insieme più generico;
Roll-up: raggruppa dati di diverse categorie per fornirne una visione globale;
Analisi what-if: fornisce una visione di risultati multipli legati a fattori variabili
dinamicamente.
1.3.3
La BI tradizionale e la Big Data BI
La BI tradizionale effettua analisi descrittive e diagnostiche per ricavare informazioni; essa riesce, quindi, a fornire semplici risposte se le domande sono formulate
correttamente in base al contesto e ai problemi aziendali. I risultati vengono mostrati tramite report ad-hoc e dashboard. I report ad-hoc, in genere, riguardano uno
specifico settore, vengono prodotti manualmente, sono molto dettagliati e i risultati
vengono presentati in forma tabellare. Le dashboard, invece, presentano le informazioni in tempo reale (o quasi) in un certo intervallo di tempo sotto forma di grafici a
barre, a torta, lineari, etc. Senza i data mart, la BI tradizionale non potrebbe effettuare analisi efficientemente poiché i dati estratti direttamente dal data warehouse
dovrebbero ogni volta subire un processo di ETL pensato per la singola query.
La Big Data BI si basa sulla BI tradizionale, combinando i dati aziendali contenuti nei data warehouse con dati semi-strutturati e non strutturati esterni. Essa
richiede, quindi, l’uso di data warehouse di nuova generazione, in grado di combinare
16
1 La Big Data Analytics
i dati strutturati, non strutturati e semi-strutturati. La Big Data BI non si concentra su un singolo processo aziendale, ma ne analizza molti contemporaneamente allo
scopo di rilevare anomalie e pattern.
1.4 I Big Data e le aziende
La Business Intelligence costituisce, oggi, un aspetto cruciale per le aziende: l’integrazione delle analisi sui dati interni con quelle effettuate su dati provenienti
dall’esterno è importante per capire come si svolge l’attività dell’azienda e come
essa viene percepita dall’esterno. I dati interni, infatti, forniscono una visione introspettiva dello scenario in cui opera l’azienda, ma è grazie ai dati esterni che essa può
comprendere quale posto occupa sul mercato. Tramite le tecniche di analisi proprie
dei Big Data, l’azienda può, quindi, ricavare dai dati quella conoscenza che permetterà ad essa di evolversi e di rafforzare la propria posizione sul mercato, combinando
ad uno studio introspettivo una serie di analisi atte a fornire una visione estrinseca.
La piramide DIKW (Figura 1.18) aiuta a comprendere meglio tale concetto; essa
mostra, infatti, come i dati possono arricchirsi e creare informazione da cui ricavare
conoscenza ed, infine, saggezza, che si trova in cima alla piramide ed è raggiungibile
tramite l’integrazione e la combinazione di conoscenze.
Figura 1.18. La piramide DIKW mostra come, a partire dagli eventi, i dati possono essere
arricchiti e portare ad informazione, conoscenza e saggezza
1.4.1
Architettura di business
Nel passato l’architettura tecnologica rappresentava l’aspetto fondamentale di un’architettura aziendale, mentre l’architettura di business era poco considerata. Ques’ultima , infatti, è emersa solo recente come un aspetto complementare a quello
tecnologico. In futuro lo scopo è avere un’architettura aziendale bilanciata, che curi
sia l’architettura tecnologica sia quella di business.
1.4 I Big Data e le aziende
17
L’architettura di business aiuta l’azienda ad allineare le scelte strategiche e gli
obiettivi con le attività che vengono effettivamente svolte. In tale contesto, l’azienda
opera come un sistema a livelli. Il livello più alto è quello strategico ed è occupato
dai dirigenti e dai gruppi consultivi; il livello intermedio è quello tattico o manageriale, che ha lo scopo di allineare le attività aziendali con le strategie pianificate
al livello superiore; infine, il livello più basso è quello operazionale, in cui vengono effettivamente eseguiti processi aziendali. Gli obiettivi e i risultati ottenuti nei
tre livelli si influenzano tra loro; in particolare, il livello superiore influenza quello
inferiore.
A livello operazionale i processi e i servizi sono controllati tramite metriche e
Performance Indicator (PI), che, combinati tra loro, vengono forniti al livello tattico tramite Key Performance Indicator (KPI). Al livello strategico i KPI vengono
confrontati con i Critical Success Factor (CSF), per misurare i progressi nel raggiungimento degli obiettivi strategici. I vari livelli dell’architettura di business non
si muovono tutti alla stessa velocità; il livello più lento è quello strategico, il più
veloce è quello operazionale; è importante che sia cosı̀ perché il livello strategico
fornisce stabilità e fa da guida per il livello operazionale.
I Big Data si legano a ciascun livello dell’architettura di business (Figura 1.19),
supportando il processo che dai dati porta all’informazione, alla conoscenza e alla
saggezza. A livello operazionale, le metriche consentono di creare dei report che,
semplicemente, mostrano cosa accade durante i processi di business, realizzando il
passaggio da dati ad informazione nella piramide DIKW. A livello tattico, l’informazione viene analizzata per capire come l’azienda sta operando, dando, quindi, un
significato all’informazione e trasformandola in conoscenza. Infine, a livello strategico, la conoscenza viene usata per capire perché l’azienda si sta muovendo in un
certo contesto, supportando la scelta di strategie atte a migliorare le performance
e passando, quindi, da conoscenza a saggezza.
Figura 1.19. Variante della piramide DIKW che mostra come i livelli aziendali creano un
ciclo di feedback
Un’azienda può organizzarsi in modo che la sua architettura di business realizzi
un ciclo di feedback. Il livello strategico crea dei giudizi sulle strategie, sulle politiche
18
1 La Big Data Analytics
e sugli obiettivi aziendali che vengono inoltrati al livello manageriale sotto forma
di vincoli. Il livello tattico usa, quindi, la conoscenza per determinare le azioni
da intraprendere al fine di rispettare i vincoli strategici. Il livello operazionale, in
base alle regole fornite dal livello superiore, opera sui processi aziendali; ciò può
provocare dei cambiamenti nell’esperienza vissuta dagli stakeholder. I risultati dei
cambiamenti incidono, dunque, sui dati e sono visibili nelle metriche e nei PI che
andranno a costituire i KPI, su cui verranno prese, in seguito, le future decisioni.
1.4.2
L’ICT e i Big Data
Il settore ICT (Information and Communications Technologies) ha fornito un forte
impulso all’introduzione di Big Data nel mondo aziendale. L’enorme quantità di
dati che un’azienda riesce ad accumulare può essere utilizzata per migliorare i processi aziendali e per supportare le scelte strategiche; tutto ciò è reso possibile dalla
presenza e dall’utilizzo dei Big Data.
Per ridurre i costi e i tempi, molte aziende hanno deciso di digitalizzare i loro
servizi, grazie anche all’uso di Internet. L’interazione tra il cliente e il sistema aziendale digitale permette all’azienda di raccogliere dati secondari, ad esempio tramite
recensioni o sondaggi, utili per ottimizzare i prodotti e i servizi offerti.
L’enorme successo avuto dai social media ha spinto le aziende ad aprire dei
canali di comunicazione diretti con i clienti e a raccogliere enormi quantità di dati
derivanti dall’interazione con essi, utili per migliorare i servizi offerti, ad aumentare
le vendite e ad ampliare la fetta di mercato d’interesse tramite l’introduzione di
nuovi servizi e nuovi prodotti.
La capillare diffusione della rete Internet ha portato ad avere un numero sempre
crescente di dispositivi connessi alla rete (Figura 1.20), creando un settore che oggi
viene chiamato IoT (Internet of Things).
Figura 1.20. Computer, elettrodomestici, cellulari e sensori sono alcuni dei dispositivi
iper-connessi che costituiscono il mondo IoT
Immagazzinare ed elaborare questi enormi flussi di dati è, oggi, possibile con
costi sempre più accessibili. Molte soluzioni per Big Data, infatti, usano software
1.5 Pianificazione di uno studio basato sui Big Data
19
open-source e commodity hardware1 , riducendo i costi e essendo, quindi, adottabili
sia da piccole sia da grandi imprese.
Nel contesto aziendale, le informazioni ricavate tramite i dispositivi di IoT possono essere integrate all’architettura e ai processi aziendali e possono essere usate
per migliorare i processi e per creare servizi unici e differanziati, dando vita all’IoE
(Internet of Everything). Il cuore pulsante di IoE sono i Big Data, in quanto la
digitalizzazione dei servizi, l’uso di commodity hardware, di software open-source e
l’adozione del cloud computing consentono all’azienda di sfruttare i Big Data per
ottimizzare i workflow.
1.5 Pianificazione di uno studio basato sui Big
Data
Come già detto, l’adozione di tecniche di Big Data è utile per guidare le aziende
nella pianificazione di nuove strategie, e può contribuire a cambiamenti per lo più
innovativi. Le attività di trasformazione sono, in genere, a basso rischio e mirano ad
aumentare l’efficienza dei processi aziendali. Le attività innovative, invece, vanno
ad alterare le dinamiche aziendali, dai prodotti ai servizi e dunque, richiedono,
una maggiore apertura mentale. Tale cambiamento è reso possibile dall’adozione di
approcci di Big Data.
L’uso di tecniche proprie dei Big Data non è immediato, ed è necessario pianificare fin dall’inizio lo studio da intraprendere, anche a causa dei problemi che
potrebbero insorgere. Un’analisi basata su Big Data inizia con la definizione del
business case e finisce quando i risultati analitici consentono all’azienda di ricavarne il massimo valore. Prima di svolgere le analisi, i dati devono essere identificati,
procurati, filtrati, estratti, puliti e aggregati.
1.5.1
Analisi dei requisiti ed acquisizione dei dati
Per poter effettuare delle analisi sui dati, le aziende devono possedere degli strumenti
di gestione degli stessi; il personale che utilizzerà le soluzioni di Big Data deve
avere delle abilità specifiche, e la qualità dei dati da analizzare deve essere valutata
adeguatamente. Infatti dati non validi, vecchi o poveri sono di bassa qualità e non
possono che produrre risultati di bassa qualità, nonostante l’adozione di tecniche di
Big Data.
L’adozione di tecniche di Big Data è in genere economica, grazie all’uso di software open-source e del commodity hardware. Potrebbero essere necessari dei fondi
per recuperare dati esterni, anche se alcune tipologie di dati sono gratuiti, come
quelli forniti dalla pubblica amministrazione, i dati geografici, etc.
I dati potrebbero contenere delle informazioni confidenziali, di aziende o di
individui, per cui è necessario analizzare i dataset e separare le informazioni
confidenziali, in modo da evitare l’eventuale violazione di leggi sulla privacy.
1
Con questo termine si intende un insieme di dispositivi, o di componenti di dispositivi,
che sono relativamente poco costosi, largamente disponibili e più o meno intercambiabili
con altri dispositivi, o componenti di dispositivi, dello stesso tipo.
20
1 La Big Data Analytics
La sicurezza nel contesto dei Big Data è garantita da diversi livelli di accesso
a seconda degli utenti, grazie a meccanismi di autenticazione e di autorizzazione.
Le informazioni sulla provenienza dei dati (Figura 1.21) contengono notizie sulle
sorgenti e su come i dati sono stati elaborati. In altre parole, esse forniscono informazioni sull’autenticità e la qualità dei dati, anche se l’acquisizione, la combinazione
e la memorizzazione dei dati stessi attraverso più processi può rendere complesso il
mantenimento delle informazioni di provenienza.
Figura 1.21. Annotare le informazioni sulla provenienza dei dati è utile per determinarne
la qualità e l’autenticità degli stessi
In genere, i tool di Big Data analizzano dati memorizzati tramite processi automatici; tuttavia, si sta sviluppando una nuova generazione di tool che analizzano
flussi di dati in realtime o in quasi-realtime.
1.5.2
Il cloud computing
Il cloud computing è un paradigma di erogazione su richiesta di risorse informatiche
scalabili, in cui l’utente paga solo per ciò che usa. È possibile, quindi, usare infrastrutture, capacità di calcolo e di memoria fornite da questi sistemi ed implementare
soluzioni di Big Data per svolgere processi su larga scala. In genere, l’uso del cloud
computing a supporto dei Big Data è giustificabile nel caso in cui le risorse proprietarie siano insufficienti e non siano disponibili risorse finanziare per migliorarle, nel
caso in cui i dati da analizzare si trovano già sul cloud o nel caso in cui il progetto
di analisi deve essere isolato rispetto al resto dei processi aziendali, in modo da non
influenzarli.
1.5 Pianificazione di uno studio basato sui Big Data
1.5.3
21
Big Data Analytics Lifecycle
La Big Data Analytics ha un ciclo di vita suddiviso in nove fasi, mostrate nella
Figura 1.22.
Figura 1.22. Un ciclo di vita di Big Data Analytics è caratterizzato da nove fasi
La prima fase consiste nella valutazione del business case, che deve essere ben
definito e deve contenere le motivazioni e gli obiettivi da ottenere dall’analisi. Ovviamente, il business case deve essere creato, valutato e approvato prima dell’inizio
della prima fase, in modo da capire quali risorse aziendali usare e quali sfide dovranno essere affrontate durante il progetto. Inoltre, l’identificazione di KPI aiuta a
valutare la bontà dei risultati delle analisi. Affinché i problemi aziendali siano classificabili come problemi di Big Data, essi devono possedere una delle caratteristiche
dei Big Data stessi, ossia volume, velocità o varietà. Un risultato di questa fase è
l’identificazione del budget richiesto per eseguire il progetto di analisi; infatti, ogni
22
1 La Big Data Analytics
acquisto deve essere preventivato in modo da essere pesato rispetto ai benefici che
si stima di ottenere dal raggiungimento degli obiettivi.
La seconda fase è costituita dall’identificazione dei dataset necessari per portare
avanti le analisi. Identificare sorgenti di dati molto variabili aumenta la probabilità
di trovare pattern nascosti e correlazioni tra dati. I dati possono essere interni e/o
esterni, a seconda dei problemi aziendali e dello scopo delle analisi da condurre. In
genere i dati interni provengono da data mart e sistemi operazionali, mentre i dati
esterni possono essere dati di mercato e pubblicità.
La terza fase prevede l’acquisizione e il filtraggio dei dati provenienti dalle sorgenti identificate al passo precedente. Dei filtri automatici rimuovono i dati corrotti
e che non hanno valore per l’analisi. In genere, i dati corrotti sono costituiti da
valori mancanti, non significativi o non validi. In questa fase è possibile affiancare
ai dati, sia interni che esterni, i metadati, in modo da mantenere informazioni sulla
sorgente dei dati, sulla loro struttura ed, eventualmente, su una loro classificazione.
La quarta fase consiste nell’estrazione dei dati per trasformarli e renderli compatibili con i formati previsti dalle soluzioni di Big Data. Questa fase è molto legata
agli strumenti di Big Data utilizzati; ad esempio, in alcuni casi, non è necessario effettuare operazioni di selezione di campi se il tool di analisi è in grado di processare
in seguito questa operazione.
La quinta fase prevede la validazione e la pulizia dei dati in modo approfondito;
infatti, dati non validi possono falsificare i risultati delle analisi. Inoltre, avere dati
da diversi dataset può portare a ridondanza, che può essere sfruttata per capire
le interconnessioni tra dataset e per completare i dati mancanti. Le operazioni di
questa fase possono essere effettuate tramite operazioni di ETL offline, nel caso di
analisi non in realtime; altrimenti, i dati devono essere validati e puliti non appena
arrivano dalla sorgente.
La sesta fase consiste nell’aggregazione e nella rappresentazione dei dati, integrando vari dataset tramite campi in comune in modo da avere una vista unificata
dei dati. Potrebbero esserci differenze nella struttura e nella semantica dei dati, risolvibili tramite una logica complessa eseguita automaticamente senza bisogno che
ci sia l’intervento umano.
La settima fase è quella di analisi dei dati, in cui vengono svolti i compiti di
analisi. Questa fase ha natura iterativa, soprattutto se l’analisi è esplorativa e mira
a scoprire correlazioni o pattern. I risultati di questa fase possono essere ottenuti da
semplici interrogazioni sui dataset oppure da una combinazione di tecniche di data
mining e analisi statistiche complesse. Le analisi possono essere:
• Di conferma, nel caso in cui si usa un approccio deduttivo per capire le cause
dei fenomeni. La causa proposta è detta ipotesi e l’analisi viene condotta per
affermare o negare l’ipotesi e per fornire, quindi, una risposta definitiva ad una
specifica domanda.
• Di esplorazione, nel caso in cui si usa un approccio induttivo strettamente legato
al data mining. Non vengono formulate ipotesi e i dati vengono semplicemente analizzati per scoprire le cause dei fenomeni. Anche se non fornisce risposte definitive, questo tipo di analisi consente di scoprire facilmente pattern e
anomalie.
1.5 Pianificazione di uno studio basato sui Big Data
23
L’ottava fase consiste nella visualizzazione dei dati tramite tecniche e tool che
espongono graficamente i risultati delle analisi, in modo che siano comprensibili per
ottenere risposte a domande su questioni aziendali. Lo stesso risultato può essere
presentato, e quindi interpretato, in molti modi diversi.
La nona e ultima fase è quella di uso dei risultati di analisi ed è dedicata a
determinare come e dove i dati elaborati possono essere ulteriormente sfruttati.
Infatti, l’analisi dei dati può portare a trovare pattern e relazioni tra dati prima
ignote, e da ciò può scaturire la realizzazione di un nuovo processo di business o di
un nuovo sistema.
2
Uno sguardo a Qlik
In questo capitolo vengono presentati QlikView e Qlik Sense, due software di Business Intelligence sviluppati dalla società Qlik. In particolare, verranno descritte le loro caratteristiche principali e ciò che li differenzia. Infine, verrà descritto
l’approccio proposto dai tool di Qlik per le analisi relative ai Big Data.
2.1 QlikView
QlikView (Figura 2.1) è una piattaforma sviluppata da Qlik per fornire funzioni di
Business Intellingence self-service fruibili da utenti aziendali.
Figura 2.1. Logo di QlikView
Esso, infatti, consente di analizzare dei dati ed estrarre da essi conoscenza, utilizzabile per supportare il processo decisionale, anche nel caso in cui le decisioni
vengano prese in modo collaborativo.
2.1.1
BI “in-memory”
L’approccio tradizionale ai processi di elaborazione si basa sulla memorizzazione
dei dati sul disco rigido e sul loro recupero e utilizzo nella memoria principale ogni
volta sia necessario eseguire un task.
Il cuore di QlikView è un motore software “in-memory”, ovvero un motore che
mantiene i dati in memoria, per consentire a più utenti l’elaborazione e la visualizzazione dei risultati delle analisi. In QlikView i dati vengono compressi di un fattore
26
2 Uno sguardo a Qlik
10; ciò significa, ad esempio, che una singola macchina con 256 GB di RAM può
caricare fino a 2 TB di dati non compressi. QlikView offre, dunque, la possibilità
di analizzare una quantità enorme di dati garantendo, comunque, tempi di risposta
rapidi, esclusivamente grazie all’architettura in-memory.
2.1.2
Sorgenti dei dati
Laddove la quantità di dati sia troppo elevata per poter essere mantenuta in memoria, QlikView esegue direttamente la connessione alla sorgente dati. Come mostra
la Figura 2.2, QlikView permette di prelevare i dati da file tabellari (CSV, XLS,
XML,HTML,etc.), da database (tramite i driver ODBC e OLE DB), dal web, da
Data Warehouse aziendali e da sistemi ERP e CRM.
Figura 2.2. QlikView consente il collegamento a molteplici sorgenti di dati
Inoltre, grazie all’approccio ibrido del Direct Discovery, è possibile analizzare sia i
dati in-memory sia quelli sottoposti a query dinamiche da un’origine esterna. Questo
approccio è ideale per le aziende che hanno investito in grandi data warehouse o in
infrastrutture di Big Data e che preferiscono non caricare tutti i dati nel motore
in-memory di QlikView.
2.1 QlikView
2.1.3
27
Associazioni automatiche
QlikView crea in maniera autonoma dei legami associativi (Figura 2.3) su tutti i
dati utilizzati per l’analisi, indipendentemente da dove essi sono memorizzati.
Figura 2.3. Se due o più tabelle hanno dei campi in comune, QlikView provvede in
maniera automona a creare i legami associativi
Ciò consente di effettuare analisi più o meno complesse e, proprio grazie alle
associazioni, di scoprire pattern non facilmente individuabili all’interno dei dati.
Grazie ai legami associativi, infatti, gli utenti possono “esplorare” i dati in qualsiasi
punto, poiché non sono vincolati a utilizzare solo i percorsi di analisi predefiniti.
2.1.4
Implementazione delle analisi
Caricati i dati, QlikView consente di eseguire delle analisi guidate e, quindi, personalizzate in base alle esigenze aziendali. Le analisi in QlikView si basano su dimensioni
ed espressioni che possono essere create in base ai campi presenti nei dati.
La dimensione (Figura 2.4) determina il modo in cui i dati vengono raggruppati
nella visualizzazione; ad esempio, in un grafico a torta, essa determina le fette,
mentre in un grafico lineare, essa determina i valori sull’asse delle ascisse.
Figura 2.4. Esempio di dimensione calcolata, in cui, dato un campo Date, viene prelevato
solo l’anno
La dimensione può essere un semplice campo dei dati, oppure può essere calcolata in base a delle condizioni; nel caso di dimensione calcolata, essa può includere
più campi dei dati.
28
2 Uno sguardo a Qlik
L’espressione (Figura 2.5) è una combinazione di funzioni, campi ed operatori
logici e matematici, che consentono di elaborare i dati al fine di ottenere un certo
risultato.
Figura 2.5. Esempio di espressione che conta il numero di record del campo ProductID
Dunque, riprendendo l’esempio precedente, l’espressione calcola l’ampiezza delle
fette di un grafico a torta, mentre, nel caso di grafico lineare, determina i valori
sull’asse delle ordinate.
2.1.5
Visualizzazione dei risultati
QlikView consente di creare vari tipi di grafici, più o meno complessi, a seconda delle
dimensioni e delle espressioni implementate. La Figura 2.6 mostra la dashboard di
QlikView, in cui è possibile visualizzare e manipolare i risultati di tutte le analisi.
Figura 2.6. Dashboard di QlikView in cui vengono mostrate diverse tipologie di grafici
Ogni grafico è, infatti, personalizzabile, modificando i colori, lo stile, le etichette, la legenda, etc. Inoltre, all’interno della dashboard, è possibile effettuare delle
selezioni su determinati campi e, quindi, ottenere “on-demand” i risultati di tutte
le analisi, filtrati a seconda dell’attributo selezionato.
2.2 Qlik Sense
29
Infine, QlikView consente di creare, a partire dalle visualizzazioni, dei report
statici, esportabili come documenti PDF.
2.2 Qlik Sense
Qlik Sense (Figura 2.7) è l’applicazione self-service di nuova generazione proposta
da Qlik e consente di analizzare e visualizzare i dati in modo molto più intuitivo
rispetto a QlikView.
Figura 2.7. Logo di Qlik Sense
Inoltre, Qlik Sense offre a qualsiasi utente nel contesto aziendale la possibilità
di creare report interattivi, a partire da una dashborad dinamica.
2.2.1
Modello ad app
Con Qlik Sense, Qlik rivoluziona l’approccio all’analisi dei dati. Infatti, la prima
differenza rispetto a QlikView si nota nella schermata principale, mostrata in Figura
2.8, detta Hub, che rappresenta il contenitore di tutti i progetti implementati su
Qlik Sense.
30
2 Uno sguardo a Qlik
Figura 2.8. Hub di Qlik Sense
Ogni progetto di lavoro presente in Qlik Sense prende il nome di App e consente
di caricare e analizzare i dati, di visualizzare i risultati delle analisi e di creare report
dinamici.
Ogni App è organizzata in fogli di lavoro (Figura 2.9), che permettono di
implementare le analisi e visualizzarne i risultati.
Figura 2.9. Esempio di App contente tre fogli di lavoro
Qlik Sense consente anche di creare uno o più report all’interno di un’App. I
report, denominati racconti (Figura 2.10), vengono creati a partire da snapshot
2.2 Qlik Sense
31
delle visualizzazioni e possono essere arricchiti con testo, forme e altri contenuti
multimediali.
Figura 2.10. Esempio di creazione di un racconto
I racconti sono dinamici, cioè è possibile, a partire da uno snapshot contenuto
in un racconto, risalire alla visualizzazione sorgente e modificarla “on-demand”,
applicando i filtri richiesti.
2.2.2
Collaborazione e mobilità
Un’ulteriore novità introdotta con Qlik Sense è la possibilità di collaborare in gruppo
all’interno di un progetto. In particolare, Qlik Sense Cloud è un servizio SaaS1
gratuito che consente di condividere le app di Qlik Sense e di lavorare in modo
interattivo con un gruppo, decidendo con chi condividere i dati, opportunamente
crittografati per garantirne la riservatezza.
Inoltre, Qlik Sense Cloud offre la possibilità di accedere alle App da qualsiasi dispositivo, sia esso un computer, un tablet o uno smartphone, semplicemente
attraverso un broswer web.
La dashboard di Qlik Sense si adatta automaticamente alla dimensione del
dispositivo, grazie ad un client in HTML5 con interfaccia “responsive”.
2.2.3
Gestione dei dati
Qlik Sense prevede due modalità di carimento dei dati:
1
Con il termine di “Software as a service” (SaaS) si intende un modello di distribuzione
di software in cui un produttore di software sviluppa e mette a disposizione degli utenti
un’applicazione web, fruibile tramite Internet. SaaS, IaaS (Infrastructure as a Service),
PaaS (Platform as a service) e DaaS (Data as a Service) sono i quattro servizi principali
di cloud computing.
32
2 Uno sguardo a Qlik
Figura 2.11. Grazie a Qlik Sense Cloud è possibile accedere alle App da qualsiasi
terminale connesso ad Internet
• manualmente, tramite la scelta delle singole tabelle di dati da caricare;
• automaticamente, tramite la creazione di uno script.
In entrambi i casi, Qlik Sense consente la connessione a varie sorgenti di dati,
come mostra la Figura 2.12.
Figura 2.12. Qlik Sense permette la connessione a svariate tipologie di sorgenti di dati
La differenza tra le due modalità sta nel fatto che la prima consente di caricare
una tabella per volta e suggerisce le associazioni tra dati, ma non le crea autonomamente; infatti, è necessario specificare quali sono i campi da usare per le associazioni,
2.3 I Big Data nell’ambiente Qlik
33
permettendo, cosı̀, di creare anche associazioni personalizzate. La seconda modalità,
invece, partendo dalle tabelle selezionate, crea automaticamente uno script con le
corrispettive associazioni, come accadeva con QlikView.
In entrambi i casi è possibile scegliere quali campi di una tabella caricare, in
modo da non prelevare dati non utilizzati nelle analisi; tali campi, inoltre, possono
essere rinominati.
2.2.4
Implementazione e visualizzazione
Proprio come QlikView, Qlik Sense permette di creare visualizzazioni con svariati
tipi di grafici, personalizzabili per tipologia, colore, stile, etc. Le visualizzazioni
vengono raggruppate all’interno del foglio di lavoro (Figura 2.13). In esso è possibile
creare e modificare le visualizzazioni, nonché filtrare, secondo opportune selezioni,
i risulatati ottenuti.
Figura 2.13. In Qlik Sense le visualizzazioni sono organizzate all’interno foglio di lavoro,
in cui è possibile personalizzarle
I risultati delle visualizzazioni in Qlik Sense si ottengono tramite la definizione di
dimensioni e misure, che rispecchiano, rispettivamente, le dimensioni e le espressioni
definite in QlikView. A differenza di quest’ultimo, però, Qlik Sense consente anche di
implementare una volta sola dimensioni e misure, memorizzandole e riutilizzandole
su più visualizzazioni, evitando, cosı̀, eventuali errori ed inconsistenze tra risultati.
2.3 I Big Data nell’ambiente Qlik
Qlik propone sia QlikView che Qlik Sense come tool per Big Data. Infatti, come
già accennato, entrambi i software hanno la capacità di analizzare grandi volumi
di dati, provenienti da svariate tipologie di sorgenti. Focalizzandosi sul mondo dei
Big Data, Qlik consente il collegamento tra i suoi tool e sistemi per Big Data,
34
2 Uno sguardo a Qlik
tra cui le piattaforme Hadoop. In particolare, Qlik consente l’integrazione, tramite
driver ODBC, con sistemi quali Apache Hive, Apache Spark, Cloudera Impala e
Apache Drill. Tutti questi sono software sviluppati per eseguire algoritmi di analisi
su petabyte di dati, ottimizzati per consentire una migliore esperienza utente grazie
a tempi di risposta più rapidi e ad una maggiore facilità di accesso ai dati.
3
Descrizione dello scenario di riferimento
In questo capitolo viene fornita un’ampia descrizione del mondo dei brevetti e
degli indicatori di sviluppo economico, necessaria per comprendere, in seguito, il
significato delle analisi svolte sui dati a nostra disposizione.
3.1 Brevetti ed innovazione
La società in cui viviamo è alla continua ricerca di idee innovative, e ciò genera una
forte competizione tra le aziende. Di conseguenza, la ricerca rappresenta un’attività
fondamentale, anche se onerosa in termini di costi e di rischi, in quanto, oltre ad
avere dei costi produttivi, essa ha anche un’incertezza nel risultato. Dunque, l’azienda che riesce ad ottenere un risultato importante dall’attività di ricerca sente il
bisogno di tutelarsi e di sfruttare in esclusiva il risultato raggiunto. Tra le varie forme di protezione delle idee innovative troviamo il brevetto, ossia un titolo giuridico
che conferisce al titolare il diritto di esclusiva su un’invenzione per un certo tempo
e in un certo territorio.
3.1.1
Cos’è un brevetto
Un brevetto è un titolo che tutela e valorizza un’innovazione tecnica e consente a
chi l’ha realizzato di poterla produrre e commercializzare in esclusiva nello Stato
in cui esso è stato richiesto, vietando tali attività a soggetti non autorizzati. Il
brevetto, dunque, conferisce un monopolio temporaneo di sfruttamento sull’oggetto
del brevetto stesso e, di conseguenza, il diritto esclusivo di realizzarlo, di disporne
e di farne un uso commerciale, vietando tali attività ad altri soggetti, se non previa
autorizzazione del titolare del brevetto.
Si possono brevettare prodotti innovativi di qualsiasi tipo, come macchinari, oggetti di uso quotidiano, contenitori, dispositivi elettronici, etc., oppure procedimenti,
anche chimici, per ottenere un determinato prodotto. In altre parole, possono essere
brevettate le invenzioni che appartengono a qualsiasi settore della tecnica, mentre
non possono essere brevettate:
•
le scoperte, le teorie scientifiche e i metodi matematici;
36
3 Descrizione dello scenario di riferimento
• i piani, i principi ed i metodi per attività intellettuali, per gioco o per attività
commerciale ed i programmi di elaboratore;
• le presentazioni di informazioni.
Tuttavia, se una scoperta o un software consentono di realizzare un’invenzione,
quest’ultima potrà essere brevettata. Ad esempio, non possono essere brevettati i
trattamenti medici e terapeutici, ma possono esserlo i dispositivi medici. Inoltre, non
si possono brevettare gli oggetti che possono ledere il senso del buon costume o essere
contrari all’ordine pubblico nonchè l’applicazione di una precedente invenzione a un
campo diverso da quello in cui essa è stata concepita. Può essere brevettata, invece,
l’invenzione di una combinazione di applicazioni note ad un processo, anch’esso
noto, a patto che ne derivi un progresso dello stato attuale.
Esistono due tipi di brevetto: il brevetto per invenzione ed il brevetto per modello
di utilità. Il brevetto per invenzione è la forma di protezione più forte. Esso viene
concesso a prodotti o procedimenti che hanno un alto grado di innovazione e che
rappresentano una soluzione nuova ed originale ad un problema tecnico mai risolto
prima. Il modello di utilità è un tipo di brevetto che esiste in Italia ed in pochi altri
Stati. In genere, esso viene concesso senza alcun tipo di esame e, pertanto, è più
facile da ottenere, ma è anche una forma di protezione più debole. Il modello di
utilità è solitamente usato per proteggere oggetti che modificano oggetti esistenti,
nel caso in cui la modifica apporta maggiore utilità o facilità d’uso dell’oggetto
stesso. Scegliere tra invenzione e modello di utilità non è semplice e, per questo,
la legge italiana prevede la possibilità di effettuare un “doppio deposito”, ovvero
consente di depositare la domanda di brevetto sia come invenzione che come modello
di utilità, lasciando che sia l’Ufficio Brevetti a scegliere la soluzione più adatta.
3.1.2
Requisiti di validità
Per essere valido, un brevetto deve essere nuovo, inventivo, lecito e dotato del
carattere della industrialità.
Il brevetto deve essere assolutamente nuovo, cioè non deve essere mai stato depositato ed approvato in nessuna altra parte del mondo. Ad esempio, se un oggetto è
stato realizzato o brevettato in Giappone ma non in Italia, chiunque in Italia potrà
produrlo e venderlo, ma non brevettarlo, e senza brevetto potrà agire in regime di
libera concorrenza, senza pretendere di avere il monopolio. Inoltre, se è già stata
realizzata, ma mai divulgata, un’invenzione identica a quella oggetto della domanda di brevetto, allora è possibile procedere ugualmente al deposito della domanda.
Se, invece, l’invenzione è stata già esposta in pubblico (tramite una pubblicazione scientifica, una presentazione ad una conferenza, un’esposizione in un catologo,
etc.), essa non può essere considerata nuova e, di conseguenza, non è più brevettabile, anche nel caso in caso in cui sia lo stesso autore dell’innovazione a depositare
la domanda di brevetto. Pertanto, è importante impedire la rivelazione accidentale
delle invenzioni prima di depositare una domanda di brevetto e, nel caso in cui sia
necessario comunicare con terzi, far sottoscrivere a questi ultimi accordi di segretezza, che li obblighino a non divulgare, in maniera non autorizzata, le informazioni
inerenti all’invenzione.
Il brevetto deve essere inventivo o originale. Ciò significa che un’invenzione,
per essere brevettabile, non deve essere soltanto nuova nel senso di inesistente,
3.1 Brevetti ed innovazione
37
ma deve essere anche non banale e rappresentare un progresso rispetto allo stato
attuale, cioè rispetto a ciò che è reso accessibile al pubblico prima della data del
deposito della domanda di brevetto. Capire quanto un brevetto soddisfi il requisito
di inventività non è banale, per cui, spesso, si ricorre a degli esperti, che valutano
l’inventività del brevetto. L’esame sull’inventività si basa sulla ricerca in banche dati
specifiche, i cui risultati vengono adeguatamente analizzati dagli esperti. Lo stesso
tipo di analisi viene effettuata nel corso della procedura di deposito dalla maggiore
parte degli uffici. Dunque, il requisito dell’inventività vuole assicurare che i brevetti
siano concessi solo ai risultati di un processo realmente inventivo o creativo e non
a risultati che una persona, con ordinaria abilità nel campo tecnologico, potrebbe
facilmente dedurre da quanto già esiste. Esempi di una insufficiente attività inventiva
sono il mero cambio di un’unità di misura, il rendere un prodotto portatile, la
sostituzione e il cambiamento di un materiale, la sostituzione di una parte con
un’altra avente ugual funzionamento, etc.
Un brevetto rispetta il carattere dell’industrialità se l’invenzione ha un’applicazione industriale, cioè può essere fabbricata o utilizzata in qualsiasi genere di
industria, compresa quella agricola. Un’invenzione, dunque, non può essere un semplice processo intellettuale, ma deve essere producibile, utile e in grado di generare
effetti pratici.
3.1.3
Chi può depositare un brevetto
Un brevetto può essere depositato sia da un’impresa sia da una persona fisica che
non ha partita IVA. Esso può essere intestato anche a più persone, ma, in tal caso,
occorre regolamentare con attenzione l’uso del brevetto, in modo da evitare situazioni di stallo che potrebbero compromettere il suo sfruttamento, poiché potrebbe
non essere consentito l’uso in modo disgiunto. In genere, l’inventore è legittimato
a depositare la domanda di brevetto, ma, in alcuni casi, tale diritto spetta a terzi,
ovvero quando l’inventore è un lavoratore dipendente. In Italia, l’art. 64 del CPI
(Codice della Proprietà Industriale) prevede che:
“ 1. Quando l’invenzione industriale è fatta nell’esecuzione o nell’adempimento
di un contratto o di un rapporto di lavoro o d’impiego, in cui l’attività inventiva
è prevista come oggetto del contratto o del rapporto e a tale scopo retribuita,
i diritti derivanti dall’invenzione stessa appartengono al datore di lavoro, salvo
il diritto spettante all’inventore di esserne riconosciuto autore.
2. Se non è prevista e stabilita una retribuzione, in compenso dell’attività inventiva, e l’invenzione è fatta nell’esecuzione o nell’adempimento di un contratto
o di un rapporto di lavoro o di impiego, i diritti derivanti dall’invenzione appartengono al datore di lavoro, ma all’inventore, salvo sempre il diritto di essere
riconosciuto autore, spetta, qualora il datore di lavoro o suoi aventi causa ottengano il brevetto o utilizzino l’invenzione in regime di segretezza industriale,
un equo premio per la determinazione del quale si terrà conto dell’importanza
dell’invenzione, delle mansioni svolte e della retribuzione percepita dall’inventore, nonché del contributo che questi ha ricevuto dall’organizzazione del datore
di lavoro. (...)”
38
3 Descrizione dello scenario di riferimento
Un ulteriore caso è quello delle invenzioni effettuate in ambito universitario. In
tal caso i diritti sull’invenzione spettano al ricercatore, ma all’Università spetta una
percentuale sul ricavato dello sfruttamento del brevetto, che in Italia può arrivare
fino ad un massimo del 50%.
Il titolare del brevetto acquista il diritto di fare uso esclusivo dell’invenzione.
La possibilità di realizzare e trarre profitto dall’invenzione in maniera esclusiva
costituisce per il titolare un diritto patrimoniale, che può anche essere ceduto e
trasferito, mentre il diritto morale di essere riconosciuto come autore dell’invenzione
è incedibile e spetta sempre all’inventore, che può anche essere diverso dal titolare.
La “priorità” è un diritto riconosciuto a chi deposita una domanda di brevetto
in uno degli Stati facenti parte della Convenzione di Parigi ed offre al titolare la
possibilità di depositare lo stesso brevetto in uno o più Stati diversi, successivamente
e comunque entro dodici mesi dal primo deposito. Ad esempio, se si deposita un
brevetto il 1 Febbraio in Italia, si potrà depositare quello stesso brevetto negli Stati
Uniti il 20 Luglio ed ottenere il brevetto anche se qualcun’altro avesse depositato lo
stesso brevetto negli Stati Uniti a Giugno dello stesso anno. Infatti, grazie al diritto
di priorità, il deposito di Giugno non toglierebbe la novità al brevetto di Luglio,
poiché la data del primo deposito risale al 1 Febbraio. La priorità è un meccanismo
importante, utile ad evitare abusi ed a consentire al titolare di valutare gli Stati di
possibile estensione del proprio brevetto.
3.1.4
Vita di un brevetto
Per depositare una domanda di brevetto è necessario preparare una pratica che
dovrà contenere una serie di documenti; infatti, l’invenzione viene brevettata sulla
base di un progetto, che deve essere descritto all’Ufficio Brevetti dello Stato in modo adeguato. Prima di depositare la domanda occorre, tuttavia, esaminare a fondo
l’invenzione per valutare se è brevettabile e quale sia il modo migliore per proteggerla. Una volta effettuata tale valutazione, occorre predisporre una documentazione
tecnica, da allegare alla domanda di brevetto, che deve soddisfare i requisiti previsti
dalla legge ed essere redatta secondo le norme predisposte dell’Ufficio Brevetti dello
Stato in cui si intende presentare la domanda. Come vedremo più avanti, la documentazione non deve essere una semplice descrizione di come è fatto il prodotto che
si vuole brevettare, ma deve essere scritta in modo tale da evidenziare bene quali
sono gli aspetti innovativi sui quali si chiede di ottenere la tutela; essa deve essere,
altresı̀, correlata da eventuali disegni esplicativi, che aiutino a comprendere meglio
il prodotto.
Il brevetto è un titolo a validità territoriale, nel senso che è valido solo negli
Stati in cui viene depositato. In Italia, è possibile depositare un brevetto che abbia
validità solo nel nostro Paese, oppure un brevetto europeo o un brevetto internazionale; questi ultimi hanno una validità estesa ad un numero maggiore di Stati,
a seconda della forma scelta. La scelta dello Stato in cui depositare un brevetto
dipende soprattutto dal tipo di invenzione, ma è legata anche a fattori di tipo economico, poiché ci sono prodotti che, per loro natura, hanno un mercato in certi
Paesi piuttosto che in altri. Questo aspetto è importante anche dal punto di vista
delle strategie commerciali, in quanto brevettare in un Paese significa che in altri
3.1 Brevetti ed innovazione
39
Paesi è impossibile produrre e vendere l’invenzione, a meno di accordi col titolare
del brevetto.
Il titolare del brevetto ottiene i diritti di esclusiva nel momento in cui il brevetto
viene approvato. Essi decorrono dalla data di deposito della domanda di brevetto
e durano 20 anni (o 10 anni nel caso di modello di utilità), allo scadere dei quali
non è possibile rinnovare il brevetto, che scade e diventa riproducibile da tutti
liberamente. Tuttavia, per potere mantenere in vita il brevetto, occorre pagare
una tassa di mantenimento annuale, prevista dallo Stato in cui il brevetto viene
depositato; se la tassa annuale non viene corrisposta entro 6 mesi dalla sua scadenza,
il brevetto decade, senza alcuna possibilità di poterlo recuperare. Un’ulteriore causa
di decadenza del brevetto è la mancata realizzazione dell’invenzione entro 3 anni
dalla concessione del brevetto (o 4 anni dal deposito della domanda) ed entro 2
anni dalla concessione di una licenza obbligatoria al titolare del brevetto. Se entro
3 anni dalla concessione del brevetto l’invenzione non viene realizzata, chiunque
può chiedere che gli venga concessa una licenza (obbligatoria, ma non gratuita)
per realizzare l’invenzione. Tale licenza può essere richiesta anche dal titolare di
un brevetto successivo, se questa invenzione rappresenta un importante progresso
tecnico rispetto a quella del brevetto da cui dipende, e non possa essere attuata
senza pregiudizio dei diritti del titolare del brevetto anteriore.
Una volta concesso il brevetto, il titolare ha la possibilità di dichiarare che
si tratta di un oggetto brevettato, in modo che altri si astengano dal riprodurlo.
Dunque, egli può scrivere sul prodotto “Patented” (Figura 3.1) o “Brevettato”,
oppure espressioni più specifiche come “Brevetto internazionale” o “Brevettato in
Italia”.
Figura 3.1. Dopo l’approvazione del brevetto, è possibile apporre il simbolo di prodotto
brevettato
Se un brevetto è stato depositato ma non è stato ancora concesso, il titolare può
scrivere “Patent pending” (Figura 3.2) o “Brevetto depositato” sul prodotto.
Un brevetto concesso è stato approvato dall’ufficio, superando un esame spesso
complesso, e, di conseguenza, offre maggiori garanzie rispetto ad un brevetto depositato e non ancora approvato. Infatti, il brevetto concesso è fino a prova contraria
un brevetto valido e pienamente efficace, mentre il brevetto depositato potrebbe non
40
3 Descrizione dello scenario di riferimento
Figura 3.2. Prima che il brevetto sia approvato, è possibile apporre il simbolo di brevetto
depositato
essere approvato. Tuttavia, entrambi possono essere utilizzati per iniziare un’azione
legale contro chi riproducesse l’invenzione senza i dovuti permessi.
3.1.5
Perché brevettare
Il brevetto è uno strumento molto importante per le imprese, dal momento che consente loro di proteggere i propri investimenti nella fase di ricerca, evitando che altri
utilizzino gratuitamente il frutto di tali attività, e di acquisire risorse economiche
supplementari (pagamento di royalty) dalla concessione a terzi dei diritti di uso. Bisogna anche considerare il caso contrario: anche se un’invenzione è brevettabile, non
necessariamente produrrà un prodotto o una tecnologia valida dal punto di vista
commerciale. Pertanto, prima di depositare una domanda, è importante effettuare
un’attenta valutazione, mettendo in conto anche che un brevetto può essere difficile
e costoso da ottenere, amministrare e proteggere.
Oggigiorno, il valore di molte aziende è costituito per il 90% dai cosiddetti intangible assets, costituiti in maggior parte da brevetti. In pratica, un brevetto determina
un concreto arricchimento per un’azienda, oltre che accrescerne la posizione di forza
sul mercato. Infatti, un buon portfolio di brevetti può essere percepito dai partner
commerciali, dagli investitori e dai clienti come espressione di un alto livello di qualità, specializzazione e capacità tecnologica dell’azienda, contribuendo a migliorarne
l’immagine.
3.1.6
Struttura di un brevetto
Come detto in precedenza, un brevetto è un documento tecnico-legale, concesso
dallo Stato, che conferisce al suo titolare il diritto allo sfruttamento in regime di
monopolio di quanto descritto nel brevetto stesso. Dunque, è importante scrivere un
brevetto con molta cura. Una domanda di brevetto può variare da poche ad alcune
centinaia di pagine, in base alla specifica natura dell’invenzione e al settore tecnico
di appartenenza.
Le domande di brevetto sono strutturate in modo simile in tutto il mondo (Figura 3.3) e sono composte dal titolo e dal riassunto, dalla data del deposito, dalla
3.1 Brevetti ed innovazione
41
data di priorità (se si rivendica una priorità interna o estera), dai dati anagrafici
dell’inventore e del richiedente, dalla descrizione, da una o più rivendicazioni ed,
eventualmente, da alcuni disegni.
Figura 3.3. Esempio di brevetto, i cui è possibile notare gli elementi chiave, ovvero il
titolo, il riassunto, i dati del richiedente e dell’inventore, etc.
Ogni domanda di brevetto deve rispettare il “criterio di unità d’invenzione”, cioè
deve riferirsi ad una sola invenzione o modello d’utilità; in caso contrario, il richiedente può depositare una o più domande di brevetto, dando luogo ad una domanda
divisionale. Se una domanda depositata comprende più invenzioni, l’Ufficio Brevetti
interviene invitando il titolare a limitare tale domanda a una sola invenzione, con
facoltà di presentare altre domande per le rimanti invezioni, che avranno effetto
dalla data della prima domanda.
Il titolo fornisce indicazioni sull’invenzione e ne esprime brevemente le caratteristiche e lo scopo. Esso deve essere corto e attinente, non deve superare i 500
caratteri né deve contenere nomi di fantasia o marchi; in caso contrario può essere
modificato dall’Ufficio Brevetti.
Il riassunto deve essere presentato su un documento separato e non dovrebbe
essere più lungo di 150 parole. Il suo scopo è fornire informazioni sulla natura e sul
cuore dell’invenzione all’Ufficio Brevetti e al pubblico.
La descrizione presenta una struttura precisa ed è la parte tecnica del brevetto; di conseguenza deve permettere ad un tecnico esperto del settore di realizzare
l’invenzione descritta, senza alcun ulteriore sforzo inventivo. Nel caso in cui la de-
42
3 Descrizione dello scenario di riferimento
scrizione dell’invenzione non presenti tali caratteristiche, il brevetto non potrà essere
concesso. La descrizione di un brevetto contiene i seguenti elementi:
•
•
•
•
•
•
•
campo tecnico;
stato della tecnica (cioè ciò che si conosce già prima del brevetto);
problema tecnico;
soluzione (cioè l’invenzione da brevettare);
breve descrizione degli eventuali disegni;
esempio applicativo;
indicazione esplicita (qualora non fosse chiaro implicitamente il modo in cui
l’invenzione possa essere usata in campo industriale).
La formulazione delle rivendicazioni è la parte concettualmente più complicata nella compilazione di una domanda di brevetto. Le rivendicazioni rispondono
contemporaneamente a due esigenze:
• quella del titolare del brevetto, che mira ad includere nella sua esclusiva tutto
ciò che, in qualche modo, è ricavabile dalla sua invenzione;
• quella dei terzi, che hanno la necessità di capire i confini del brevetto altrui, per
non essere accusati di contraffazione.
Le rivendicazioni devono proteggere l’invenzione non solo secondo lo stato attuale della tecnica, ma anche nei suoi futuri sviluppi, dal momento che, durante la vita
del brevetto, i concorrenti potrebbero aggirarlo, utilizzando nuove tecnologie e conoscenze. Per questo motivo le rivendicazioni devono essere chiare, concise e trovare
completo supporto nella descrizione, nonché essere redatte in un documento separato, sotto forma di elenco delle caratteristiche tecniche rivendicate esplicitamente
descritte. Esistono tre tipi di rivendicazione: indipendente, dipendente (ovvero, che
dipende da un’altra rivendicazione e ne include tutte le limitazioni) e con dipendenze multiple (ovvero, che dipende da più rivendicazioni). Le rivendicazioni di un
brevetto concesso non sono arbitrariamente modificabili, per cui è importante, prima di presentare una domanda di brevetto, rivolgersi ad un valido consulente, che
sappia tutelare l’invenzione attraverso la formulazione di opportune rivendicazioni.
I disegni consentono di visualizzare i particolari tecnici dell’invenzione ed illustrarne al meglio le caratteristiche indicate nella descrizione. I disegni sono facoltativi, ma, nel caso in cui vengono presentati, essi devono rispettare specifiche regole
formali e devono essere disegni tecnici realizzati con le convenzioni necessarie alla
comprensione di tutti. Un disegno può riguardare l’aspetto dell’intero prodotto o di
una sua parte, riportandone, ad esempio, caratteristiche come i contorni, i colori, la
forma, la struttura superficiale, i materiali del prodotto stesso o del suo ornamento,
a condizione che siano nuovi ed abbiano carattere individuale. Per prodotto si intende qualsiasi oggetto industriale o artigianale, compresi i componenti che devono
essere assemblati per formare un prodotto complesso, cioè un prodotto formato da
più componenti che possono essere sostituiti, consentendo lo smontaggio e un nuovo
montaggio del prodotto.
3.1.7
Brevettare in Italia e all’estero
In Italia la normativa di base sui brevetti è stabilita dal Codice Civile, in particolare
dal Titolo IX del Libro Quinto intitolato “Dei diritti sulle opere dell’ingegno e sulle
3.1 Brevetti ed innovazione
43
invenzioni industriali”. In particolare, l’articolo 2585 definisce l’oggetto del brevetto
nel seguente modo:
“Possono costituire oggetto di brevetto le nuove invenzioni atte ad avere un’applicazione industriale, quali un metodo o un processo di lavorazione industriale,
una macchina, uno strumento, un utensile o un dispositivo meccanico, un prodotto o un risultato industriale e l’applicazione tecnica di un principio scientifico,
purché essa dia immediati risultati industriali.(...)”
La disciplina della proprietà intellettuale ed industriale è sempre stata oggetto
della legislazione speciale e, recentemente, la normativa in materia brevettuale è
stata fatta confluire (unitamente a quella sui marchi, sui modelli e sui design registrati) nel D.L. 10 febbraio 2005, n. 30, nel cosidetto CPI (Codice della Proprietà
Industriale). Per ottenere un brevetto in Italia occorre presentare una domanda all’Ufficio Italiano Brevetti e Marchi, che svolge una ricerca di anteriorità ed un esame
di brevettabilità, per verificare se la domanda di brevetto risponde ai requisiti di
legge. Se i requisiti sono soddisfatti, l’Ufficio Italiano Brevetti e Marchi concede
il brevetto, la cui durata è 20 anni (salvo le eccezioni viste prima). Per i farmaci,
la durata del brevetto può essere estesa fino a 25 anni, perché si tiene conto del
tempo necessario per l’Autorizzazione all’Immissione in Commercio (AIC) da parte
del Ministero della Salute. Dal 1 Luglio 2008 le domande di brevetto italiane sono
sottoposte ad una ricerca di novità, svolta dall’EPO (European Patent Office). Questa innovazione rende vantaggioso il deposito di una domanda di brevetto in Italia,
in quanto, ad un costo contenuto, si ottiene un risultato sulla ricerca di novità in
base al quale l’inventore può decidere più consapevolmente se estendere la domanda
all’estero oppure no.
Brevettare all’estero contribuisce ad ampliare lo spettro delle opportunità aziendali, sviluppando rapporti esterni con imprese straniere e fornendo un accesso alternativo ai mercati stranieri. Poiché proteggere un brevetto all’estero può essere
molto costoso, è opportuno selezionare attentamente i Paesi in cui richiedere tale
protezione. Nella scelta, bisogna tenere conto di vari fattori, ad esempio in quale
Paese sarà fabbricato il prodotto, dove è più probabile che venga commercializzato e quali sono i principali mercati per prodotti simili, dove si trovano i principali
concorrenti, etc. Ci sono tre modalità principali per proteggere un’invenzione o un
modello di utilità all’estero:
•
•
•
Si può richiedere protezione presso l’Ufficio Brevetti nazionale di ogni Paese di
interesse, provvedendo al deposito della domanda di brevetto nella lingua prevista e pagando le relative tasse. Nel caso in cui si scelga di depositare la domanda
in molti Paesi, questa scelta può essere molto costosa, oltreché scomoda.
Alcuni Paesi sono membri di un sistema regionale di brevetti, per cui è possibile
inoltrare un’unica domanda di brevetto con effetto sui territori di tutti o di alcuni
di questi Paesi. In Europa occorre rivolgersi all’Ufficio Europeo dei Brevetti
(EPO - European Patent Office).
Se il titolare vuole proteggere un’invenzione o un modello di utilità in un certo numero di Paesi membri del Trattato di Cooperazione sui Brevetti (PCT Patent Cooperation Treaty), può considerare l’opportunità di inoltrare una sola domanda internazionale di brevetto PCT, in una sola lingua e a fronte del
44
3 Descrizione dello scenario di riferimento
pagamento di un unico gruppo di imposte; la domanda sarà valida legalmente
in tutti i Paesi membri PCT. Il PCT può anche essere utilizzato per inoltrare
domande in alcuni dei sistemi regionali di brevetto. Inoltrando una domanda
internazionale ai sensi del PCT, si può ottenere un’opinione preliminare non
vincolante sulla brevettabilità, valida in 148 Paesi (membri del PCT).
Il brevetto europeo si ottiene a seguito di una procedura unificata di deposito, esame e concessione del brevetto stesso. La procedura di concessione prevede
un’unica domanda, redatta in una lingua a scelta tra inglese, francese o tedesco e
permette di ottenere un brevetto negli Stati membri dell’Organizzazione Europea
dei Brevetti designati dal richiedente e in altri Stati non membri che ne autorizzino
l’estensione sul loro territorio. I brevetti europei conferiscono al titolare, negli Stati
membri designati, i medesimi diritti di cui godrebbe in seguito all’approvazione di
un brevetto nazionale, ottenuto negli stessi Stati. La domanda di brevetto europeo
può essere depositata presso l’Ufficio Europeo dei Brevetti (Figura 3.4), nelle sedi
di Monaco di Baviera, L’Aia o Berlino, oppure presso gli Uffici Brevetti nazionali
degli Stati contraenti.
Figura 3.4. Logo dell’EPO, l’Ufficio Brevetti Europeo
La domanda di brevetto europeo che origina dall’Italia deve essere depositata
presso la Camera di Commercio di Roma che, a sua volta, la invierà all’Ufficio Italiano Brevetti e Marchi. La procedura per ottenere un brevetto europeo comprende
due fasi: quella di deposito della domanda (che comprende l’esame delle condizioni
formali, la ricerca delle anteriorità e si conclude con la pubblicazione della domanda e del rapporto di ricerca), e quella dell’esame di merito della domanda, che si
conclude con l’eventuale concessione del brevetto. Se il brevetto viene concesso, il
richiedente può iniziare le procedure di convalida in tutti gli Stati da lui designati,
o solo in alcuni di essi. È importante precisare che con l’istituzione dell’Ufficio Europeo dei Brevetti si è uniformato solo la procedura di valutazione delle domande
di brevetto in Europa, ma il titolo, una volta rilasciato, diventa una collezione di
brevetti nazionali, dunque conferisce al titolare gli stessi diritti che derivano dai
vari brevetti nazionali degli Stati designati. La validità del brevetto europeo è di
20 anni a partire dalla data di deposito della domanda europea. Entro 9 mesi dalla
data della concessione, qualsiasi terzo può depositare un’opposizione contro un brevetto europeo, che viene valutata da un’apposita Divisione dell’Ufficio Europeo dei
Brevetti e la cui decisione ha effetto in tutti gli Stati designati. I brevetti europei
3.1 Brevetti ed innovazione
45
vengono concessi dopo un’accurata ricerca dello stato della tecnica ed un esame di
merito che ne verifica i requisiti di brevettabilità.
Il brevetto comunitario europeo (CBC) è un titolo brevettuale unitario, valido
sull’intero territorio della Comunità europea. Questa tipologia di brevetto è stata
istituita con la Convenzione di Lussemburgo, sottoscritta il 15 dicembre 1975 (da
tutti quelli che allora erano gli Stati membri della Comunità Europea), ma non è
mai entrata in vigore, a causa della contrarietà di alcuni Stati in merito all’attribuzione esclusiva al giudice comunitario della competenza di decidere sulla nullità
del brevetto. Questo problema è stato superato il 15 dicembre 1988 con la sottoscrizione di un nuovo testo modificato, ma anche in questo caso la convenzione non
è stata ratificata a causa di problemi di prestigio nazionale, legati alla lingua in cui
dovrebbe essere redatta la domanda di brevetto. Ad oggi, la creazione e l’entrata in
vigore di un Brevetto Comunitario è ancora oggetto di discussione.
Il PCT o Trattato di Cooperazione in materia di Brevetti (Patent Cooperation
Treaty) è un trattato multilaterale gestito dal WIPO (World Intellectual Property
Organization), che ha sede a Ginevra (Figura 3.5).
Figura 3.5. Il WIPO gestisce i brevetti internazionali, presentati tramite procedura PCT
L’Italia aderisce a questo trattato dal 1985. Ad oggi, non esiste un vero e proprio brevetto internazionale; infatti la procedura PCT semplicemente facilita l’ottenimento di una protezione per le proprie invenzioni negli Stati membri: un’unica
domanda internazionale ha gli stessi effetti di una domanda nazionale fatta in ciascuno degli Stati designati. Il rilascio del brevetto resta, dunque, di esclusiva competenza dell’Ufficio nazionale designato. Dal 2004 è stata introdotta la cosiddetta
ISO (International Search Opinion), cioè un rapporto di ricerca ed opinione sulla
brevettabilità della domanda internazionale, svolto da un’amministrazione incaricata (scelta dagli Uffici brevetti nazionali). Per le domande depositate in Italia,
soltanto l’Ufficio Europeo dei Brevetti è incaricato della ricerca internazionale. L’esame formale, la ricerca internazionale e (facoltativamente) l’esame internazionale
preliminare sono effettuati, una volta sola, per tutti i Paesi durante la fase internazionale della procedura. Per presentare domanda è obbligatorio essere residenti
in uno degli Stati contraenti del PCT o averne la nazionalità. Ad esempio, l’Uffico
Italiano Brevetti e Marchi può agire come Ufficio Ricevente delle domande PCT solo per richiedenti che siano cittadini italiani o residenti in Italia. Le domande PCT
46
3 Descrizione dello scenario di riferimento
depositate in Italia o da residenti in Italia devono essere redatte in una delle tre
lingue ufficiali dell’EPO (francese, inglese o tedesco). Inoltre, è possibile effettuare il
deposito in lingua italiana (della descrizione, delle rivendicazioni, del riassunto e dei
disegni) a condizione che una traduzione in una delle lingue ufficiali sia depositata
entro un mese dal deposito stesso.
3.1.8
Altre forme di protezione dell’innovazione
Nel caso in cui un’azienda decida di non brevettare il proprio prodotto o nel caso
di prodotto non brevettabile (ad esempio, opere d’arte, software informatici, etc.),
per proteggere la propria invenzione può decidere di seguire altre strade.
La via più semplice è mantenere l’invenzione segreta, ricorrendo al segreto industriale, disciplinato in Italia dall’art. 98 del CPI. L’invenzione è da considerarsi
segreta nel caso in cui le informazioni aziendali e le esperienze tecnico-industriali
siano segrete, nel senso che non siano nel loro insieme, o nella combinazione dei
loro elementi, generalmente note o facilmente accessibili agli operatori del settore,
abbiano valore economico in quanto segrete e siano sottoposte a misure da ritenersi ragionevolmente adeguate a mantenerle segrete. A volte, ad esempio nel caso
di prodotti i cui ingredienti siano difficili da individuare, il segreto industriale, se
ben tutelato, offre, rispetto al brevetto, il vantaggio di una protezione praticamente
illimitata nel tempo.
Un’ulteriore forma semplice di difesa è la pubblicazione difensiva, ovvero la pubblicazione di molti risultati minori dell’attività di ricerca tramite pubblicazioni tecniche a carattere periodico. In genere, si tratta di risultati di modesta o incerta
importanza commerciale, per cui l’esigenza aziendale non è assicurarsi l’esclusiva,
piuttosto garantirsi la possibilità in futuro di sfruttare liberamente i risultati ottenuti. La pubblicazione difensiva, infatti, toglie la possibilità di una futura brevettazione
all’azienda, ma anche ai suoi concorrenti.
Un modello, o design, tutela gli aspetti non tecnici di un prodotto e viene indicato
con il simbolo in Figura 3.6. Infatti, per design o modello si intende la registrazione
della forma di un prodotto, e non importa che essa sia bella o brutta; è necessario solo
che abbia un carattere individuale, ovvero che le sue caratteristiche la differenzino da
tutte le altre. Oltre alla forma del prodotto è possibile registrare anche un disegno,
una decorazione o qualsiasi altro elemento bidimensionale.
Figura 3.6. La protezione offerta dalla registrazione del modello riguarda gli elementi
esterni e decorativi del prodotto
3.1 Brevetti ed innovazione
47
Ad esempio, un tostapane può essere brevettato se è realizzato con un sistema
particolare, che consente di riscaldare il pane in modo particolarmente efficiente,
e può anche ottenere una tutela come design per quanto concerne il suo aspetto
esteriore. Si può, quindi, registrare come modello qualsiasi caratteristica esterna e
visibile di un prodotto che sia nuovo e che renda quel prodotto riconoscibile rispetto
a tutti gli altri. La tutela del design gioca un ruolo sempre più importante, in quanto,
spesso, è proprio la forma ad assumere il carattere fondamentale del successo di un
prodotto. Di conseguenza, registrare come modello o disegno il design di un prodotto
è molto importante poiché consente di difendersi dalle imitazioni.
Possono essere registrati come modello la forma di una borsa, di un’auto, di una
bottiglia, di una porta, di un tavolo, e di qualsiasi altro oggetto. Possono essere,
altresı̀, registrati il disegno di un tessuto, la decorazione su un mobile, le linee di una
pianta e qualsiasi disegno che possa essere incorporato o applicato su un prodotto.
Non possono costituire oggetto di registrazione le caratteristiche dell’aspetto del
prodotto che sono determinate unicamente dalla natura tecnica dello stesso.
Un marchio, il cui simbolo è in Figura 3.7, è un segno che identifica un prodotto
o un servizio; infatti, grazie al marchio, si riconosce la provenienza, da una certa
impresa, di un prodotto o di un servizio.
Figura 3.7. Il marchio consente ad un’impresa di dare un carattere unico ai propri prodotti
sul mercato
Il marchio serve anche a diffondere e fare accrescere la fama di un imprenditore
e la fiducia in chi acquista. Spesso, infatti, attrae più il marchio che il prodotto in
sé e, al lancio di un nuovo prodotto, i consumatori ripongono fiducia nel marchio
prima di conoscere il nuovo prodotto. Perciò, è di fondamentale importanza, per chi
inizia un’attività, registrare il proprio marchio, un bene destinato ad aumentare in
misura esponenziale il proprio valore economico. In Italia, l’art. 7 del CPI dice che
possono essere registrati come marchio
“tutti i segni suscettibili di essere rappresentati graficamente, in particolare le
parole, compresi i nomi di persone, i disegni, le lettere, le cifre, i suoni, la forma
del prodotto o della confezione di esso, le combinazioni o le tonalità cromatiche,
purché siano atti a distinguere i prodotti o i servizi di un’impresa da quelli di
altre imprese.”
Le varie normative nazionali pongono spesso dei limiti per quanto riguarda la
possibilità di registrare come marchio un nome di persona. In Italia, l’art. 8 del CPI
48
3 Descrizione dello scenario di riferimento
prevede che i nomi di persona, diversi dal nome di chiede la registrazione, possono
essere registrati a condizione di non ledere la fama, il credito o il decoro di chi ha
diritto a portare tali nomi. Tuttavia, se questi nomi appartengono a personaggi famosi, essi possono essere registrati solo dalla persona famosa o con il suo consenso.
Esistono, inoltre, i marchi di forma, ovvero quei marchi che sono costituiti dalla
forma del prodotto che deve essere, però, tale da rendere il prodotto riconoscibile
anche senza l’apposizione di un altro marchio e, soprattutto, deve essere una forma
non necessitata da ragioni tecniche. Essi sono particolarmente complessi da registrare e difendere in giudizio, ma sono altresı̀ utili per frenare l’effetto imitativo dei
concorrenti su prodotti storici di un’azienda.
La legge sul diritto d’autore, impropriamente conosciuta come “copyright”, consente di proteggere dal plagio diverse categorie di opere creative, in particolare le
opere musicali, letterarie, cinematografiche, le fotografie, i disegni ed i programmi
per computer. Ciò che si protegge non è l’idea in sé di fornire un certo servizio o di
realizzare una certa opera, ma il modo in cui essa si esprime, la sua forma di attuazione tangibile. Il titolare dei diritti sull’opera è in genere il creatore, ossia l’autore
o il coautore; tuttavia, ma nel caso in cui l’opera sia realizzata in adempimento
di un contratto di lavoro, l’autore è titolare dei soli diritti morali, mentre i diritti
patrimoniali spettano al datore di lavoro. Il diritto morale di essere riconosciuto
autore dell’opera è inalienabile, irrinunciabile ed imprescrittibile. I diritti di utilizzazione economica sono, invece, trasferibili e durano per tutta la vita dell’autore e
per settanta anni dopo la sua morte.
Il diritto d’autore si acquisisce in seguito alla creazione dell’opera, senza che
sia necessario alcun tipo di adempimento amministrativo, sia esso il deposito o la
registrazione. Tuttavia, depositare un’opera presso gli uffici competenti fornisce all’autore una prova certa della paternità e della data di creazione di un determinato
lavoro. In Italia si possono effettuare diversi tipi di deposito dell’opera a seconda della natura della stessa. In linea di massima, si distingue il deposito di opera
inedita, che si effettua, prima della pubblicazione dell’opera, alla SIAE (Società Italiana degli Autori ed Editori), e quello di opera pubblicata, che si effettua presso
la Presidenza del Consiglio dei Ministri. Presso la SIAE si trova anche il Registro
pubblico del software. Inoltre, in seguito al deposito alla SIAE, un autore acquista
sulla propria opera il diritto esclusivo di riproduzione, di esecuzione, di diffusione, di distribuzione, di noleggio, di prestito, di elaborazione e trasformazione, che
può, eventualmente, cedere, in tutto o in parte, ad altri facendosi ricompensare per
questo.
3.2 Indicatori di sviluppo
Se in passato la ricerca era per lo più frutto della passione scientifica degli studiosi,
oggi essa è una vera e propria attività produttiva, per cui è significativo analizzare
il legame tra la ricerca (tramite i brevetti) e alcuni indicatori di sviluppo, i cui dati
sono stati ricavati dalla banca dati del Gruppo della Banca Mondiale.
La Banca Mondiale (WB - World Bank) nasce nel 1945 con l’obiettivo di lottare
contro la povertà e organizzare aiuti e finanziamenti ai Paesi in difficoltà. Essa è
stata creata principalmente per aiutare Europa e Giappone nella loro ricostruzione
3.2 Indicatori di sviluppo
49
dopo la seconda guerra mondiale. In seguito alla decolonizzazione degli anni sessanta, essa iniziò ad occuparsi anche dello sviluppo economico dei Paesi dell’Africa,
dell’Asia e dell’America Latina. La Banca Mondiale è costituita da due istituzioni
internazionali: la Banca internazionale per la ricostruzione e lo sviluppo (IBRD International Bank for Reconstruction and Development) e l’Agenzia internazionale per lo sviluppo (IDA - International Development Association) e fa parte delle
istituzioni specializzate dell’Organizzazione delle Nazioni Unite.
Il Gruppo della Banca Mondiale (WBG - World Bank Group) (Figura 3.8) è
stato istituito nel giugno 2007 e comprende cinque istituzioni:
•
•
•
•
•
la Banca internazionale per la ricostruzione e lo sviluppo (IBRD), fondata nel
1945;
l’Agenzia internazionale per lo sviluppo (IDA), fondata nel 1960, i cui prestiti
sono riservati ai Paesi meno sviluppati;
la Società finanziaria internazionale (IFC - International Finance Corporation),
fondata nel 1956, che finanzia i prestiti e gli investimenti effettuati dalle imprese
nei Paesi a rischio;
il Centro internazionale per il regolamento delle controversie relative ad investimenti (ICSID - International Centre for Settlement of Investment Disputes),
istituito nel 1966, che collabora con i governi nazionali per ridurre il rischio negli
investimenti;
l’Agenzia multilaterale di garanzia degli investimenti (MIGA - Multilateral Investment Guarantee Agency), istituito nel 1988, che fornisce un particolare fondo
assicurativo contro il rischio di alcuni tipi di investimenti.
Figura 3.8. Logo del Gruppo della Banca Mondiale
Tra le numerose attività svolte e i servizi offerti, il Gruppo della Banca Mondiale
si occupa, anche, di mantenere aggiornata una banca dati, accessibile gratuitamente,
contenente informazioni su svariati indicatori di sviluppo a livello mondiale.
Per il nostro studio, dopo un’attenta visione degli indicatori disponibili, abbiamo
scelto di utilizzare i dati riguardanti il Prodotto Interno Lordo, l’esportazione di beni
e servizi, gli investimenti diretti all’estero, il tasso di alfabetizzazione degli adulti
ed, infine, la percentuale di utenti con accesso alla rete Internet.
3.2.1
Prodotto Interno Lordo
Il Prodotto Interno Lordo (PIL o, in inglese, GDP - Gross Domestic Product) è
la somma dei beni e dei servizi finali prodotti da un Paese in un certo periodo di
tempo. Esso è definito “interno” perché si riferisce solo a ciò che viene prodotto nel
50
3 Descrizione dello scenario di riferimento
territorio del Paese, da imprese nazionali e da imprese estere. Il Prodotto Nazionale
Lordo (PNL) è, invece, la somma dei beni e dei servizi prodotti solo da imprese
nazionali, sia sul territorio nazionale sia all’estero.
Il PIL è considerato uno dei principali indicatori della ricchezza complessiva di
un paese, mentre il PIL pro capite, che si ottiene dividendo il PIL per la popolazione,
fornisce una misura del benessere medio dei cittadini.
Il PIL nominale si riferisce a beni e servizi considerati in base al loro prezzo
corrente; il PIL reale, invece, considera i prezzi dei beni costanti rispetto a un anno
base. Da ciò deduciamo che un aumento del PIL nominale durante un certo lasso di
tempo può essere dovuto ad un incremento sia dei prezzi sia delle quantità prodotte,
mentre l’incremento del PIL reale è sicuramente riconducibile solo alle variazioni
nelle quantità prodotte.
Esistono tre modi per calcolare il PIL di un Paese. Il primo consiste nel considerare la somma dei prodotti e servizi finali. Si usa il termine “beni e servizi finali” per
escludere i beni intermedi usati per la fabbricazione; ad esempio, il prezzo del pane
include già il prezzo della farina usata; sommare pane e farina vorrebbe dire contare
lo stesso bene due volte. Un secondo metodo consiste nel sommare il valore aggiunto
dell’economia in un dato periodo di tempo. Il valore aggiunto è la differenza tra il
valore della produzione delle imprese e il valore dei beni intermedi da esse usati
nella produzione. Infine, il PIL può essere calcolato come somma dei redditi (salari
e stipendi dei lavoratori, profitti delle imprese, imposte pagate allo Stato) di tutta
l’economia. Il PIL non considera l’economia illegale, cioè la produzione di un paese
legata ad attività proibite dalla legge, come il traffico di droga, la prostituzione, etc.,
mentre include l’economia sommersa o il cosiddetto lavoro nero. In Italia l’ISTAT
è responsabile delle stime del PIL (Figura 3.9) e valuta che l’economia sommersa
copre una quota compresa fra il 15 e il 17% del PIL.
Il PIL rappresenta una misura grossolana del benessere economico di un Paese;
infatti, molti dei fattori di benessere, come la qualità dell’ambiente, la tutela della
salute, la garanzia di accesso all’istruzione, non rientrano nel calcolo del PIL, anche
se dipendono dalla ricchezza stessa del Paese.
3.2.2
Esportazioni di beni e servizi
Le esportazioni di beni e servizi rappresentano il valore di tutti i beni e i servizi di
mercato forniti al di fuori del territorio nazionale. Esse comprendono il valore delle
merci, del trasporto, delle assicurazioni, dei viaggi, dei diritti d’autore e di licenza,
e di altri servizi, come la comunicazione, la costruzione e i servizi governativi. Sono
esclusi i redditi da lavoro dipendente e i redditi da capitale e dei trasferimenti. Il
valore delle esportazioni di uno Stato può essere calcolato a partire dal valore del
PIL nazionale.
Le cessioni all’esportazione sono operazioni che garantiscono agli esportatori abituali il diritto di acquistare i beni in sospensione d’imposta, ovvero senza pagamento
dell’IVA. Sono considerati esportatori abituali coloro che effettuano con frequenza
operazioni di esportazione diretta, operazioni assimilate alle esportazioni, servizi
internazionali o connessi agli scambi internazionali, operazioni connesse a trattati
e accordi internazionali, operazioni con lo Stato della Città del Vaticano e con la
Repubblica di San Marino e cessioni intracomunitarie.
3.2 Indicatori di sviluppo
51
Figura 3.9. Andamento del PIL in Italia negli ultimi 15 anni
Le cessioni all’esportazione sono non imponibili in Italia ai sensi dell’art. 8 del
DPR 633/1972. All’interno dell’Unione Europea, le operazioni di esportazione si
distinguono in:
•
•
•
esportazioni dirette: sono cessioni fuori dalla UE, eseguite mediante trasporto o
spedizione di beni all’estero o, comunque, fuori dal territorio doganale europeo;
esportazioni improprie: sono cessioni di beni trasportati fuori dell’UE dall’acquirente, o da terzi per suo conto;
esportazioni indirette, nel caso in cui la consegna dei beni ceduti è effettuata
a soggetti (i cosiddetti esportatori abituali) che si avvalgono della facoltà di
acquistare senza pagamento dell’imposta.
3.2.3
Investimento diretto all’estero
L’investimento diretto all’estero (IDE o, in inglese, FDI - Foreign Direct Investment) rappresenta una voce della contabilità nazionale in cui vengono indicati i
trasferimenti di capitale e di tecnologie da un Paese all’altro, in genere ad opera
di imprese multinazionali. Solitamente un’impresa effettua un investimento diretto
quando ottiene dei vantaggi dal diritto di proprietà, dalle caratteristiche del Paese
scelto e dall’internalizzazione, cioè dai benefici derivanti dall’acquisizione all’interno
dell’impresa di fasi produttive precedentemente svolte da imprese estere. I vantaggi
legati al diritto di proprietà riguardano prodotti o processi produttivi per i quali
è precluso l’accesso alle altre imprese (ad esempio, tramite brevetti e marchi). I
vantaggi legati alla localizzazione riguardano la qualità delle condizioni del Paese e
del suo mercato (ad esempio, la possibilità di accesso a un nuovo mercato).
52
3 Descrizione dello scenario di riferimento
3.2.4
Tasso di alfabetizzazione degli adulti
L’alfabetizzazione è il grado di sviluppo delle capacità individuali di lettura e scrittura, con riferimento al gruppo culturale di appartenenza. Secondo una definizione
formulata dall’UNESCO, una persona è alfabetizzata quando acquisce le conoscenze
e le competenze essenziali che gli consentono di impegnarsi in tutte le attività (in
cui si richiede l’alfabetizzazione) nel suo gruppo e nella sua comunità. L’alfabetizzazione non deve essere confusa con l’alfabetismo, che è, più semplicemente, “il saper
leggere e scrivere”.
La IALS (International Adult Literacy Survey) ha condotto la prima ricerca
internazionale sull’alfabetizzazione degli adulti nel 1994; essa introduce un nuovo
concetto di alfabetizzazione, definita non come capacità di lettura, ma come capacità di raccogliere e di trattare le informazioni riferite alla lettura, alla scrittura e al
calcolo, necessarie nel lavoro, nella vita domestica e in quella sociale. Negli ultimi
anni, le ricerche hanno spinto la concezione di alfabetizzazione non nel senso di
risultato dell’istruzione o di acquisizione limitata in un determinato periodo della
vita e della formazione, quanto nel senso di processo continuo ed evolutivo, che comprende sia gli apprendimenti individuali sia le esperienze derivate dall’interazione
e dalla partecipazione alla vita sociale. La Figura 3.10 è un esempio di risultato di
una ricerca sul tasso di alfabetizzazione nei Paesi in via di sviluppo.
Figura 3.10. Mappa del tasso di alfabetizzazione nei Paesi in via di sviluppo
3.2.5
Percentuale di utenti Internet
Prima del 1995 nel mondo occidentale Internet era una rete dedicata alle comunicazioni all’interno della comunità scientifica e tra le associazioni governative e
amministrative. In seguito, essa ha avuto diffusione costante anche tra gli utenti privati, grazie a contenuti e servizi offerti dal Web e a modalità di navigazione
sempre più “user-friendly”, nonché a velocità di trasferimento dati molto maggiori
rispetto al passato. Nel secondo e terzo mondo il tasso di diffusione della rete Internet è inferiore, ma in continua crescita, grazie al progressivo riammodernamento
delle infrastrutture di reti di telecomunicazioni presenti.
3.2 Indicatori di sviluppo
53
Stabilire con precisione il numero di utenti che accedono alla rete Internet nel
mondo non è, comunque, semplice, vista la velocità di espansione della rete e la
varietà dei sistemi utilizzabili per accedervi. La Figura 3.11 mostra i risultati di una
recente indagine sulla diffusione di Internet in Italia.
Figura 3.11. Utenti connessi ad Internet in Italia nel mese di Gennaio 2016
4
Sorgente informativa di riferimento
Questo capitolo ha lo scopo di fornire una descrizione della sorgente dei dati,
utilizzata in seguito per implementare le analisi.
4.1 Premessa
Il database Crios-PATSTAT è il risultato del lavoro, svolto a partire dal 1990, di un
team di ricercatori dell’Università Bocconi di Milano. Nel tempo, esso ha attinto a
diverse fonti di dati grezzi, che sono stati fusi e raffinati al fine di ottenere un unico
database. Il database Crios, nato nel 1996 dai database CESPRI,KITeS e REFI,
contiene i dati relativi ai brevetti, agli inventori e ai titolari registrati dall’EPO.
PATSTAT è l’abbreviazione di “EPO worldwide PATent STATistical Database”
ed è un database, aggiornato ogni 6 mesi, che racchiude i dati di un gran numero
di Uffici Brevetti, grazie alla collaborazione dell’EPO con numerosi enti, come, ad
esempio, la WIPO (World Intellectual Property Organization) e l’USPTO (Eurostat
and the United States Patent and Trademark Office).
L’Università Bocconi di Milano ci ha fornito il database Crios-PATSTAT con
dati già “puliti”; infatti, ad essi sono state applicate operazioni di:
•
•
•
•
“parsing”, per suddividere il contenuto di un campo in più campi (ad esempio,
il nome suddiviso nei campi nome e cognome);
“cleaning”, per correggere gli errori di ortografia più comuni;
“standardization”, per rendere omogeneo il contenuto dello stesso campo proveniente da fonti diverse (ad esempio, per tradurre nomi di città, stati, etc.);
“deduplication”, per unificare sotto lo stesso identificativo i campi che contengono le stesse informazioni.
Inoltre, sono state rimosse ulteriori disambiguazioni tramite “Massacrator SQL
routine”, un algoritmo che valuta l’omonimia di due campi contenenti informazioni
anagrafiche in base alle informazioni contenute negli altri campi. In altre parole, dati
due campi contenenti nomi di persona (ad esempio, il nome di un inventore), esso
valuta se si tratta o meno della stessa persona in base ai dati dei campi rimanenti.
Un’ulteriore operazione svolta dai ricercatori dell’Università Bocconi è stata la
suddivisione dei dati relativi ai titolari dei brevetti in tre categorie, ovvero:
56
4 Sorgente informativa di riferimento
• titolari individuali;
• compagnie;
• gruppi, in particolare del settore ICT.
I dati cosı̀ “ripuliti” possono essere suddivisi in cinque aree, di seguito descritte
dettagliatamente.
4.2 Dati sui brevetti
In Figura 4.1 viene mostrata la struttura della porzione del database CriosPATSTAT relativa ai dati sui brevetti.
Figura 4.1. Porzione di Crios-PATSTAT che contiene i dati sui brevetti
Il primo passo per ottenere un brevetto è la presentazione della domanda, i cui
dati sono contenuti nella tabella APPLICATION, costituita dai campi mostrati nella
Tabella 4.1.
APPLN ID è l’identificativo della domanda e, quindi, del brevetto, all’interno del
database. Esso è, dunque, un attributo chiave. La famiglia delle domande “inpadoc”
è costituita dalla famiglia delle domande EPO, mentre “docdb” è la famiglia di
domande di brevetto provenienti da qualsiasi parte del mondo.
Le tabelle PATANAG e PATANAG2 contengono i dati sui brevetti veri e propri. In
particolare, la tabella PATANAG2 contiene i dati caratteristici di un brevetto, mostrati
nella Tabella 4.2.
4.2 Dati sui brevetti
57
Campo
Descrizione
APPLN AUTH
PUBLN AUTH
PUNR
APPLN ID
INPADOC FAMILY ID
DOCDB FAMILY ID
Autorità a cui viene inoltra la domanda, ovvero identificativo dell’Ufficio Brevetti
Autorità che effettua la pubblicazione
Numero della pubblicazione
Identificativo della domanda
Identificativo della famiglia INPADOC
Identificativo della famiglia DOCDB
Tabella 4.1. Descrizione dei campi contenuti nella tabella APPLICATION
Campo
Descrizione
APPLN ID
PUBDT
PUBKIND
PUBLG
FIRSTGRANT
CLAIMS
Identificativo della domanda (e del brevetto)
Data di pubblicazione del brevetto
Tipo di pubblicazione
Lingua in cui è stato pubblicato il brevetto
Vale 1 quando la data di pubblicazione coincide con la data della prima pubblicazione concessa
Numero di rivendicazioni (aggiornato all’ultimo stato del brevetto)
Tabella 4.2. Descrizione dei campi contenuti nella tabella PATANAG2
In particolare, il campo PUBKIND consiste in una lettera (in genere A o B) seguita
da un numero; ad esempio, A1, A2, etc. indicano le domande di brevetto, B1, B2,
etc. i brevetti già approvati.
La Tabella 4.3 riporta i campi della tabella PATANAG, che contiene informazioni
aggiuntive sul brevetto.
Campo Descrizione
APPLN ID
APNR
PIRN
AKIND
APDT
AIDT
IAPNR
STATUS
CLAIMS
TRIDIAC
Identificativo della domanda (e del brevetto)
Numero della domanda
Numero internazionale della domanda (oggi in disuso)
Tipo di domanda
Data di deposito della domanda di brevetto
Data internazionale di deposito della domanda di brevetto (oggi in disuso)
Identificativo della domanda PCT corrente
Stato del brevetto
Numero di rivendicazioni
Provenienza della domanda
Tabella 4.3. Descrizione dei campi contenuti nella tabella PATANAG
In particolare:
•
•
•
il campo AKIND vale A per i brevetti, U per i modelli di utilità, W per domande
PCT (Patent Cooperation Treaty), etc.;
il campo STATUS vale A* se il brevetto è in attesa di approvazione, B* se è
approvato;
il campo TRIDIAC vale 0 se non è tridiac, 1 se è inpadoc, 2 se è docdb e 3 se
è entrambe. Con il termine “tridiac” si indica la famiglia di brevetti sottomessi
all’EPO, all’USPTO e al JPO (Japan Patent Office).
Come abbiamo già visto, un brevetto è caratterizzato anche da un titolo e da un
riassunto, memorizzati in questo caso nella tabella TITLE, i cui campi sono mostrati
nella Tabella 4.4.
58
4 Sorgente informativa di riferimento
Campo Descrizione
APPLN ID Identificativo della domanda (e del brevetto)
TITLE
Titolo del brevetto
ABSTRACT Breve descrizione dell’innovazione contenuta nel brevetto
Tabella 4.4. Descrizione dei campi contenuti nella tabella TITLE
La Tabella 4.5 mostra i campi della tabella PATPUBHIS, che contiene ulteriori
informazioni circa la cronologia della pubblicazione del brevetto.
Campo
Descrizione
APPLN ID
Identificativo della domanda (e del brevetto)
PUBLN AUTH Identificativo dell’Ufficio Brevetti in cui viene presentata la domanda
PUBLN KIND Codice del tipo di pubblicazione
Tabella 4.5. Descrizione dei campi contenuti nella tabella PATPUBHIS
Il campo PUBLN KIND vale:
•
•
•
•
•
A1 per le domande di brevetto europee correlate da una relazione di ricerca;
A2 per le domande di brevetto europee senza relazione di ricerca;
A3 se è una relazione di ricerca da allegare ad una domanda di tipo A2;
B1 per i brevetti europei;
B2 per i brevetti europei revisionati.
La tabella APP TO PUNR serve da collegamento tra le tabelle APPLICATION e
PUTPUBHIS; esaa, infatti, contiene i campi mostrati nella Tabella 4.6.
Campo
Descrizione
APPLN ID
Identificativo della domanda (e del brevetto)
PUBLN AUTH Identificativo della pubblicazione
PUBLN KIND Tipo di pubblicazione
Tabella 4.6. Descrizione dei campi contenuti nella tabella PATPUBHIS
Ad ogni brevetto è associato un certo settore di appartenenza, ad esempio quello
industriale, quello chimico, l’ICT, etc. Questa classificazione dei brevetti è contenuta
nella tabella IPCCLASS;essa, infatti, essa possiede i campi mostrati nella Tabella 4.7.
In particolare:
• IPC VALUE vale I se l’oggetto della domanda è inventivo, N se non è inventivo,
mentre il campo è vuoto se l’oggetto della domanda non è definito;
• IPC POSITION vale F se è la prima classe, L se è una classe ulteriore ed è vuoto
se è indifinito;
• le classi di OST30 sono state formalizzate da “Observatoire des Sciences et des
Technologies” in collaborazione con l’Ufficio Brevetti Francese;
• il codice NACE (Nomenclature statistique des Activités économiques dans la
Communauté Européenne) è un sistema di classificazione utilizzato per sistematizzare ed uniformare le definizioni delle attività economiche ed industriali negli
Stati membri dell’Unione europea.
4.2 Dati sui brevetti
Campo
Descrizione
APPLN ID
CLMN OLD
CLMN
IPC CLASS LEVEL
IPC VERSION
IPC VALUE
IPC POSITION
IPC GENER AUTH
NCLAP
OST30
OST7
NACE
IPC35
Identificativo della domanda (e del brevetto)
Classe IPC (International Patent Classification)
Classe IPC normalizzata
Indica se la classe IPC è “Advanced” (A) o “Core” (C)
Versione dell’IPC
Valore della classificazione
Posizione della classe IPC nella lista delle classi
Ufficio Brevetti che ha determinato la classe IPC
Classe principale nella riclassificazione in 30 classi
Classe principale nella riclassificazione in 30 classi OST/INPI
Classe principale nella riclassificazione in 7 classi
Codice NACE concordato con l’IPC
Classe nella riclassificazione in 35 classi.
59
Tabella 4.7. Descrizione dei campi contenuti nella tabella IPCCLASS
In Figura 4.2 vengono mostrati i valori che possono assumere i campi OST30
e OST7; ad ogni valore corrisponde la classe, ovvero il settore, a cui appartiene la
domanda di brevetto.
La Figura 4.3 ha il medesimo significato, in riferimento all’attributo OST35.
La Tabella 4.8 mostra i campi della tabella IPCMAIN che contiene i dati sulla
classificazione IPC di brevetti in cui è specificata la classe principale.
Campo
Descrizione
APPLN ID
Identificativo della domanda (e del brevetto)
CLMN
Classe IPC normalizzata
CLMN OLD
Classe IPC
IPCV
Versione dell’IPC (non dichiarata in PATSTAT)
IPC CLASS LEVEL Indica se la classe IPC è “Advanced” (A) o “Core” (C)
NCLAP30
Classe principale nella riclassificazione in 30 classi
OST30
Classe principale nella riclassificazione in 30 classi OST/INPI
OST7
Classe principale nella riclassificazione in 7 classi
NACE
Codice NACE concordato con l’IPC
Tabella 4.8. Descrizione dei campi contenuti nella tabella IPCMAIN
L’EPO ha dichiarato che:
“L’ordine di comparsa delle classi, come risultato dell’IPC POSITION, ha un
significato particolare per alcuni Uffici, come l’USPTO, ma non ha un significato
particolare per altri, come l’EPO.”
Ciò significa che le analisi effettuate sulla tabella IPCMAIN possono portare a
risultati fuorvianti.
L’ECLA (European Classification system) viene usato dell’EPO per effettuare
ricerche sulle domande di brevetto. In Crios-PATSTAT, la tabella ECLA, mostrata
nella Tabella 4.9, contiene i dati relativi a questo sistema di classificazione.
In particolare, il campo EPO CLASS SCHEME può assumere i seguenti valori:
•
•
EC: indica il sistema ECLA;
ICO (In Computer Only): indica uno schema interno usato dall’EPO per classificazioni che devono essere modificate quando si passa dal sistema ECLA ad
un altro;
60
4 Sorgente informativa di riferimento
Figura 4.2. Possibili valori degli attributi OST7 e OST30 e rispettivi settori
Campo
Descrizione
APPLN ID
Identificativo della domanda (e del brevetto)
EPO CLASS SCHEME Schema di classificazione
EPO CLASS SYMBOL Classificazione
Tabella 4.9. Descrizione dei campi contenuti nella tabella ECLA
• IDT (Indeling Der Techniek): indica un vecchio schema di classificazione
tedesco;
• ECNO: indica che il sistema ECLA è stato usato per classificare un documento
analizzato da un esaminatore di brevetti non appartenente all’EPO.
La tabella PRIORITIES contiene dati relativi al diritto di priorità associato a
domande di brevetto nonché brevetti pubblicati prima della nascita del brevetto
europeo. La Tabella 4.10 ne mostra i campi.
La tabella PRTY è una sorta di compressione di PRIORITIES; infatti, essa contiene,
4.2 Dati sui brevetti
61
Figura 4.3. Possibili valori del campo OST35 e rispettivi settori
semplicemente, i campi APPLN ID, DATE e KIND; quest’ultimo vale P se è possibile
applicare la priorità, mentre vale A se la data si riferisce alla data di sottomissione
della domanda di brevetto.
Infine, la Tabella 4.11 contiene i campi e le relative descrizioni della tabella
APPLN ID CODFIRM, che fa da ponte tra i dati relativi ai brevetti e quelli relativi ai
titolare dei brevetti.
62
4 Sorgente informativa di riferimento
Campo
Descrizione
APPLN ID
PROGR
PRDT
PR PUBL AUTH
PR PUNR
PR APPL AUTH
AP APNR
Identificativo della domanda (e del brevetto)
Numero progressivo associato alla domanda (e al brevetto)
Data della priorità
Ufficio Brevetti che rilascia il brevetto relativo alla priorità
Numero del brevetto da cui deriva la priorità
Ufficio Brevetti in cui si chiede l’applicazione della priorità
Numero della domanda di priorità
Tabella 4.10. Descrizione dei campi contenuti nella tabella PRIORITIES
Campo Descrizione
APPLN ID Identificativo della domanda (e del brevetto)
PROGR
Numero progressivo associato alla domanda (e al brevetto)
CODFIRM Codice progressivo del titolare della domanda
Tabella 4.11. Descrizione dei campi contenuti nella tabella APPLN ID CODFIRM
4.3 Dati sui titolari dei brevetti
In Figura 5.6 viene mostrata la struttura della porzione di Crios-PATSTAT che
contiene i dati relativi ai titolari delle domande e dei rispettivi brevetti.
Figura 4.4. Porzione di Crios-PATSTAT che contiene i dati sui titolari dei brevetti
La tabella APPLICANTS contiene dati anagrafici sui titolari, siano essi delle società
o degli individui. I suoi campi sono mostrati dalla Tabella 4.12.
Campo
Descrizione
CODFIRM
TITCY
TITNM
TITTRDNM
TITKIND
TITSTR
TITSTRALTRO
TITCIT
TITZONE
TITZONE2
TITZONE3
ZIP CODE
INDUM
NUTS3
Codice progressivo del titolare della domanda
Codice ISO della nazione del titolare
Nome del titolare
Nome commerciale del richiedente
Tipo di società
Indirizzo del titolare
Ulteriori informazioni sull’indirizzo (casella postale, zona industriale, etc.)
Città del titolare
Zona al più basso livello di integrazione, ovvero provincia
Zona a livello intermedio di aggregazione, ovvero regione
Zona al più alto livello di aggregazione, ovvero Stato
Codice di avviamento postale
Indica se il titolare è un individuo (I) o una società (C)
Codice NUTS
Tabella 4.12. Descrizione dei campi contenuti nella tabella APPLICANTS
4.3 Dati sui titolari dei brevetti
63
In particolare, secondo il campo INDUM, il titolare è un individuo se TITNM
contiene un nome e un cognome, altrimenti è una società.
Come già detto, dai dati sui titolari sono state ricavate due tabelle, contenenti i
dati relativi a compagnie e gruppi titolari di brevetti. La prima tabella è COMPANIES,
che è costituita dai campi mostrati nella Tabella 4.13.
Campo
Descrizione
COMPCOD
TITNM
TITCY
DATEFROM
DATETO
FIRSTPATYR
LASTPATYR
COMPDUN
DOMULTDUN
DOMULTNAM
COMPTYPE
COMPTYPE2
CFLAG
NOTE
EEPPAT NAME
EEPPAT SECTOR
ALIVE
EENAMECYCODE
EENAMECODE
Numero progressivo che identifica la compagnia
Nome della compagnia
Codice ISO della nazione della compagnia
Data d’inizio dell’attività
Data di fine dell’attività
Anno del primo brevetto approvato
Anno dell’ultimo brevetto approvato
Codice DUNS della compagnia
Codice DUNS dell’ultima società madre
Nome dell’ultima società madre
Tipologia di compagnia
Ulteriori informazioni sulla compagnia
Modalità di presentazione dei dati
Ulteriori informazioni
Nome standardizzato (ricavato dal database EE PPAT)
Settore di attività (ricavato dal database EE PPAT)
Vale 1 se la compagnia è ancora in attività
Identificativo più piccolo della compagnia
Identificativo più piccolo della compagnia
Tabella 4.13. Descrizione dei campi contenuti nella tabella COMPANIES
In particolare:
•
•
•
•
COMPTYPE vale I per le imprese, U per le università, A per i centri di ricerca
pubblici, B per quelli privati, S per le fondazioni, C per i consorzi e X per altre
tipologie;
COMPTYPE2 vale J per le joint venture, F per gli spinoff aziendali, D per le divisioni
a lungo termine, W per le filiali di società straniere, Y per le compagnie individuali;
EENAMECYCODE è il più piccolo identificativo della compagnia, nel caso in cui una
compagnia è associata a più codici identificativi pur avendo lo stesso nome e la
stessa nazionalità;
EENAMECODE è il più piccolo identificativo della compagnia, nel caso in cui una
compagnia è associata a più codici identificativi pur avendo lo stesso nome.
La seconda tabella è GROUPS, il cui contenuto è rappresentato nella Tabella 4.14.
Campo
Descrizione
CODGROUP
GROUPNAME
DATEFROM
DATETO
GROUPCY
GROUPDUN
GRNOTE
ALIVE
Numero progressivo che identifica il gruppo
Nome del gruppo
Data d’inizio dell’attività
Data di fine dell’attività
Codice ISO della nazionalità del gruppo
Codice DUNS del gruppo
Note relative al gruppo
Vale 1 se il gruppo è ancora in attività
Tabella 4.14. Descrizione dei campi contenuti nella tabella GROUPS
64
4 Sorgente informativa di riferimento
La Tabella 4.15 mostra il contenuto della tabella COM TIT, che collega le tabelle
COMPANIES e APPLICANT.
Campo
Descrizione
CODFIRM
Codice progressivo del titolare della domanda
COMPCOD
Numero progressivo che identifica la compagnia
COMPCODHIS Identificativo della precedente compagnia del titolare (nel caso in cui varia)
Tabella 4.15. Descrizione dei campi contenuti nella tabella COM TIT
Infine, la Tabella 4.16 mostra i campi della tabella COMPGROUP, che collega le
tabelle COMPANIES e GROUPS.
Campo
Descrizione
COMPCOD
CODGROUP
GRPKIND
CODGROUPHIS
CFID
Numero progressivo che identifica la compagnia
Numero progressivo che identifica il gruppo
Tipologia di gruppo
Gruppo precedente
Tabella delle chiavi
Tabella 4.16. Descrizione dei campi contenuti nella tabella COMPGROUP
In particolare, GRPKIND vale JV nel caso in cui il gruppo è una joint venture, FU
nel caso di fusioni, SO nel caso di spinoff.
4.4 Dati sugli inventori
La Figura 4.5 mostra la porzione del database Crios-PATSTAT che contiene i dati
sugli inventori, ovvero coloro che hanno ideato l’innovazione contenuta nel brevetto.
Il cuore dei dati sugli inventori è la tabella INVANAG, che contiene le principali
informazioni. La Tabella 4.17 mostra i campi che la costituiscono.
Campo Descrizione
CODINV2
INCY
INNAME
INADDR
INADOTH
INCITY
INCOUNTY
INREGION
INSTATE
INZIP
NUTS3
Codice identificativo dell’inventore
Codice ISO della nazione dell’inventore
Nome dell’inventore
Indirizzo dell’inventore
Ulteriori informazioni sull’indirizzo (casella postale, zona industriale, etc.)
Città dell’inventore
Zona al più basso livello di integrazione, ovvero provincia
Zona a livello intermedio di aggregazione, ovvero regione
Zona al più alto livello di aggregazione, ovvero Stato
Codice di avviamento postale
Codice NUTS
Tabella 4.17. Descrizione dei campi contenuti nella tabella INVANAG
Il codice identificativo dell’inventore, cioè CODINV2, è ricavato da una particolare
combinazione di nome ed indirizzo dell’inventore.
4.4 Dati sugli inventori
65
Figura 4.5. Porzione di Crios-PATSTAT che contiene i dati sugli inventori
Ulteriori informazioni riguardo l’inventore sono contenute nella tabella INVOTHER,
i cui campi sono mostrati nella Tabella 4.18.
Campo Descrizione
CODINV2
INNM1
INNM2
INNM3
INNMEXT
INTITLE
INBYWHO
INLIVE
Codice identificativo dell’inventore
Cognome dell’inventore
Nome dell’inventore
Secondo nome dell’inventore
Estensione del nome dell’inventore (Jr, Sr, II, etc.)
Eventuale titolo accademico
Eventuale recapito presso una società o un laboratorio
Vale X se l’inventore è deceduto
Tabella 4.18. Descrizione dei campi contenuti nella tabella INVOTHER
Inoltre, i dati relativi agli indirizzi degli inventori sono stati standardizzati tramite le API di Google e memorizzati nella tabella STDADDRESS, mostrata nella Tabella
4.19.
La tabella COINV2 STDADR collega i dati sugli inventori e quelli sugli indirizzi
attraverso i campi mostrati in Tabella 4.20.
La Tabella 4.21 mostra i campi della tabella SCORE ADJ, che contiene informazioni circa la similarità tra due inventori che hanno lo stesso nome, determinata in
base a certi elementi e pesi.
Notiamo che, in quest’ultima tabella, l’identificativo dell’inventore è CODINV e
non CODINV2. Essi sono entrambi codici identificativi per l’inventore, ma sono determinati in modi differenti; in particolare, CODINV2 è determinato in base alla
combinazione nome-indirizzo, mentre CODINV viene determinato soltanto in base al
66
4 Sorgente informativa di riferimento
Campo
Descrizione
STDADDRESS
ADDRESS
CITY
COUNTY
REGION
ZIPCODE
CTRY
XCOORD
YCOORD
GPRECISION
Identificativo progressivo
Indirizzo
Città
Provincia
Regione
Codice di Avviamento Postale
Codice ISO dello Stato
Latitudine
Longitudine
Precisione
Tabella 4.19. Descrizione dei campi contenuti nella tabella STDADDRESS
Campo
Descrizione
CODINV2
Codice identificativo dell’inventore
STDADDRESS Identificativo progressivo
Tabella 4.20. Descrizione dei campi contenuti nella tabella COINV2 STDADR
Campo
Descrizione
CODINV
Codice identificativo dell’inventore
CODINV NE Codice unico identificativo per inventori omonimi
REASON
Ragione della somiglianza
Tabella 4.21. Descrizione dei campi contenuti nella tabella SCORE ADJ
nome. In alcuni casi, lo stesso CODINV può corrispondere a più CODINV2. La Tabella
4.22 mostra i campi della tabella CODINV CODINV2, che mappa la corrispondenza tra
i due codici.
Campo Descrizione
CODINV Codice identificativo dell’inventore
CODINV2 Codice identificativo dell’inventore
ORIGIN Vale 1 per l’EPO e 2 per l’USPO
Tabella 4.22. Descrizione dei campi contenuti nella tabella CODINV CODINV2
La tabella PROFLIST contiene i dati relativi agli inventori che sono anche
professori universitari. I suoi campi sono mostrati nella Tabella 4.23.
In particolare:
• CODEPROF è un codice del tipo AA999999 DDDD, cui AA indica lo stato, 9999
il progressivo, DDDD è il settore d’insegnamento. Nel caso in cui il professore è
britannico, questo codice è numerico;
• QUALIFIC vale RU se il professore è un ricercatore, PA se è un professore associato,
PO se è un professore ordinario;
• i campi UOA e UNIVCODE valgono solo per le università britanniche.
I settori scientifici d’insegnamento vengono ulteriormente specificati tramite la
tabella DISCIPLINES, mostrata nella Tabella 4.24.
La tabella PROF CODINV collega i dati sui professori con quelli sugli inventori
tramite i campi mostrati nella Tabella 4.25.
4.5 Dati sulle citazioni
67
Campo Descrizione
CODEPROF
UNI CITY
UNI NAME
UNI PROV
QUALIFIC
SURNAME
NAME
SECTOR
DOB
NOME IN
ACCENT
COGN ACC
UOA
UNIVCODE
Codice identificativo del professore
Città dell’università
Nome dell’università
Provincia dell’università
Qualifica del professore
Cognome del professore
Nome del professore
Codice del settore scientifico d’insegnamento
Data di nascita
Nome dell’inventore
Posizione di eventuali accenti nel nome
Cognome del professore senza accenti
Unit of Assessment - Numero di affiliazione
Codice dell’università
Tabella 4.23. Descrizione dei campi contenuti nella tabella PROFLIST
Campo
Descrizione
SECTOR
Codice del settore scientifico d’insegnamento
DESCRIPTION Descrizione del settore scientifico
Tabella 4.24. Descrizione dei campi contenuti nella tabella DISCIPLINES
Campo Descrizione
CODEPROF Codice identificativo del professore
CODINV
Codice identificativo dell’inventore
Tabella 4.25. Descrizione dei campi contenuti nella tabella PROF CODINV
Infine, i dati relativi agli inventori sono legati a quelli relativi alle domande di
brevetto e ai relativi brevetti tramite la tabella APPLNID CODINV2, i cui campi sono
mostrati nella Tabella 4.26.
Campo Descrizione
APPLN ID Identificativo della domanda (e del brevetto)
PROGR
Numero progressivo associato alla domanda (e al brevetto)
CODINV2 Codice identificativo dell’inventore
Tabella 4.26. Descrizione dei campi contenuti nella tabella APPLNID CODINV2
4.5 Dati sulle citazioni
La Figura 4.5 mostra la porzione del database Crios-PATSTAT che contiene i dati
relativi alle citazioni tra pubblicazioni che possono essere o meno brevetti.
Le citazioni all’interno del contesto brevettuale sono memorizzate nella tabella
PATCITATIONS attraverso i campi mostrati nella Tabella 4.27.
Nel caso in cui un brevetto citi un altro brvetto è possibile definire delle categorie
di citazione. La tabella PATCITCAT, i cui campi sono mostrati nella Tabella 4.28,
contiene i dati relativi a queste categorie.
In particolare, CITN CATEG può valere:
68
4 Sorgente informativa di riferimento
Figura 4.6. Porzione di Crios-PATSTAT che contiene i dati sulle citazioni
Campo
Descrizione
APPLN CITING
APPLN CITED
PROGR
EE CITING
EE CITED
Identificativo del brevetto citante
Identificativo del brevetto citato
Numero progressivo associato alla domanda al brevetto
Identificativo EPO equivalente del brevetto citante
Identificativo EPO equivalente del brevetto citato
Tabella 4.27. Descrizione dei campi contenuti nella tabella PATCITATIONS
Campo
Descrizione
APPLN ID
Identificativo del brevetto citante
PROGR
Numero progressivo associato alla domanda al brevetto
CITN CATEG Categoria della citazione menzionata nelle relazioni di ricerca
Tabella 4.28. Descrizione dei campi contenuti nella tabella PATCITCAT
• X, nel caso di documento particolarmente rilevante se preso singolarmente;
• Y, nel caso di documento particolarmente rilevante se combinato con un altro
documento della stessa categoria;
• A, nel caso di documento con background tecnologico;
• O, nel caso di scoperta non scritta;
• P, nel caso di documento intermedio;
• T, nel caso di teoria o principio alla base dell’invenzione;
• E, nel caso di documento di brevetto recante una data di deposito o di priorità
precedente alla data di deposito della richiesta citata;
• D, nel caso di documento citato nella richiesta di brevetto;
• L, in ulteriori casi.
Oltre alla categoria della citazione, vengono memorizzate anche informazioni
circa l’origine delle citazioni, tramite la tabella PATCITORIGIN, i cui campi sono
mostrati nella Tabella 4.29.
In particolare, CITN ORIGIN può valere:
• 0 - SEA se la citazione è introdotta in fase di ricerca;
4.5 Dati sulle citazioni
Campo
69
Descrizione
APPLN ID
Identificativo del brevetto citante
PROGR
Numero progressivo associato alla domanda e al brevetto
CITN ORIGIN Origine della citazione
Tabella 4.29. Descrizione dei campi contenuti nella tabella PATCITORIGIN
•
•
•
•
•
•
•
1
2
3
4
5
6
7
-
APP
EXA
OPP
115
ISR
SUP
CH2
se la citazione è introdotta dal titolare;
se la citazione è introdotta durante l’esame della richiesta;
la citazione è intordotta in fase di opposizione;
se la citazione è introdotta secondo l’art. 115 di EPC;
se la citazione è introdotta da ISR (International Search Report);
se la citazione è introdotta da SSR (Supplementary Search Report);
se la citazioe è introdotta da PCT.
Una richiesta di brevetto (o un brevetto) può citare anche una pubblicazione
che non appartiene al contesto brevettuale. La Tabella 4.30 mostra i campi della
tabella NPLCITATIONS, che contiene, per l’appunto, i dati relativi alle citazioni di
documenti non brevettuali.
Campo
Descrizione
APPLN ID
PROGR
NPL PUBLN ID
CITN ORIGIN
EE CITING
Identificativo del brevetto citante
Numero progressivo associato alla domanda e al brevetto
Identificativo della pubblicazione
Origine della citazione
Eventuale identificativo EPO equivalente per il brevetto citante
Tabella 4.30. Descrizione dei campi contenuti nella tabella NPLCITATIONS
I dati delle pubblicazioni non brevettuali sono contenute nella tabella NPL PUBLN,
i cui campi sono mostrati nella Tabella 4.31.
Campo
Descrizione
NPL PUBLN ID Identificativo della pubblicazione
NPL BIBLIO Dati (non analizzati) della pubblicazione
Tabella 4.31. Descrizione dei campi contenuti nella tabella NPL PUBLN
Infine, la tabella NPLCITCAT contiene i dati relativi alle categorie di citazione per
pubblicazioni non brevettuali. La Tabella 4.32 ne mostra i campi.
Campo
Descrizione
APPLN ID
PROGR
EE CITING
CITN CATEG
Identificativo del brevetto citante
Numero progressivo associato alla domanda e al brevetto
Eventuale identificativo EPO equivalente per il brevetto citante
Categoria della citazione menzionata nelle relazioni di ricerca
Tabella 4.32. Descrizione dei campi contenuti nella tabella NPLCITCAT
5
Estrazione di conoscenza sui brevetti:
analisi dei requisiti e progettazione
In questo capitolo vengono discusse l’analisi dei requisiti e la progettazione del
processo di estrazione di conoscenza a partire dai dati a nostra disposizione.
5.1 Analisi dei requisiti
Dopo aver compreso la struttura dei dati contenuti nel database Crios-PATSTAT,
come primo passo abbiamo determinato la tipologia di analisi da condurre, ovvero
abbiamo definito la conoscenza che vogliamo estrapolare delle informazioni a nostra
disposizione.
Abbiamo deciso di creare quattro macroaree di analisi, ciascuna della quali
contiene analisi relative ad un certo aspetto del mondo dei brevetti. Esse sono:
1. Analisi sugli inventori e sui titolari : sono costituite da analisi relative agli
inventori, ai titolari e alle loro attività. Rispondono a domande come:
• Qual è la nazionalità dei migliori inventori? E quella dei titolari della maggior
parte dei brevetti?
• I titolari brevettano come singoli individui o lavorano per aziende, università,
etc.?
• Un titolare di brevetto (ad esempio, quello che pubblicato il maggior numero
di brevetti) ha lavorato sempre con lo stesso gruppo-compagnia oppure no?
Eventualmente, c’è una correlazione tra questo cambiamento e il numero di
pubblicazioni?
2. Analisi sui gruppi : sono analisi relative all’attività dei gruppi ed altre informazioni a loro inerenti. Comprendono analisi del tipo:
• Un gruppo lavora sempre con la stessa azienda oppure partecipa a progetti
con varie compagnie, università, etc.?
• I gruppi hanno collaborazioni con compagnie o università estere? In tal caso,
ci sono dei paesi più attivi di altri?
• Quali tipologie di brevetti sono maggiormente pubblicate dai vari gruppi?
3. Analisi sulle compagnie: comprendono analisi sulle compagnie e sulle loro
attività. Le tipologie di domande a cui rispondono sono:
72
5 Estrazione di conoscenza sui brevetti (parte I)
•
•
Quali sono le compagnie più attive e in quali settori operano?
Le compagnie sono coinvolte in applicazioni diverse dal loro settore principale?
• A partire dal primo anno di pubblicazione, le compagnie sono sempre molto
attive, ovvero brevettano subito molto e poi hanno un calo , o viceversa?
4. Analisi sui brevetti : sono le analisi relative ai brevetti, alle loro citazioni e alle
loro rivendicazioni. Esse rispondono a domande del tipo:
• Quali settori interessano i brevetti più “importanti”, cioè quelli più citati?
• I brevetti che hanno più rivendicazioni interessano un particolare settore o
una particolare compagnia?
• I brevetti con più rivendicazioni sono straordinariamente innovativi oppure
no?
• Che rapporto c’è tra il numero di brevetti e il numero di rivendicazioni? Tale
rapporto cambia se vengono considerati gli inventori piuttosto che i titolari
dei brevetti?
Inoltre, prima di iniziare con queste analisi specifiche, per ogni macroarea abbiamo previsto di effettuare delle analisi più generiche, importanti per iniziare a
comprendere il contesto di riferimento. Altresı̀, ove possibile, le analisi previste sono state effettuate per singolo settore, in base alla classe IPC del brevetto, e per
singole nazioni (ad esempio, dati i brevetti italiani, vogliamo vedere come sono
distribuiti nei vari settori).
5.2 Selezione dei dati ed ETL
Visti i dati a nostra disposizione e determinate le analisi da condurre, si è rivelato
necessario effettuare una campagna di selezione delle informazioni a noi utili e, in
seguito, effettuare delle operazioni di ETL sui dati scelti.
5.2.1
Selezione dei dati
Per quanto riguarda la fase di selezione dei dati, a partire dal database CriosPATSTAT, sono state effettuate essenzialmente tre operazioni; esse sono:
• selezione delle tabelle dalle varie sezioni di database;
• filtraggio delle colonne delle singole tabelle, in modo da escludere le informazioni
per noi non interessanti;
• rimozione dei dati incompleti.
In Figura 5.1 vengono mostrate le tabelle selezionate dalla porzione di database
contenente i dati dei brevetti. Abbiamo scelto di estrarre solo le tabelle PATANAG2,
IPCCLASS e APPLN ID CODFIRM, perché contengono informazioni sufficienti al fine di
produrre i risultati che ci siamo proposti di ottenere.
Allo stesso modo, la Figura 5.2 mostra l’estrazione delle tabelle relative ai
titolari. In questo caso, sono state prelevate tutte le tabelle.
5.2 Selezione dei dati ed ETL
73
Figura 5.1. Selezione delle tabelle dalla porzione di database Crios-PATSTAT che
contiene i dati sui brevetti
Figura 5.2. Selezione delle tabelle dalla porzione di database Crios-PATSTAT che
contiene i dati sui titolari
Per quanto riguarda gli inventori, sono state selezionate le tabelle INVANAG e
APPLNID CODINV2, come mostra la Figura 5.3. Esse, infatti, sono sufficienti per
effettuare le analisi che abbiamo previsto di condurre.
Infine, dalla porzione di database contenente i dati sulle citazioni, abbiamo deciso
di prelevare le tabelle PATCITATIONS e PATCITCAT, come mostra la Figura 5.4.
Date le tabelle selezionate, non tutti i loro campi sono utili per le nostre analisi,
per cui abbiamo deciso di effettuare un’ulteriore selezione sui campi delle singole
tabelle.
74
5 Estrazione di conoscenza sui brevetti (parte I)
Figura 5.3. Selezione delle tabelle dalla porzione di database Crios-PATSTAT che
contiene i dati sugli inventori
Figura 5.4. Selezione delle tabelle dalla porzione di database Crios-PATSTAT che
contiene i dati sulle citazioni
La Figura 5.5 mostra i campi utili selezionati nella tabella IPCCLASS. Infatti,
per quanto riguarda le categorie fornite dalle varie classi IPC, abbiamo scelto di
considerare la classificazione secondo OST7, che divide i brevetti in 7 macro-classi.
Il campo IPCVALUE ci servirà per capire se la pubblicazione è innovativa o meno.
Data la tabella APPLICANTS, abbiamo deciso che i campi relativi alla localizzazione del titolare non fossero funzionali alle analisi previste; perciò, abbiamo selezionato solo i campi relativi all’identificativo, al nome, alla nazionalità del titolare
e il campo INDUM, che indica se il titolare è una società o un singolo (Figura 5.6).
Allo stesso modo, sono stati selezionati i campi della tabella GROUPS (Figura
5.7), mentre, per quanto riguarda le compagnie, oltre all’identificativo, al nome e
alla nazionalità, sono stati selezionati anche i campi che indicano la tipologia di
compagnia e l’anno in cui essa ha pubblicato il primo brevetto (Figura 5.8).
Per quanto riguarda la tabella COM TIT, nel nostro caso, essa ha puramente lo
scopo di collegare le tabelle COMPANIES e APPLICANTS, per cui sono stati selezionati
5.2 Selezione dei dati ed ETL
75
Figura 5.5. Selezione dei campi utili nella tabella IPCCLASS
Figura 5.6. Selezione dei campi utili nella tabella APPLICANTS
solo i campi relativi alle chiavi, come mostra la Figura 5.9.
Analogo significato ha la tabella COMPGROUP, in cui, però, viene mantenuto anche
il campo GRPKIND (Figura 5.10), che contiene informazioni circa la tipologia di
gruppo.
Visti i dati sugli inventori, abbiamo ritenuto significativi solo i campi relativi
all’identificativo, al nome e alla nazionalità (Figura 5.11), per gli stessi motivi visti
nel caso dei dati sul titolare del brevetto.
La Figura 5.12 mostra la selezione operata nella tabella PATCITATIONS, da cui
sono state prelevate semplicemente le chiavi, sufficienti per le analisi sulle citazioni.
Infine, la tabella PATANAG contiene i dati dei brevetti dal 1979 al 2014; quest’ultimo anno, però, risulta incompleto. Per questo motivo, come mostra la Figura 5.13,
abbiamo deciso di eliminare i dati sui brevetti la cui data si riferisce al 2014. Inoltre,
76
5 Estrazione di conoscenza sui brevetti (parte I)
Figura 5.7. Selezione dei campi utili nella tabella GROUPS
Figura 5.8. Selezione dei campi utili nella tabella COMPANIES
Figura 5.9. Selezione dei campi utili nella tabella COM TIT
nella tabella, è presente la data 31/12/9999 ed è relativa a tutti quei brevetti in cui
la data non è specificata; anche questi dati sono stati rimossi.
5.2 Selezione dei dati ed ETL
77
Figura 5.10. Selezione dei campi utili nella tabella COMPGROUP
Figura 5.11. Selezione dei campi utili nella tabella INVANAG
Figura 5.12. Selezione dei campi utili nella tabella PATCITATIONS
Figura 5.13. Rimozione dei dati incompleti dalla tabella PATANAG
5.2.2
Operazioni di ETL
Una volta selezionati i dati funzionali alle analisi pianificate, abbiamo riscontrato
la necessità di apportare delle modifiche, tramite operazioni di ETL.
78
5 Estrazione di conoscenza sui brevetti (parte I)
Nella tabella APPLICANTS abbiamo notato che, in alcune righe del campo
CTRY CODE, lo stesso codice ISO della nazione era scritto in modi differenti; ad
esempio, nel caso del Giappone, la sigla era memorizzata in tre modi (JP, Jp e jp).
Essendo Qlik Sense (il tool usato per le analisi) case-sensitive, la presenza di queste incongruenze avrebbe portato a dei risultati potenzialmente falsati. La Figura
5.14 mostra una schematizzazione dell’operazione effettuata per rendere omogeneo
il contenuto di CTRY CODE.
Figura 5.14. Schematizzazione dell’operazione di correzione del codice ISO nel campo
CTRY CODE della tabella APPLICANTS
Un’operazione analoga è stata effettuata sui campi INCY della tabella INVANAG,
GROUPCY della tabella GROUPS e TITCY della tabella COMPANIES.
Inoltre, considerata la tabella PATANAG2, il campo PUBDT contiene la data
nel formato DDMMMYY; ad esempio, il 10 Gennaio 1985 è memorizzato come
10GEN1985. In Qlik Sense, invece, il formato standard per le date è DD/MM/YYYY, per cui abbiamo provveduto a formattare la data in questo formato;
la schematizzazione di tale attività viene mostrata in Figura 5.15.
Figura 5.15. Schematizzazione dell’operazione di correzione della formattazione della
data nel campo PUBDT della tabella PATANAG2
Infine, data la tabella IPCCLASS, abbiamo deciso di inserire un nuovo campo
OST7DESCR, che contiene una siglia esplicativa della classe a cui si appartiene il
brevetto, in modo da ottenere dalle analisi dei risultati più leggibili. La Figura 5.16
mostra una schematizzazione dell’operazione svolta.
Figura 5.16. Schematizzazione dell’operazione di aggiunta del campo OST7DESCR alla
tabella IPCCLASS
5.3 Progettazione
79
5.3 Progettazione
Dopo aver pianificato le analisi e determinato i dati utili per poterle condurre,
abbiamo effettuato un ulteriore passo nella progettazione delle analisi prima di
procedere alla loro implementazione.
5.3.1
Progettazione delle analisi sugli inventori e sui titolari
Date le analisi sugli inventori e sui titolari, denominiamo Q1 l’analisi “Un titolare
di brevetto (ad esempio, quello che ha pubblicato il maggior numero di brevetti) ha
lavorato sempre con lo stesso gruppo-compagnia oppure no? Eventualmente, c’è una
correlazione tra questo cambiamento e il numero di pubblicazioni?”.
La Figura 5.17 mostra uno schema logico che definisce i passi utili per ottenere
il risultato desiderato.
Figura 5.17. Lo schema mostra i passi logici da seguire per ottenere il risultato dell’analisi
sui titolari
In particolare, in questo schema sono presenti le tabelle:
80
•
•
•
•
5 Estrazione di conoscenza sui brevetti (parte I)
APPLN ID CODINV2, da cui viene selezionato il campo APPLN ID;
INVANAG, da cui viene selezionato il campo INNAME;
COMPANIES, da cui viene selezionato il campo TITNAME;
GROUPS, da cui viene selezionato il campo GROUPNAME.
APPLN ID va in ingresso ad un blocco contatore, che restituisce il numero totale di
brevetti; il risultato viene, quindi, combinato con i singoli campi delle altre tabelle.
Infine, le singole combinazioni vengono ordinate in base al numero di brevetti e la
loro combinazione costituisce il risultato di Q1.
Degli schemi analoghi sono stati realizzati per le altre analisi pianificate.
5.3.2
Progettazione delle analisi sui gruppi
Date le analisi sui gruppi, denominiamo Q1 l’analisi “Un gruppo lavora sempre con
la stessa azienda oppure partecipa a progetti con varie compagnie, università, etc.?”.
Nella Figura 5.18 viene mostrato uno schema logico dei passi utili per ottenere
il risultato desiderato.
In particolare, in esso sono presenti le tabelle:
• APPLN ID CODFIRM, da cui viene selezionato il campo APPLN ID;
• COMPANIES, da cui viene selezionato il campo TITNAME;
• GROUPS, da cui viene selezionato il campo GROUPNAME.
APPLN ID va in ingresso ad un blocco contatore, che restituisce il numero totale
di brevetti; il risultato viene, in seguito, combinato con i campi delle altre tabelle.
Infine, le singole combinazioni vengono ordinate in base al numero di brevetti; il
risultato di Q1 è dato dalla loro composizione.
Per le altre analisi sono stati realizzati degli schemi analoghi.
5.3.3
Progettazione delle analisi sulle compagnie
Date le analisi sulle compagnie, denominiamo Q1 l’analisi “A partire dal primo anno di
pubblicazione, le compagnie sono sempre molto attive, ovvero brevettano subito molto
e poi hanno un calo, o viceversa?”.
Uno schema logico funzionale per capire come ottenere il risultato desiderato
viene mostrato in Figura 5.19.
In particolare, in esso sono presenti le tabelle:
• PATANAG2, da cui vengono selezionati i campi APPLN ID e PUBDT;
• COMPANIES, da cui vengono selezionati i campi TITNAME e FIRSTPATYR.
APPLN ID va in ingresso ad un blocco contatore, da cui si ottiene il numero
totale di brevetti; il risultato viene, in seguito, combinato singolarmente con i campi
PUBDT e TITNAME. Dopo aver effettuato una selezione sul campo FIRSTPATYR rispetto
all’anno desiderato, dopo aver ordinato i risultati parziali in base al numero di
brevetti, la combinazione dei singoli risultati costituisce il risultato dell’analisi Q1.
Per le altre analisi sono stati realizzati degli schemi in maniera analoga.
5.3 Progettazione
81
Figura 5.18. Lo schema mostra i passi logici da seguire per ottenere il risultato dell’analisi
sui gruppi
5.3.4
Progettazione delle analisi sui brevetti
Dalle analisi sui brevetti, abbiamo considerato due analisi. Denominiamo Q1 l’analisi “I brevetti che hanno più rivendicazioni interessano un particolare settore o una
particolare compagnia?” e Q2 l’analisi “Che rapporto c’è tra il numero di brevetti e
numero di rivendicazioni? Tale rapporto cambia se vengono considerati gli inventori
piuttosto che i titolari dei brevetti?”.
Data Q1, la Figura 5.20 mostra uno schema logico che ci aiuta a capire come
ottenere il risultato desiderato.
In particolare, in esso sono presenti le tabelle:
•
PATANAG2, da cui viene selezionato il campo CLAIMS;
82
5 Estrazione di conoscenza sui brevetti (parte I)
Figura 5.19. Lo schema mostra i passi logici da seguire per ottenere il risultato dell’analisi
sulle compagnie
• IPCCLASS, da cui viene selezionato il campo OST7DESCR;
• COMPANIES, da cui vengono selezionati i campo TITNAME.
CLAIMS va in ingresso ad un blocco contatore, da cui si ottiene il numero totale
di rivendicazioni; il risultato viene, in seguito, combinato singolarmente con i campi
OST7DESCR e TITNAME. Dopo aver ordinato i risultati in base al numero di brevetti,
la loro combinazione costituisce il risultato dell’analisi Q1.
La Figura 5.21 mostra uno schema logico utile per capire come implementare
l’analisi Q2.
In particolare, in esso sono presenti le tabelle:
• PATANAG2, da cui vengono selezionati i campi APPLN ID CLAIMS;
• INVANAG, da cui viene selezionato il campo INCY;
• APPLICANTS, da cui vengono selezionati i campo TITCY.
APPLN ID e CLAIMS vanno, singolarmente, in ingresso ad un blocco contatore,
da cui si ottiene, rispettivamente, il numero totale di brevetti e di rivendicazioni;
il risultato viene combinato per ottenere un rapporto tra il numero di brevetti e
il numero di rivendicazioni. Questo rapporto viene utilizzato in relazione con INCY
5.3 Progettazione
83
Figura 5.20. Lo schema mostra i passi logici da seguire per ottenere il risultato dell’analisi
sui brevetti, in particolare sulle rivendicazioni
e TITCY; dopo aver ordinato i risultati in base al rapporto, la loro combinazione
rappresenta il risultato finaledell’analisi Q2.
Per le restanti analisi sono stati creati degli analoghi schemi.
84
5 Estrazione di conoscenza sui brevetti (parte I)
Figura 5.21. Lo schema mostra i passi logici da seguire per ottenere il risultato dell’analisi
sui brevetti e sulle rivendicazioni
6
Estrazione di conoscenza sui brevetti:
implementazione e analisi della
conoscenza estratta
In questo capitolo viene presentata, innanzitutto, la fase di implementazione delle
analisi in Qlik Sense. In seguito, viene esposta la conoscenza estratta da questo
studio.
6.1 Implementazione delle analisi
Il primo passo per iniziare ad implementare le analisi in Qlik Sense è stato, ovviamente, quello di caricare i dati nel sistema. A tal fine, abbiamo scelto di utilizzare l’editor che crea lo script di caricamento dei dati; inoltre, abbiamo deciso di
modificare i nomi delle tabelle e dei campi per migliorarne la leggibilità durante
l’implementazione 8.1.
SET
SET
SET
SET
SET
SET
SET
SET
SET
SET
SET
SET
SET
SET
SET
SET
SET
ThousandSep=’.’;
DecimalSep=’,’;
MoneyThousandSep=’.’;
MoneyDecimalSep=’,’;
MoneyFormat=’\euro \#.\#\#0,00;-\euro \#.\#\#0,00’;
TimeFormat=’hh:mm:ss’;
DateFormat=’DD/MM/YYYY’;
TimestampFormat=’DD/MM/YYYY hh:mm:ss[.fff]’;
FirstWeekDay=0;
BrokenWeeks=0;
ReferenceDay=4;
FirstMonthOfYear=1;
CollationLocale=’it-IT’;
MonthNames=’gen;feb;mar;apr;mag;giu;lug;ago;set;ott;nov;dic’;
LongMonthNames=’gennaio;febbraio;marzo;aprile;maggio;giugno;luglio;agosto;settembre;ottobre;novembre;dicembre’;
DayNames=’lun;mar;mer;gio;ven;sab;dom’;
LongDayNames=’lunedı̀;martedı̀;mercoledı̀;giovedı̀;venerdı̀;sabato;domenica’;
[Applicants]:
LOAD
CODFIRM as ApplicantId,
CTRY\_CODE as AppicantCountry,
NAME as ApplicantName,
INDUM as Indum
FROM [lib://patent/applicants.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[Companies]:
LOAD
COMPCOD as CompanyId,
TITNM as CompanyName,
TITCY as CompanyCountry,
FIRSTPATYR as FirstPatentYear,
COMPTYPE as CompanyType,
COMPTYPE2 as CompanyType2
FROM [lib://patent/companies.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’;’, msq);
86
6 Estrazione di conoscenza sui brevetti (parte II)
[Companies-Applicants]:
LOAD
CODFIRM as ApplicantId,
COMPCOD as CompanyId
FROM [lib://patent/com_tit.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[Groups]:
LOAD
CODGROUP as GroupId,
GROUPNAME as GroupName,
GROUPCY as GroupCountry
FROM [lib://patent/groups.csv] (txt, codepage is 1252, embedded
labels, delimiter is ’,’, msq);
[Companies-Groups]:
LOAD
COMPCOD as CompanyId,
CODGROUP as GroupId,
GRPKIND as GroupKind
FROM [lib://patent/compgroup.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[Patents]:
LOAD
APPLN\_ID as ApplicationId,
Date\#(PUBDT) as PublicationDate,
PUBKIND as PublicationKind,
PUBLG as PublicationLanguage,
CLAIMS as Claims
FROM [lib://patent/patanag2.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[IPCClass]:
LOAD
APPLN\_ID as ApplicationId,
IPC_VALUE as IPCValue,
OST7,
OST7DESCR as OST7Description
FROM [lib://patent/ipcclass.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[Applications-Applicants]:
LOAD
APPLN\_ID as ApplicationId,
CODFIRM as ApplicantId
FROM [lib://patent/applnid_codfirm.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[Inventors]: LOAD
CODINV2 as InventorId,
INCY as CountryCode,
INNAME as InventorName
FROM [lib://patent/invanag.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[Applications-Inventors]: LOAD
APPLN\_ID as ApplicationId,
CODINV2 as InventorId
FROM [lib://patent/applnid_codinv2.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[Citations]:
LOAD
appl\_citing as ApplicationId,
appl\_cited as ApplicationCited,
PROGR as Progressive
FROM [lib://patent/patcitations.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
[CitationCategories]:
LOAD
APPL\_CITING as ApplicationId,
PROGR as Progressive,
CITN\_CATEG as CitationCategory
FROM [lib://patent/patcitcat.csv] (txt, codepage is 1252,
embedded labels, delimiter is ’,’, msq);
Listato 6.1. Script per il caricamento dei dati sui brevetti su Qlik Sense
Prima di procedere con l’implementazione delle analisi pianificate e presentate
nel capitolo precedente, abbiamo deciso di iniziare il lavoro di implementazione con
delle semplici analisi di base.
In primo luogo, abbiamo deciso di vedere l’andamento del numero di brevetti,
del numero di citazioni e del numero di rivendicazioni nel tempo. Per implementare
tali analisi abbiamo, innanzitutto, definito su Qlik Sense una dimensione temporale
6.1 Implementazione delle analisi
87
detta Time; essa è costruita, a partire dal campo PublicationDate della tabella
Patents, come una dimensione di drill-down (come mostra la Figura 6.1), in modo
da poter passare dall’anno al trimestre, al mese ed, infine, al giorno.
Figura 6.1. Implementazione della dimensione di drill-down Time
Per ottenere il risultato delle analisi abbiamo creato tre misure:
•
•
•
Patents Count, che restituisce il numero di brevetti (Figura 6.2) applicando la
funzione Count, che riceve in ingresso l’identificativo ApplicationId.
Claims Count, che restituisce il numero di rivendicazioni (Figura 6.3). In particolare, essa utilizza la funzione Sum di Qlik Sense per contare il numero totale
di rivendicazioni, memorizzate nel campo Claims.
Application Cited, che restituisce il numero di brevetti citati applicando la
funzione Count; quest’ultima riceve in ingresso il campo ApplicationCited.
Figura 6.2. Implementazione della misura Patents Count
Figura 6.3. Implementazione della misura Claims Count
88
6 Estrazione di conoscenza sui brevetti (parte II)
La differenza tra le funzioni Count e Sum di Qlik Sense è che Count effettua un
semplice conteggio delle occorrenze del parametro che riceve in ingresso, mentre Sum
legge il contenuto delle occorrenze e ne somma il valore.
Allo stesso modo, abbiamo implementato dimensioni e misure per ulteriori
analisi di base; esse sono:
• la percentuale di brevetti nelle varie classi IPC;
• la percentuale di rivendicazioni nelle varie classi IPC;
• la distribuzione delle pubblicazioni, ovvero la percentuale di categorie di pubblicazioni (richieste e brevetti) rispetto al totale;
• la distribuzione delle categorie di citazione, ovvero la percentuale di pubblicazioni nelle varie categorie di citazione.
6.1.1
lari
Implementazione delle analisi sugli inventori e sui tito-
Per implementare le analisi sugli inventori e sui titolari delle richieste e dei relativi
brevetti, abbiamo bisogno di implementare ulteriori dimensioni e misure.
Le dimensioni utili sono:
• Country Code ed Applicants Country, create, rispettivamente, a partire dal campo CountryCode di Inventors e dal campo ApplicantsCountry di Applicants;
• Indum, creata a partire dal campo Indum di Applicants;
• Applicant Name ed Inventor Name, create, rispettivamente, a partire dal campo
ApplicantName di Applicants e dal campo InventorName di Inventors;
• Group Name e Company Name, che derivano, rispettivamente, da GroupName di
Groups e da CompanyName di Companies.
Le analisi si basano sulla misura Patents Count.
Le combinazioni di queste dimensioni con la misura forniscono i risultati delle
analisi proposte. La Figura 6.4 mostra il foglio di lavoro di Qlik Sense in cui sono
state realizzate le combinazioni, tramite vari tipi di grafico.
6.1.2
Implementazione delle analisi sui gruppi
Nell’implementare le analisi sui gruppi, si sono rivelate utili sia delle dimensioni sia
delle misure già implementate in precedenza. In particolare, abbiamo riutilizzato
le dimensioni Group Name e Company Name e la misura Patents Count. Ad esse
abbiamo aggiunto:
• la dimensione Group Kind, che deriva dal campo GroupKind della tabella
Groups;
• la dimensione IPC Value, che deriva dal campo IPCValue della tabella IPCClass;
• la misura Group Count, che conteggia il numero di gruppi, grazie alla funzione
Count di Qlik Sense, che riceve in ingresso GroupId della tabella Groups, ovvero
l’identificativo del gruppo.
6.1 Implementazione delle analisi
89
Figura 6.4. Analisi sugli inventori e sui titolari implementate in Qlik Sense
Il campo GroupKind presenta molti elementi nulli, cioè vuoti; per escluderli dalle
analisi e, quindi, per prendere in considerazione solo dati significativi, la dimensione
è stata implementata come in Figura 6.5. Tale sintassi implica che vengano prese
in considerazione solo i dati non nulli, ovvero quelli che abbiano una lunghezza
maggiore di 0 (dopo aver eliminato eventuali spazi ad inizio e fine stringa).
90
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.5. Implementazione della dimensione Group Kind
6.1.3
Implementazione delle analisi sulle compagnie
Per implementare le analisi sulle compagnie, oltre alle dimensioni e alle misure già
viste, abbiamo creato:
• le dimensioni Company Type e Company Type2, che derivano, rispettivamente,
dai campi CompanyType e CompanyType2 della tabella Companies;
• la dimensione First Patent Year, che deriva da FirstPatentYear della tabella
Companies;
• la misura Company Count, che restituisce il numero di compagnie; a tal fine,
essa utilizza la funzione Count; quest’ultima riceve in ingresso CompanyId della
tabella Companies, ovvero l’identificativo della compagnia.
Dalla combinazione delle dimensioni e delle misure realizzate si ottengono una
serie di grafici; la Figura 6.6 mostra il foglio di lavoro che contiene l’implementazione
delle analisi sia sui gruppi sia sulle compagnie.
6.1.4
Implementazione delle analisi sui brevetti
Infine, per quanto riguarda l’implementazione delle analisi relative ai brevetti, oltre
alle dimensioni e alle misure già implementate, abbiamo creato una nuova misura, ovvero Claims to patents number ratio. La Figura 6.7 mostra come abbiamo
implementato tale misura.
Essa esprime il rapporto tra il numero di rivendicazioni e il numero di brevetti
pubblicati. Poiché, in seguito, essa sarà combinata con le dimensioni relative alla
nazionalità delle compagnie e degli inventori, per ottenere un risultato significativo
abbiamo deciso di considerare solo coloro che hanno pubblicato almeno 25 brevetti.
In prima istanza, infatti, non abbiamo inserito questa clausola e abbiamo notato
che esistono nazioni con compagnie o inventori che hanno pubblicato un solo brevetto o, comunque, un numero molto limitato di brevetti. Ciò, però, fornisce delle
informazioni poco significative, per cui abbiamo deciso di considerare almeno 25
brevetti.
La Figura 6.8 mostra il foglio di lavoro di Qlik Sense in cui sono state implementate le analisi sui brevetti.
6.2 Analisi della conoscenza estratta
Prima di procedere con le analisi pianificate nelle quattro macro-aree, vediamo i
risultati ottenuti durante le analisi generiche preliminari.
6.2 Analisi della conoscenza estratta
91
Figura 6.6. Analisi sui gruppi e sulle compagnie implementate su Qlik Sense
Per quanto riguarda l’andamento del numero di brevetti nel tempo, la combinazione tra la dimensione Time e la misura Patents Count produce il grafico lineare
in Figura 6.9.
Possiamo notare che il numero di brevetti aumenta in maniera lineare dal 1979,
con circa 100 brevetti, al 1991, con circa 121.000 brevetti; esso ha poi un andamento più o meno costante fino al 1996, con circa 122.000 brevetti, ed, in seguito,
92
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.7. Implementazione della misura Claims to patents number ratio
sperimenta un nuovo incremento fino al 2012, con circa 293.000 brevetti, nonostante
due tendenze al ribasso nel 2005 e nel 2007, ricollegabili alla forte instabilità dell’economia mondiale verificatasi in questi anni. Infine, nel 2013 si ha un ulteriore
decremento, con circa 246.000 brevetti.
L’andamento del numero di citazioni è stato ottenuto dalla combinazione della
dimensione Time con la misura Application Cited. Nella Figura 6.10 viene mostrato
il risultato di questa combinazione.
Notiamo che l’andamento delle citazioni è sempre crescente dal 1979, in cui ci
furono circa 400 citazioni, al 2012, in cui ci furono circa 2.000.000 di citazioni.
Tuttavia, ci sono dei leggeri cali nel 2005, nel 2007 ed un calo più accentuato nel
2013, con circa 1.720.000 citazioni; lo scenario è, comunque, realistico, in quanto
rispecchia i risultati ottenuti per il numero di brevetti.
L’andamento delle rivendicazioni è stato realizzato combinando la dimensione
Time con la misura Claims Count ed è mostrato nella Figura 6.11.
Le rivendicazioni, come i brevetti e le citazioni, hanno un andamento crescente
dal 1979, in cui ce ne furono circa 1.000, al 2004, in cui ce ne furono circa 1.650.000.
In seguito, l’andamento delle rivendicazioni assume un comportamento “instabile”;
infatti, possiamo notare un’alternanza di aumenti e decrementi del numero di rivendicazioni, che riprende solo in parte l’andamento già visto per il numero di brevetti
e di citazioni.
Abbiamo, inoltre, implementato la distribuzione (in percentuale) dei brevetti e
delle rivendicazioni nelle varie classi IPC, tramite la combinazione della dimensione
IPC Class e, rispettivamente, delle misure Patents Count e Claims Count. La Figura
6.12 mostra i grafici a torta che rappresentano i risultati delle due combinazioni.
Al primo posto, in entrambi i casi, c’è la classe ICT (ovvero il settore tecnologico),
con il 26,8% di brevetti e il 27,3% di rivendicazioni. Dal secondo posto in poi,
però, c’è una discrepanza tra i risultati ottenuti per i brevetti e quelli relativi alle
rivendicazioni. La seconda classe per i brevetti è PB (ovvero il settore farmaceutico
e delle biotecnologie) con il 17,7%, mentre per le rivendicazioni essa è al penultimo
posto, con l’8,2%. La terza classe è CM (ovvero il settore chimico e dei materiali)
con il 14,9% per i brevetti, ma che si trova, invece, al quinto posto per quanto
riguarda le rivendicazioni, con il 12,1%. La quarta classe è INS (ovvero il settore
degli strumenti) per i brevetti, con il 13,7% , mentre essa è al secondo posto, con il
17,6%, per le rivendicazioni. La quinta classe per i brevetti è MT (ovvero il settore
delle macchine e dei trasporti) con il 12,1%, che si trova, invece, al terzo posto nel
caso delle rivendicazioni, con il 14,1%. La sesta classe per i brevetti è IP (ovvero il
settore dei processi industriali), con il 10,6%, mentre essa è al quarto posto per le
6.2 Analisi della conoscenza estratta
93
Figura 6.8. Analisi sui brevetti implementate su Qlik Sense
rivendicazioni, con il 14,1%. Infine, la settima classe è CE (ovvero il settore dei beni
e dell’ingegneria civile) sia per i brevetti, con il 4,2%, sia per le rivendicazioni, con
il 6,7%.
Da queste differenze possiamo dedurre che il numero di rivendicazioni dipende
fortemente dal settore a cui il brevetto appartiene. Le applicazioni del mondo ICT
sono molto brevettate, ma anche molto rivendicate, e ciò è comprensibile se si pensa
94
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.9. Andamento del numero totale di brevetti nel tempo
Figura 6.10. Andamento del numero totale di citazioni nel tempo
Figura 6.11. Andamento del numero totale delle rivendicazioni nel tempo
all’enorme diffusione che la tecnologia ha avuto in questi anni e, quindi, alla forte
concorrenza che sussiste tra le aziende di questo settore. Per il settore farmaceutico
e delle biotecnologie, invece, sembra esserci la situazione opposta; infatti, rispetto
all’elevato numero di brevetti, nella classe PB ci sono poche rivendicazioni. Ciò
6.2 Analisi della conoscenza estratta
95
Figura 6.12. Percentuale di brevetti e di rivendicazioni per classe IPC
potrebbe dipendere dal fatto che ci sono poche aziende che operano in questo settore,
eventualità che potremo verificare dopo aver implementato le analisi sulle aziende.
In seguito, abbiamo verificato l’andamento del numero dei brevetti, delle rivendicazioni e delle citazioni nei vari settori. La Figura 6.13 mostra i risultati ottenuti
per il settore ICT.
Un comportamento analogo è stato ottenuto per le altre classi IPC; l’unica
variante è data dall’anno in cui viene raggiunto il picco massimo.
Poiché le pubblicazioni brevettuali si distinguono in richiesta di brevetto e brevetto approvato, abbiamo voluto vedere come le pubblicazioni a nostra disposizione
si distribuiscono in tal senso. Combinando la dimensione Publication Kind con la
misura Patents Count abbiamo ottenuto il grafico a torta in Figura 6.14.
Possiamo notare che, rispetto a tutti i dati a nostra disposizione, solo il 23.7% è
costituito da pubblicazioni di tipo B1, ovvero brevetti approvati. La maggior parte
delle pubblicazioni sono relative alle richieste di brevetto (A1 per il 38,6% e A2 per
il 18,4%) e alle loro revisioni. Da ciò possiamo dedurre che, una volta presentata la
richiesta di brevetto, prima che questa venga approvata, subisce numerose revisioni.
Infine, tra le analisi iniziali, abbiamo implementato anche la combinazione tra la
dimensione Citation Category e la misura Application Cited, per vedere come sono
distribuite le categorie di citazioni. La Figura 6.15 ne riporta il risultato.
Dall’analisi della figura possiamo osservare che il 45,9% delle citazioni è di tipo
A, cioè sono relative a documenti del settore tecnologico. Con il 27.7% seguono le
citazioni di tipo X, relative a documenti particolarmente rilevanti se presi da soli.
Seguono le citazioni di tipo Y con il 15,5%, relative a documenti particolarmente
rilevanti se combinati con altri documenti della stessa categoria. Infine, ci sono le
citazioni di tipo D (relative a documenti citati nelle richieste di brevetto) con il 5,9%
e quelle di tipo P (relative a documenti intermedi) con il 3%. Le altre categorie di
citazioni sono presenti con valori poco significativi. Il risultato ottenuto rispecchia i
risultati delle analisi precedenti; essendo la maggior parte dei brevetti relativa alla
classe ICT, è ragionevole ottenere che il maggior numero di citazioni è relativo a tale
settore.
96
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.13. Andamento del numero di brevetti, di rivendicazioni e di citazioni nel tempo
per pubblicazioni del settore ICT
6.2.1
Analisi della conoscenza sugli inventori e sui titolari
Le analisi sugli inventori e sui titolari, definite e progettate nel capitolo precedente,
sono state implementate in Qlik Sense tramite le dimensioni e le misure previste.
Data l’analisi “Qual è la nazionalità dei migliori inventori? E quella dei titolari della
maggior parte dei brevetti?”, per implementarla abbiamo creato i due grafici mostrati
nella Figura 6.16.
6.2 Analisi della conoscenza estratta
97
Figura 6.14. Percentuale di tipologie di pubblicazione brevettuale
Figura 6.15. Percentuale di categorie di citazione
Il primo risultato, ovvero la nazionalità degli inventori, nasce dalla combinazione della dimensione Inventors Country con la misura Patents Count. Al primo
posto troviamo gli inventori statunitensi, con circa 2.000.000 di pubblicazioni brevettuali, seguiti dai tedeschi (circa 1.880.000 pubblicazioni) e dai giapponesi (circa 1.360.000 pubblicazioni). Gli inventori delle altre nazioni hanno pubblicato un
numero decisamente inferiore di brevetti; tra di essi notiamo:
•
•
•
•
i francesi, con circa 500.000 pubblicazioni;
i britannici, con circa 340.000 pubblicazioni;
gli italiani, con circa 235.000 pubblicazioni;
gli svizzeri, con circa 198.000 pubblicazioni;
98
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.16. Nazionalità degli inventori e dei titolari dei brevetti, ordinate secondo il
numero di pubblicazioni decrescente
• gli olandesi, con circa 193.000 pubblicazioni;
• i sudcoreani, con circa 173.000 pubblicazioni;
• gli svedesi, con circa 132.000 pubblicazioni.
Il secondo risultato, invece, riguarda la nazionalità dei titolari e si ottiene combinando la dimensione Applicants Country con la misura Patents Count. Al primo
posto ci sono i titolari tedeschi, con circa 1.300.000 pubblicazioni, seguiti dagli
statunitensi, con circa 840.000 pubblicazioni, e dai giapponesi, con circa 516.000
pubblicazioni. Ad essi seguono:
•
•
•
•
•
•
•
i francesi, con circa 300.000 pubblicazioni;
gli svizzeri, con circa 180.000 pubblicazioni;
i britannici, con circa 177.000 pubblicazioni;
gli italiani, con circa 150.000 pubblicazioni;
gli olandesi, con circa 150.000 pubblicazioni;
gli svedesi, con circa 91.000 pubblicazioni;
i belgi, con circa 66.000 pubblicazioni.
Notiamo che si hanno delle differenze abbastanza evidenti rispetto ai risultati
ottenuti per gli inventori; ad esempio, al primo posto per gli inventori troviamo gli
statunitensi, mentre, per i titolari, troviamo i tedeschi. La differenza del numero di
6.2 Analisi della conoscenza estratta
99
pubblicazioni per inventori e titolari della stessa nazionalità dipende dal fatto che
molto spesso titolare ed inventore non coincidono. Inoltre, molti inventori lavorano
per aziende estere e ciò spiega, ad esempio, la differenza nel numero di pubblicazioni
per titolari ed inventori tedeschi o statunitensi.
La Figura 6.17 mostra il risultato ottenuto nel caso di pubblicazioni nel settore
ICT.
Figura 6.17. Nazionalità degli inventori e dei titolari, ordinate secondo il numero di
pubblicazioni decrescente, nel settore ICT
In questo caso notiamo che la maggior parte delle pubblicazioni avviene ad opera
di giapponesi e statunitensi, siano essi inventori o titolari. Analoghe considerazioni
valgono per le restanti classi IPC.
Consideriamo, ora, l’analisi “I titolari brevettano come singoli individui o lavorano
per aziende, università, etc.?”. Per poter effettuare tale analisi dobbiamo esaminare
il grafico presente in Figura 6.18, in cui possiamo vedere che il 73,4% delle pubblicazioni è effettuato da titolari in rappresentanza di compagnie, mentre solo il 26,6%
dei titolari pubblica individualmente.
In particolare, se consideriamo la nazionalità dei soli titolari che pubblicano
individualmente (Figura 6.19), notiamo che i titolari tedeschi hanno pubblicato
come singoli circa 576.000 brevetti, mentre nelle altre nazioni questo numero è
100
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.18. Percentuale di titolari che brevettano come singoli o come compagnie
decisamente inferiore; ad esempio, i titolari italiani hanno pubblicato circa 56.000
brevetti come singoli individui.
Figura 6.19. Nazionalità dei titolari che pubblicano individualmente
Volendo verificare tale risulto, abbiamo deciso di creare una sorta di “classifica”
dei titolari individuali e di confrontarla con quella degli inventori (riferendoci sempre
alle pubblicazioni i cui titolari sono individui singoli). La Figura 6.20 mostra il
risultato ottenuto.
I risultati sono compatibili tra loro, nonostante la presenza di casi in cui un
individuo abbia più pubblicazioni sia come titolare che come inventore, o viceversa.
Per spiegare ciò dobbiamo pensare che una richiesta di brevetto e, di conseguenza,
un brevetto possono avere più inventori; inoltre, come abbiamo già detto, molto
spesso inventore e titolare non coincidono.
Analogamente, abbiamo deciso di verificare la nazionalità dei titolari che pubblicano come azienda. Dalla Figura 6.21 possiamo notare che, in questo caso, il
risultato riprende, ovviamente, quello ottenuto nell’analisi precedente.
6.2 Analisi della conoscenza estratta
101
Figura 6.20. Titolari ed inventori di pubblicazioni il cui titolare è un individuo
Figura 6.21. Nazionalità dei titolari che pubblicano come azienda
Abbiamo, dunque, voluto verificare quali sono questi titolari, creando, come il
caso individuale, una “classifica” dei titolari che pubblicano come aziende; essa viene
mostrata nella Figura 6.22.
Notiamo che, mentre nel risultato sulla nazionalità risultano al primo posto
gli statunitensi, i primi tre titolari risultano essere Siemens, Bosch e Basf, tutte
aziende tedesche, nonostante, nel complesso, i tedeschi siano al secondo posto nella
102
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.22. Titolari che pubblicano come azienda
“classifica” sulla nazionalità. Per spiegare questo fenomeno, abbiamo verificato ed
avuto conferma del fatto che in Germania ci sono dei colossi aziendali come Siemens,
Bosh, Basf, Bayer e Henkel, che producono un numero elevato di pubblicazioni
(Siemens circa 49.500 pubblicazioni, Bosh circa 35.000, Basf circa 30.000), per cui
si ritrovano ai primi posti della “classifica” dei titolari; negli Stati Uniti, invece, ci
sono molti titolari che, però, producono un numero più limitato di pubblicazioni
rispetto ai tedeschi (International Business Machine è al primo posto tra i titolari
statunitensi con “sole” 19.300 pubblicazioni).
Inoltre, abbiamo particolarizzato l’analisi nel settore ICT, come mostra la Figura
6.23.
Figura 6.23. Percentuale di titolari che brevettano come singoli o come compagnie nel
settore ICT
In questo settore diminuiscono i titolari individuali (11,8%) rispetto al caso
generico. Se, infatti, osserviamo la Figura 6.24, notiamo che sono soprattutto aziende
a pubblicare nel settore ICT.
Infine, per dare una risposta all’analisi “Un titolare di brevetto (ad esempio, quel-
6.2 Analisi della conoscenza estratta
103
Figura 6.24. Titolari di pubblicazioni nel settore ICT
lo che ha pubblicato il maggior numero di brevetti) ha lavorato sempre con lo stesso
gruppo-compagnia oppure no? Eventualmente, c’è una correlazione tra questo cambiamento e il numero di pubblicazioni?” abbiamo, innanzitutto, combinato la dimensione
Applicant Name con la misura Patents Count. La Figura 6.25 ne mostra il risultato.
Figura 6.25. Titolari delle pubblicazioni, ordinato secondo il numero decrescente di
pubblicazioni
Come intuibile dai risultati ottenuti nelle analisi precedenti, i titolari che hanno
pubblicato il maggior numero di richieste e di brevetti sono aziende. Dopo numerose
verifiche, possiamo dire che la risposta all’analisi è che i titolari lavorano quasi
sempre per lo stesso gruppo o compagnia.
6.2.2
Analisi della conoscenza sui gruppi
Dopo aver analizzato i risultati delle analisi relative ad inventori e titolari, un naturale proseguimento del lavoro che stiamo portando avanti è dato dallo studio dei
risultati delle analisi sui gruppi.
104
6 Estrazione di conoscenza sui brevetti (parte II)
La prima analisi proposta nel capitolo precedente è “Un gruppo lavora sempre con
la stessa azienda oppure partecipa a progetti con varie compagnie, università, etc.?”.
Per implementarla abbiamo combinato la dimensione Group Name con la misura
Patents Count; il risultato è mostrato nella Figura 6.26.
Figura 6.26. Gruppi che partecipano alle pubblicazioni, ordinati secondo il numero
decrescente di pubblicazioni
Per avere un risultato significativo, abbiamo analizzato i primi tre gruppi, verificando se collaborano con molte aziende. Per fare ciò abbiamo creato una combinazione della dimensione Company Name con la misura Patents Count, che fornisce
un risultato dal significato analogo a quello ottenuto per i gruppi.
Il primo gruppo analizzato è Siemens AG, che ha partecipato a circa 72.600
pubblicazioni. Le compagnie con cui essa ha collaborato sono mostrate nella Figura
6.27.
Figura 6.27. Compagnie con cui ha collaborato il gruppo Siemens AG
Il secondo gruppo analizzato è Koninklijke Philips Electronics N.V., che ha partecipato a circa 43.440 pubblicazioni. Essa ha collaborato con le compagnie mostrate
6.2 Analisi della conoscenza estratta
105
nella Figura 6.28.
Figura 6.28. Compagnie con cui ha collaborato il gruppo Koninklijke Philips Electronics
N.V.
Il terzo ed ultimo gruppo analizzato è Robert Bosch Stiftung GmbH, che ha
partecipato a circa 42.600 pubblicazioni. Le compagnie con cui essa ha collaborato
sono mostate nella Figura 6.29.
Figura 6.29. Compagnie con cui ha collaborato il gruppo Robert Bosch Stiftung GmbH
Dopo aver analizzato questi tre gruppi, possiamo affermare che gran parte del
loro lavoro viene svolto, a volte, in dipartimenti diversi, ma facenti capo sempre alla
stessa azienda. Possiamo notare, però, che BSH Bosch und Siemens Hausgeräte è la
seconda compagnia sia per il gruppo Siemens AG sia per Robert Bosch Stiftung GmbH. A seguito di una breve ricerca, abbiamo scoperto che essa è un’azienda tedesca
produttrice di elettrodomestici a livello internazionale, che utilizza principalmente
prodotti Bosch e Siemens per le sue produzioni. Inoltre, notiamo che Robert Bosch
Stiftung GmbH ha avuto alcune collaborazioni con Telenorma e Mannesmann, due
società di telecomunicazioni in attività fino agli inizi degli anni 2000.
106
6 Estrazione di conoscenza sui brevetti (parte II)
Se particolarizziamo questa analisi al settore ICT otteniamo il risultato mostrato
nella Figura 6.30
Figura 6.30. Gruppi che partecipano alle pubblicazioni nel settore ICT, ordinati secondo
il numero decrescente di pubblicazioni
Analizzando i singoli gruppi, si ottengono risultati analoghi al caso generico.
Se consideriamo l’analisi: “I gruppi hanno collaborazioni con compagnie o università estere? In tal caso, ci sono dei paesi più attivi di altri?”, il risultato è parzialmente
dato dall’analisi precedente, a cui, però, dobbiamo aggiungere informazioni circa
la nazionalità delle compagnie con cui i gruppi collaborano. A tale scopo, combiniamo la dimensione Company Country con la misura Company Count. Se, ad
esempio, consideriamo le compagnie con cui collabora il gruppo tedesco Siemens
AG, otteniamo il risultato mostrato nella Figura 6.31.
Figura 6.31. Distribuzione nazionale delle compagnie che collaborano con il gruppo
Siemens AG
6.2 Analisi della conoscenza estratta
107
Notiamo che gran parte delle compagnie sono statunitensi (36,6%), seguite da
quelle tedesche (19.1%), quelle britanniche 8.4%, quelle italiane (6.1%) e quelle
austriache (5.3%). La Figura 6.32 mostra il dettaglio delle compagnie statunitensi
con cui collabora il gruppo in esame.
Figura 6.32. Compagnie statunitensi con cui collabora il gruppo tedesco Siemens AG
Allo stesso modo, le Figure 6.33, 6.34, 6.35, 6.36 mostrano, rispettivamente,
il dettaglio delle compagnie tedesche, britanniche, italiane e austriache con cui
collabora il gruppo tedesco Siemens AG.
Figura 6.33. Compagnie tedesche con cui collabora il gruppo tedesco Siemens AG
Anche se gran parte delle compagnie con cui il gruppo collabora sono statunitensi, in realtà, la maggior parte delle collaborazioni avviene con compagnie tedesche (circa 113.500 pubblicazioni), seguite da quelle statunitensi (circa 2.500 pubblicazioni), quelle austriache (circa 900 pubblicazioni), quelle italiane (circa 800
pubblicazioni) ed, infine, quelle britanniche (circa 700 pubblicazioni).
Analogamente, per il gruppo olandese Koninklijke Philips Electronics N.V. si
ottiene, invece, che circa l’82% delle pubblicazioni avviene in collaborazione con
108
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.34. Compagnie britanniche con cui collabora il gruppo tedesco Siemens AG
Figura 6.35. Compagnie italiane con cui collabora il gruppo tedesco Siemens AG
la compagnia olandese Koninklijke Philips Electronics (circa 35.750 pubblicazioni); il gruppo ha collaborato con compagnie estere solo per poche centinaia di
collaborazioni, eccetto che con compagnie tedesche (circa 5.500 pubblicazioni).
Questo risultato è ancora più accentuato se consideriamo il gruppo tedesco Robert Bosch Stiftung GmbH, che ha collaborato con aziende tedesche e francesi. Con
queste ultime, però, ha collaborato solo per 12 pubblicazioni.
Dopo aver effettuato ulteriori verifiche, possiamo affermare che, nella maggior
parte dei casi, i gruppi collaborano principalmente con compagnie loro connazionali
o con distaccamenti esteri della compagnia madre del gruppo.
L’ultima analisi relativa ai gruppi è “Quali tipologie di brevetti sono maggiormente pubblicate dai vari gruppi?”. La Figura 6.37 mostra la distribuzione delle
pubblicazioni dei gruppi nelle sette classi IPC.
Rispetto al caso generico, si ha la stessa distribuzione delle varie classi IPC. Dobbiamo, però, notare che, nel caso dei gruppi, aumentano le pubblicazioni brevettuali
per il settore ICT e diminuiscono per gli altri settori.
6.2 Analisi della conoscenza estratta
109
Figura 6.36. Compagnie austriache con cui collabora il gruppo tedesco Siemens AG
Figura 6.37. Distribuzione nelle classi IPC delle pubblicazioni effettuate da gruppi
6.2.3
Analisi della conoscenza sulle compagnie
Analizziamo, ora, i risultati delle analisi relative alle compagnie.
La prima analisi che consideriamo è: “Quali sono le compagnie più attive e in
quali settori operano?”. Innanzitutto abbiamo combinato la dimensione Company
Name con la misura Patents Count, per vedere quali sono le compagnie che hanno
effettuato più pubblicazioni di richieste di brevetto e brevetti. La Figura 6.38 mostra
il risultato ottenuto.
A questo punto, abbiamo deciso di vedere come si distribuiscono nei vari settori
le pubblicazioni delle prime dieci compagnie. Le Figure 6.39, 6.2.3 e 6.41 mostrano
i risultati ottenuti.
La seconda analisi è: “Le compagnie sono coinvolte in applicazioni diverse dal loro
settore principale?”. Per rispondere possiamo basarci sull’analisi precedente, da cui
possiamo dedurre che le compagnie sono coinvolte solo in minima parte in pubblicazioni che non riguardano il loro settore principale, con una quota variabile tra il
10% e il 15%.
110
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.38. Compagnie ordinate secondo il numero decrescente di richieste e brevetti
pubblicati
L’ultima analisi che riguarda le compagnie che abbiamo proposto è: “A partire
dal primo anno di pubblicazione, le compagnie sono sempre molto attive, ovvero brevettano subito molto e poi hanno un calo , o viceversa?”. Per implementarla abbiamo
creato una casella di selezione su Qlik Sense con la dimensione First Patent Year.
Una volta scelto l’anno da analizzare, abbiamo considerato la combinazione della
dimensione Time con la misura Patents Count. Abbiamo, quindi, selezionato degli
anni campione, ovvero il 1980, il 1985, il 1990, il 1995, il 2000, il 2005 e il 2010.
La Figura 6.42 mostra il risultato ottenuto selezionando le compagnie che hanno
pubblicato il loro primo brevetto nel 1980.
Il numero di pubblicazioni brevettuali cresce in maniera lineare fino al 1991,
dopodiché ha un andamento più o meno costante fino al 2000, quando ricomincia
a crescere fino al 2004; infine, si alternano aumenti e decrementi del numero di
pubblicazioni.
Analizzando i risultati relativi al 1985 (Figura 6.43), notiamo una crescita notevole nel primo anno, seguita da un calo nel secondo anno e da un andamento molto
irregolare negli anni successivi.
Selezionando il 1990, si ottiene il risultato in Figura 6.44. Dall’analisi della figura si osserva una forte crescita nel primo anno, seguita da un calo nei due anni
successivi e da un ulteriore incremento dal 1993 al 2004, anno in cui inizia un nuovo
decremento.
Analizzando anche gli altri casi, si osserva un comportamento simile. Salvo rari
casi, come, ad esempio, il 1985, il numero di pubblicazioni cresce molto nei due o
tre successivi all’anno considerato; negli anni ancora successivi, l’aumento, il decremento o il mantenimento costante del numero di brevetti dipende proprio dagli
anni in analisi. Questo risultato è certamente influenzato da aspetti economici; ad
esempio, nei primi anni 2000 si sperimenta un calo nel numero di brevetti e, negli
stessi anni, si è verificata una crisi economica a livello mondiale.
6.2.4
Analisi della conoscenza sui brevetti
Infine, analizziamo i risultati delle analisi sui brevetti veri e propri, coinvolgendo,
dunque, l’aspetto riguardante le citazioni e le rivendicazioni.
6.2 Analisi della conoscenza estratta
(a) Tipologie di pubblicazioni della compagnia Siemens
(b) Tipologie di pubblicazioni della compagnia Robert
Bosch
(c) Tipologie di pubblicazioni della compagnia Koninklijke Philips Electronics
(d) Tipologie di pubblicazioni della compagnia Basf
111
Figura 6.39. Distribuzione delle pubblicazioni nelle prime 10 compagnie che pubblicano
il maggior numero di richieste e di brevetti - Prima parte
La prima analisi considerata è: “Quali settori interessano i brevetti più “importanti”, cioè quelli più citati?”. La Figura 6.45 mostra il risultato ottenuto dalla
combinazione della dimensione IPC Class con la misura Application Cited.
Ovviamente, la classe di brevetti più citati riguarda il settore ICT, con il 22.5%
di brevetti citati. Seguono il settore degli strumenti (con il 18.2% di brevetti citati),
quello delle macchine e dei trasporti (con il 14.3%), il settore chimico e dei materiali
(con il 14.1%), il settore dei processi industriali (con il 13.7%), quello farmaceutico
e delle biotecnologie (con il 10.4%) ed, infine, il settore dei beni e dell’ingegneria
civile (con il 6.7%). È un risultato che rispecchia, grosso modo, la distribuzione delle
rivendicazioni, vista in precedenza.
Alla seconda analisi, cioè: “I brevetti che hanno più rivendicazioni interessano un
particolare settore o una particolare compagnia?”, abbiamo in parte risposto durante le
analisi generiche condotte in fase iniziale. Dobbiamo, però, aggiungere le informazioni in merito alle compagnie. Per farlo abbiamo combinato la dimensione Compamy
Name con la misura Claims, ottenendo il grafico in Figura 6.46.
Notiamo che sono presenti compagnie già viste in precedenza e che si trovano
112
6 Estrazione di conoscenza sui brevetti (parte II)
(a) Tipologie di pubblicazioni della compagnia IBM
(b) Tipologie di pubblicazioni della compagnia Unilever
(c) Tipologie di pubblicazioni della compagnia Samsung
Electronics
(d) Tipologie di pubblicazioni della compagnia Sony
Figura 6.40. Distribuzione delle pubblicazioni nelle prime 10 compagnie che pubblicano
il maggior numero di richieste e di brevetti - Seconda Parte
tra quelle che pubblicano il maggior numero di richieste e brevetti; in questo caso
troviamo, anche, compagnie che non sono ai primi posti, come Matsushita Electric
Industrial, Fujitsu, Toshiba ed Hitachi.
Se particolarizziamo questo risultato ai settori ICT, INS e MT, otteniamo, rispettivamente, i grafici nelle Figure 6.47, 6.48 e 6.49.
Anche in questi casi particolari possiamo trarre le conclusioni viste per il caso
generale. Infatti, ai primi posti, troviamo spesso compagnie che non sono ai primi
posti per il numero di pubblicazioni; possiamo, quindi, affermare che aver un numero
elevato di pubblicazioni di richieste e brevetti non implica avere un elevato numero
di rivendicazioni. Sono, piuttosto, le aziende con un numero minore di pubblicazioni
ad avere un elevato numero di rivendicazioni.
Il risultato della prossima analisi, ovvero: “I brevetti con più rivendicazioni sono
straordinariamente innovativi oppure no?”, nasce dalla combinazione della dimensione
IPC Value con la misura Patents Count, da cui si ottiene il grafico in Figura 6.50.
A questo risultato generico sono state aggiunte selezioni su ciascuna delle classi
6.2 Analisi della conoscenza estratta
(a) Tipologie di pubblicazioni della compagnia Canon
113
(b) Tipologie di pubblicazioni della compagnia Telefonaktiebolaget LM Ericsson
Figura 6.41. Distribuzione delle pubblicazioni nelle prime 10 compagnie che pubblicano
il maggior numero di richieste e di brevetti - Terza Parte
Figura 6.42. Andamento nel tempo delle pubblicazioni brevettuali relative alle compagnie
che hanno pubblicato il loro primo brevetto nel 1980
IPC. I risultati ottenuti rispecchiano il caso generico, cioè la maggioranza delle
pubblicazioni riguardano brevetti straordinariamente innovativi.
Infine, per rispondere all’analisi: “Che rapporto c’è tra il numero di brevetti e il
numero di rivendicazioni? Tale rapporto cambia se vengono considerati gli inventori
piuttosto che i titolari dei brevetti?” abbiamo creato due combinazioni: la dimensione Inventor Name con la misura Claims to patents number ratio e la dimensione
Applicant Name con la stessa misura. Il risultato è mostrato nelle Figure 6.51 e
6.52.
Notiamo che, considerando come misura il rapporto tra rivendicazioni e numero
di pubblicazioni, non troviamo più ai primi posti le stesse nazioni viste quando
consideriamo le singole misure Patents Count e Claims. Anche in questo caso, però,
possiamo notare che non coincidono i risultati ottenuti per i titolari e quelli relativ
agli inventori. Per quanto riguarda gli inventori, al primo posto abbiamo la Lituania,
seguita da Cuba, Bahamas, Venezuela, Iran, Kuwait, Giordania, Costa d’Avorio,
114
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.43. Andamento nel tempo delle pubblicazioni brevettuali relative alle compagnie
che hanno pubblicato il loro primo brevetto nel 1985
Figura 6.44. Andamento nel tempo delle pubblicazioni brevettuali relative alle compagnie
che hanno pubblicato il loro primo brevetto nel 1990
Taiwan ed Iraq. Nel caso dei titolari troviamo, invece, Isole Cook, Cuba, Brunei,
Venezuela, Iran, Giordania, Taiwan, Kuwait, Hong Kong e Costa Rica.
Possiamo notare che queste ultime sono nazioni considerate paradisi fiscali, cioè
Stati che garantiscono un prelievo in termini di tasse basso, o addirittura nullo,
sui depositi bancari. In Italia, sono considerati paradisi fiscali, secondo un decreto
ministeriale, molti Stati, tra cui Bahamas, Brunei, Costa Rica, Hong Kong, Isole
Cook e Taiwan.
Le rimanenti nazionalità si riferiscono, comunque, a Stati molti ricchi, ad esempio
grazie alle risorse petrolifere, ed emergenti nel contesto internazionale, che hanno,
quindi, tutto l’interesse ad applicare una tassazione agevolata sui proventi derivati
dai brevetti.
Se analizziamo solo i brevetti appartenenti al settore ICT, otteniamo i grafici
nelle Figure 6.53 e 6.54
In questo caso, molte delle nazionalità viste nel caso generico scompaiono. Infatti
otteniamo che le prime dieci nazionalità sono:
• Portogallo, Taiwan, Canada, Messico, Corea del Sud, Belgio, Islanda, Repubblica
6.2 Analisi della conoscenza estratta
115
Figura 6.45. Distribuzione nelle classi IPC delle citazioni
Figura 6.46. Compagnie le cui pubblicazioni hanno più rivendicazioni
•
Ceca, Italia e Cina nel caso degli inventori;
Canada, Belgio, Barbados, Corea del Sud, Taiwan, Italia, Cipro, Cina, Spagna
e Liechtenstein nel caso dei titolari.
Anche in questo caso ci sono nazionalità che si riferiscono a paradisi fiscali, come
Barbados, Cipro e Liechtenstein; tuttavia, emergono anche nazionalità presenti tra
quelle che producono molte pubblicazioni, come Belgio, Corea del Sud, quest’ultima
notoriamente fortissima nel ICT, e Italia.
116
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.47. Compagnie le cui pubblicazioni hanno più rivendicazioni nel settore ICT
Figura 6.48. Compagnie le cui pubblicazioni hanno più rivendicazioni nel settore degli
strumenti
Figura 6.49. Compagnie le cui pubblicazioni hanno più rivendicazioni nel settore delle
macchine e dei trasporti
6.2 Analisi della conoscenza estratta
117
Figura 6.50. Distribuzione delle pubblicazioni di brevetti straordinariamente innovativi
e e non
Figura 6.51. Rapporto tra la somma delle rivendicazioni e il numero totale di
pubblicazioni brevettuali rispetto alla nazionalità di inventori
118
6 Estrazione di conoscenza sui brevetti (parte II)
Figura 6.52. Rapporto tra la somma delle rivendicazioni e il numero totale di
pubblicazioni brevettuali rispetto alla nazionalità di titolari
Figura 6.53. Rapporto tra la somma delle rivendicazioni e il numero totale di
pubblicazioni brevettuali nel settore ICT rispetto alla nazionalità di inventori
Figura 6.54. Rapporto tra la somma delle rivendicazioni e il numero totale di
pubblicazioni brevettuali nel settore ICT rispetto alla nazionalità di titolari
7
Integrazione tra dati sui brevetti e dati
della Banca Mondiale: analisi dei requisiti
e progettazione
In questo capitolo vengono discusse l’analisi dei requisiti e la progettazione del processo di integrazione tra i dati sui brevetti, già analizzati in precedenza, e quelli della
Banca Mondiale.
7.1 Analisi dei requisiti
Per comprendere meglio come l’attività brevettuale viene influenzata dall’economia
mondiale o nazionale, e viceversa, abbiamo deciso di integrare i dati sui brevetti
con dei dati, relativi a determinati indicatori di sviluppo, estratti dal database della
Banca Mondiale. Gli indicatori di sviluppo che abbiamo scelto sono il Prodotto
Interno Lordo, il valore delle esportazioni di beni e servizi, gli investimenti diretti
all’estero, il tasso di alfabetizzazione negli adulti e la percentuale di utenti Internet.
Il loro significato e le motivazioni che ci hanno spinto a sceglierli sono già stati
spiegati nei capitoli precedenti.
In particolare, siamo interessati a due aspetti:
•
•
fissati i vari anni (dal 1979 al 2013), vogliamo verificare l’andamento, nazione
per nazione, del numero di brevetti e degli indicatori di sviluppo;
fissata la nazione, vogliamo verificare l’andamento temporale del numero di
brevetti e degli indicatori di sviluppo.
Gli nazioni che abbiamo scelto per queste analisi sono: Arabia Saudita, Australia,
Brasile, Cina, Corea del Sud, Egitto, Francia, Germania, Giappone, India, Irlanda,
Israele, Italia, Nuova Zelanda, Qatar, Regno Unito, Russia, Spagna, Stati Uniti,
Sud Africa, Svezia, Tunisia, Turchia e Vietnam.
7.2 Selezione dei dati ed ETL
Collegandoci al sito della Banca Mondiale (http://databank.worldbank.org/),
nella sezione “database” (Figura 7.1) sono disponibili i dati relativi a svariati
indicatori di sviluppo.
120
7 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte I)
Figura 7.1. Database della Banca Mondiale, da cui è possibile reperire i dati relativi a
svariati indicatori di sviluppo
Abbiamo, quindi, estratto i dati relativi al Prodotto Interno Lordo, al valore
delle esportazioni di beni e servizi, agli investimenti diretti all’estero, al tasso di
alfabetizzazione negli adulti e alla percentuale di utenti Internet, come mostra la
Figura 7.3.
In particolare, la Tabella 7.1 mostra i campi relativi alla tabella GDP (current
US$); le tabelle Exports of goods and services (% of GDP), Foreign Direct
Investment, net (BoP, current US$), Adult literacy rate, population 15+
years, both sexes (%) e Internet users (per 100 people) possiedono i medesimi campi.
Campo
Descrizione
Country Name
Country Code
Series Name
Series Code
1979 [YR1979]
1980 [YR1980]
...
2013 [YR2013]
Nome dello Stato
Sigla dello Stato
Nome dell’indicatore di sviluppo
Codice identificativo dell’indicatore di sviluppo
Dati relativi all’anno 1979
Dati relativi all’anno 1980
Dati relativi all’anno 2013
Tabella 7.1. Descrizione dei campi contenuti nella tabella GDP (current US$)
Prima di poter operare su questi dati per implementare le analisi proposte,
abbiamo effettuato, essenzialmente, due operazioni:
• selezione dei campi di nostro interesse;
• operazioni di ETL, per manipolare i dati in modo opportuno.
Queste due operazioni verranno illustrate in dettaglio nelle prossime sottosezioni.
7.2 Selezione dei dati ed ETL
121
Figura 7.2. Tabelle estratte dal database della Banca Mondiale
7.2.1
Selezione dei dati
Innanzitutto abbiamo operato una selezione delle colonne in modo tale da prendere
soltanto quelle che servivano per le analisi che volevamo effettuare. In particolare,
la Figura 7.3 mostra i campi selezionati per la tabella GDP (current US$).
Figura 7.3. Selezione dei campi nella tabella GDP (current US$) utili per le nostre analisi
La stessa operazione è stata effettuata anche sulle altre tabelle, in quanto i campi
Series Name e Series Code non contengono informazioni importanti ai fini delle
analisi pianificate.
122
7.2.2
7 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte I)
Operazioni di ETL
La prima operazione di ETL che abbiamo effettuato è relativa all’aggiunta, in tutte
le tabelle, del campo Country ISO Code a partire dal campo Country Code, come
mostra la Figura 7.4.
Figura 7.4. Schematizzazione dell’operazione di aggiunta del campo Country ISO Code
in tutte le tabelle
I dati relativi agli indicatori di sviluppo contengono il campo Country Code che,
però, non è il codice ISO della nazione; nei dati relativi ai brevetti, invece, qualsiasi
codice nazionale, sia esso relativo all’inventore, al titolare o alla compagnia, è un
codice ISO. Si è rivelato, dunque, necessario effettuare questa operazione, altrimenti
sarebbe risultato molto difficile incrociare i dati relativi ai due database.
Inoltre, all’interno di Qlik Sense, la formattazione dei numeri rispetta il formato
###.###,##, ovvero il punto è il separatore per le migliaia e la virgola quello per
i decimali. I dati relativi agli indicatori, invece, contengono numeri che seguono la
convenzione numerica inglese, ovvero il punto è il separatore dei decimali. Abbiamo,
di conseguenza, effettuato un’operazione di correzione della formattazione numerica,
come mostra la Figura 7.5.
Figura 7.5. Schematizzazione dell’operazione di correzione del formato numerico del
campo 1979 [YR1979]
Tale operazione è stata eseguita su tutte le tabelle e su tutti campi che
contengono dati numerici.
I dati cosı̀ elaborati ci consentono di ottenere i risultati relativi alle analisi che,
fissati i vari anni (dal 1979 al 2013), verificano l’andamento, nazione per nazione,
del numero di brevetti e degli indicatori di sviluppo.
Per le altre analisi, ovvero per verificarne l’andamento nel tempo, fissata la
nazione, abbiamo effettuato un’operazione di “pivoting” su tutte le tabelle, come
mostra la Figura 7.6.
In particolare, grazie al pivoting, abbiamo “ruotato” le dimensioni della tabella,
ottenendo come campi gli anni (Years) e i codici di tutte le nazioni.
7.2 Selezione dei dati ed ETL
123
Figura 7.6. Schematizzazione dell’operazione di pivoting sulla tabella GDP (current US$)
Poiché il nostro studio si concentra solo su alcune nazioni, abbiamo effettuato
una selezione sulle nazioni, mantenendo solo quelle di nostro interesse, come mostra
la Figura 7.7.
Figura 7.7. Schematizzazione dell’operazione di selezione sulla tabella GDP (current
US$)
Inoltre, per poter collegare, su Qlik Sense, i dati dei brevetti con quelli degli
indicatori su cui è stata effettuata l’operazione di pivoting, abbiamo rinominato il
campo Year in PublicationDate e ne abbiamo modificato il contenuto, passando
dal semplice anno (YYYY) alla data (DD/MM/YYYY), che viene gestita meglio
in Qlik Sense. La Figura 7.8 mostra la schematizzazione di queste operazioni.
Figura 7.8. Schematizzazione dell’operazione di selezione sulla tabella GDP (current
US$)
124
7 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte I)
7.3 Progettazione
Il passo successivo alla pianificazione delle analisi, ed all’estrazione dei dati utili per
effettuarle, è dato dalla progettazione delle analisi prima della loro implementazione.
tale progettazione verrà illustrata in dettaglio nelle prossime sottosezioni.
7.3.1 Progettazione delle attività di analisi organizzate sulle
nazioni
La Figura 7.9 mostra una schematizzazione dell’analisi che, fissato l’anno, mostra
come varia l’andamento del numero di brevetti e del PIL nelle varie nazioni.
In particolare, l’analisi coinvolge le tabelle:
• PATANAG, da cui vengono selezionati i campi APPLN ID e PUBDT;
• GDP (current US$), da cui vengono selezionati il campo Country ISO Code e
quello relativo all’anno di riferimento per l’analisi, ad esempio 1979 [YR1979].
PUBDT va in ingresso ad un blocco filtrante, da cui si seleziona l’anno d’interesse,
ad esempio il 1979. Ciò consente di considerare solo i dati relativi a richieste e
brevetti pubblicati in quell’anno. APPLN ID va in ingresso ad un blocco contatore,
che restituisce il numero totale di brevetti.
Quest’ultimo viene combinato con Country ISO Code e con i dati relativi all’anno selezionato, ad esempio 1979 [YR1979]. La combinazione di questi risultati,
ordinata in base al numero di brevetti pubblicati, fornisce il risultato per l’analisi
in questione.
Allo stesso modo sono stati realizzati gli schemi relativi alle analisi previste per
i rimanenti indicatori di sviluppo.
7.3.2 Progettazione delle attività di analisi organizzate sul
tempo
Fissata la nazione, vogliamo vedere come varia l’andamento del numero di brevetti
e del PIL nel tempo. Lo schema logico che ci aiuta ad implementare questa analisi
è mostrato nella Figura 7.10.
In particolare, l’analisi coinvolge le tabelle:
• PATANAG, da cui viene selezionato il campo APPLN ID;
• GDP (current US$), da cui vengono selezionati il campo Publication Date e
quello relativo alla nazione di riferimento per l’analisi.
APPLN ID va in ingresso ad un blocco filtrante, in cui si seleziona la nazionalità di
interesse, ad esempio l’Italia, in modo da considerare solo i dati relativi a richieste
e brevetti pubblicati da inventori italiani. Il risultato del filtro va in ingresso ad
un blocco contatore, che restituisce il numero totale di brevetti. Quest’ultimo viene
combinato con Publication Date e con i dati relativi alla nazione selezionata,
ad esempio l’Italia. La combinazione di questi risultati, ordinata temporalmente,
fornisce il risultato per l’analisi in questione.
In maniera analoga, lo stesso schema è stato realizzato per i rimanenti indicatori
di sviluppo che abbiamo deciso di analizzare.
7.3 Progettazione
125
Figura 7.9. Schematizzazione dell’analisi relativa alla combinazione tra i dati sui brevetti
e sul PIL, fissato l’anno
126
7 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte I)
Figura 7.10. Schematizzazione dell’analisi relativa alla combinazione tra i dati sui brevetti
e sul PIL, fissato la nazione
8
Integrazione tra dati sui brevetti e dati
della Banca Mondiale: implementazione e
analisi della conoscenza estratta
In questo capitolo viene presentata la fase di implementazione in Qlik Sense delle
analisi sugli indicatori di sviluppo. In seguito, viene illustrata la conoscenza estratta
da esse.
8.1 Implementazione delle analisi
Nel caricare i dati nel sistema, abbiamo aggiunto allo script di caricamento la porzione di codice relativa ai dati sugli indicatori di sviluppo. Anche in questo caso
abbiamo modificato i nomi delle tabelle e dei campi per migliorarne la leggibilità
durante l’implementazione (Listato 8.1).
[Gross domestic product]: LOAD
"Country Name",
"Country Code",
CountryCode,
"1979 [YR1979]" as "1979 GDP",
"1980 [YR1980]" as "1980 GDP",
"1981 [YR1981]" as "1981 GDP",
"1982 [YR1982]" as "1982 GDP",
"1983 [YR1983]" as "1983 GDP",
"1984 [YR1984]" as "1984 GDP",
"1985 [YR1985]" as "1985 GDP",
"1986 [YR1986]" as "1986 GDP",
"1987 [YR1987]" as "1987 GDP",
"1988 [YR1988]" as "1988 GDP",
"1989 [YR1989]" as "1989 GDP",
"1990 [YR1990]" as "1990 GDP",
"1991 [YR1991]" as "1991 GDP",
"1992 [YR1992]" as "1992 GDP",
"1993 [YR1993]" as "1993 GDP",
"1994 [YR1994]" as "1994 GDP",
"1995 [YR1995]" as "1995 GDP",
"1996 [YR1996]" as "1996 GDP",
"1997 [YR1997]" as "1997 GDP",
"1998 [YR1998]" as "1998 GDP",
"1999 [YR1999]" as "1999 GDP",
"2000 [YR2000]" as "2000 GDP",
"2001 [YR2001]" as "2001 GDP",
"2002 [YR2002]" as "2002 GDP",
"2003 [YR2003]" as "2003 GDP",
"2004 [YR2004]" as "2004 GDP",
"2005 [YR2005]" as "2005 GDP",
"2006 [YR2006]" as "2006 GDP",
"2007 [YR2007]" as "2007 GDP",
"2008 [YR2008]" as "2008 GDP",
"2009 [YR2009]" as "2009 GDP",
"2010 [YR2010]" as "2010 GDP",
"2011 [YR2011]" as "2011 GDP",
"2012 [YR2012]" as "2012 GDP",
"2013 [YR2013]" as "2013 GDP"
FROM [lib://patent/gdp.xlsx] (ooxml, embedded labels, table is
128
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Data);
[Export of goods and services]: LOAD
"Country Name",
"Country Code",
CountryCode,
"1979 [YR1979]" as "1979 export",
"1980 [YR1980]" as "1980 export",
"1981 [YR1981]" as "1981 export",
"1982 [YR1982]" as "1982 export",
"1983 [YR1983]" as "1983 export",
"1984 [YR1984]" as "1984 export",
"1985 [YR1985]" as "1985 export",
"1986 [YR1986]" as "1986 export",
"1987 [YR1987]" as "1987 export",
"1988 [YR1988]" as "1988 export",
"1989 [YR1989]" as "1989 export",
"1990 [YR1990]" as "1990 export",
"1991 [YR1991]" as "1991 export",
"1992 [YR1992]" as "1992 export",
"1993 [YR1993]" as "1993 export",
"1994 [YR1994]" as "1994 export",
"1995 [YR1995]" as "1995 export",
"1996 [YR1996]" as "1996 export",
"1997 [YR1997]" as "1997 export",
"1998 [YR1998]" as "1998 export",
"1999 [YR1999]" as "1999 export",
"2000 [YR2000]" as "2000 export",
"2001 [YR2001]" as "2001 export",
"2002 [YR2002]" as "2002 export",
"2003 [YR2003]" as "2003 export",
"2004 [YR2004]" as "2004 export",
"2005 [YR2005]" as "2005 export",
"2006 [YR2006]" as "2006 export",
"2007 [YR2007]" as "2007 export",
"2008 [YR2008]" as "2008 export",
"2009 [YR2009]" as "2009 export",
"2010 [YR2010]" as "2010 export",
"2011 [YR2011]" as "2011 export",
"2012 [YR2012]" as "2012 export",
"2013 [YR2013]" as "2013 export"
FROM [lib://patent/export.xlsx] (ooxml, embedded labels, table
is Data);
[Internet user]: LOAD
"Country Name",
"Country Code",
CountryCode,
"1979 [YR1979]" as "1979 users",
"1980 [YR1980]" as "1980 users",
"1981 [YR1981]" as "1981 users",
"1982 [YR1982]" as "1982 users",
"1983 [YR1983]" as "1983 users",
"1984 [YR1984]" as "1984 users",
"1985 [YR1985]" as "1985 users",
"1986 [YR1986]" as "1986 users",
"1987 [YR1987]" as "1987 users",
"1988 [YR1988]" as "1988 users",
"1989 [YR1989]" as "1989 users",
"1990 [YR1990]" as "1990 users",
"1991 [YR1991]" as "1991 users",
"1992 [YR1992]" as "1992 users",
"1993 [YR1993]" as "1993 users",
"1994 [YR1994]" as "1994 users",
"1995 [YR1995]" as "1995 users",
"1996 [YR1996]" as "1996 users",
"1997 [YR1997]" as "1997 users",
"1998 [YR1998]" as "1998 users",
"1999 [YR1999]" as "1999 users",
"2000 [YR2000]" as "2000 users",
"2001 [YR2001]" as "2001 users",
"2002 [YR2002]" as "2002 users",
"2003 [YR2003]" as "2003 users",
"2004 [YR2004]" as "2004 users",
"2005 [YR2005]" as "2005 users",
"2006 [YR2006]" as "2006 users",
"2007 [YR2007]" as "2007 users",
"2008 [YR2008]" as "2008 users",
"2009 [YR2009]" as "2009 users",
"2010 [YR2010]" as "2010 users",
"2011 [YR2011]" as "2011 users",
"2012 [YR2012]" as "2012 users",
"2013 [YR2013]" as "2013 users"
FROM [lib://patent/internet user.xlsx] (ooxml, embedded labels,
table is Data);
[Foreign Direct Investment]:
"Country Name",
"Country Code",
CountryCode,
"1979 [YR1979]" as "1979
"1980 [YR1980]" as "1980
"1981 [YR1981]" as "1981
"1982 [YR1982]" as "1982
LOAD
FDI",
FDI",
FDI",
FDI",
8.1 Implementazione delle analisi
"1983 [YR1983]" as "1983 FDI",
"1984 [YR1984]" as "1984 FDI",
"1985 [YR1985]" as "1985 FDI",
"1986 [YR1986]" as "1986 FDI",
"1987 [YR1987]" as "1987 FDI",
"1988 [YR1988]" as "1988 FDI",
"1989 [YR1989]" as "1989 FDI",
"1990 [YR1990]" as "1990 FDI",
"1991 [YR1991]" as "1991 FDI",
"1992 [YR1992]" as "1992 FDI",
"1993 [YR1993]" as "1993 FDI",
"1994 [YR1994]" as "1994 FDI",
"1995 [YR1995]" as "1995 FDI",
"1996 [YR1996]" as "1996 FDI",
"1997 [YR1997]" as "1997 FDI",
"1998 [YR1998]" as "1998 FDI",
"1999 [YR1999]" as "1999 FDI",
"2000 [YR2000]" as "2000 FDI",
"2001 [YR2001]" as "2001 FDI",
"2002 [YR2002]" as "2002 FDI",
"2003 [YR2003]" as "2003 FDI",
"2004 [YR2004]" as "2004 FDI",
"2005 [YR2005]" as "2005 FDI",
"2006 [YR2006]" as "2006 FDI",
"2007 [YR2007]" as "2007 FDI",
"2008 [YR2008]" as "2008 FDI",
"2009 [YR2009]" as "2009 FDI",
"2010 [YR2010]" as "2010 FDI",
"2011 [YR2011]" as "2011 FDI",
"2012 [YR2012]" as "2012 FDI",
"2013 [YR2013]" as "2013 FDI"
FROM [lib://patent/foreign direct investment.xlsx] (ooxml,
embedded labels, table is Data);
[Adult Literacy Rate]: LOAD
"Country Name",
"Country Code",
CountryCode,
"1979 [YR1979]" as "1979 Literacy rate",
"1980 [YR1980]" as "1980 Literacy rate",
"1981 [YR1981]" as "1981 Literacy rate",
"1982 [YR1982]" as "1982 Literacy rate",
"1983 [YR1983]" as "1983 Literacy rate",
"1984 [YR1984]" as "1984 Literacy rate",
"1985 [YR1985]" as "1985 Literacy rate",
"1986 [YR1986]" as "1986 Literacy rate",
"1987 [YR1987]" as "1987 Literacy rate",
"1988 [YR1988]" as "1988 Literacy rate",
"1989 [YR1989]" as "1989 Literacy rate",
"1990 [YR1990]" as "1990 Literacy rate",
"1991 [YR1991]" as "1991 Literacy rate",
"1992 [YR1992]" as "1992 Literacy rate",
"1993 [YR1993]" as "1993 Literacy rate",
"1994 [YR1994]" as "1994 Literacy rate",
"1995 [YR1995]" as "1995 Literacy rate",
"1996 [YR1996]" as "1996 Literacy rate",
"1997 [YR1997]" as "1997 Literacy rate",
"1998 [YR1998]" as "1998 Literacy rate",
"1999 [YR1999]" as "1999 Literacy rate",
"2000 [YR2000]" as "2000 Literacy rate",
"2001 [YR2001]" as "2001 Literacy rate",
"2002 [YR2002]" as "2002 Literacy rate",
"2003 [YR2003]" as "2003 Literacy rate",
"2004 [YR2004]" as "2004 Literacy rate",
"2005 [YR2005]" as "2005 Literacy rate",
"2006 [YR2006]" as "2006 Literacy rate",
"2007 [YR2007]" as "2007 Literacy rate",
"2008 [YR2008]" as "2008 Literacy rate",
"2009 [YR2009]" as "2009 Literacy rate",
"2010 [YR2010]" as "2010 Literacy rate",
"2011 [YR2011]" as "2011 Literacy rate",
"2012 [YR2012]" as "2012 Literacy rate",
"2013 [YR2013]" as "2013 Literacy rate"
FROM [lib://patent/adult literacy rate.xlsx] (ooxml, embedded
labels, table is Data);
[Export of goods and services by country]: LOAD
Date#(PublicationDate) as PublicationDate,
AUS as "AU export",
BRA as "BR export",
CHN as "CN export",
EGY as "EG export",
FRA as "FR export",
DEU as "DE export",
IND as "IN export",
IRL as "IE export",
ISR as "IL export",
ITA as "IT export",
JPN as "JP export",
KOR as "KR export",
NZL as "NZ export",
QAT as "QA export",
RUS as "RU export",
SAU as "SA export",
129
130
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
ZAF as "ZA export",
ESP as "ES export",
SWE as "SE export",
TUN as "TN export",
TUR as "TR export",
GBR as "GB export",
USA as "US export",
VNM as "VN export"
FROM [lib://patent/export (pivoting).xlsx] (ooxml, embedded
labels, table is Foglio1);
[Adult Literacy Rate by country]: LOAD
Date#(PublicationDate) as PublicationDate,
AUS as "AU literacy rate",
BRA as "BR literacy rate",
CHN as "CN literacy rate",
EGY as "EG literacy rate",
FRA as "FR literacy rate",
DEU as "DE literacy rate",
IND as "IN literacy rate",
IRL as "IE literacy rate",
ISR as "IL literacy rate",
ITA as "IT literacy rate",
JPN as "JP literacy rate",
KOR as "KR literacy rate",
NZL as "NZ literacy rate",
QAT as "QA literacy rate",
RUS as "RU literacy rate",
SAU as "SA literacy rate",
ZAF as "ZA literacy rate",
ESP as "ES literacy rate",
SWE as "SE literacy rate",
TUN as "TN literacy rate",
TUR as "TR literacy rate",
GBR as "GB literacy rate",
USA as "US literacy rate",
VNM as "VN literacy rate"
FROM [lib://patent/adult literacy rate (pivoting).xlsx] (ooxml,
embedded labels, table is Foglio1);
[Foreign Direct Investments by country]: LOAD
Date#(PublicationDate) as PublicationDate,
AUS as "AU fdi",
BRA as "BR fdi",
CHN as "CN fdi",
EGY as "EG fdi",
FRA as "FR fdi",
DEU as "DE fdi",
IND as "IN fdi",
IRL as "IE fdi",
ISR as "IL fdi",
ITA as "IT fdi",
JPN as "JP fdi",
KOR as "KR fdi",
NZL as "NZ fdi",
QAT as "QA fdi",
RUS as "RU fdi",
SAU as "SA fdi",
ZAF as "ZA fdi",
ESP as "ES fdi",
SWE as "SE fdi",
TUN as "TN fdi",
TUR as "TR fdi",
GBR as "GB fdi",
USA as "US fdi",
VNM as "VN fdi"
FROM [lib://patent/foreign direct investment (pivoting).xlsx]
(ooxml, embedded labels, table is Foglio1);
[Internet Users by country]: LOAD
Date#(PublicationDate) as PublicationDate,
AUS as "AU user",
BRA as "BR user",
CHN as "CN user",
EGY as "EG user",
FRA as "FR user",
DEU as "DE user",
IND as "IN user",
IRL as "IE user",
ISR as "IL user",
ITA as "IT user",
JPN as "JP user",
KOR as "KR user",
"NZL" as "NZ user",
QAT as "QA user",
RUS as "RU user",
SAU as "SA user",
ZAF as "ZA user",
ESP as "ES user",
SWE as "SE user",
TUN as "TN user",
TUR as "TR user",
GBR as "GB user",
USA as "US user",
8.1 Implementazione delle analisi
131
VNM as "VN user"
FROM [lib://patent/internet user (pivoting).xlsx] (ooxml,
embedded labels, table is Foglio1);
[Gross domestic product by country]: LOAD
PublicationDate,
AU,
BR,
CN,
EG,
FR,
DE,
"IN",
IE,
IL,
IT,
JP,
KR,
NZ,
QA,
RU,
SA,
ZA,
ES,
SE,
TN,
TR,
VN,
GB,
US
FROM [lib://patent/gdp trasposto.xlsx] (ooxml, embedded labels,
table is [gdp trasposto]);
Listato 8.1. Script per il caricamento dei dati su Qlik Sense
Dopo aver caricato i dati, abbiamo realizzato l’implementazione vera e propria
delle analisi pianificate.
8.1.1
Implementazione delle analisi organizzate sulle nazioni
Per implementare le analisi sui brevetti e sugli indicatori di sviluppo organizzate
sulle nazioni, abbiamo utilizzato la dimensione Country Code, creata in precedenza
per le analisi sui brevetti. Per quanto riguarda le misure, abbiamo riutilizzato la
misura Patents Count e abbiamo implementato, per ciascun indicatore e per ciascun
anno (dal 1979 al 2013), una misura che fornisse i dati utili. La Figura 8.1 mostra
come è stata implementata la misura relativa al PIL del 1979.
Figura 8.1. Implementazione della misura 1979 GDP
Inoltre, per ottenere il numero di brevetti relativo all’anno desiderato, è stata
creata una casella di filtro Time (Figura 8.2), che utilizza la dimensione Time creata
in precedenza.
Le combinazioni della dimensione Country Code con le varie misure forniscono
i risultati delle analisi proposte. Le Figure 8.3 e 8.4 mostrano, rispettivamente, il
132
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.2. Implementazione della casella di filtro Time
foglio di lavoro di Qlik Sense in cui sono state realizzate le combinazioni tra i dati
dei brevetti e del PIL e quello in cui sono state realizzate le combinazioni tra i dati
dei brevetti e degli investimenti diretti all’estero.
In maniera analoga sono state implementate le analisi relative alle esportazioni
di beni e servizi e agli utenti Internet; queste ultime, in particolare, sono state
implementate per gli anni che vanno dal 1990 al 2013, poiché i dati disponibili sul
database della Banca Mondiale iniziano proprio nel 1990.
Inoltre, non sono state implementate, in questo caso, le analisi relative al tasso
di alfabetizzazione in quanto, dopo aver esaminato la tabella contenente i dati, ne
abbiamo appurato l’estrema carenza. Di conseguenza, abbiamo rimandato l’integrazione dei dati sul tasso di alfabetizzazione al secondo blocco, ovvero quello relativo
alle analisi organizzate sul tempo.
8.1.2
Implementazione delle analisi organizzate sul tempo
Per quanto riguarda l’implementazione delle analisi organizzate sul tempo, abbiamo
utilizzato la dimensione Time creata in precedenza. Inoltre, abbiamo creato, per
ciascuna delle nazioni scelte, sei misure, ovvero:
• una misura che, data la nazione, conta il numero di brevetti associati ad essa;
8.1 Implementazione delle analisi
133
Figura 8.3. Analisi sui brevetti e il PIL implementate in Qlik Sense
•
per ciascun indicatore di sviluppo, una misura relativa alla nazione in esame.
La Figura 8.5 mostra, ad esempio, le misure relative all’Italia.
La Figura 8.6 mostra il foglio di lavoro di Qlik Sense in cui sono state implementate le analisi sui brevetti.
Misure e fogli di lavoro analoghi sono stati creati per ciascuna delle nazioni
sopracitat.
134
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.4. Analisi sui brevetti e gli investimenti diretti all’estero implementate in Qlik
Sense
8.2 Analisi della conoscenza estratta
Di seguito vengono riportati i risultati ottenuti per i due filoni di analisi che abbiamo
deciso di condurre.
8.2 Analisi della conoscenza estratta
135
Figura 8.5. Implementazione di alcune delle misure relative all’Italia
8.2.1
zioni
Conoscenza estratta dalle analisi organizzate sulle na-
Dopo aver implementato le analisi relative ai cinque indicatori di sviluppo negli anni
che vanno dal 1979 al 2013, abbiamo deciso di riportare in questo lavoro i risultati
relativi ad alcuni anni, che coincidono con aumenti o decrementi nell’andamento del
numero di brevetti e con periodi di crisi economica (ad esempio il 2008 e il 2013),
per capire come ciò ha influito sulle singole nazioni.
Analisi organizzate sulle nazioni nel 1980
Dalla Figura 8.7 notiamo che la Germania, nonostante un PIL più basso rispetto a
quello degli Stati Uniti (946,7 miliardi di dollari rispetto a 2.860 miliardi di dollari),
possiede un numero di pubblicazioni decisamente superiore (circa 10.300 pubblicazioni tedesche rispetto alle 6.500 statunitensi). La stessa osservazione vale per il
Giappone; infatti, nonostante un PIL di 1.090 miliardi di dollari, esso si trova solo
al quarto posto con circa 2.500 pubblicazioni.
Inoltre, nella Figura 8.8, possiamo notare che la Germania ha anche un valore
delle esportazione maggiore di quello degli Stati Uniti e del Giappone (ovvero,
rispettivamente, il 19,67% del PIL, il 9,81% e il 13,42%).
Allo stesso modo, nella Figura 8.9, possiamo notare che il valore degli investimenti diretti all’estero (FDI) della Germania è circa il doppio di quello degli Stati
Uniti (4,35 miliardi di dollari rispetto a 2,3 miliardi). Per il Giappone questo dato
non è definito.
Per quanto riguarda i dati relativi agli utenti Internet, essi non sono disponibili
per il 1980.
Analisi organizzate sulle nazioni nel 1990
Dalla Figura 8.10 notiamo che, rispetto che al 1980, è il Giappone la nazione che
ha il più alto numero di brevetti (circa 66.340 pubblicazioni), mentre la Germania
136
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.6. Analisi sui brevetti e sugli indicatori di sviluppo organizzate rispetto al tempo
implementate su Qlik Sense
è scesa al terzo posto, con circa 52.730 pubblicazioni. Ancora una volta, gli Stati
Uniti sono al secondo posto (con circa 58.650 pubblicazioni), nonostante il PIL più
alto (5.980 miliardi di dollari rispetto a 3.100 miliardi del Giappone e 1.760 miliardi
della Germania).
Anche nel 1990 la Germania possiede il valore di esportazione più alto (22,9% del
8.2 Analisi della conoscenza estratta
137
Figura 8.7. Numero di brevetti e PIL nel 1980
Figura 8.8. Numero di brevetti e valore delle esportazioni di beni e servizi nel 1980
Figura 8.9. Numero di brevetti e FDI nel 1980
PIL) rispetto a quello del Giappone (10.29%) e a quello degli Stati Uniti (9,23%),
come mostra la Figura 8.11.
Per quanto riguarda gli investimenti diretti all’estero (Figura 8.12), la Germania
possiede, insieme alla Francia, uno dei valori più alti (21,48 miliardi di dollari),
138
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.10. Numero di brevetti e PIL nel 1990
Figura 8.11. Numero di brevetti e valore delle esportazioni di beni e servizi nel 1990
mentre gli Stati Uniti possiedono uno dei valori più bassi, ovvero -11,29 miliardi1
di dollari. Ancora una volta, per il Giappone questo dato non è definito.
I dati relativi agli utenti Internet nel 1990 riferiscono che, in generale, meno
dell’1% della popolazione usa Internet.
Analisi organizzate sulle nazioni nel 1997
In prima analisi, nella Figura 8.13 possiamo notare che nel 1997 il numero di brevetti e il PIL hanno lo stesso andamento. Gli Stati Uniti sono al primo posto con
circa 82.460 pubblicazioni e 8.610 miliardi di dollari di PIL, seguiti dal Giappone
(circa 75.850 pubblicazioni e 4.320 miliardi di PIL) e dalla Germania (circa 62.820
pubblicazioni e 2.220 miliardi di PIL).
Questo risultato non si ripete, però, né per i valori delle esportazioni (Figura
8.14) né per gli investimenti diretti all’estero (Figura 8.15). Infatti, anche nel 1997
gli Stati Uniti hanno un valore piuttosto basso di esportazioni (11,08% del PIL),
1
L’investimento diretto all’estero (IDE), o Foreign Direct Investment (FDI), è un indicatore del livello di internazionalizzazione delle imprese di una determinata nazione.
Esso è attivo, o in uscita (quando dall’economia domestica si investe in paesi esteri), e
passivo, o in entrata (nel caso contrario).
8.2 Analisi della conoscenza estratta
139
Figura 8.12. Numero di brevetti e FDI nel 1990
Figura 8.13. Numero di brevetti e PIL nel 1997
mentre è ancora la Germania ad avere un valore più alto (25,39%), nonostante un
numero di pubblicazioni minore. Per la Germania aumenta anche il valore degli
investimenti diretti all’estero (30,89 miliardi di dollari), che aumenta anche per gli
Stati Uniti, pur rimanendo negativo (-770 milioni di dollari).
Figura 8.14. Numero di brevetti e valore delle esportazioni di beni e servizi nel 1997
140
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.15. Numero di brevetti e FDI nel 1997
Per quanto riguarda gli utenti Internet, nella Figura 8.16 notiamo che tra le
nazioni con la percentuale più alta di popolazione che usa Internet, i paesi che
pubblicano più brevetti, se si escludono gli Stati Uniti, non si trovano ai primi
posti. Ad esempio, in Svezia circa il 24% della popolazione usa Internet, ma la
Svezia è solo al decimo posto per numero di pubblicazioni (circa 3.880).
Figura 8.16. Numero di brevetti e utenti Internet nel 1997
Analisi organizzate sulle nazioni nel 2004
Anche nel 2004 il numero di brevetti e il PIL hanno all’incirca lo stesso andamento
(Figura 8.17). Gli Stati Uniti continuano ad essere al primo posto con circa 165.980
pubblicazioni e un PIL di 12.270 di dollari. Notiamo che al secondo posto si trova
la Germania con circa 134.340 pubblicazioni, nonostante abbia un PIL di 2.820
miliardi di dollari ed inferiore a quello del Giappone (4.660 miliardi), che ha un
numero di pubblicazioni inferiore (circa 128.360).
Per quanto riguarda le esportazioni, nella Figura 8.18, notiamo che il valore
più alto è associato a nazioni come il Belgio (circa 70% del PIL) e i Paesi Bassi
(circa il 64% del PIL), che, però, hanno un numero piuttosto basso di pubblicazioni
8.2 Analisi della conoscenza estratta
141
Figura 8.17. Numero di brevetti e PIL nel 2004
(rispettivamente circa 6.540 e 14.500, cioè meno di un decimo di quelle degli Stati
Uniti).
Figura 8.18. Numero di brevetti e valore delle esportazioni di beni e servizi nel 2004
Se consideriamo gli investimenti diretti all’estero (Figura 8.19), notiamo che,
nel 2004, solo gli Stati Uniti hanno investito molto all’estero (circa 170 miliardi di
dollari), mentre le altre nazioni hanno effettuato investimenti decisamente minori,
ma comunque in linea con gli anni precedenti; ad esempio, la Germania ha investito
all’estero circa 30 miliardi di dollari.
Infine, se consideriamo gli utenti Internet, nella Figura 8.20 notiamo che la percentuale di utenti è notevolmente aumentata, con una media del 70% di popolazione
che usa Internet. Ancora una volta, però, nazioni come la Svezia e la Danimarca
hanno una percentuale di popolazione che usa Internet maggiore dell’80%, ma non
si trovano ai primi posti per numero di brevetti.
Analisi organizzate sulle nazioni nel 2008
Anche nel 2008 il numero di brevetti e il PIL hanno all’incirca lo stesso andamento
(Figura 8.21) ed anche in questo caso gli Stati Uniti continuano ad essere al primo
142
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.19. Numero di brevetti e FDI nel 2004
Figura 8.20. Numero di brevetti e utenti Internet nel 2004
posto, con circa 180.820 pubblicazioni e un PIL di 14.720 miliardi di dollari. Notiamo, inoltre, che la Cina ha un PIL di 4.560 miliardi di dollari, vicino a quello
del Giappone, che è al terzo posto, ma ha un numero di pubblicazioni molto basso
(circa 6.770 pubblicazioni).
Figura 8.21. Numero di brevetti e PIL nel 2008
8.2 Analisi della conoscenza estratta
143
Anche nel 2008, come mostra la Figura 8.22, il valore più alto delle esportazioni
è associato a nazioni come il Belgio, i Paesi Bassi e la Svizzera, che hanno un numero
di pubblicazioni minore o uguale a 15.000.
Figura 8.22. Numero di brevetti e valore delle esportazioni di beni e servizi nel 2008
Se consideriamo gli investimenti diretti all’estero (Figura 8.23), non riusciamo
a trovare una correlazione tra essi e il numero di pubblicazioni brevettuali; infatti,
l’andamento dell’FDI è molto variabile negli anni.
Figura 8.23. Numero di brevetti e FDI nel 2008
Infine, se consideriamo gli utenti Internet (Figura 8.24), anche nel 2008 possiamo
osservare che la percentuale di utenti è notevolmente aumentata, con una media
dell’80% di popolazione che usa Internet. Anche in questo caso sono nazioni come
la Svezia e la Danimarca che hanno la percentuale di popolazione che usa Internet
maggiore rispetto alle altre, ma non si trovano ai primi posti per numero di brevetti.
Analisi organizzate sulle nazioni nel 2013
Nel 2013 notiamo che il numero di pubblicazioni e il PIL hanno all’incirca lo stesso
andamento (Figura 8.25). Si discostano principalmente due nazioni, ovvero la Corea
144
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.24. Numero di brevetti e utenti Internet nel 2008
del Sud e la Cina. In particolare, la Corea del Sud, nonostante un PIL di 1.310
miliardi di dollari, ha prodotto circa 30.250 pubblicazioni, un valore molto simile
a quello della Francia, che, però, ha un PIL di 2.810 miliardi di dollari. La Cina,
invece, ha un PIL di 9.490 miliardi ed è seconda solo agli Stati Uniti in termini di
PIL; tuttavia, essa ha pubblicato “solo” 20.500 brevetti, che la rendono la settima
nazione per numero di brevetti.
Figura 8.25. Numero di brevetti e PIL nel 2013
Per quanto riguarda le esportazioni, la Figura 8.26 mostra che le nazioni col
valore più alto in percentuale sono il Belgio, i Paesi Bassi e la Cina, che, però,
non sono ai primi posti in termini di numero di pubblicazioni. Gli Stati Uniti e il
Giappone continuano ad avere un valore di esportazioni molto basso (circa il 15%
del PIL).
Se osserviamo i risultati ottenuti per gli investimenti diretti all’estero (Figura
8.27), notiamo che, per gran parte delle nazioni, essi hanno un valore positivo. Solo
la Cina ha un valore fortemente negativo, il vuol dire che, in questo momento, questa
nazione sta attirando notevoli investimenti dall’estero.
Infine, analizzando i risultati ottenuti per gli utenti Internet (Figura 8.28), notiamo che, nel 2013, in quasi tutti i paesi la percentuale si aggira intorno al 90%.
8.2 Analisi della conoscenza estratta
145
Figura 8.26. Numero di brevetti e valore delle esportazioni di beni e servizi nel 2013
Figura 8.27. Numero di brevetti e FDI nel 2013
Fanno eccezione la Cina con il 48,8%, l’Italia con il 58,46% e l’India con solo il 15%.
Figura 8.28. Numero di brevetti e utenti Internet nel 2013
146
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
8.2.2 Conoscenza estratta dalle analisi organizzate rispetto
al tempo
Le analisi organizzate sul tempo sono state implementate per tutte le nazioni previste, ovvero Arabia Saudita, Australia, Brasile, Cina, Corea del Sud, Egitto, Francia,
Germania, Giappone, India, Irlanda, Israele, Italia, Nuova Zelanda, Qatar, Regno
Unito, Russia, Spagna, Stati Uniti, Sud Africa, Svezia, Tunisia, Turchia e Vietnam.
In particolare, abbiamo deciso di riportare, in questo lavoro di tesi, solo i risultati
ottenuti per le principali nazioni occidentali e per altre particolarmente rilevanti.
Analisi organizzate sul tempo per l’Arabia Saudita
La prima nazione che analizziamo è l’Arabia Saudita, una nazione che deve la
sua ricchezza ai giacimenti di petrolio; infatti esso rappresenta circa il 90% delle sue esportazioni. Questo ha contribuito alla trasformazione di un regno deserto
sottosviluppato in una delle nazioni più ricche del mondo.
Il primo anno utile per effettuare le analisi, ovvero il primo anno in cui è stata
registrata una richiesta di brevetto, è stato il 1981, per cui le analisi condotte si
riferiscono al periodo 1981-2013.
Nella Figura 8.29 possiamo notare che il numero di pubblicazioni e il PIL hanno
un andamento molto simile. Nonostante la sua ricchezza, cresciuta esponenzialmente
dal 2000 in poi, l’Arabia Saudita produce un numero molto basso di pubblicazioni
brevettuali; nel 2013 si è verificato il numero massimo di pubblicazioni, ovvero 194.
Figura 8.29. Andamento del numero di brevetti e del PIL per l’Arabia Saudita
I valori delle esportazioni hanno avuto un andamento piuttosto irregolare negli
anni, oscillando da un minimo del 23% ad un massimo del 63%, come mostra la
Figura 8.30.
Come mostra la Figura 8.31, gli investimenti diretti all’estero hanno avuto un
andamento abbastanza regolare fino al 2004; in seguito hanno avuto un forte calo,
con il massimo picco negativo di circa -36 miliardi di dollari nel 2008, a cui è seguita
una ripresa. Negli stessi anni, in particolare nel 2009, possiamo notare dei lievi cali
8.2 Analisi della conoscenza estratta
147
Figura 8.30. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per l’Arabia Saudita
anche nel PIL e nelle esportazioni. Essi sono, molto probabilmente, influenzati dalla
“grande recessione”2 .
Figura 8.31. Andamento del numero di brevetti e dell’FDI per l’Arabia Saudita
Per quanto riguarda gli utenti Internet (Figura 8.32), i dati relativi agli anni
Novanta mostrano una bassissima diffusione (meno dello 0,5% della popolazione),
che aumenta esponenzialmente negli anni Duemila, fino al massimo del 60% nel
2013.
Come mostra la Figura 8.33, i dati relativi al tasso di alfabetizzazione sono
molto scarni, ma consentono, comunque, di capire che esso è aumentato nel tempo,
arrivando al 95% della popolazione nel 2013.
2
Con il termine “grande recessione” si indica una crisi economica mondiale iniziata nel
2007. Essa iniziò negli Stati Uniti in seguito ad una crisi del mercato immobiliare (crisi
dei subprime) e fu seguita da una crisi finanziaria mondiale. La recessione ha gradualmente assunto un carattere globale e perdurante (tranne alcune eccezioni, come Cina e
India).
148
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.32. Andamento del numero di brevetti e degli utenti Internet per l’Arabia
Saudita
Figura 8.33. Andamento del numero di brevetti e del tasso di alfabetizzazione per l’Arabia
Saudita
Analisi organizzate sul tempo per il Brasile
Il Brasile è riconosciuto come uno dei paesi con la più rapida crescita economica;
inoltre, l’economia brasiliana è la più grande in America Latina.
Se analizziamo i dati relativi al PIL, nella Figura 8.34, possiamo notare che esso
ha un andamento molto simile a quello del numero di pubblicazioni. Nonostante
un PIL alto (circa 2.500 miliardi di dollari negli anni 2011, 2012, 2013), il Brasile
presenta un numero di pubblicazioni relativamente basso (il massimo è stato 598
nel 2010).
I valori delle esportazioni è piuttosto irregolare negli anni e varia tra il 7% e il
17%, come mostra la Figura 8.35.
Come mostra la Figura 8.36, anche gli investimenti diretti all’estero hanno avuto
un andamento abbastanza irregolare dal 1995 in poi, mentre prima hanno avuto un
valore negativo, ma abbastanza costante.
Osservando il risultato ottenuto per gli utenti Internet (Figura 8.37), notiamo
che, negli anni Novanta, meno dello 5% della popolazione usava Internet. In seguito,
si osserva una forte crescita, che porta ad un massimo del 51% nel 2013.
8.2 Analisi della conoscenza estratta
149
Figura 8.34. Andamento del numero di brevetti e del PIL per il Brasile
Figura 8.35. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per il Brasile
Figura 8.36. Andamento del numero di brevetti e dell’FDI per il Brasile
Come mostra la Figura 8.38, i dati relativi al tasso di alfabetizzazione sono
concentrati soprattutto negli anni Duemila e mostrano una lieve crescita del tasso
di alfabetizzazione (il massimo si ha nel 2013 con il 91,5%).
150
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.37. Andamento del numero di brevetti e degli utenti Internet per il Brasile
Figura 8.38. Andamento del numero di brevetti e del tasso di alfabetizzazione per il
Brasile
Analisi organizzate sul tempo per la Cina
Dopo l’introduzione delle riforme economiche nel 1978, la Cina è diventata l’economia dalla crescita più rapida al mondo. A partire dal 2013, essa è la seconda
economia più grande al mondo.
Se analizziamo i dati relativi al PIL (Figura 8.39), possiamo notare, infatti,
che esso ha subito una crescita esponenziale ed ha un andamento molto simile a
quello del numero di pubblicazioni. Nonostante la Cina sia una delle nazioni più
ricche al mondo (9.500 miliardi di dollari nel 2013), la Cina presenta un numero di
pubblicazioni relativamente basso (circa 8.400 nel 2013).
Come mostra la Figura 8.40, il valore delle esportazioni di beni e servizi ha
avuto negli anni un andamento piuttosto irregolare ma crescente, fatta eccezione
per il periodo compreso tra il 2007 e il 2013, in cui ha subito un forte calo (da circa
il 35% a circa il 25%).
Gli investimenti diretti all’estero (Figura 8.41) hanno avuto un andamento abbastanza regolare fino agli anni Novanta. In seguito hanno avuto un calo, che ha
raggiunto il picco minimo nel 2011 con -231,65 miliardi di dollari. Questo, lo ricordiamo, vuol dire semplicemente che la Cina sta attirando un numero sempre
8.2 Analisi della conoscenza estratta
151
Figura 8.39. Andamento del numero di brevetti e del PIL per la Cina
Figura 8.40. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per la Cina
maggiore di investimenti dall’estero. La mole di tali investimenti è di gran lunga
maggiore della mole di investimenti cinesi verso l’estero.
Figura 8.41. Andamento del numero di brevetti e dell’FDI per la Cina
152
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Come mostra la Figura 8.42, la percentuale di popolazione che usa Internet
è molto bassa fino alla fine degli anni Novanta e cresce esponenzialmente fino a
raggiungere il 50% della popolazione nel 2013.
Figura 8.42. Andamento del numero di brevetti e degli utenti Internet per la Cina
Come mostra la Figura 8.43, i dati relativi al tasso di alfabetizzazione sono molto
scarni, ma consentono, comunque, di affermare che è un fattore in crescita.
Figura 8.43. Andamento del numero di brevetti e del tasso di alfabetizzazione per la
Cina
Analisi organizzate sul tempo per la Corea del Sud
La Corea del Sud è la quarta economia più grande dell’Asia. Ad oggi, è famosa
soprattutto come un paese fortemente sviluppato nel settore ICT.
Come mostra la Figura 8.44, a grandi linee, l’andamento del numero di brevetti
nel tempo ricalca quello del PIL, fatta eccezione per il calo del PIL nel 1997 e nel
1998, conseguenza della crisi finanziaria asiatica del 1997. A partire dalla seconda
metà degli anni Novanta, il numero di brevetti ha subito una crescita esponenziale,
raggiungendo il picco massimo nel 2012 con circa 10.000 pubblicazioni.
8.2 Analisi della conoscenza estratta
153
Figura 8.44. Andamento del numero di brevetti e del PIL per la Corea del Sud
Fino agli inizi degli anni Duemila, l’andamento delle esportazioni è piuttosto
irregolare, come mostra la Figura 8.45. Dal 2002 in poi, invece, le esportazioni
sono tendenzialmente crescente, con un andamento simile a quello del numero di
pubblicazioni brevettuali. Il valore massimo è stato raggiunto, anche in questo caso,
nel 2012, con un valore di circa il 56% del PIL.
Figura 8.45. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per la Corea del Sud
Gli investimenti diretti all’estero (Figura 8.46) hanno avuto un andamento abbastanza simile a quello delle esportazioni. Gli investimenti hanno, in genere, un
valore positivo, fatta eccezione per il periodo compreso tra il 1998 e il 2005, in cui
hanno registrato dei valori fortemente negativi.
Come mostra la Figura 8.47, a partire dal 1995, la percentuale di popolazione
che usa Internet è cresciuta in maniera esponenziale per circa 10 anni, assestandosi intorno all’80%. In seguito, essa ha continuato a crescere, ma in modo meno
accentuato.
154
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.46. Andamento del numero di brevetti e dell’FDI per la Corea del Sud
Figura 8.47. Andamento del numero di brevetti e degli utenti Internet per la Corea del
Sud
Analisi organizzate sul tempo per l’Egitto
L’Egitto è considerato una media potenza, con una significativa influenza culturale,
politica e militare in Nord Africa, Vicino Oriente e mondo musulmano. L’economia dell’Egitto è una delle più diversificate del Medio Oriente, con settori quali il
turismo, l’agricoltura, l’industria e i servizi, con livelli di produzione senza uguali.
Dall’analisi sul PIL e sul numero di pubblicazioni mostrata in Figura 8.48, notiamo che anche per l’Egitto il PIL segue un andamento crescente nel tempo, mentre,
per quanto riguarda il numero di pubblicazioni, l’andamento è simile, fatta eccezione per gli anni Duemila. L’Egitto ha, comunque, un numero molto basso di brevetti;
il massimo è stato registrato nel 2007 con 44 pubblicazioni.
Come mostra la Figura 8.49, l’andamento delle esportazioni egiziane negli anni
è stato molto variabile, ed ha oscillato tra il 12% e il 33% del PIL.
Gli investimenti diretti all’estero (Figura 8.50) hanno avuto un andamento abbastanza regolare fino al 2004, mantenendosi, comunque, negativi, con una media di
-700 milioni di dollari. Dal 2004 in poi essi hanno avuto un forte calo, sperimentando
un unico picco positivo di 1,1 miliardi di dollari nel 2011.
Negli anni Novanta, la percentuale di utenti Internet in Egitto (Figura 8.51) è
stata molto bassa (meno dello 0,5% della popolazione). La crescita è iniziata negli
8.2 Analisi della conoscenza estratta
155
Figura 8.48. Andamento del numero di brevetti e del PIL per l’Egitto
Figura 8.49. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per l’Egitto
Figura 8.50. Andamento del numero di brevetti e dell’FDI per l’Egitto
anni Duemila, ma è stata, nel complesso, una diffusione limitata, raggiungendo circa
il 30% della popolazione nel 2013.
I pochi dati relativi al tasso di alfabetizzazione ci permettono di dire che esso è
mediamente crescente (Figura 8.52). Nel 2006 si è verificato un calo del 5% rispetto
156
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.51. Andamento del numero di brevetti e degli utenti Internet per l’Egitto
al 2005, passando dal 71,4% al 66,4%. Il valore massimo è stato registrato nel 2013,
con il 75,1% della popolazione alfabetizzata.
Figura 8.52. Andamento del numero di brevetti e del tasso di alfabetizzazione per l’Egitto
Analisi organizzate sul tempo per la Germania
La Germania è la quarta potenza economica mondiale dopo Stati Uniti, Cina e
Giappone; in particolare, detiene una posizione chiave negli affari europei, oltre ad
una moltitudine di partnership a livello globale. Inoltre, la Germania è riconosciuta
come leader in vari settori scientifici e tecnologici.
L’andamento del numero di pubblicazioni brevettuali e del PIL tedeschi è grossomodo simile (Figura 8.53). Possiamo notare che sull’andamento del PIL si riflettono
i periodi di crisi economica. Infatti, possiamo notare come il PIL tedesco nei primi
anni Duemila è stato influenzato dalle prime avvisaglie di crisi economica, che sono
poi confluite nella grande recessione scoppiata nel 2007.
Come mostra la Figura 8.54, il valore delle esportazioni tedesche ha un andamento per lo più crescente, fatta eccezione per il calo registrato nel 2009. Il valore
8.2 Analisi della conoscenza estratta
157
Figura 8.53. Andamento del numero di brevetti e del PIL per la Germania
massimo è stato raggiunto nel 2012, anno in cui è stato esportato il 46% del PIL
tedesco.
Figura 8.54. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per la Germania
Il valore degli investimenti diretti all’estero (Figura 8.55) è stato abbastanza
costante fino alla prima metà degli anni Novanta, con una media di 8 miliardi di
dollari di investimenti. In seguito, l’FDI ha avuto un andamento piuttosto irregolare,
con un picco minimo di circa -150 miliardi di dollari nel 2000 e un picco massimo
di circa 90 miliardi di dollari nel 2007.
Nella Figura 8.56 possiamo notare che l’andamento della percentuale di utenti
Internet ha una crescita esponenziale, passando da meno dell’1% negli anni Novanta
a circa l’85% della popolazione nel 2013.
Analisi organizzate sul tempo per Israele
Israele ha una economia di mercato mista, ed è considerato uno dei paesi più avanzati
e competitivi del Medio Oriente e di tutta l’Asia, per quanto riguarda il progresso
economico e industriale.
158
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.55. Andamento del numero di brevetti e dell’FDI per la Germania
Figura 8.56. Andamento del numero di brevetti e degli utenti Internet per la Germania
Come possiamo notare dalla Figura 8.57, l’andamento del numero di pubblicazioni brevettuali e del PIL israeliani è abbastanza simile. In particolare, possiamo
notare la crescita di questo paese, sia in termini di PIL sia in termini di numero di
brevetti. Infatti, negli anni Ottanta, Israele possedeva poche centinaia di pubblicazioni all’anno e un PIL inferiore a 50 miliardi di dollari. Negli anni Duemila, invece,
ha raggiunto le 2.500 pubblicazioni, con un PIL di circa 250 miliardi di dollari.
L’andamento del valore delle esportazioni è piuttosto irregolare (Figura 8.58).
In particolare, decresce fino alla prima metà degli anni Novanta, per poi tornare a
crescere, mantenendo, comunque, un andamento irregolare.
Come mostra la Figura 8.59, per Israele il valore degli investimenti diretti all’estero è stato abbastanza costante fino alla prima metà degli anni Novanta, alternando saldi positivi e negativi di qualche milione di dollari. Dalla seconda metà degli
anni Novanta, invece, l’FDI assume un andamento piuttosto irregolare.
Per quanto riguarda l’andamento della percentuale di utenti Internet (Figura
8.60), anche per Israele si ha una crescita esponenziale, passando da meno dell’1%
nella prima metà degli Novanta a circa il 70% della popolazione nel 2013.
8.2 Analisi della conoscenza estratta
159
Figura 8.57. Andamento del numero di brevetti e del PIL per Israele
Figura 8.58. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per Israele
Figura 8.59. Andamento del numero di brevetti e dell’FDI per Israele
Analisi organizzate sul tempo per l’Italia
Secondo la Banca Mondiale, l’Italia è l’ottava potenza economica mondiale e la
quarta a livello europeo. Essa ha un’economia basata principalmente sul settore dei
160
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.60. Andamento del numero di brevetti e degli utenti Internet per Israele
servizi.
Come mostra la Figura 8.61, l’andamento del numero di pubblicazioni brevettuali e del PIL italiani è molto simile. In particolare, l’andamento del numero di
pubblicazioni segue abbastanza bene anche le fluttuazioni, più o meno accentuate,
che il PIL ha avuto negli anni. Notiamo, inoltre, che il valore massimo, sia per il
PIL sia per il numero di pubblicazioni, è stato raggiunto nel 2008, con circa 10.500
pubblicazioni e un PIL di 2.390 miliardi di dollari.
Figura 8.61. Andamento del numero di brevetti e del PIL per l’Italia
L’andamento del valore delle esportazioni è piuttosto irregolare. In particolare,
possiamo notare che, nonostante continui alti e bassi, le esportazioni hanno, comunque, avuto un andamento crescente nel tempo a partire dagli anni Novanta, come
mostra la Figura 8.62.
Come possiamo notare dalla Figura 8.63, anche per l’Italia il valore degli investimenti diretti all’estero è stato abbastanza regolare fino agli inizi degli anni Duemila,
con una media di circa 2 miliardi di dollari investiti. In seguito, esso ha avuto un andamento piuttosto irregolare. L’investimento massimo (circa 77 miliardi di dollari)
si è verificato nel 2008.
8.2 Analisi della conoscenza estratta
161
Figura 8.62. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per l’Italia
Figura 8.63. Andamento del numero di brevetti e dell’FDI per l’Italia
Per quanto riguarda l’andamento della percentuale di utenti Internet (Figura
8.64), si ha una crescita esponenziale, passando da meno dell’1% nella prima metà
degli Novanta a circa il 58% della popolazione nel 2013.
Figura 8.64. Andamento del numero di brevetti e degli utenti Internet per l’Italia
162
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Infine, dalla Figura 8.65 possiamo notare che i dati relativi al tasso di alfabetizzazione sono molto poveri, ma comunque ci consentono di affermare che esso ha un
andamento crescente. Infatti, esso passa da 96,46% nel 1981 al 98,42% nel 2001 ed,
infine, al 99,07% nel 2013.
Figura 8.65. Andamento del numero di brevetti e del tasso di alfabetizzazione per l’Italia
Analisi organizzate sul tempo per il Regno Unito
Il Regno Unito è la quinta potenza economica mondiale, dopo Stati Uniti, Cina,
Giappone, e Germania, ed è la seconda in Europa (dopo la Germania).
Anche per il Regno Unito possiamo dire che l’andamento del numero di pubblicazioni brevettuali e del PIL è molto simile (Figura 8.66). In particolare, l’andamento
del numero di pubblicazioni segue abbastanza bene anche le fluttuazioni, più o meno
accentuate, che il PIL ha avuto negli anni.
Figura 8.66. Andamento del numero di brevetti e del PIL per il Regno Unito
L’andamento del valore delle esportazioni è, invece, piuttosto irregolare e ha
raggiunto il valore massimo (con il 31% del PIL esportato) nel 2011, come mostra
la Figura 8.67.
8.2 Analisi della conoscenza estratta
163
Figura 8.67. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per il Regno Unito
Come possiamo notare dalla Figura 8.68, anche per il Regno Unito il valore degli
investimenti diretti all’estero è stato abbastanza regolare e costante fino alla prima
metà degli anni Novanta. In seguito, esso ha avuto un andamento piuttosto irregolare, alternando anni caratterizzati da valori negativi (ad esempio, -92,74 miliardi
di dollari nel 2005) ad anni caratterizzati da valori positivi (ad esempio, 160,88
miliardi di dollari nel 2007).
Figura 8.68. Andamento del numero di brevetti e dell’FDI per il Regno Unito
Infine, per quanto riguarda l’andamento della percentuale di utenti Internet
(Figura 8.69), si ha una crescita esponenziale, passando da meno dell’1% negli anni
Novanta a più del 90% della popolazione nel 2013.
Analisi organizzate sul tempo per la Russia
La Russia possiede un’economia di mercato abbastanza sviluppata e che vanta enormi risorse naturali, in particolare petrolio e gas naturale. Fino agli inizi degli anni Novanta la Russia era parte dell’Unione delle Repubbliche Socialiste Sovietiche
164
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.69. Andamento del numero di brevetti e degli utenti Internet per il Regno Unito
(URSS), il cui processo di dissoluzione iniziò nel 1989. Per questo motivo i dati
relativi agli indicatori di sviluppo sono disponibili dal 1989 in poi.
Dalla Figura 8.70 possiamo notare che l’andamento del numero di pubblicazioni
brevettuali è crescente nel tempo, mentre l’andamento del PIL negli anni Novanta
è leggermente decrescente e subisce una crescita esponenziale dal 2000 in poi. In
particolare, l’andamento del numero di pubblicazioni segue abbastanza bene anche
le fluttuazioni, più o meno accentuate, che il PIL ha avuto negli anni.
Figura 8.70. Andamento del numero di brevetti e del PIL per la Russia
Come mostra la Figura 8.71, l’andamento del valore delle esportazioni è piuttosto
irregolare fino agli inizi degli anni Duemila. In seguito, ha un andamento più regolare
(intorno al 30% del PIL), ma comunque decrescente.
Come possiamo notare dalla Figura 8.72, i dati relativi agli investimenti diretti
all’estero sono disponibili dal 1994 in poi. Essi hanno un andamento opposto a quello
delle esportazioni; infatti, gli investimenti sono piuttosto regolari fino agli inizi degli
anni Duemila, dopodiché hanno un andamento molto irregolare.
Per quanto riguarda l’andamento della percentuale di utenti Internet (Figura
8.73), anche per la Russia si ha una crescita esponenziale, passando da meno dell’1%
negli anni Novanta a circa il 70% della popolazione nel 2013.
8.2 Analisi della conoscenza estratta
165
Figura 8.71. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per la Russia
Figura 8.72. Andamento del numero di brevetti e dell’FDI per la Russia
Figura 8.73. Andamento del numero di brevetti e degli utenti Internet per la Russia
Infine, per quanto riguarda il tasso di alfabetizzazione (Figura 8.74), anche per
la Russia si hanno pochissimi dati, ma che consentono, comunque, di dire che è un
fattore in crescita.
166
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.74. Andamento del numero di brevetti e del tasso di alfabetizzazione per la
Russia
Analisi organizzate sul tempo per gli Stati Uniti
Gli Stati Uniti sono una nazione sviluppata, la cui economia è alimentata da abbondanti risorse naturali, da numerose infrastrutture e da un’elevata produttività. Essi
rappresentano la prima potenza economica, leader nel settore della ricerca scientifica
e dell’innovazione tecnologica.
Dalla Figura 8.75 possiamo notare che l’andamento del PIL statunitense ha
avuto una crescita lineare nel tempo. L’andamento del numero di pubblicazioni
brevettuali è molto simile a quello del PIL. Solo nel 2013 gli Stati Uniti hanno
sperimentato, come le altre nazioni, un leggero calo nel numero di brevetti pubblicati
(circa 62.870 a fronte delle 72.000 dell’anno precedente).
Figura 8.75. Andamento del numero di brevetti e del PIL per gli Stati Uniti
Come mostra la Figura 8.76, l’andamento delle esportazioni è piuttosto irregolare
e si mantiene sempre su valori molto bassi (meno del 14%).
Come possiamo notare dalla Figura 8.77, anche i dati relativi agli investimenti diretti all’estero hanno un andamento piuttosto irregolare, alternando anni con
grandi valori positivi (ad esempio, 192,88 miliardi di dollari nel 2007) ad anni con
elevati valori negativi (ad esempio, -162 miliardi di dollari nel 2000).
8.2 Analisi della conoscenza estratta
167
Figura 8.76. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per gli Stati Uniti
Figura 8.77. Andamento del numero di brevetti e dell’FDI per gli Stati Uniti
Gli Stati Uniti sono l’unico paese in cui la percentuale di popolazione che usa
Internet cresce velocemente sin da subito, passando da meno dell’1% a circa il 50%
in “soli” dieci anni, come mostra la Figura 8.78.
Figura 8.78. Andamento del numero di brevetti e degli utenti Internet per gli Stati Uniti
168
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Analisi organizzate sul tempo per la Turchia
La Turchia ha un’economia che ha conosciuto una notevole espansione negli ultimi
anni ed è classificata fra le nazioni più sviluppate del mondo.
Dalla Figura 8.79 possiamo notare che, per la Turchia, l’andamento del PIL
e del numero di pubblicazioni brevettuali è molto simile. Nonostante la Turchia
sia considerata un Paese sviluppato, il numero delle sue pubblicazioni è abbastanza
ridotto; il numero massimo di pubblicazioni brevettuali (circa 900) è stato raggiunto
nel 2012.
Figura 8.79. Andamento del numero di brevetti e del PIL per la Turchia
L’andamento delle esportazioni (Figura 8.80) è piuttosto irregolare, anche se ha
una tendenza crescente nel tempo.
Figura 8.80. Andamento del numero di brevetti e del valore delle esportazioni di beni e
servizi per la Turchia
Come possiamo notare dalla Figura 8.81, gli investimenti diretti all’estero hanno
avuto un andamento abbastanza regolare fino agli inizi degli anni 2000. In seguito,
l’FDI ha avuto un andamento irregolare, caratterizzato sempre da valori negativi.
8.2 Analisi della conoscenza estratta
169
Ciò vuol dire che la Turchia sta riuscendo ad attrarre costantemente investimenti
dall’estero.
Figura 8.81. Andamento del numero di brevetti e dell’FDI per la Turchia
Dalla Figura 8.82 possiamo notare che la percentuale di utenti Internet è stata
molto bassa e non ha mai superato il 50% della popolazione.
Figura 8.82. Andamento del numero di brevetti e degli utenti Internet per la Turchia
Infine, nella Figura 8.83 possiamo notare che il tasso di alfabetizzazione ha
avuto un andamento crescente negli anni, soprattutto nell’ultimo decennio, in cui
ha raggiunto circa il 95% della popolazione.
170
8 Integrazione tra dati sui brevetti e dati della Banca Mondiale (parte II)
Figura 8.83. Andamento del numero di brevetti e del tasso di alfabetizzazione per la
Turchia
9
La letteratura correlata
In questo capitolo viene presentata la letteratura correlata, ovvero vengono illustrati
gli approcci per l’estrazione della conoscenza sul mondo degli inventori e dei relativi
brevetti utilizzati in alcuni articoli scientifici.
9.1 Introduzione
Negli ultimi 15 anni, le analisi sugli inventori e sui brevetti da loro realizzati hanno
interessato molti ricercatori ed economisti. I loro studi sono stati supportati da una
grande quantità di informazioni, relative al campo della brevettazione, facilmente
reperibili in banche dati come quella dell’EPO.
Nel passato, per estrarre conoscenza da dati relativi ai brevetti e ai corrispondenti inventori, sono stati utilizzati diversi approcci, che vanno dalla statistica
economica alla Social Network Analysis e alla teoria dei grafi.
Un’attenta ricerca su web ci ha consentito di selezionare degli articoli scientifici
relativi al mondo dei brevetti. Dopo uno studio approfondito, abbiamo deciso di
riportarne gli approcci di analisi, in modo da poter, nel prossimo capitolo, effettuare
una discussione critica dell’approccio da noi utilizzato. Per questo motivo, abbiamo
deciso di dividere la letteratura correlata in due aree di ricerca, ovvero:
•
•
analisi sugli inventori e sui titolari;
analisi sui brevetti.
9.2 Letteratura relativa ad analisi sugli inventori e
sui titolari
Vediamo, dunque, quali sono gli approcci usati nelle analisi sugli inventori e sui
titolari dei brevetti e quali sono i risultati ottenuti.
In [16] gli Autori hanno effettuato delle analisi relative al numero di richiedenti e
alla distribuzione del numero di brevetti che essi hanno presentato all’EPO a partire
dal 1978. Queste analisi hanno evidenziato un aumento esponenziale di entrambe le
172
9 La letteratura correlata
grandezze nel corso degli anni. Inoltre, tra i numerosi risultati, essi hanno ottenuto
che solo il 35% dei richiedenti che presentano brevetti in un anno ne presentano
altri anche l’anno successivo.
In [20] gli Autori hanno effettuato alcune analisi riguardo ai brevetti accademici realizzati in Europa. In particolare, essi volevano capire che influenza hanno
gli inventori che operano nell’università nelle attività brevettuali in Europa. Il risultato che hanno ottenuto è che gli inventori che operano nell’università hanno
contribuito, in maniera significativa, allo sviluppo della brevettazione in Europa,
soprattutto nelle classi IPC relative al campo farmaceutico e delle biotecnologie, al
campo chimico e dei materiali, al campo degli strumenti e al settore ICT.
In [21] gli Autori hanno effettuato alcune indagini relative alla geografia delle
innovazioni, ovvero hanno cercato di individuare una correlazione tra gli inventori e
l’area geografica in cui loro hanno operato. Le analisi condotte hanno evidenziato che
le differenze sociali e culturali giocano un ruolo fondamentale; le distanze fisiche e
quelle legate ai trasporti giocano un ruolo complementare, ma indipendente, rispetto
ai confini amministrativi.
In [9] gli Autori hanno ipotizzato che le reti relative a cooperazioni internazionali
tendono ad autorganizzarsi. Per verificarlo, essi hanno sfruttato tecniche di Social
Network Analysis atte ad analizzare la crescita delle reti. Essi hanno scoperto che
la crescita di queste reti è spiegabile tramite un processo stocastico, denominato
“preferential attachment”, e mediante lo studio della corrispondente distribuzione.
In [14] gli Autori hanno condotto alcune analisi riguardo ad un campione di inventori accademici usando delle tecniche di Social Network Analysis. In particolare,
essi hanno studiato le social network formate da inventori accademici, confrontandole con quelle formate da semplici professori che, però, non erano inventori. Un
primo risultato ottenuto è che le ego-network degli inventori sono più dense, poiché
esiste un forte scambio di informazioni ed un clima di fiducia reciproca che, nel
tempo, aumenta, facilitando la formazione di relazioni a lungo termine. Inoltre, è
stato scoperto che sia gli inventori che i non inventori hanno esteso, nel tempo, le
proprie reti e che il periodo successivo alla realizzazione di un brevetto non porta
all’isolamento o alla chiusura di un determinato inventore.
In [25], gli Autori hanno effettuato alcuni studi sulle reti di inventori e sulle
università italiane, allo scopo di valutare il peso della prossimità geografica e della
conoscenza. Essi hanno ricavato che le reti di inventori sono fortemente frammentate,
ad eccezione di alcuni campi tecnologici, come quello chimico o quello elettronico.
Inoltre, gran parte degli inventori presenti nelle reti sono accademici; questi ultimi
hanno un grado di centralità superiore rispetto agli inventori non accademici.
In [10] gli Autori hanno effettuato una ricerca empirica sull’attività di brevettazione svolta dai professori universitari italiani in collaborazione con le imprese.
In particolare, essi hanno analizzato la distribuzione dei titolari dei brevetti universitari, hanno valutato il peso dei brevetti firmati dai docenti rispetto al totale
dei brevetti prodotti da inventori italiani nelle diverse classi tecnologiche, hanno
valutato l’intensità di impegno in questa attività nei diversi settori scientifici in
cui operano i docenti ed, infine, hanno elaborato delle classifiche delle università
italiane, sulla base del numero dei brevetti realizzati dai docenti e dell’intensità
brevettuale.
9.3 Letteratura relativa ad analisi sui brevetti
173
9.3 Letteratura relativa ad analisi sui brevetti
Dopo aver visto gli approcci usati per le analisi sugli inventori e sui titolari, vediamo
quali sono alcuni degli approcci usati per le analisi sui brevetti ed a quali risultati
hanno portato.
In [15] gli Autori hanno definito alcuni indicatori per analizzare il livello di
internazionalizzazione di determinate tecnologie. In particolare, essi si sono proposti
di indagare se esiste un legame fra la cooperazione internazionale e le sedi delle
aziende multinazionali in cui si effettua l’attività di ricerca. Essi hanno dimostrato
che il grado di internazionalizzazione tecnologica è più alto per i paesi più piccoli ed
in fase di sviluppo. Inoltre, secondo questo studio, due paesi tendono a collaborare
tra di loro se sono geograficamente vicini, se sono specializzati in aree tecnologiche
simili, oppure se hanno la stessa lingua.
In [13] gli Autori hanno effettuato delle analisi in merito alle innovazioni che sono
state brevettate e a quelle che non sono state brevettate. In particolare, essi hanno
confrontato queste due categorie di innovazioni, nell’ambito del settore industriale,
in periodo che va dal 1977 al 2004. Gli Autori hanno ottenuto due risultati principali,
ovvero che il numero di innovazioni ritenute importanti che sono state brevettate
è relativamente basso e che la propensione alla brevettazione tende a variare tra
diversi settori industriali e diversi tipi di organizzazione.
In [8] gli Autori hanno effettuato alcuni report riguardo alle tecnologie relative
ai brevetti; ad esempio, essi hanno valutato la crescita percentuale, negli anni, delle
richieste di brevetto relative ad una specifica tecnologia e ad uno specifico Ufficio
Brevetti. Un primo risultato da loro ottenuto è che, dagli anni ’90 fino al 2004, si
è verificato un incremento generale del 40% del numero di richieste. Un ulteriore
risultato riguarda la differenza fra le pubblicazioni interne e straniere da parte di un
Ufficio Brevetti; in particolare, è stato dimostrato che, per gran parte degli uffici,
il numero di pubblicazioni interne è generalmente superiore rispetto al numero di
pubblicazioni straniere.
In [17] gli Autori hanno effettuato alcune indagini riguardo ai brevetti e alle
citazioni usando un approccio basato sulla Social Network Analysys per estrarre
conoscenza. Partendo dalla definizione di una social network, in cui i nodi sono i
brevetti e gli archi le rispettive citazioni, essi si sono proposti di analizzare come
la conoscenza si è diffusa tra le istituzioni e tra le diverse nazioni, tramite l’identificazione dei nodi critici o di eventuali “core network”, e avvalendosi di opportune
misure per analizzare la rete.
In [24] gli Autori hanno utilizzato un approccio basato sulla Social Network
Analysis per estrarre conoscenza sui brevetti. In particolare, essi hanno calcolato
alcune grandezze, come la frequenza delle citazioni, oppure alcune metriche tipiche
della Social Network Analysis, come la Degree Centrality e la Betweenness Centrality. Uno dei risultati più interessanti che essi hanno ottenuto è che gli inventori
che fungono da ponte fra i diversi gruppi di lavoro partecipano alla realizzazione di
brevetti relativi ad una più ampia gamma di tecnologie rispetto ad altri inventori;
tale circostanza è spiegabile dal fatto che i primi possono acquisire più conoscenze,
poiché sono parte integrante di numerosi gruppi.
In [19] gli Autori hanno utilizzato tecniche di Social Network Analysis per analizzare la struttura e la dinamica della rete di collaborazioni scientifiche internazionali
174
9 La letteratura correlata
per alcuni paesi del Nord Africa (Marocco, Egitto, Algeria, Tunisia). I risultati che
hanno ottenuto dimostrano che l’area nordafricana sta subendo un processo di internazionalizzazione, che si traduce in un’espansione della rete ed in un conseguente
incremento in termini di pubblicazioni dei gruppi internazionali. In particolare, l’Egitto rappresenta il paese con un maggior numero di pubblicazioni ed ha un grado
di centralità che aumenta costantemente nel tempo.
9.4 Confronto tra la letteratura correlata e il nostro approccio
Come abbiamo visto nelle sezioni precedenti, in letteratura esiste una vasta gamma
di approcci per l’analisi dei brevetti e, più in generale, delle innovazioni.
Il nostro approccio si colloca, sicuramente, in questo scenario di ricerca, e molte
delle tipologie di analisi da noi compiute sono analoghe a quelle che si possono
rinvenire negli approcci correlati proposti in precedenza.
Vi sono, tuttavia, delle peculiarità che contraddistinguono il nostro approccio
rispetto alla letteratura correlata. Queste possono essere raggruppate in due macroaree, ovvero l’utilizzo del modello multidimensionale e, più in generale, della Big
Data Analytics, e l’integrazione tra le informazioni derivate dall’analisi dei brevetti
e quelle derivate dagli indicatori di sviluppo forniti dalla Banca Mondiale.
Le peculiarità riconducibili alla prima macro-area ci consentono di esaminare il
fenomeno di interesse da più punti di vista differenti, ciascuno dei quali rappresenta
una dimensione del modello multidimensionale. La rappresentazione del fenomeno
di interesse mediante un ipercubo in unno spazio n-dimensionale consente di cogliere
al meglio le dipendenze e le correlazioni tra vari aspetti che contraddistinguono il
fenomeno della brevettazione e, più in generale, dell’innovazione. Sempre a questa
macro-area è riconducibile l’adozione, da parte nostra, del tool Qlik Sense, uno
strumento, proposto molto recentemente sul mercato, che permette di effettuare
analisi descrittive e diagnostiche in modo universale e, al tempo stesso, approfondito.
Le peculiarità riconducibili alla seconda macro-area ci hanno consentito di analizzare l’impatto che alcuni indicatori di sviluppo (dal PIL al tasso di alfabetizzazione, dalla percentuale di popolazione che utilizza Internet al valore delle esportazioni
di beni e servizi, all’FDI) hanno sull’innovazione, e viceversa.
10
Discussione in merito all’approccio
proposto
In questo capitolo viene presentata una discussione critica in merito all’approccio
adottato nel presente lavoro di tesi. In particolare, ne vengono illustrati i punti di
forza, quelli di debolezza ed, infine, le lezioni apprese.
10.1 Punti di forza
Lo scopo di questo lavoro di tesi è stato quello di analizzare i dati sui brevetti
mediante l’uso di strumenti di Big Data Analytics, in modo da estrarre dei pattern
di conoscenza. In particolare, abbiamo usato Qlik Sense, un tool che utilizza un
approccio innovativo per estrarre conoscenza dai dati.
L’uso di Qlik Sense presenta numerosi vantaggi; innanzitutto, esso possiede
un’interfaccia grafica estremamente “user-friendly”. La possibilità di definire dimensioni e misure con cui creare delle visualizzazioni estremamente personalizzabili
costituisce un ulteriore punto di forza per questo strumento di analisi. Inoltre, lo
strumento consente di organizzare il proprio progetto in maniera ordinata, attraverso la creazione di “fogli di lavoro”, che non rimangono indipendenti tra loro, ma si
influenzano a vicenda. Ad esempio, quando abbiamo deciso di analizzare i brevetti
relativi al settore ICT, la selezione della classe IPC corrispondente ci ha consentito di vedere i relativi risultati in tutte le analisi che avevamo già implementato
in diversi fogli di lavoro, senza dover applicare la selezione in ciascuno di essi. Un
altro punto di forza di Qlik Sense è rappresentato dalla possibilità, data a gruppi di
lavoro, di collaborare allo stesso progetto semplicemente tramite l’uso di Qlik Sense
Cloud, che consente di condividere il proprio lavoro con un gruppo di al più cinque
persone senza limiti di tempo o altre condizioni.
Ciò che, però, ci ha convinti a scegliere Qlik Sense tra tanti altri tool è la
possibilità di integrare facilmente dati provenienti da diverse sorgenti, che vanno dal
semplice file ai database più moderni. Infatti, inizialmente avevamo progettato ed
implementato le analisi relative ai brevetti e, solo in un secondo momento, abbiamo
deciso di aggiungere le analisi relative agli indicatori di sviluppo. L’aggiunta dei
dati relativi a questi ultimi è stata, dunque, una semplice integrazione dei dati
precedentemente utilizzati, che non ha stravolto il lavoro che avevamo già svolto.
176
10 Discussione in merito all’approccio proposto
10.2 Punti di debolezza
Nonostante i numerosi vantaggi apportati dall’uso di Qlik Sense, tale strumento
presenta anche delle debolezze. In particolare, come abbiamo potuto notare, Qlik
Sense consente di fare solo analisi relative a diagnostic analytics, che hanno lo scopo
di capire quali sono state le cause di eventi passati, e descriptive analytics, che
riguardano eventi che sono già accaduti e che vengono contestualizzati in modo da
ricavare informazioni.
Qlik Sense non ci ha, dunque, consentito di effettuare predictive analytics e prescriptive analytics. La prima, come abbiamo già visto, viene usata per determinare
il probabile esito di un evento futuro, poiché lega l’informazione al suo significato
per creare un modello che effettua predizioni sul futuro sulla base di eventi accaduti
nel passato in determinate condizioni. La seconda, invece, si basa sui risultati della
predictive analytics per consigliare delle azioni da intraprendere.
Di conseguenza, possiamo affermare che Qlik Sense non consente di fare Data
Mining, ovvero non consente l’esplorazione e l’analisi, eseguite in modo automatico
o semi-automatico, su grandi quantità di dati allo scopo di scoprire pattern significativi tramite l’implementazione di algoritmi di classificazione, definizione di cluster
ed analisi delle associazioni.
Se riuscisse ad effettuare anche questa tipologia di analisi, in futuro Qlik Sense potrebbe rivelarsi uno degli strumenti di Big Data Analytics più completi,
utilizzabile sia in un contesto aziendale sia per piccoli gruppi di lavoro.
10.3 Lezioni apprese
Alla fine di questo lavoro di tesi, vediamo quali sono le lezioni che abbiamo potuto
apprendere.
In primo luogo, abbiamo visto l’importanza, durante una campagna di analisi,
di integrare dati relativi ad ambiti vicini o che influenzano il contesto di riferimento.
Nel nostro caso, dopo aver effettuato le analisi relative ai brevetti e averne esaminato
i risultati, introdurre i dati sugli indicatori di sviluppo e integrare le relative analisi
a quelle sui brevetti ci ha consentito di vedere come l’ambito economico e l’attività
brevettuale si influenzano a vicenda. Infatti, abbiamo visto che, spesso, l’andamento
del numero di brevetti di una nazione ricalca quello del suo Prodotto Interno Lordo.
Inoltre, abbiamo notato che il numero di brevetti è notevolmente aumentato anche
in relazione alla percentuale di popolazione che utilizza Internet.
Nel realizzare queste analisi, abbiamo capito l’importanza della scelta dei giusti
strumenti per effettuare analisi con i Big Data. Infatti, ogni strumento ha le proprie
peculiarità ed, in base al risultato che si vuole ottenere, è importante scegliere lo
strumento che rappresenti la migliore soluzione possibile. Qlik Sense, uno strumento
per l’analisi dei Big Data utilizzato anche in contesti aziendali, ha rappresentato
per noi una nuova piattaforma e ci ha permesso di effettuare le analisi pianificate
in modo semplice e professionale.
Nel portare avanti la campagna di analisi, abbiamo compreso l’importanza delle
operazioni di ETL, preliminari alla realizzazione delle analisi vere e proprie. Infatti,
nonostante i dati che ci sono stati forniti dall’Università Bocconi fossero già stati
10.3 Lezioni apprese
177
“puliti”, abbiamo manipolato i dati con operazioni di ETL, per renderli conformi
alle nostre necessità.
Infine, abbiamo potuto sperimentare che è rilevante avere alla base degli strumenti con una certa potenza di calcolo. All’inizio di questo lavoro di tesi, infatti,
abbiamo implementato le analisi su una macchina con un processore dual-core e
con 8 GB di memoria RAM, che si è rivelata incapace di elaborare i dati a nostra
disposizione nel caso di analisi complesse. Il cloud computing si è rivelato, quindi, la
soluzione migliore da utilizzare ed abbiamo installato gli strumenti da utilizzare su
una macchina con 8 processori virtuali e 64 GB di RAM. Grazie a questa soluzione,
abbiamo implementato le più svariate analisi, ottenendo in poche decine di secondi
anche i risultati per analisi complesse che, in prima istanza, non eravamo riusciti
ad ottenere.
11
Conclusioni e uno sguardo al futuro
Oggi la Big Data Analytics assume un ruolo sempre più rilevante, poiché essa ci
svela informazioni importanti contenute in immense quantità di dati eterogenei.
Inoltre, la Big Data Analytics ci consente di comprendere meglio gli eventi del
passato e, di conseguenza, di avere un supporto per le decisioni future. In generale,
possiamo affermare, infatti, che per le aziende sta diventando una necessità riuscire
ad analizzare ed estrarre informazioni dai dati relativi ad attività passate in modo
da poter prendere le migliori decisioni riguardo al futuro.
Il presente lavoro di tesi nasce con l’idea di voler estrarre dei pattern di conoscenza contestualmente al mondo dei brevetti, in modo da capire che relazione c’è
tra l’inventore e il contesto in cui esso vive e lavora e, quindi, comprendere come
supportare in futuro gli innovatori.
Nella fase iniziale del presente lavoro di tesi sono stati introdotti i concetti fondamentali per conoscere la Big Data Analytics, Qlik Sense, ovvero il tool utilizzato
per le analisi, e il mondo dei brevetti. Ciò ci ha consentito di capire quali tipologie di analisi avremmo potuto condurre e, di conseguenza, pianificare, progettare
ed implementare tali analisi. I dati prelevati dal database CRIOS-Patstat, fornitoci
dall’Università Bocconi di Milano, hanno subito delle opportune operazioni di ETL,
che ci hanno consentito di avere dei dati “puliti” per le nostre analisi.
La fase di progettazione ci ha permesso di capire quali fossero le dimensioni e
le misure da implementare su Qlik Sense e, di conseguenza, in che modo queste
ultime dovessero essere combinate per creare le visualizzazioni grafiche. I risultati
che abbiamo ottenuto sono stati valutati da vari punti di vista; ad esempio, la
distribuzione dei brevetti è stata valutata sia sul piano temporale, sia in relazione
con la nazionalità degli inventori e dei titolari, sia in base alla classe IPC, etc.
Inoltre, abbiamo integrato i dati relativi ad alcuni indicatori di sviluppo per capire
se, e come, il contesto economico-culturale influenza l’attività brevettuale.
Infine, abbiamo potuto capire quali sono i punti di forza e di debolezza dell’approccio che abbiamo utilizzato nella presente tesi, anche grazie al confronto con i
risultati ottenuti da studi simili che abbiamo trovato in articoli scientifici.
Da ciò abbiamo capito anche quali possono essere gli sviluppi futuri del nostro
lavoro. Ad esempio, abbiamo valutato la possibilità di effettuare attività di classificazione e di clustering, per approfondire l’aspetto predittivo e prescrittivo dei
risultati da noi ottenuti. In merito all’integrazione con i dati sugli indicatori di svi-
180
11 Conclusioni e uno sguardo al futuro
luppo, in futuro si potrebbe pensare di approfondire le analisi, particolarizzandole
in ciascuno dei settori definiti dalle classi IPC.
Ringraziamenti
Alla fine di questo mio percorso universitario, desidero ringraziare tutti coloro che
mi sono stati vicini.
Un ringraziamento speciale va al prof. Domenico Ursino, per il suo supporto, per
la sua disponibilità e per tutto l’aiuto che mi ha dato durante la stesura di questa
tesi.
Ringrazio i miei genitori e mia sorella, che mi sono sempre stati accanto e non
mi hanno mai fatto mancare il loro sostegno durante tutti questi anni, nonostante i
momenti difficili. Senza di loro non sarei mai diventata quella che sono e non avrei
potuto raggiungere questo obiettivo.
Ringrazio Nico, che mi ha supportata e “sopportata” lungo gli anni universitari
che abbiamo percorso insieme, che ha sempre creduto in me, anche nei momenti in
cui ho pensato di non farcela, e mi ha sempre incoraggiata ad andare avanti.
Ringrazio le mie SorellAmiche, ovvero Enza, Silvana e Federica, delle persone
speciali che ho incontrato in momenti diversi della mia vita e che spero di non
perdere mai. I nostri cammini si sono uniti per un breve periodo, ma, nonostante
la distanza, sono sicura che continueremo a volerci bene come delle sorelle.
Infine, ringrazio tutti coloro che mi sono stati accanto e continuano ogni giorno
a dimostrarmi il loro affetto.
Riferimenti bibliografici
1. Banca Mondiale.
http://www.worldbank.org/, 2016.
2. Google Scholar.
https://scholar.google.it/, 2016.
3. Qlik Sense.
http://global.qlik.com/it/explore/products/sense, 2016.
4. Ufficio Brevetti.
http://ufficiobrevetti.it/, 2016.
5. Ufficio Italiano Brevetti e Marchi.
http://www.uibm.gov.it/index.php/brevetti, 2016.
6. Wikipedia.
http://it.wikipedia.org, 2016.
7. YouTube.
http://youtube.com, 2016.
8. Patent-Based Technology Analysis Report - Alternative Energy Technology. World
Intellectual Property Organization, 2009.
9. M. Balconi, S. Breschi, and F. Lissoni. Networks of Inventors and the Location of
University Research: An Exploration of Italian Data. In Proc. of the Conference on
’Rethinking Science Policy’, SPRU, Brighton (UK), May 2002.
10. M. Balconi, S. Bressi, and F. Lissoni. Il trasferimento di conoscenze tecnologiche dall’università all’industria in Italia: nuova evidenza sui brevetti di paternità dei docenti.
Il sistema della ricerca pubblica in Italia, Franco Angeli, Milano, pages 58–100, 2003.
11. M. Coffano and G. Tarasconi. CRIOS - Patstat Database: Sources, Contents and
Access Rules. Center for Research on Innovation, Organization and Strategy, CRIOS
Working Paper, 1, 1 Febbraio, 2014.
12. T. Erl, W. Khattak, and P. Buhler. Big Data Fundamentals - Concepts, Drivers &
Techniques. Prentice Hall, 2015.
13. R. Fontana, A. Nuvolari, H. Shimizu, and A. Vezzulli. Reassessing patent propensity:
evidence from a data-set of R&D awards, 1977-2004. Research Policy, 42:1780–1792,
2013.
14. E. Forti, C. Franzoni, and M. Sobrero. Bridges or isolates? Investigating the social
networks of academic inventors. Research Policy, 42:1378–1388, September 2013.
15. D. Guellec and B. van Pottelsberghe de la Potterie. The internationalisation of
technology analysed with patent data. Research Policy, 30:1253–1266, 2001.
16. P. Hingley and S. Bas. Numbers and sizes of applicants at the European Patent Office.
World Patent Information, 31:285–298, 2009.
184
Riferimenti bibliografici
17. C.-C. Hsueh and C.-C. Wang. The Use of Social Network Analysis in Knowledge
Diffusion Research from Patent Data. In International Conference on Advances in
Social Network Analysis and Mining (ASONAM 2009), Athens, Greece, 20-22 July
2009.
18. C. Ilacqua, H. Cronstrom, and J. Richardson. Learning Qlik Sense: The Official Guide
- Second Edition. Packt Publishing, 2015.
19. F. Landini, F. Malerba, and R. Mavilia. The Structure and dynamics of networks of
scientific collaborations in Northern Africa. Scientometrics, 105:1787–1807, 2015.
20. F. Lissoni. Academic patenting in Europe: An overview of recent research and new
perspectives. World Patent Information, 34:197–205, 2012.
21. F. Lissoni and E. Miguelez. Patents, Innovation and Economic Geography. WIPO,
16, 2014.
22. B. Marr. Big Data: Using Smart Big Data, Analytics and Metrics to Make Better
Decisions and Improve Performance. John Wiley & Sons Inc, 2015.
23. R. Mavilia. Internationalization of inventive activity: trends and insights from a patent
based approach. Thecnical Report. CRIOS Center, Università Bocconi, 2015.
24. C. Sternitzke, A. Bartkowski, and R. Schramm. Visualizing patent statistics by means
of Social Network Analysis tools. World Patent Information, 30:115–131, June 2008.
25. C. S. Wagner and L. Leydesdorff. Network structure, self-organization and the growth
of international collaboration in science. Research policy, 34:1608–1618, 2005.