Zusammenfassung der Ressource
第十一章 知识管理
- 11.1
知识管理
- 背景
- 知识管理系统是增长最快的软件投资领域
- 信息经济社会
- 企业股票市值主要依赖于无形资产: 知识、品牌、声
誉和独特的企业流程
- 执行良好的知识管理项目可以产生超额的投资回报
- 知识的重要维度
- 数据、知识和智慧
- 数据一信息一知识-智慧
- 企业博客,企业wiki
- 隐性知识和显性知识
- 员工头脑中的-隐性知识
- 文档记录下的-显性知识
- 知识的重要维度
- 知识是一种资产
- 知识有不同的形式
- 知识有地域性/地理性
- 知识与情景相关
- 基于知识的核心能力
- 关键点企业资产
- 掌握如何高效、有效的开展业务的方式,而这种方式是其他企业所不能模仿的,这是盈利和竞争优势的源泉
- 组织学习
- 通过学习,组织调解自己的行为,以反映新的业务流
程和变革的管理决策模式的过程
- 是一个组织不断积累经验的过程,包括数据收集、评
估、试错试验、反馈等
- 知识管理的价值链
- 知识管理
- 组织为创建、储存、转换和应用知识而开发的企业过程的集合
- 组织和管理资本
- 是为投资信息系统并获得价值而要求的一组业务流
程、文化和行为
- 知识管理的价值链
- 知识获取
- 隐性和显性知识的记录
- 创造知识
- 利用业务处理系统(TPS)和外部数据源获取数据
- 知识储存
- 数据库
- 文档管理系统
- 管理措施
- 知识传播
- 门户网站和维基网站
- 电子邮件、即时信息
- 搜索引擎、社会化协作工具
- 信息泛滥
- 知识应用
- 创新的业务实践
- 新产品与服务
- 新的市场
- 创造有利于知识获取的组织和管理模式
- 设立新的组织位和责任促进组织获取知识
- 专职知识管理人员/知识经历
- 负责设计新的方案,系统和方法来获取和管理知识
- 实践社区
- 知识管理系统的类型
- 企业级知识管理系统
- 通用的、应用在整个企业范围内的知识管理系统,能
够收集、储存、传播和使用数字化的内容与知识
- 知识工作系统(KWS)
- 强大的工作站、大量计算、网络系统
- 辅助工程师、科学家和其他知识工作者发现与创造新
知识而建设的专业系统
- 智能技术
- 有各种不同的技术,例如,为了实现各种目标而采用的数据挖掘技术:
发现知识、提取知识、发现最优解
- 挖掘数据、专家系统、神经网络、模糊逻辑、遗传算法、智能代理
- 11.2
企业级知识管理系统的类型与价值
- 企业内容管理系统(ECMS)
- 辅助企业获取、储存、检索、传播和保存文档和半结构化知识的系统
- 带来外部信息资源
- 新闻提要、研究报告
- 沟通与协作工具
- 博客、维基等等
- 知识管理的关键问题:创建类目、标签
- 数字资产管理系统
- 处理更复杂的照片、图形图像、视频音频等
- 帮助企业对数字资源进行分类、储存和传播
- 定位和分享专业知识
- 提供企业专家的在线目录及个人档案
- 提供搜索工具,使员工更容易在公司找到合适的专家
- 用于公司外部知识资源的社交网络和社交商务工具
- 保存
- 标记
- 共享网页
- 学习管理系统(LMS)
- 定义
- 提供了各种类型的员工的学习和培训的管理、交付、
跟踪和评估工具
- 支持多种学习模式
- CD-ROM、网络课程、在线论坛等等
- 课程选择和管理的自动化
- 拼装与发布学习內容
- 衡量学习的有效性
- 大型开放式网络课程(MOOCs)
- 向大量参与者提供在线课程
- 知识工作系统的要求
- 具有充分的计算能力
- 强大的图形和分析工具
- 通讯和文件管理
- 访问外部数据库
- 友好的用户界面
- 优化要执行的任务(如:工程设计、财务分析)
- 知识工作系统的应用实例
- CAD(计算机辅助设计)
- 建造工程或建筑设计
- 3D打印
- 虚拟现实系统(谷歌VR画笔)
- 模拟现实环境
- 外科医生的3D医疗模型
- 增强现实(AR)系统
- 虚拟现实建模语言(VRML)
- 11.4 在知识管理中使用智能技术对企业的好处
- 智能技术
- 获取隐性知识
- 专家系统
- 在特定的领域内,获取人类专业知识中的隐性知识
- 以规则集合的形式,获取技能熟练员工/专家的知识
- 通常执行有限的任务
- 机器故障的诊断
- 决定是否向贷款企业授信
- 用于离散的、高度结构化的决策
- 工作原理
- 知识库
- 推理引擎
- 大多数专家系统处理的是分类问题
- 有相对较少的替代结果
- 事先已知可能的结果
- 许多专家系统要求大规模、长时间、代价高昂的进行。 开发和维护工作
- 案例推理(CBR)
- 把描述为案例的专家经验的知识储存在数据库中(案例库)
- 系统检索与新问题有相似特征的已有案例,并利用已 有案例的答案来解决新案例的问题
- 根据应用的结果把案例划分为成功或不成功的应用
- 存储组织智慧
- CBR应用于
- 医学诊断系统
- 客户支持
- 各种软件的帮助系统
- 模糊逻辑
- 以规则为基础的技术,体现了语言表示范畴中的不石角定性
- 用语言描述一个特定的现象或过程,并将该描述用少 数灵活的规则表示
- 为需要专业知识但很难用F-THEN规则表示的问题提 供了解决方案
- 相机的自动对焦
- 检测可能的医疗欺诈
- 地铁系统的加速控制
- 知识发现
- 神经网络
- 在复杂而又难以进行分析的海量数据中发现模式和关系
- 通过采用筛滤数据、寻找关联、建立模型,并不断进行模型校正,从大量的数据中学习
- 人类通过一组已知输出结果的输入数据作为训练样本 集,输入到网络中达到“训练”的目的,以帮助神经网
通过实例来学习解决方案
- 主要应用于医药、科学研究和企业管理等领域中的模 式分类、预测、金融分析、控制和优化等问题
- 数据挖掘
- 生成复杂问题的解决方案
- 遗传算法
- 是用于发现某个问题的大量可行解,并找到该具体问题的一个最优解的方法
- 概念上是基于生物演进过程
- 主要用于有数百或数千个变量存在的优化问题
- 能够快速评估许多可能的解决方案
- 任务自动化
- 智能代理
- 在客户服务、业务流程或软件应用中执行一些无需人 工干预的、可重复的、可预测的具体任务
- 使用內置的或学习知识库
- 聊天机器人
- 基于智能代理建模的应用
- 用于消费者行为、股票市场和供应链建模
- 用于预测流行病传播的建模等
- 人工智能(AI)技术
- 模拟人类行为的基于计算机的系统
- 混合人工智能系统
- 将遗传算法、模糊逻辑、神经网络、专家系统等技术 集成应用于某个应用系统中,充分利用这些技术的最佳特性
- 例如:松下公司开发的“模糊神经”洗衣机应用了模糊逻辑和神经网络的组合