知识管理的发展历程

作者：

欢迎访问e展厅 展厅 3 管理咨询与服务展厅 企业文化, 战略管理, 生产管理/工业工程, 营销管理, 知识管理, ... 1 知识的定义与分类 1.1知识的基本概念 关于知识的定义，可以说是仁者见仁，智者见智。个体通过与环境相互作用后获得的信息及其组织，在心理学上称之为知识。也有不少学者从哲学、实用主义的角度来定义知识，定义的广度和深度也各不相同。如： 1)知识是用于解决问题的结构化信息； 2)知识是信息经过加工整理、解释、挑选和改造而形成的，是命题、规则等的集合； 3)知识是用于解决问题或者决策的经过整理的易于理解和结构化的信息； 4)知识包含真理和信念，观点和概念，判断和展望，方法和诀窍； 5)知识是事实和关系的集合，它以高度概括的形式揭示研究对象的属性和相互关系，用来解决实际问题和从事创造活动； 6)知识是对于数据与信息的评判与整理，藉以主动引发绩效产生、问题解决、决策、学习与教导等方面的能力； 7)知识是一种流动性质的综合体，其中包括结构化的经验、价值以及经过文字化的信息； 8)知识是结构化的信息，或者说，知识是用于消除信息的无结构性的。 归纳起来，知识是指导人们从事各种活动的结构化的信息。 1.2知识的分类 知识是事实和关系的集合，它以高度概括的形式揭示所研究对象的性质和相互关系，用来解决具体问题和从事创造性的活动。人类处理的知识多种多样，其中最主要的类别包括：对象知识(关于对象的有关事实的知识)、事件知识(关于过去发生、现在发生或将要发生的事件的知识)、行为知识(是行为者之间、行为者和行为对象之间在事件中相互作用时所表现的行为的知识)、工序知识(记叙进行某些行为的操作步骤的知识)、元知识(关于知识的知识，用来指导如何选择事实和规则(关系)的知识)。 根据知识的不同属性，上述各种知识又进一步划分为显性知识和隐性知识。 1)显性知识，即那些在计算机数据库、教科书、学术期刊上可以找到的知识。这种知识一旦创立，人们很容易获得、传播和使用它们，甚至比创立者用得更好。显性知识可以创造竞争优势，最明显的例子是有关新技术的专利。 2)隐性知识，即那种属于个人思维know-why或者know-how(诀窍)之类的东西。存在于组织中的隐性知识主要有技能类的隐性知识和认识类的隐性知识两种。技能性的隐性知识主要包括那些非正式的且难以表达的技能、技巧、经验和诀窍等，是个人长期积累和创造的结果；认识类的隐性知识主要包括个人的直觉、灵感、洞察力、价值观和心智模式等，会深深影响员工的行为方式。隐性知识还应包括团队或企业整体层次上所存在的上述两类知识，如团队整体的协作能力、企业文化等。隐性知识深深地融于一个组织的经营实践过程之中，是看不见摸不着的，是某一特定环境下的行为方式，是竞争优势的基本源泉。 1.3知识的重要价值 根据硅谷研究者克里斯托弗·梅耶的论证，作为价值之源泉的知识，对于有效竞争来说有如下意义： 1)大多数看得见的知识都是显性知识，但创造性经营则绝大部分是隐性知识作用的结果。 2)显性知识增长迅速，易于传播。因此，向一个现存的地方经营单位出售显性知识或采用特许的方式授权比自创公司打入市场更有意义。 3)一旦显性知识融于生产和服务，就会戏剧性地降低任一行业竞争所需的基础设施成本。由于工具和基础设施的成本连续下降，所以几乎所有的人都可以成为有效竞争者，成功的关键在于你的显性知识与隐性知识的结合运用如何。 4)知识靠使用增值，原材料之类的有形物质却是使用后贬值。运用知识会创造更多的机会，而更多的机会反过来又会创造更多的知识。 归根结底，一个企业的核心资产应该是隐性知识和显性知识的融合。在国内外多年存在的对微软的声讨浪潮中，大部分人纠缠的是微软显性知识层面的东西。人们当然可以攻击微软只会模仿他人的技术而不会创新，但他们没有意识到，微软的真正厉害之处并不在于它的显性知识，而在于它的隐性知识即其企业文化和经营理念，在于它把隐性核心因素转变为显性的能力。 早在1965年，著名管理学家彼得·德鲁克就提及，“知识”将与机器设备、资金、原材料或劳工等一样成为企业关键的生产要素之一，而“知识型工作者”将取代传统的劳动工人，为企业创造更多的效益。在1993年出版的《Managing for the Future：The 1990s and Beyond》(《管理的未来》)书中，德鲁克又进一步发展了自己的思想。他在书中写到：“从现在开始，最关键的是知识。这个世界将会变得不再是劳动力密集型，也不是材料密集型，或是能源密集型，而是知识密集型。” 2 知识管理的产生与发展 2.1知识管理的定义 不同的研究者对知识管理的理解和定义的角度不同，归纳为以下几种： 1)从目标角度定义。知识管理是运用集体的智慧提高应变和创新能力，为企业实现显性知识和隐性知识共享提供新途径。 2)从过程角度定义。知识管理是对企业知识的识别、获取、开发、分解、使用和存储，或是为增强组织的绩效而创造、获取和使用知识的过程。 3)从资源管理角度定义。知识管理是利用组织的无形资产创造价值的艺术；或是对知识资产(智力资产)的管理。 4)从战略、组织等角度来定义。知识管理是组织一种有意识的战略，保证能够在最需要的时间将最需要的知识传送给最需要的人。这样可以帮助人们共享信息，进而将之通过不同的方式付诸实践，最终达到提高组织业绩的目的。 知识管理(knowledge management，KM)是管理学的一个分支，重点落在对知识的管理上。在20世纪70年代，管理大师彼得·德鲁克形成了管理人们想法的观点。“知识管理”一词正式出现于1989年，由瑞典的Sveiby博士首次提出，他也因此被誉为“知识管理之父”。到了20世纪90年代，市场竞争越来越激烈，创新的速度加快，纽约一家独立调查机构Conference Board公司和美国管理协会调查显示：72％的欧洲公司在进行某种知识管理活动，近80％的跨国公司在实施知识管理。参方2001年达沃斯“世界经济论坛”的CEO有95％认为知识管理是组织成功的关键因素。 Ikujiro Nonaka(野中郁次郎)等在1995年出版的《知识创造型公司：日本公司如何建立创新动力机制》中，第一次介绍了“知识型企业”的概念，为知识管理的宣传和普及作出了很大的贡献。 2.2知识管理的核心内容 知识管理是将知识作为资产进行管理，提升其价值，以实现和谐管理，提高企业的核心竞争力。知识管理涉及到知识的获取、处理、管理、存储、共享、重用等诸多活动，而其核心内容是隐性知识与显性知识的相互转化问题。日本著名的知识管理专家Ikujiro Nonaka提出了著名的SECI模型。如图l所示。 这一模型主要包括四个方面的转化：其一，通过向专家学习，亲身实践掌握知识，即知识的社会化(socialization)；其二，通过与专家的深度会谈，挖掘隐伏性知识，并表达出来，即知识的外化(externalization)；其三，通过知识的分类与关键词检索等方式组织知识，即知识的组合化(combination)；其四，在公司内推进知识的利用，实现知识在更高层次上的创新，即知识的内化(interalization)。该模型是知识管理的里程碑式的理论和方法，是知识管理的核心和精髓。 尽管SECI模型有着较强的解释力，但在实际应用过程中仍有较大的缺陷，主要表现为： 1)SECI模型没有揭示这一转化是如何带来企业内在效率的差异，即企业如何通过知识管理拥有竞争优势的。 2)SECI模型所揭示的仅仅是企业知识形成过程的一部分，而远非全部。 3)组织知识的存储和作用过程相当复杂，SECI模型尚无法完满解释有关企业知识生产过程的很多关键问题。 2.3知识管理的进一步发展 最初的知识管理试图对人脑中的想法进行管理，强调知识的作用，并未明确提出需要借助计算机来实现。在知识管理的鼎盛时期，强调知识的转化(内化、外化、社会化、组合化)，强调知识在人群中的相互作用。然而，随着各种信息和知识的爆炸式增长，以人脑为主体的“知识管理”已无法适应社会和企业发展的需要，“知识管理”必须升级换代，必须借助信息化技术来扩大和深化知识管理的作用。 借助先进的计算机代替人进行推理，通过计算机强大的运算能力来提升人的思考能力，是早期推行。“知识工程”(也称为专家系统)的目的。传统知识工程的主要研究方向包含知识获取、知识表示和推理方法等，其研究目标是挖掘和抽取人类知识，用一定的形式表示这些知识，使之成为计算机可操作的对象，从而使计算机具有一定的人类智能。传统的知识工程是以知识为对象的“工程”，往往不涉及以工程为对象的知识，而企业真正需要的是面向工程领域的、以创新为目的的知识工程，即新一代的知识工程。新一代的知识工程弥补了传统的知识管理与产品研发、生产结合不紧密的不足，同时也克服了传统知识工程只注重计算机程序而忽视发挥人的创造力的不足。 3 新一代的知识工程 新一代的知识工程源于知识管理和传统的知识工程，是对两者的继承和发展。新一代的知识工程取两者之长，强调以人为主，以计算机程序为辅，以人机交互、“人机合一”的方式对信息和知识进行关联(获取、处理、表达、组织、应用、更新等)，目的是应用各类知识来实现技术创新和管理创新。 3.1传统的知识工程与新一代的知识工程 传统的知识工程的概念由美国斯坦福大学爱德华·费根鲍姆教授在1977年提出，起初是人工智能的重要分支之一，通常也叫做“专家系统”。 费根鲍姆期待在机器智能与人类智慧(专家的知识经验)之间构建桥梁，搭建某种“专家系统”(一个已被赋予知识和才能的计算机程序)，从而使这种程序所起到的作用达到专家的水平。简言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。这个“被赋予才能的计算机程序”在理解和翻译上有两个版本，崇尚科学的英国人将其命名为“专家系统”，推崇技术的日本人将其翻译成“知识工程”。 由此可知，传统的“知识工程”=“专家系统”=“知识+计算机程序”。 而新一代的知识工程被定义为：依托IT技术，最大限度地实现信息关联和知识关联，并把关联的知识和信息作为企业智力资产以人机交互的方式进行管理和利用，在使用中提升其价值，以此促进技术创新和管理创新，提升企业的核心竞争力，推动企业可持续发展的全部相关活动。 3.2新一代知识工程的理论基础 1)新一代知识工程的理论基础之一——TRIZ(发明问题解决理论)。TRIZ是关于解决工程实际问题、快速实现创新的方法学类的知识，是知识工程的核心理论之一。 TRIZ是由前苏联发明家阿利赫舒列尔(G.S.Altshuller)在1946年创立的，Altshuller也被尊称为“TRIZ之父”。TRIZ的含义是“发明问题解决理论(Теория Рещения Йэобрегателъских Эалач)”，按照其俄文首字母“ТРЙЭ”的缩写，遵从ISO／R9—1968E规定，转换成拉丁字母，就形成了专用词汇“TRIZ”。 现代TRIZ的核心思想主要体现在三个方面： 首先，不论是一个简单产品还是复杂的技术系统，其核心技术的发展都是遵循着客观规律的发展演变的，即具有客观的进化规律和模式； 其次，各种技术难题、冲突和矛盾的不断解决是推动这种进化过程的动力； 最后，技术系统发展的理想状态是用最少的资源实现最多的功能。 TRIZ解决工程实际问题的系列工具包括：冲突矩阵，76个标准解答、ARIZ、AFD、物质一场分析、ISQ、DE、8种演化类型、科学效应、40个创新原理、39个工程技术特性、物理学、化学、几何学等工程学原理知识库等，常用的有基于宏观的矛盾矩阵法(冲突矩阵法)和基于微观的物场变换法。事实上TRIZ针对输入输出的关系(效应)、冲突和技术进化都有比较完善的理论。这些工具为创新理论软件化提供了基础，从而为TRIZ的实际应用提供了条件。 相对于传统的创新方法，比如试错法、头脑风暴法，TRIZ具有鲜明的特点和优势。它成功地揭示了创造发明的内在规律和原理，着力于澄清和强调系统中存在的矛盾，而不是逃避矛盾，其目标是完全解决矛盾，获得最终的理想解。目前TRIZ广泛应用于工程技术领域，并已逐步向其他领域渗透和扩展，如自然科学、建筑、微电子、化学、生物学、社会学、医疗、食品、商业及教育等领域。韩国三星电子采用TRIZ取得了巨大成功。据统计，2003年，三星电子采用TRIZ指导项目研发而节约相关成本15亿美元，同时通过在67个研发项目中运用TRIZ技术成功申请了52项专利。在美国的很多大企业，如波音、通用、克莱斯勒、摩托罗拉等的新产品开发中，TRIZ也得到了应用，创造了可观的经济效益。 2)新一代知识工程的理论基础之二——本体论(ontology)。本体论原是古希腊哲学家研究世界上客观事物存在的本质和关系的一个哲学概念。在西方哲学史中，本体论指关于存在及其本质和规律的学说。自Gruber教授提出“本体是概念体系的明确的规范说明”之后，Studer等人也分别给出了各自的定义。本体作为知识表达、知识共享的工具，越来越受到人们的重视。从本质上来说，本体论是一个或几个领域的概念以及反映这些概念间关系的集合。关系构成了本体论的灵魂。常见的本体关系包括：同义关系、上下位关系、同位关系、组成关系、因果关系、问题关系和解决方案关系、动词修饰关系和名称修饰关系。本体论的作用是将错综复杂、游离的信息片断按照同义关系和层次关系全部关联在一起，形成有用的信息链和信息网。由于信息之间彼此关联，不再出现断点，因此从任何一个信息节点出发，都可以沿着某个路径到达其他所有的信息节点，实现了创新的知识组织方式。基于本体论构建制造创新知识库，有利于高效的知识检索和处理，快速获取知识，尤其是具有学科跨度的、意想不到的知识。目前，广泛通用目的的本体库已经出现。例如，联合国开发计划署(United Nations Development Program)和美国邓白氏公司(Dun & Bradstreet)共同联合开发产品和服务的通用分类标准(universalstandard products and services classification，UNSPSC)本体，此本体为产品和服务提供通用的分类术语学。有些领域已经开发出了大型的本体库。例如：在医疗保健领域，美国的新泽西理工学院已研发出面向对象保健词汇知识库项目(object-oriented healthcare vocabulary repository project，OOHVR)本体，在语义网中大约有5 000个有组织的概念，并都储存在面向对象数据库中；语义知识库WordNet为用自然语义解释的100000多个术语提供辞典，最大和最全的领域本体是美国德克萨斯州奥斯丁的MCC和Cycorp公司共同开发的大型常识知识库系统CYC本体，该库中大约有50000个概念，概念之间的约束和关系多于4000000个，为常识知识的多个方面提供形式化的公理理论。在我国，本体论的应用研究也是方兴未艾。如在计算机科学界，中科院陆汝钤院士主持并由清华大学、中山大学、中科院计算技术研究所等单位参加的“常识知识的经验研究”，此研究的主要目的是采用主体和本体来表示知识，以便建立大规模的常识知识库PANGU，并探讨利用常识知识解决机器翻译和自然语言理解等实际问题。此外，陆汝钤院士结合代数和概念图的方法给出了形式化本体(formalontology)的定义，这为领域知识的共享和复用提供理论支持。依托国家和省部级项目资助，浙江大学也开展了广泛的本体应用研究。 3.3新一代知识工程的研究内容 知识工程的研究内容包括知识的产生、处理、表达、组织、共享、检索、应用和更新。 (1)知识的产生。生成解决问题的新知识，通过自动知识挖掘工具，发现、收集知识库以外以及游离于管理制度之外的各类知识获取新知识；把隐性知识转化为显性知识；把个体的知识转化为公有的、有组织的、能够共享的知识。 (2)知识的处理。将知识进行整理分类，组织专家进行评估，解决“应用目的”问题，关注的重点是：原理知识(know-why)、技能知识(know—how)、人力知识(know—who)。 (3)知识的表达。将知识以最佳的形式表达出来，便于高效理解和掌握。 (4)知识的组织。建立知识间彼此关联的本体关系，把零散的知识碎片串接成“信息链”和“信息网”，实现知识的高效组织。 (5)知识的共享。以知识库为核心，以网络为手段，构建知识管理平台，实现在合适的时机将合适的知识以合适的量传送到处于合适的位置的合适的人。 (6)知识的检索。基于本体关系实现知识的高效检索与查询，实现对已有知识的获取。 (7)知识的应用。辅助需要知识的对象充分运用知识，解决应用知识的创新问题，使知识在使用过程中为企业创造价值。 (8)知识的更新。知识库的定期整理，淘汰过时知识，维持知识库的实用性和实时性。 3.4新一代知识工程的作用 知识工程的研究结果表明，企业的知识积累越丰富，知识库越充实，企业的技术创新能力越强大。也就是说，企业知识库中积累的知识多少，与知识重用直接相关；企业的知识库越充实，就越容易实现创新；知识必须被经常性地重复使用，即维持知识库的动态调用，知识积累才有意义。动态的知识一定是流动的，处于随时随地的更新状态。知识在关联中重用，在重用中流动与更新，在流动与更新中实现增值。促进知识重用的最主要的企业活动就是知识工程。如图2所示。 网络的普及与发展，为人们提供了信息获取与通信的巨大空间，也将知识工程的研究带人了一个新时代。这个新时代的标志有两个，一是把处理对象从规范化的、相对好处理的知识进一步深入到非规范化的、相对难处理的知识，二是把处理规模和方式从封闭式扩大为开放式，从小手工作坊式的知识工程扩大为能进行海量知识处理的大规模工程。因此，新一代的知识工程技术应着重研究解决网络时代知识的复杂性与非规范性问题，研究如何在海量的、动态的、开放的因特网知识海洋里进行大规模知识共享的途径和方法(包括建立适宜的知识模型、有效的知识组织和管理方式、创新的Web知识挖掘算法和各种算法的评价体系等)。 4 智能知识管理 在知识经济主导的21世纪，信息技术和互联网飞速发展，实现了全球的信息共享和交互。伴随而来的是浩如烟海的信息。身处信息和知识爆炸的时代，数据挖掘技术得到了广泛的研究和应用。目前，发达国家的数据挖掘技术已经成功地应用到了多个领域，如生物、金融、保险、零售等行业，成为后信息化时代获取知识的关键技术。作为信息时代知识获取的主要工具，数据挖掘在应用中还存在诸多问题，如：数据挖掘方面的研究主要集中在挖掘算法、挖掘过程等方面，如何选择应用数据挖掘得到的大量规则知识，不同算法得到的挖掘结论不一致；挖掘结论的静态性与现实知识动态性之间的矛盾等等。因此，研究数据挖掘知识的进一步加工、有效利用，使之智能化将是今后知识管理领域的研究重点。 4.1 智能知识的定义及特点 智能知识是指通过数据挖掘技术得到的，通过人机交互的处理后具有记忆、识别、自我更新和消亡等特征的有价值的知识。其定位如图3所示。 其中的原始知识是利用数据挖掘工具从数据和信息中直接发现的模式、规则、权重系数等原始结果，是没有经过筛选的粗糙的知识。对原始知识进行筛选、过滤、审计得到对管理决策有价值的知识，称为有用知识。 4.2智能知识管理 智能知识管理是引入心理学、复杂系统、人工智能等理论和技术，对通过数据挖掘获取的原始知识(粗糙知识)与主体知识(规范知识、经验、领导意图、企业情境等因素)相结合，并对其进行过滤、筛选，提取、存储、转化和利用，以智能地支持企业有效管理决策的管理过程。 智能知识管理具有如下特征： (1)智能知识管理的对象是通过数据挖掘获取的有用知识； (2)实现知识管理智能化的途径是首先实现知识个体的智能化，而不是让智能的知识管理平台系统去管理没有智能的知识； (3)智能知识管理是一个系统工程，涉及数据集的处理、数据挖掘算法，及对知识的审计、孵化、组织存储和智能应用、淘汰等全过程，涉及主体、对象、平台的相互作用等； (4)智能知识管理需要组织在战略、组织结构、文化，业务过程、人员、技术等多方面的协同合作。 智能知识管理的研究框架如图4所示。 4.3智能知识管理的实现方法和路径 实现数据挖掘知识的智能化及其有效管理，需要以下方法的相互联系与相互促进： 1)知识获取过程的智能化方法。知识和目标的关联是实现知识智能化的重要一步。目前数据挖掘的分类算法和最终的商业目标缺乏有效关联，导致挖掘出的知识缺乏智能性。改进数据挖掘方法产生智能性的知识是智能知识管理最直接的方法之一。 2)知识表达过程的智能化方法。目前知识的表达限于知识本身内容的表达和关于知识的知识即元知识的存储。元知识对理解知识本身发挥了很大的作用，但不足以使知识本身具备学习能力。因此，需要改进表达形式和存储方式，赋予知识以大脑，使知识本身具备学习的能力。 3)知识审计过程的智能化方法。目前数据挖掘得到的知识需要专家和业务人员人工评价、过滤、筛选，工作量大，效率低下，审计质量差。在审计过程中加入自动过滤、通信和记忆机制使知识和现有知识地图沟通，获取评价指标和评价标准并自我评分，从而使知识具备自我审计能力，实现知识的毛遂自荐。 4)知识应用过程的智能化方法。加入自学习机制使知识能适应环境，引入推理机制使知识之间相互融合产生新的知识，并与业务流程集成实现特定目标相关知识的主动推送。 5 结论 本文遵循知识管理的发展脉络，归纳与分析了知识管理在不同历史阶段的研究内容和核心问题。随着知识对经济社会的推动作用日益增强，知识的重要性愈益凸显。知识资源成为企业的核心竞争要素之一，知识管理成为企业必须关注的重要课题。知识来源于实践，来源于长期的生产经营活动。因此，从大量数据和信息中挖掘、提炼和结晶知识，研究其有效利用和智能化管理，具有重要的学术价值和应用价值。

文章内容仅供参考 (投稿) (如果您是本文作者，请点击此处) (10/15/2011)