如果我是专利交易中介人，我希望从高校发现一些合适的技术，找到相关联的企业。在大学与企业间穿针引线，介绍买卖，赚取佣金是一条路。更加aggressive的可能就把这些高校相关技术专利卖下，做个专利池，打包要求企业付专利费。
    这是专利运营的基本模式。运营成功的关键是否能够快速、精准找到专利、技术的供需双方。现有专利系统，都是为了检索而检索，不可能完成此类任务。还有就是请专家们撒开了去捞，最后结果往往是空手而回。
    基于大数据的Patentics智能专利运营系统，开现代专利运营之先河。一个检索式，精准匹配专利技术供需双方。作为专利、技术交易中介人，不是满世界去跑，而是坐在键盘前借助大数据智能计算，挖掘出专利交易的金矿！
    例如，我们希望知道有多少中国企业申请人引用中国国内大学的中国专利，而且，我们不关心企业、大学的共同申请，我们要求是单独企业申请人引用单独大学的专利。检索式为，
    p:antype/大学 and ns/中国 and annc/1 and db/cn and g/ref-s and antype/企业 and ns/中国 and annc/1     简单介绍检索式含义，
    p:流检索指示符；
    antype/大学 and ns/中国 and annc/1 and db/cn：申请人为大学类，并且是国内申请人地址，并且申请人个数为1个（单个大学申请人）的中国专利申请、授权，我们且把满足这些条件的中国专利定义为A；
    g/ref-s and antype/企业 and ns/中国 and annc/1：找出所有引用A的其它专利，并且这些其它专利必须是申请人类型为企业，并且是国内申请人地址，并且申请人个数是1个的中国专利。
    这里，流检索扮演了极其重要的角色。通过变换g/ref-s，将2组本来无不相关的专利，通过引用与被引用关联关系，联系在一起。大家不要小看，流检索本身是对现有检索技术的一大创新。对检索领域的影响，随着时间的推移，将会越来越大。


    从结果中，我们马上发现，申请人中国第一汽车以引用国内大学数量28篇,27篇,27篇等排居前列。进一步浏览，我们发现这些一汽专利一半以上引用，都是大学。例如CN103539118一共引用52篇，其中引用28篇是大学。并据此对所有引用大学专利的其它专利进行排序，提供机会让用户第一时间发现最重要的趋势与线索-引用大学专利最多的企业专利。
    智能排序依据是根据检索式A中定义，系统自动计算而得。如果我们检索式中的A不是大学，而是任意一组检索表达式，比如说，关于某一技术的专利集，关于某一申请人的所有专利，Patentics都能推演出相对应的排序基准。
    这样，我们通过一个简单的表达式，把中国的企业、第一汽车申请人与中国高校申请人关联起来了。而且该关联的关系是用数量精确定义量化。结果是，我们知道汽车行业的超级电容器的活性炭制备的关键技术，可能在中国的高校。如果能从这些高校低价购得这些专利，高价转卖给汽车行业。记住，不一定必须是第一汽车！
    这就是Patentics的大数据魔力！
                抄袭者请注意，我们对流检索已采取知识产权保护措施email：licenses@patentics.com