關于智慧企業理論體系構建的研究

徐智勇，皮新湖，胡 鵬，袁凌云2，葉建紅

(1.湖北省十堰市煙草公司,湖北 十堰 442000; 2.云南師范大學 信息學院，昆明 650031)

0 前言

隨著云計算、大數據、物聯網、人工智能、移動互聯為代表的新一輪信息技術革命的到來，新業態、新模式不斷涌現。“互聯網“+催生的新型商業文化正深刻改變著各行業業態。例如智慧酒店、智慧水廠、智慧電力、智慧園區、智慧制造企業、智慧城市、智慧國家等。

歐美發達國家提出“工業4.0“、”再工業化“戰略，以及中國大力推進”中國制造2025“。”十三五“期間，中國企業面臨著適應經濟新常態的重大挑戰。為應對日益復雜和不確定的外界環境，企業需要的不再是簡單的頭疼治頭腳痛醫腳的單一信息管理工具，而是需要進行智慧升級，構建一個真正智慧的企業大腦，重塑企業競爭優勢。智慧企業(Intelligent Enterprise)作為創新型組織形態，以新一輪信息技術及管理方式跨界柔性整合，順應了IT(internet Technology)時代向DT[1](Data Technology)時代過渡的經濟發展規律。

但目前，我國企業智慧化建設面臨諸多問題和困惑，本文從數據、信息、知識、智慧四個維度，在整理、分析以往智慧企業相關理論基礎之上，依據智慧企業最終實現的目標，以系統理論和信息技術反向推理并闡述了智慧企業管理模型和智慧企業各關鍵環節構件，這將對智慧企業建設提供一定的啟發和借鑒作用。

1 智慧企業的智慧概念

1.1 數據、信息、知識與智慧的含義

文獻[2-6]提出“數據-信息-知識-智慧”四層結構概念如圖1和圖2所示。

圖1 數據-信息-知識-智慧四層結構

圖2 數據-信息-知識-智慧邏輯關系

數據本身是客觀存在的，是原始的、未解釋的符號，是對客觀世界的記錄，它可通過原始觀察及度量獲取。

信息是關于世界、人和事物的描述，是經過加工處理、具有某種意義或相互聯系的數據，它是數據的抽象反映，主要是回答“who(誰)”、“what(什么)”、“where(哪里)”、和/或“when(何時)”等問題。

知識是將數據與信息、信息與信息的應用歸納演繹和集成提煉，也可從現有知識中進行邏輯推理而得，它體現了信息本質類型和信息之間的內在聯系。主要是回答”how(怎樣)”、”why(為什么)”。

智慧是在理解知識是什么的基礎上，對包含在知識中的基本原理進行深入理解，進行創新的知識，是個體獨創的謀略或行動。它是超越知識的創新性思維，是一種推測的、非隨機的和非確定性的過程，主要是回答人難以得到或是暫時無法回答的問題，但隨著知識層面的提升，更高層面的智慧就會產生。

1.2 數據、信息、知識與智慧的邏輯關系

上述主要是從知識管理實踐的視角[7]的進行論述。數據、

信息、知識和智慧它們是各自處于不同的認知層面，它們之間的聯系在于前者是后者的基礎與前提，而后者是前者的發展并對前者的獲取具有一定影響[7]。

數據是原始的，彼此是獨立、分散的，是信息的載體。信息是加載數據之上，對數據作具有含義的解釋，而如何甄別信息需要知識，如何運用知識則是需要智慧。

1.3 智慧企業的智慧含義

根據第10版《新華字典》的解釋，智慧是“對事物能迅速、靈活、正確地理解和解決的能力”。

從企業信息技術應用角度來講，基于數據-信息-知識-智慧四層邏輯關系，智慧企業所指的智慧是一個相對概念，是在企業信息化發展到了一個較高階段背景下提出來的。其含義是在“云大物移智”(云計算、大數據、物聯網、移動互聯、人工智能)等信息技術廣泛深度的應用前提下，收集企業內、外部數據，基于數字化能力的信息平臺形成業務系統信息，將信息經過數據挖掘、

數據分析、數據推理等加工累積成知識，結合全體員工創新、創效大腦智慧應用機器翻譯、機器學習、深度學習、專家系統等技術將企業已積累的“知識資本”提煉出智慧，并全面賦予企業管理“智慧”屬性，使得企業生產、經營各方面更敏捷、更高效、更精準、更安全的持續良性自動運轉。

2 智慧企業的目標

筆者把以往學者對智慧企業的認知[8]及2013-2017對智慧企業的學術研究制成表1。

表1 智慧企業的內涵比較

盡管國內外學者在具體術語及用語上有所不同，但從紛繁復雜的學術觀點來看，對于智慧企業的目標或作用仍有所共性。筆者歸納為智慧企業的“三自訣”

1)自動預判：應用大數據分析技術，對企業內、外部業務數字化及量化結果所采集到的大數據進行加工、處理及分析，實現企業各類風險的全過程識別和判定，并自動預警。

2)自動決策：運用人工智能、認知計算[21]、智慧搜索[13,22-23]等前沿決策技術，對企業自動預判不同層面的風險和問題進行自動決策，實現企業決策管理的智慧化。這個過程邏輯的演進是由企業的各類“專業腦”(專業數據中心)自動生成應對風險和問題的方案，并提交給企業的“決策腦”進行決策和精準預測。

3)自動演進：通過對企業內、外部大數據提煉的知識倉庫基礎上，應用人工智能、大數據分析、認知計算等對積累下來有價值的歷史數據、信息、知識及決策案例、決策模型，實現企業決策腦的自我糾偏和改進。

3 智慧企業理論管理模型

智慧企業建設要在當前企業發展的基礎框架下、在繼承和不斷完善原有體系、流程、技術、規范和管理制度上，通過云計算、大數據、人工智能等技術的應用構建企業智慧中心(決策腦)、專業腦(專業數據中心)，為企業持續、高效、安全的運轉實現“3個自動”目標提供科學的體系支撐。企業智慧化建設不是一蹴而就，是一個持續、長時期不斷向更高層面迭代優化的過程。故在參考涂楊舉智慧企業管理模型基礎上[16]，給出智慧企業建設過渡階段和最高階段的智慧企業管理模型。智慧企業過渡階段的管理模型如圖3。

圖3 過渡階段的管理模型

此階段的智慧企業特點是人工層級管控和數據驅動管理并存。

適用范圍：企業管控停留在人工層級管控方式為主或信息化建設無法滿足企業各項業務進行自動決策。

這類企業根據單位運轉和業務實際開展的需求，在單位機關層面的職能部門構建職能專業腦，使之為對應的職能部門服務。在基層單位層面構建業務專業腦，使之為具體業務開展服務。各專業腦是對應業務開展所需的知識資源和業務數據的數據集合，依據此數據集合和企業內、外部實時數據收集、分析、學習，以相應的知識規則提供風險預警和預判。同時，專業腦向決策腦提供相應知識供決策 腦學習、推理和自動決策和演進。這階段整個企業的管理是處于決策管理層的監管和半監管狀態。

智慧企業最高階段的管理模型如圖4所示。

圖4 最高階段的管理模型

此階段智慧企業特點是：數據驅動企業管理。

適用范圍：智慧企業整體建設終極管理階段或企業某一業務已實現智慧業務。

隨著企業智慧化建設的推進，企業組織管理結構趨于扁平化，基層不在獨立管理單位存在，機關部門極大壓縮，并不再行使管理職能，主要集中提供各類與工作相關的基礎保障工作(綜合服務保障部門)和各專業腦及決策腦業務研發和運維工作(技術及業務保障部門)。決策管理層主要是規劃目標、制定標準和規則、完善工作部署，讓整個企業在制定的規則、規范中自動進行管理和工作決策。這階段整個企業的決策執行是無需決策管理層監管。

4 智慧企業理論體系構件

4.1 智慧企業知識倉庫體系結構

智慧企業的“智慧”管理和應用，是在企業自身知識倉庫之上開展的。現有知識倉庫相關研究成果和文獻資料顯示，知識倉庫的體系結構不存在統一的模式，本文引用中知識倉庫(Knowledge Warehouse,KW)體系結構[24]作為智慧企業的知識倉庫的體系結構，如圖5。

圖5 智慧企業的知識倉庫的體系結構

知識倉庫是存放某領域知識的集合，它是面向主題的、是由多種類型知識庫進行集成，用于滿足某智慧業務的決策腦數據挖掘、分析及策略生成。

在該體系結構中，描述知識及其關聯信息的元數據作為共享資源貫穿著整個過程，它記錄了知識庫中裝入數據的來源、描述相關知識單元之間的關系。數據、信息經過知識庫、知識引擎、激活工具這三層的加工、處理，以活化的知識形式呈現給上層，以便上層的學習和決策。

1)知識庫。它可以分為方法庫、模型庫、數據庫、文檔庫等。(可以根據企業自身實際需要知識的構成情況增加或減少)其中，知識裝入代理是由具體業務知識專家和智能代理程序組成，它是主動掃描、分析企業自身的知識資源，發現知識單元和知識單元之間的聯系，并對知識單元進行歸納、分類后裝入相應知識庫，同時將知識單元之間聯系裝入元數據。

2)知識引擎。它基于利用人工智能技術，接受激活工具的訪問請求，然后分析元數據中對應相關知識單元之間聯系描述，將知識庫中的相應知識單元動態地連接起來，提交給激活工具。

3)激活工具。它一般包括分析平臺、重組平臺、推送平臺、檢索平臺等(可以根據企業自身實際需要情況增加或減少)，是作為上層的程序接口層，負責知識的表現。

4.2 智慧企業“智慧”的迭代優化

智慧企業實踐要求企業具備智慧的使用和管理能力。這首先是在數字化技術支撐下，實現企業管理信息化、自動化。其次，在數據大集中，統一平臺的技術框架設計，企業的組織結構趨于扁平化條件下，如何解決企業在規劃、預測、決策等環節的問題,即將企業知識提升為智慧的問題成為企業智慧化的研究和工作重點。這是需要決策管理層、職能部門、基層單位以及軟件研發單位長時期共同協作共同完成。這個過程將日常企業業務開展和管理過程中所用的人的認知和人腦智慧數字化、程序化，通過人工智能等技術手段模擬、延伸和擴展出來人的智能的理論、方法。這是數據服務的迭代優化進程[25]，如圖6所示。

圖6 “智慧”的迭代過程

“智慧”的迭代優化的過程是基于數據中心，通過決策腦、選定應用方向、數據分析、正確地解讀、知識倉庫、完善與再循環閉環流程，不斷提升決策腦的決策方案和決策模型。其中關鍵環節包括數據清洗、數據集成、構建知識和決策模型、算法參數優化等。

4.3 智慧企業智慧業務的體系結構圖

基于知識倉庫應用認知計算的DSS(Decision Support System)[26]，它將事務處理環境與決策分析處理環境分離，其體系結構[27]如圖7。

圖7 智慧業務的體系結構圖

認知計算是對新一代智能系統特點的概括. 從功能層面上講, 它能夠出色完成對數據的發現、 理解、 推理、 決策等特定認知任務[28]。

事務處理環境：是產生知識倉庫(過程可參見4.1)和與決策分析環境進行知識交互。

決策分析處理環境：將用戶知識資料推送給知識倉庫，并在知識倉庫中相應問題的解決方案進行匹配，自動完成業務決策管理流程。

4.4 智慧企業整體技術邏輯框架結構

借助互聯網、物聯網、云計算、大數據、移動互聯和人工智能等先進技術與企業生產、經營、管理等各環節的深度融合，以數據在智慧企業的演進流程，在企業標準化和信息網絡安全防護體系下，按照業務量化、集成集中，統一平臺、智慧協同要求，構建智慧企業的整體技術邏輯框架結構。如圖8所示。

圖8 智慧企業的整體技術邏輯框架結構

4.4.1 數據源頭-信息獲取-知識存儲-“智慧”應用

1)數據源頭。它是由企業內、外部數據組成，通過互聯網、物聯網、移動互聯等方式向上層提供數據。

2)信息獲取。借助企業的各業務流程的信息系統、WWW數據獲取信息，通過云計算、人工智能、數據挖掘等技術向上層專業數據中心提供信息。

3)知識存儲。將收集到的信息數據生產企業知識倉庫。

4)“智慧”應用。應用人工智能、認知計算、決策支持技術構建企業統一智慧大腦平臺即企業認知云平臺。(由各個智慧業務模塊(決策腦)組成)。用戶通過用戶接口借助企業認知云平臺將用戶知識資料推送給專業數據中心，并在知識倉庫中相應問題的解決方案進行匹配，在認知平臺中自動完成業務決策管理流程，并將用戶感興趣的知識自動、及時反饋給用戶。

4.4.2 企業標準化體系

依據企業應落實和要遵守上級單位或行業基礎標準，制定本企業的標準化體系。并依據信息技術手段將企業標準化體系數字化映射到企業內部各種類的數據、信息和業務流程中。

4.4.3 信息網絡安全防護體系

主要是從硬件和軟件兩個角度分析。一方面是配置信息網絡安全設備，使用相關信息安全防范技術確保數據流、信息流傳輸的安全。對涉密敏感信息需要脫敏加密，同時也要加強數據輸出服務的安全防護。

另一方面對信息安全的合規和審計要求，依法落實《中華人民共和國網絡安全法》第8條、第11條、第12條、第21條、第34條、第49條和《企業內部控制基本規范》等其他相關信息安全法律法規要求，并根據企業自身實際依法制定相關信息安全規定或管理制度確保企業整個業務生命周期上數據源和過程中數據、信息、知識和“智慧”的應用安全。

4.4.4 四個方面要求

1)業務量化。按照既定企業標準化的管理、業務工作、操作流程及規程要求,將企業內部、外部(上下游產業鏈)的工作任務量化和數據化。在業務量化的基礎之上形成大數據，有了這些大數據的生產、歸納、整合，智慧企業建設才能有了堅實的數據基礎作為支撐。這主要是通過“云大物移智”等技術，實時獲取、傳輸、處理各類數據、信息、知識以及“智慧”，實現企業對所有業務的所有環節的所有要素動態感知。

2)集成集中。按照企業內部、外部(上下游產業鏈及WWW數據)數據要互聯、互通的要求，以統一的信息編碼規則設計數據(公用域和私用域)的字段和分析維度，實現在企業內部信息的唯一性、同一性，并確保重要信息在跨業務、跨平臺、跨單位業務系統中一致性。對企業各業務流程雜亂無章的運營數據進行整體規劃、治理、集中，實現企業全方位數據的大集成大集中，形成業務數據庫和知識倉庫，便于知識的檢索、挖掘、共享以及知識轉化。

3)統一平臺

在數據集成集中后，通過整體規劃、系統整合、消除業務系統分類建設、條塊分割布局，應用人工智能、認知計算、決策支持技術等構建企業統一智慧大腦平臺即企業認知云平臺由各個智慧業務模塊(決策腦)組成。

4)智慧協同

在相關數據、平臺及應用的支撐下，實現了人與人、人與物、物與物之間數據交流，借助企業統一智慧大腦平臺，實現各智慧業務模塊(決策腦)之間的互通和協同。

5 結束語

本文在分析以往智慧企業相關理論研究基礎之上，依據智慧企業的實現目標，以數據、信息、知識、智慧的4個維度，從系統理論和信息技術角度反向推理并闡述了智慧企業管理模型并給出智慧企業的知識倉庫的體系結構、智慧企業“智慧”的迭代優化進程、智慧業務的體系結構、智慧企業整體技術邏輯框架結構，這對智慧企業關鍵理論的研究與智慧企業建設起到一定啟發和借鑒作用，但智慧企業建設的評價以及成熟度度量缺乏一個完整的標準這一問題值得關注和深入研究。