▶ 프로젝트 배경

본 프로젝트는 2016년 경에 와이즈인컴퍼니(데이터인의 모기업)에서 진행한 프로젝트입니다. 국내 최대 연구기관이 보유한 R&D성과물(기술, 지식, 정보)을 수요 기업에 및 산업 전반에 확산함으로써 기술경제 생태계에 긍정적 기여를 해야 하는 기관 본연의 역할이 있습니다. 그러나 기존에는 과학적이고 객관적인 방법으로 연구 성과물을 기업에게 이전하기보다는 다소 주먹구구식의 기술이전 방식을 취해왔습니다. 즉 기관에서는 기술이전 제도의 향상을 위해 기술 마케팅의 질적 변화와 방법의 고도화가 필요했고, 이에 와이즈인컴퍼니는 데이터분석 방법론을 적용하여 보유기술에 맞는 수요기업을 추천하고, 보유 기술 중 유사기술을 추천하는 알고리즘을 개발하여 기술 이전 패키지화를 진행하였습니다.

즉 이 프로젝트는 다음과 같은 목적을 달성하기 위해서 수행되었습니다.
첫째, 기술이전 성공에 영향을 미치는 생기원 보유특허의 기술적 특성요인 도출하여 어떤 기술의 기술마케팅 성과가 뛰어난지에 대한 분석을 통해 유망기술 선정의 지표화하고 기술별 이전가능성을 객관적으로 도출하는 것
둘째, 수요기업 요인 분석을 통해 어떤 기업에게 생기원 보유 특허가 이전되었는지를 파악하여 잠재 수요기업을 발굴하는 것
셋째, 연관기술을 추천할 수 있는 알고리즘을 개발하여 Package 기술이전 성과창출에 기여하는 것

▶ 주요 결과물

해당 국책연구기간이 보유한 1,392개 특허를 대상으로 기술이전 성공에 영향을 미치는 기술 특성요인의 지표로는 내외부 특허 평가지표, 논문/특허 빅데이터, 기술관련 웹사이트 수집 빅데이터를 활용하였습니다. 또한 기업의 기술이전 여부를 예측하기 위해 본원의 기술을 이전한 179개 기업과 이전 받지 않았으나 이전 기업과 유사한 특성을 보이는 기업을 비교 집단으로 설정하였습니다.
예측모델로는 대표적으로 Logsitic Regression Model을 적용하였고, 추천 유망기술 발굴을 위해서는 Text mining 유사성 분석인 Dec2vec과 LDA방법을 적용하였습니다.

본원 보유기술의 이전 예측분석 결과, 77.9%~82.3%의 예측력을 보였으며, 특허평가지표만을 예측변수로 할 경우(77.9%)보다 빅데이터 지표를 추가할 경우(82.3%) 예측력이 더 높게 나타나서 더욱 기술별 이전여부를 예측하는 타당한 모델을 구축하였습니다.

다음 기업의 기술이전 예측 분석 결과 91.7%의 정확도를 보였으며, 이를 기준으로 본원 기술을 이전받지 않은 기업 중 이전 확률이 높은 30개 기업을 정리하면 아래와 같이 나타났습니다. 즉 기업별로 기술이전 받을 확률을 분석하여 더욱 집중적인 기술이전 마케팅과 성과를 보일 수 있었습니다.

또한 연구기관이 보유한 유사특허에 추천 모델링을 위해 알고리즘은 Doc2Vec을 이용하여 적용하여 각 특허 간의 유사성을 도축하고 토픽 모델링(Topic Modeling) 방법으로 시각화하였습니다. 우선 전체 보유기술의 유사성을 그룹화한 결과 20개의 유사 기술군(group)으로 도출되었습니다. 이는 단지 시각화에서 그치는 것이 아니라 유사한 기술군을 도출하고 그들 간의 연관성 정도를 객관화하여 기술 이전시 유사한 보유 기술을 추천할 수 있는 기준을 삼은 것입니다.

이 중 6번째 기술군에서 자주 언급된 단어(기술) 및 하위 연관기술 결과는 아래와 같습니다.

즉 기관에서 보유한 특허 중 유사특허 군의 분석을 통해 각 기술은 유사성 지표값을 얻게 됩니다다. 따라서 특정 보유기술별로 유사한 특허를 추천하여 활용할 수 있었습니다.

앞서 분석한 결과를 아래와 같이 기술별 이전확률(등급)-유사특허-잠재 수요기업을 데이터베이스화 하여 본원의 기술이전 마케팅 DB로 활용하여 기술이전 가능성을 질적으로 향상시킬 수 있었습니다. 최종적으로 기관에서 가지고 있는 특허를 이전받을 가능성이 높은 기업 리스트를 매칭하여 실제 기술이전 마케팅의 효율성을 높이는 데에 기여한 프로젝트입니다.

▶ 프로젝트 뒷 이야기

이 프로젝트는 상당히 긴 기간동안 이루어졌습니다. 처음 기획회의부터 최종 마무리까지 약 1년간 진행되었습니다. 그 이유는 첫째, 명확한 방향과 프로젝트의 현실성을 검토하기 위해서 변리사, 타연구기관 기술이전 담당자 등의 조언을 바탕으로 여러 번의 회의를 거쳤었습니다. 둘째, 기업DB의 확보가 쉽지 않았습니다. 국내 기업 중 기술이전 받을 가능성이 높은 기업의 특성을 분석하기 위해서는 다양한 기업의 특성변수가 필요한데, 이에 대한 확보가 쉽지 않았었습니다. 따라서 여러 사람들이 본 과업의 성과에 대해서 회의적인 입장에서 시작하게 되었습니다.

그러나 그럼에도 불구하고 기대 이상의 성과를 보이며 마무리가 되었습니다. 이 프로젝트를 하면서 다시 한 번 확인 한 것은 "시도해봐야 안다"는 것입니다. 많은 기관에서 데이터분석을 통해 인사이트를 발굴하거나 예측모델을 수립하고자 하지만, 시작 전에 회의를 하면서 '안될거야'라는 얘기를 하고 접는 경우를 많이 봅니다. 그러나 해보지 않고서는 알 수 없으며, 비록 실패한다 하더라고 어떤 점이 해결되어야 할 과제인지를 명학하게 알 수 있는 것이 바로 데이터 분석입니다.

여러분들 역시 기업내에서, 혹은 개인적으로 어떤 분석 과제를 수행하려 한다면, 우선 작은 데이터로 전체 과정을 진행해보시기 바랍니다. 처음부터 큰 데이터로 진행하는 것보다 미흡하지만 가능한 수준에서 전체 과정을 한 번 밟아보면 명확하게 가능성과 문제점, 보완점들이 보일 것입니다.

그리고 시도해보십시오. 데이터캠퍼스의 교육과정과 함께!