CN110533466A - 基于大数据辅助产品开发的方法、系统和存储介质 - Google Patents

Abstract

本发明提出一种基于大数据辅助产品开发的方法、系统和存储介质，包括以下模块：产品开发决策平台、产品生命周期预测模块、客户心情模块、生产管理模块以及专利情报数据模块，其中产品生命周期预测模块、客户心情模块、生产管理模块以及专利情报数据模块分别与产品开发决策平台相连；产品开发决策平台综合各个途径的分析结果，作出新产品开发的决策支持。本发明通过对多维海量的产品数据进行清洗、处理和不同维度的交叉联系分析，使得各个信息之间互相验证互相比较真伪，提高了调研数据的容错性，最终得到真实可靠的市场需求趋势。并结合产品的生命周期分析，对产品的更新迭代作出准确预测。

Description

基于大数据辅助产品开发的方法、系统和存储介质

技术领域

本发明属于互联网技术领域，尤其是涉及一种基于互联网大数据的新产品开发方法、系统和存储介质。

背景技术

中国汽车行业在近年来已经取得了快速发展，全国汽车产销量相较于十年前翻了数倍。在目前的中国经济背景下，汽车市场规模仍在不断辐射扩大，面对竞争日益激烈的汽车市场，国内外各大企业每年都会投入大量的预算进行新产品的研发，其中市场调研对于新产品研发是必不可少的环节，企业只有在新产品开发过程中及时并准确把握各细分市场的需求，才能在市场中占据更大的份额。通常情况下，企业都是委托线下传统的咨询公司或市场调研机构进行新产品调研。这种传统的调研服务主要是通过线上和/或线下发放调查问卷的形式来进行的，通过对问卷结果进行数据分析得到调研结论。然而，这种调研方式的缺点很明显，首先是得到的有效反馈数据比较有限，其次被调人群在填写问卷时可能会隐瞒自己的真实感觉，最突出的是效率低下，尤其是面对大量数据时，无法做到快速提取出有效数据并得到准确的分析结果。

在互联网得到普及应用的情况下，大数据时代已经正式到来。“大数据”也被称为巨量资料，它指网上图像、文本、音频和视频等数据所涉及的资料总体量规模巨大，无法用目前的常用普通软件等处理工具在合理时间内进行处理，也无法整理成为对用户有价值的资讯。也就是说，大数据具有四个特征，体量巨大、信息密度低、数据类型多、要求的处理速度快。大数据时代，信息呈爆炸式增长，目前，互联网上的数据每年都会增长50%。在这种时代背景下，客户购买行为、需求模式以及市场趋势等都在不断发展和变化，传统的产品调研以及生命周期分析方法已经无法高效完成。

为此，本发明提出一种基于大数据的辅助产品开发的方法、系统和存储介质，面向大数据视野研究新产品开发的思路和方向，结合产品生命周期、客户心情分析、专利情报与企业生产管理等多个维度的数据，通过全面准确的采集各类相关数据信息，加强数据挖掘与处理，分析并预测真实的市场需求。利用本发明的系统，公司可以获得有效的调研数据，准确把握产品周期和市场需求，提前进行研发布局，缩短新产品的上市周期，提高上市成功率。

发明内容

本发明需解决的技术问题是：现有技术中市场调研时采集的调查数据不全，没有标准化的数据分析体系，导致新产品开发方向容易出现失误，造成企业资源不必要的浪费。

为了解决上述技术问题，本发明提出一种基于大数据辅助产品开发的系统，包括以下模块：产品开发决策平台、产品生命周期预测模块、客户心情模块、生产管理模块以及专利情报数据模块，其中产品生命周期预测模块、客户心情模块、生产管理模块以及专利情报数据模块分别与产品开发决策平台相连；

产品生命周期模块获取各产品的数据信息，经数据处理和模型分析后得到预测的产品生命周期；

客户心情模块用于收集、存储和组织客户信息以及反馈信息，并基于语义分析获取用户偏好以及产品的用户痛点；

生产管理模块用于管理企业现有产品的品类、型号、研发成本、生产成本、生产量、销售量的数据信息；

专利情报数据模块用于获取各产品的全球专利数据，分析行业领军企业的专利申请以及各产品新的研发动向，得到专利情报；

产品开发决策平台综合各个途径的分析结果，作出新产品开发的决策支持。

作为本发明的一个方面，产品生命周期模块采用扩展的Bass-e模型来预测分析产品的生命周期。

作为本发明的一个方面，客户心情模块用于将获取的客户数据信息形成客户信息数据库，按照预先设定的标准分组存储，生成目标客户名单序列表和销售订单跟踪记录，将获取的客户数据信息分组存储的标准包括客户名称、地域、产品名称、种类、销售量、销售额、客户偏好、客户差评的至少一种参数。

作为本发明的一个方面，专利情报数据模块的分析维度包括行业领军企业、新生力量、国别、申请日期、技术领域、法律状态、申请时间的至少一种参数。

如前文所述，本发明还提出一种基于大数据辅助产品开发的方法，所述方法包括以下步骤：

（1）通过产品生命周期模块获取各产品的数据信息，经数据处理和模型分析后得到预测的产品生命周期；

（2）通过客户心情模块收集、存储和组织客户信息以及反馈信息，并基于语义分析获取用户偏好以及产品的用户痛点；

（3）利用专利情报数据模块用于获取各产品的全球专利数据，分析行业领军企业的专利申请以及各产品新的研发动向，得到专利情报；

（4）通过生产管理模块分析企业现有产品的品类、型号、研发成本、生产成本、生产量、销售量、销售额的数据信息；

（5）将经过步骤（1）-（4）获得的多维数据信息分别输入产品开发决策平台，综合各个维度的数据分析结果，作出新产品开发的初步决策；

（6）将通过步骤（5）得出的新产品开发的初步决策结果反馈至生产管理模块，再次利用本企业的生产经营分析对新产品开发的初步决策进行评估，根据评估结果作出最终决策。

作为本发明的一个方面，在所述步骤（5）中，对步骤（1）-（4）获得的新产品分析结果分别进行评分，并赋予每个指标相应的权重，通过以下公式计算得出各新产品的评估值：评估值=产品生命周期×a1+客户心情指数×a2+专利创新指数×a3+产品毛利水平×a4，其中，0.4≤a1≤0.5，0.1≤a2≤0.15，0.2≤a3≤0.25，0.25≤a4≤0.3。

作为本发明的一个方面，所述客户心情模块利用本领域通常的切词算法，对客户在使用产品中的反馈意见或评论内容进行关键词提取，并对所提取的关键词进行分类。随后利用质量功能展开模型计算客户对于产品的需求度或者说新产品与客户需求的契合度。所述模型有5个基本部分组成，其中①为客户需求及其相应的权重，②为了实现客户需求拟改进的技术方案，③为技术方案与客户需求之间的关联性，④为技术方案应达到的程度，以及开发人员对该技术方案的重视程度，⑤为客户对产品的评价和市场反馈。

作为本发明的一个方面，所述专利情报数据模块通过对包括申请人类别、国别、申请时间以及技术领域等在内的多个因素进行打分，评价专利技术的先进水平。

作为本发明的一个方面，所述产品生命周期的预测方法包括以下步骤：

S1、数据获取步骤：获取各产品的数据信息；

S2、数据处理步骤：包括数据清洗，数据分类，添加标签；

S3、模型分析步骤：包括建立指标体系，构建模型，模型分析；

所述的模型采用扩展的Bass-e模型：

n(t)=[p+ N(t-1)][M+M_r(t)-N(t-1)]E(t);

其中，t为时间变量，以月为间隔，t={1,2,3……n}；n(t)为t时刻新增的消费者数量；p为创新指数；q为下一代产品的模仿系数；r为重复购买率；0≤p、q、r＜1；M为产品潜在消费者总量；N(t-1)为t-1时刻产品累计扩散量，N(t-1)直接影响t时刻新增的产品扩散量；M_r(t)为由于重复购买而增加的潜在产品扩散量；E(t)表示修正系数；

进一步的，修正系数E(t)=1+d₁E₁(t) +d₂E₂(t) +d₃E₃(t) +……+d_xE_x(t)；

其中，E_i(t)表示第i项影响因子在t时刻的变化率；d_i表示第i项影响因子的变量系数，-1≤d_i≤1，正号表示对产品扩散的正向影响，即促进产品扩散；负号则表示对产品扩散的抑制作用。

进一步的，在数据获取步骤中，将公司的产品数据信息录入数据库；来自第三方的产品数据信息利用java程序或Sqoop工具将结构化的Excel数据表提取到数据库中；来自网页上的非结构化数据通过网络蜘蛛技术抓取并将获取的页面信息存入数据库中。

进一步的，数据处理步骤包括数据清洗预加工，数据分类聚类以及模型建立与分析步骤。

作为本发明对数据清洗预加工步骤的改进，数据清洗过程包括“重复数据清洗”、“缺失数据填充”和“纠正或删除错误数据”三个部分。

进一步的，对于重复数据的清洗，依赖于现有的excel去重程序即可实现全自动去重。

进一步的，对于缺失数据的补充，首先通过机器自动标引的方式查找并圈定缺失数据范围，之后，根据各种数据缺失原因采用机器与人工共同补正的方式进行填充。

进一步的，在数据获取步骤中采集到的错误数据，如果是偶发的随机性错误，借助全人工的方式逐一删除或纠正即可；如果同类错误数据批量出现，则通过matlab程序对错误数据进行纠正。

进一步的，在分类聚类处理步骤中，采用切词算法将连续汉子构成的句子依据特定的原则切分成词，并利用TF-IDF算法进行关键词的提取。

进一步的，采用词聚类算法对切词步骤得到的待筛选的词语转换成向量空间中的向量，对这些向量进行聚类，从而提取出关键词。

进一步的，模型分析步骤中选取的计算指标包括地区类指标、产品品类指标、财务类指标；地区类指标包括产品的主要销售地；产品品类指标包括产品名称，品牌，型号；财务类指标包括产品单价、销售量、销售额、生产成本、毛利率、交易时间。

作为本发明的另一方面，提供一种存储介质，其中所述基于大数据辅助产品开发的系统以可执行的软件的形式存储在所述存储介质中，用于执行本发明的方法。

本发明有益效果：

本发明提出的基于大数据辅助产品开发的方法和系统，具有如下优点。

1.用大数据的思想转变传统市场调研与产品开发的思维与方式，将从不同维度与不同途径获取的多种格式数据碎片进行整合处理。以全样本分析代替传统的抽样分析，更高的精确性有助于发现更多的细节。

2.充分利用互联网+时代所带来的信息爆炸，更加便捷的获取线上线下所有客户群体的信息，以及对于产品的真实情感，有助于企业分析客户消费心理，对于新产品的研发起到重要的辅助决策作用，提高新产品上市的成功率。

3.本发明的基于大数据辅助产品开发的方法，通过对多维海量的产品数据进行清洗、处理和不同维度的交叉联系分析，使得各个信息之间互相验证互相比较真伪，提高了调研数据的容错性，最终得到真实可靠的市场需求趋势。并结合产品的生命周期分析，对产品的更新迭代作出准确预测。

4.本发明的基于大数据辅助产品开发的方法和系统还引入了专利情报分析模块，利用专利情况预先判断产品进化方向以及行业领先企业的研发动态，帮助公司在新产品开发决策时预判开发方向，并且为企业新产品的研发提供有益的技术借鉴和吸收。

附图说明

图1为本发明的基于大数据辅助产品开发的系统架构示意图；

图2为本发明的基于大数据辅助产品开发的方法示意图；

图3为本发明的质量功能展开模型示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细、完整的说明。以下的说明本质上仅仅是示例性的而并不是为了限制本公开、应用或用途。

实施例1基于大数据辅助的产品开发系统

如图1所示，一种基于大数据辅助产品开发的系统，包括以下模块：产品开发决策平台、产品生命周期预测模块、客户心情模块、生产管理模块以及专利情报数据模块，其中产品生命周期预测模块、客户心情模块、生产管理模块以及专利情报数据模块分别与产品开发决策平台相连；

产品生命周期模块获取各产品的数据信息，经数据处理和模型分析后得到预测的产品生命周期；

客户心情模块用于收集、存储和组织客户信息以及反馈信息，并基于语义分析获取用户偏好以及产品的用户痛点；

生产管理模块用于管理企业现有产品的品类、型号、研发成本、生产成本、生产量、销售量的数据信息；

专利情报数据模块用于获取各产品的全球专利数据，分析行业领军企业的专利申请以及各产品新的研发动向，得到专利情报；

产品开发决策平台综合各个途径的分析结果，作出新产品开发的决策支持。

其中，所述产品生命周期模块采用扩展的Bass-e模型来预测分析产品的生命周期，例如，通过对第一代产品和第二代产品的生命周期曲线模拟来确定相应参数，不断提高模拟的精度和准确度，继而利用改进的模型来预测新产品的生命周期。

所述客户心情模块用于将获取的客户数据信息形成客户信息数据库，按照预先设定的标准分组存储，生成目标客户名单序列表和销售订单跟踪记录，将获取的客户数据信息分组存储的标准包括客户名称、地域、产品名称、种类、销售量、销售额、客户偏好、客户差评的至少一种参数。

所述专利情报数据模块的分析维度包括行业领军企业、新生力量、国别、申请日期、技术领域、法律状态、申请时间的至少一种参数。

实施例2基于大数据辅助产品开发的方法

如图2所示，本发明还提出一种基于大数据辅助产品开发的方法，所述方法包括以下步骤：

（1）通过产品生命周期模块获取各产品的数据信息，经数据处理和模型分析后得到预测的产品生命周期；

（2）通过客户心情模块收集、存储和组织客户信息以及反馈信息，并基于语义分析获取用户偏好以及产品的用户痛点；

（3）利用专利情报数据模块用于获取各产品的全球专利数据，分析行业领军企业的专利申请以及各产品新的研发动向，得到专利情报；

（4）通过生产管理模块分析企业现有产品的品类、型号、研发成本、生产成本、生产量、销售量、销售额的数据信息；

（5）将经过步骤（1）-（4）获得的多维数据信息分别输入产品开发决策平台，综合各个维度的数据分析结果，作出新产品开发的初步决策；

（6）将通过步骤（5）得出的新产品开发的初步决策结果反馈至生产管理模块，再次利用本企业的生产经营分析对新产品开发的初步决策进行评估，根据评估结果作出最终决策。

在所述步骤（5）中，对步骤（1）-（4）获得的新产品分析结果分别进行评分，并赋予每个指标相应的权重，通过以下公式计算得出各新产品的评估值：评估值=产品生命周期×a1+客户心情指数×a2+专利创新指数×a3+产品毛利水平×a4，其中，0.4≤a1≤0.5，0.1≤a2≤0.15，0.2≤a3≤0.25，0.25≤a4≤0.3。

在新产品开发的市场调研中，产品生命周期毫无疑问属于最重要的因素，准确把握产品的生命周期才能做好产品的研发周期安排，提高研发效率以及产品成功率。因此，对于产品生命周期赋予的权重最大。根据行业的普通认知，产品生命周期越长，对于新产品的研发需求越不迫切，产品生命周期越短，则对于新产品的迭代需求越旺盛。

所述产品生命周期的预测方法包括以下步骤：

S1、数据获取步骤：获取各产品的数据信息；

S2、数据处理步骤：包括数据清洗，数据分类，添加标签；

S3、模型分析步骤：包括建立指标体系，构建模型，模型分析；

所述的模型采用扩展的Bass-e模型：

n(t)=[p+N(t-1)][M+M_r(t)-N(t-1)]E(t);

其中，t为时间变量，以月为间隔，t={1,2,3……n}；n(t)为t时刻新增的消费者数量；p为创新指数；q为下一代产品的模仿系数；r为重复购买率；0≤p、q、r＜1；M为产品潜在消费者总量；N(t-1)为t-1时刻产品累计扩散量，N(t-1)直接影响t时刻新增的产品扩散量；M_r(t)为由于重复购买而增加的潜在产品扩散量；E(t)表示修正系数；

进一步的，修正系数E(t)=1+d₁E₁(t) +d₂E₂(t) +d₃E₃(t) +……+d_xE_x(t)；

其中，E_i(t)表示第i项影响因子在t时刻的变化率；d_i表示第i项影响因子的变量系数，-1≤d_i≤1，正号表示对产品扩散的正向影响，即促进产品扩散；负号则表示对产品扩散的抑制作用。

进一步的，在数据获取步骤中，将公司的产品数据信息录入数据库；来自第三方的产品数据信息利用java程序或Sqoop工具将结构化的Excel数据表提取到数据库中；来自网页上的非结构化数据通过网络蜘蛛技术抓取并将获取的页面信息存入数据库中。

进一步的，数据处理步骤包括数据清洗预加工，数据分类聚类以及模型建立与分析步骤。

作为本发明对数据清洗预加工步骤的改进，数据清洗过程包括“重复数据清洗”、“缺失数据填充”和“纠正或删除错误数据”三个部分。

进一步的，对于重复数据的清洗，依赖于现有的excel去重程序即可实现全自动去重。

进一步的，对于缺失数据的补充，首先通过机器自动标引的方式查找并圈定缺失数据范围，之后，根据各种数据缺失原因采用机器与人工共同补正的方式进行填充。

进一步的，在数据获取步骤中采集到的错误数据，如果是偶发的随机性错误，借助全人工的方式逐一删除或纠正即可；如果同类错误数据批量出现，则通过matlab程序对错误数据进行纠正。

进一步的，在分类聚类处理步骤中，采用切词算法将连续汉子构成的句子依据特定的原则切分成词，并利用TF-IDF算法进行关键词的提取。

进一步的，采用词聚类算法对切词步骤得到的待筛选的词语转换成向量空间中的向量，对这些向量进行聚类，从而提取出关键词。

进一步的，模型分析步骤中选取的计算指标包括地区类指标、产品品类指标、财务类指标；地区类指标包括产品的主要销售地；产品品类指标包括产品名称，品牌，型号；财务类指标包括产品单价、销售量、销售额、生产成本、毛利率、交易时间。

所述客户心情指数体现了市场对产品的真实需求，迎合客户的偏爱点或者解决客户的痛点，才能有助于增加产品的市场占有率以及推广速度。所述客户心情模块利用本领域通常的切词算法，对客户在使用产品中的反馈意见或评论内容进行关键词提取，并对所提取的关键词进行聚类或分类，获得新产品评价等级划分。然后，引入质量功能展开模型计算客户对于产品的需求度或者说新产品与客户需求的契合度。如图3所示，所述模型有5个基本部分组成，其中①为客户需求及其相应的权重，②为为了实现客户需求拟改进的技术方案，③为技术方案与客户需求之间的关联性，④为技术方案应达到的程度，以及开发人员对该技术方案的重视程度，⑤为客户对产品的评价和市场反馈。根据质量功能展开模型对于新产品的评价级别将客户心情指数分为五个等级，分别赋予1-10分的评分。

另外，本发明的基于大数据辅助产品开发的方法还将专利大数据引入分析系统中，这一点是本发明区别于现有技术的明显之处。在目前的传统市场调查中，鲜有专门针对专利数据进行调查和研究的机构和方法。事实上，专利数据是人类智慧的数据库，专利数据不仅能够体现一个企业的技术创新水平，还能指引或引领新技术的发展。以汽车行业为例，ABS防抱死刹车系统在1936年由博世申请了第一件专利，但一直到1954年才被应用于福特的汽车上；ESP车身稳定控制系统在1997年由博世申请了第一件专利，然后1998年在奔驰汽车上获得了应用；而奔驰和天合汽车于1992年联合申请的EBA紧急制动辅助装置，1998年在奔驰出厂的汽车中得以实际应用。因此，专利数据通常能提前透露行业内的领军企业或者巨头企业在研发动向，也就是这些企业对于产品的改进方向的研判，通过对这些数据的有效利用，可以为企业做出新产品开发决策起到非常重要的参考作用。此外，通过对这些专利数据的深度挖掘，还可以为企业在新产品的开发中带来技术方面的借鉴。

具体地，本发明所述的专利情报数据模块通过对包括申请人类别、国别、申请时间以及技术领域等在内的多个因素进行打分，评价专利技术的先进水平。一般而言，巨头企业的分值比一般企业的分值高，申请时间较近的分值较高。

此外，本发明在产品开发平台作出初步决策后，再将初步决策结果反馈至生产管理模块，结合本企业在生产经营中的生产成本、生产周期、销售毛利等多个指标，再次对新产品开发的初步决策进行评估，根据评估结果作出最终决策。

实施例3新产品开发决策

以汽车产品为例，分别针对制动系统、发动机系统和电子电器进行新产品开发研究，利用本发明的方法得到的决策数据如表1所示。

表1

根据表1中的评估值一列可以得到本企业在发动机系统、制动系统和电子电器领域想要开展新产品研发的各种技术方案的评价结果，其中评估值越高表明开发新产品的迫切性越高，反之亦然。在获得初步的决策结果后，将该结果代入生产管理模块，利用生产分析对初步的决策结果进行进一步的评估，筛选出能够使企业获得最大化利益的研发方向。

实施例4

作为本发明的另一方面，提供一种存储介质，其中所述基于大数据辅助产品开发的系统以可执行的软件的形式存储在所述存储介质中，用于执行本发明的方法。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种基于大数据辅助产品开发的系统，包括以下模块：产品开发决策平台、产品生命周期预测模块、客户心情模块、生产管理模块以及专利情报数据模块，其中产品生命周期预测模块、客户心情模块、生产管理模块以及专利情报数据模块分别与产品开发决策平台相连；

产品生命周期模块获取各产品的数据信息，经数据处理和模型分析后得到预测的产品生命周期；

客户心情模块用于收集、存储和组织客户信息以及反馈信息，并基于语义分析获取用户偏好以及产品的用户痛点；

生产管理模块用于管理企业现有产品的品类、型号、研发成本、生产成本、生产量、销售量的数据信息；

专利情报数据模块用于获取各产品的全球专利数据，分析行业领军企业的专利申请以及各产品新的研发动向，得到专利情报；

产品开发决策平台综合各个途径的分析结果，作出新产品开发的决策支持。

2.如权利要求1所述的系统，所述客户心情模块将获取的客户数据信息形成客户信息数据库，按照预先设定的标准分组存储，生成目标客户名单序列表和销售订单跟踪记录，将获取的客户数据信息分组存储的标准包括客户名称、地域、产品名称、种类、销售量、销售额、客户偏好、客户差评的至少一种参数。

3.如权利要求1所述的系统，所述专利情报数据模块的分析维度包括行业领军企业、新生力量、国别、申请日期、技术领域、法律状态、申请时间的至少一种参数。

4.一种利用权利要求1-3所述的系统实现的基于大数据辅助产品开发的方法，所述方法包括以下步骤：

（1）通过产品生命周期模块获取各产品的数据信息，经数据处理和模型分析后得到预测的产品生命周期；

（2）通过客户心情模块收集、存储和组织客户信息以及反馈信息，并基于语义分析获取用户偏好以及产品的用户痛点；

（3）利用专利情报数据模块用于获取各产品的全球专利数据，分析行业领军企业的专利申请以及各产品新的研发动向，得到专利情报；

（4）通过生产管理模块分析企业现有产品的品类、型号、研发成本、生产成本、生产量、销售量、销售额的数据信息；

（5）将经过步骤（1）-（4）获得的多维数据信息分别输入产品开发决策平台，综合各个维度的数据分析结果，作出新产品开发的初步决策；

（6）将通过步骤（5）得出的新产品开发的初步决策结果反馈至生产管理模块，再次利用本企业的生产经营分析对新产品开发的初步决策进行评估，根据评估结果作出最终决策。

5.如权利要求4的方法，其中，在所述步骤（5）中，对步骤（1）-（4）获得的新产品分析结果分别进行评分，并赋予每个指标相应的权重，通过以下公式计算得出各新产品的评估值：评估值=产品生命周期×a1+客户心情指数×a2+专利创新指数×a3+产品毛利水平×a4，其中，0.4≤a1≤0.5，0.1≤a2≤0.15，0.2≤a3≤0.25，0.25≤a4≤0.3。

6.如权利要求4的方法，所述客户心情模块利用质量功能展开模型计算客户对于产品的需求度或新产品与客户需求的契合度。

7.如权利要求6的方法，所述模型包括以下评价指标：为客户需求及其相应的权重，为实现客户需求拟改进的技术方案，技术方案与客户需求之间的关联性，技术方案应达到的程度以及开发人员对该技术方案的重视程度，客户对产品的评价和市场反馈。

8.如权利要求4的方法，所述专利情报数据模块通过对包括申请人类别、国别、申请时间以及技术领域等在内的多个因素进行打分，评价专利技术的先进水平。

9.如权利要求4的方法，所述步骤（1）中产品生命周期的预测方法采用扩展的Bass-e模型：

n(t)=[p+N(t-1)][M+M_r(t)-N(t-1)]E(t);

其中，t为时间变量，以月为间隔，t={1,2,3……n}；n(t)为t时刻新增的消费者数量；p为创新指数；q为下一代产品的模仿系数；r为重复购买率；0≤p、q、r＜1；M为产品潜在消费者总量；N(t-1)为t-1时刻产品累计扩散量，N(t-1)直接影响t时刻新增的产品扩散量；M_r(t)为由于重复购买而增加的潜在产品扩散量；E(t)表示修正系数；

进一步的，修正系数E(t)=1+d₁E₁(t) +d₂E₂(t) +d₃E₃(t) +……+d_xE_x(t)；

其中，E_i(t)表示第i项影响因子在t时刻的变化率；d_i表示第i项影响因子的变量系数，-1≤d_i≤1，正号表示对产品扩散的正向影响，即促进产品扩散；负号则表示对产品扩散的抑制作用。

10.一种存储介质，其中所述权利要求9的基于大数据辅助产品开发的系统以可执行的软件的形式存储在所述存储介质中，用于执行权利要求1-8中任一项的方法。