知識管理視閾下“大數據”與“小數據”的比較分析

文/安徽大學管理學院 許茹

“互聯網+”時代，知識已經成為社會經濟發展的核心驅動力之一。知識管理以知識為核心，是對與之相關的信息、技術、人、物的關系鏈接。數據和信息是知識的基礎內容，因此，大數據和小數據必然影響著知識管理的發展與變革。前者使得知識管理工作呈現出便捷化、高效化以及智能化，知識價值得到深度挖掘，其具有的“大”不可避免地影響著知識管理領域。與此同時，康奈爾大學教授D.Estrin提出的“小數據”概念也引發了廣泛討論。小數據以個體用戶為中心，收集的信息體量雖不如大數據龐大，但也具有獨特優勢。

一、知識管理與大數據

“大數據”是什么，學界目前尚未給出一個明確的標準化的定義。從現階段對于大數據的解讀中，不難發現絕大多數人對于大數據抱著樂觀崇拜的態度，認為大數據的到來可以解決諸多以往未能解決的問題，但同時也受制于科技等現實因素，大數據尚未達到人類理想的運作狀態。

大數據的“大”體現于大的樣本容量和大的數據體量。通過聚類分析、關聯分析等分析模式實現對信息的動態處理，是一種全局宏觀層次的把控。在維度方面，大數據在對知識的收集是多維度的，能夠較為全面地反映事物和事物外在環境的內在關聯，但這種關系也只是較為粗略的聯系。在對事物的發展預測方面，大數據對于大的樣本做出的預測更為準確，并且隨著數據量的提升，這種預測也更為準確，無論是短期內的發展情況還是長期的發展趨勢。在運營成本上，大數據的數據量雖然巨大，但其是建立在智能化的機器上的運作，并且隨著各種智能終端設備的發展，數據的收集、存儲、傳輸、處理都開始變得簡單，其成本較低。

知識管理不等同于信息管理，知識隱匿于信息之中。大數據所收集的數據信息，知識只占其中的很小一部分。大數據讓信息匯聚，同時也讓知識匯聚。大數據背景下的知識管理同樣也是一種宏觀層次的知識管理，并且更偏向于對顯性知識的管理。大數據時代，知識管理上升為多維度的管理，知識的學習、發現、共享、傳遞變得更為便捷高效。對于顯性知識而言，大數據讓更多的顯性知識相互聯系，例如：生命科學與計算機模擬技術的發展使得醫療水平得到了極大提高。有關醫學的學習方式也悄然發生變化，3D打印技術、VR技術等讓醫學生的學習更為直觀高效，緊密聯系實際。顯示知識的聯系，也迸發出許多新的知識火花。再如：利用計算機進行反應的模擬找出了最佳的元素組合，制造出的新材料有著極佳的性能優勢。

隱性知識，隱匿于人們的行動、未被明確地表示出來，諸如人的經驗、技巧訣竅等等。大數據對于隱性知識的管理仍處于表層，隱性知識的顯性化以及隱性價值的發掘并未得到很大的改變。

二、知識管理與小數據

小數據是與大數據相對應的概念。它是對個體或者某單一群體的數據進行全方位、多層次的個體及環境的數據收集。近些年，隨著大數據概念被人們廣泛接受的同時，小數據這一概念也開始引起了較為廣泛的關注。在某些方面，小數據有著大數據所不具備的優勢。

小數據的“小”并不是數據量的小，而是數據采集對象的規模之“小”，小至一個個體。小數據與大數據一樣，通過對數據的整合、關聯等分析模式實現對數據的動態處理。在維度方面，小數據側重于個體全方位的信息數據，同樣是一個多維度信息采集，它能夠全面地反映該個體同環境的內在關聯，且隨著數據量和收集時間的延長，可以得到更為精細的關系。某種程度上，小數據所收集的信息維度要優于大數據。在對事物的發展預測方面，小數據因為數據個體信息的局限性，無法做出較為準確的長時間跨度預測，但在對于未來事物的刻畫上，小數據往往可以做出較為精準的描述。在運營成本上，小數據的研究多是長期的，且需要機器和相關人員的共同參與，因此相較于大數據而言，小數據的運營成本相對較高。

小數據主要來源于用戶的各種活動，這些活動中顯性知識與隱性知識并存。對于顯性知識而言，小數據的全面數據信息采集讓顯性知識可以更快的速度進行匯集，但是這些個體顯性知識的往往個性與重復性并存，因此仍需要借助于大數據的方式對這些個體顯性知識進行更為高效的管理。小數據下的顯性知識管理有了大數據所不具備的“個性”特征。

毋庸置疑，顯性知識讓社會中的大多數得到發展進步，但是隱性知識是知識深層次魅力所在。小數據下的“個性”正是隱性知識的體現，隱性知識雖然不易收集管理，但必然會有實在客觀的反映。在大數據背景中，這些隱性知識的“客觀反映”往往不能夠得到收集分析，沉溺于信息之中，而在小數據內部，由于數據和數據之間更為精細的梳理，使得這些“客觀反映”得以“嶄露頭角”。知識管理中的小數據讓隱性知識最大限度地顯性化。

三、知識管理中的以“小”搏“大”

小數據和大數據并不是孤立的，小數據可以來源于大數據，大數據也可以來源于小數據，二者緊密關聯。大數據讓知識管理置于更高的緯度，小數據讓知識管理跨越更多的經度。大數據與小數據都有著各自的優勢，同樣也存在著薄弱的管理層面。如何利用小數據的杠桿更好地撬動知識管理中的大數據？如何利用小數據對于隱性知識的發掘，更好推動知識管理的大數據的雪球？值得我們深思。

（一）充分發揮小數據優勢。1.收集知識精準化。在知識管理體系中，多數時候需要更為精細的數據整理利用。大數據自身特點決定了大數據追求海量多樣化，而小數據由于其“體量小”，追求數據精準量化。在對顯示知識的收集、分類、管理上，小數據采用的精準量化可以使得顯性知識的層次分明。小數據可以讓知識管理更為細化，利用精準數據對知識的聯系加以斟酌，知識的不同點加以區分，從而使顯性知識清晰。信息汪洋中，尋找精準有價值的信息需要我們擦亮雙眼。而結合小數據的精準量化特點，可以讓顯性知識的獲取變得更為便捷，極大地減少我們的工作量。利用小數據的精準量化特點，更好地撬動知識管理中大數據的海量多樣化優勢，并讓大數據的價值密度得到提高。2.縱向挖掘隱性知識價值。隱性知識是知識的魅力所在，同時也是推動知識創新的潛能。小數據以用戶個體為中心，以此獲得數據同樣是具有個性特性。在知識管理中，小數據的使用可以使隱性知識得以發掘，由內在要素進一步推動知識的發展及科技的進步。小數據追求個性化服務，知識管理同樣需要具有個性化，通過個體之間多要素之間的相互關系和影響，這樣才能讓每一個個體的隱性知識得以最大程度的顯性化，讓深度價值得以發掘。小數據所蘊含對于隱性知識管理的潛能可以更好地推動知識管理大數據的雪球，讓知識管理中大數據的能量更加壯大。

（二）充分發揮大數據作用。1.收集知識全面化。趙蓉英、魏緒秋認為，大數據環境下開展知識管理工作的首要任務是實現數據的聚集，形成大數據集。也就是說，掌握的數據量越大、內容越豐富，就能推斷出越多有用信息、得出的結論對知識管理工作就越有參考價值，大數據能夠豐富數據收集類型，包括結構化、半結構化和非結構化數據；擴大數據收集范圍，崔海莉認為凡是采取“樣本=總體”的數據分析方法，就稱為大數據分析大數據是一種“全數據”，從而保證知識管理工作中所需知識類型的全面性，來源的多元化，內容的合理性，提高知識管理效率，實現知識管理的積累原則。2.橫向強化知識關聯性。信息技術的發展使得大數據篩選能力得到加強，它能夠重新分類、整合碎片化的信息和數據，在零散的信息之間架構關系鏈，形成密集的橫向知識網絡，建立知識管理系統，保證知識共享和交流。大數據將看似無關的數據、信息圍繞某種主題內在的勾連起來，使得海量數據中隱藏的規律性事實得以顯現，用以指導實際活動，實現數據的增值，將無用的數據內化為有用的知識同時也是知識管理工作的重要基礎。比如，企業鼓勵員工貢獻自己的企業知識，通過大數據技術建立企業知識地圖，分析員工的知識結構，從而合理安排員工培訓，使其更有針對性。

（三）綜合運用知識管理中的“數據力”。數據力，是指人類利用數據技術認識和改造自然的能力，取決于數據技術的發展程度。小數據和大數據作為數據力的主要內容，共同推動著知識管理邁向全新的發展階段。小數據擁有與大數據不同的數據思維和應用模式，是大數據決策的必要補充與延伸小數據以因果關系作為研究的基本目的，在知識管理中以邏輯推理演繹的方式加以體現，而大數據以復雜性科學作為研究的基礎，同時為復雜性科學的研究提供研究工具。知識與科學密切聯系，大數據可以推動復雜性科學的多元化發展，這是知識管理中小數據所難以企及的高度。小數據與大數據相比較是“局部”與“整體”的關系，二者更各有千秋。在知識管理變革中需要綜合利用大數據的“量大”和 小數據的“質優”，“各為其主”又相互作用。

四、結語

隨著信息技術的進一步發展，知識管理在日常社會生活中的地位越來越受到人們的重視。知識管理的核心是提升組織的創造能力，具有很高的戰略意義。科技是第一生產力，但不可忘卻的是人的知識創造讓科技的陽光得以照入現實。科技會推動一系列新興事物的產生，同時也將賦予知識更為廣闊的空間，知識管理同樣需要與時俱進，“大數據”和“小數據”各領風騷成為推動知識管理變革的兩駕馬車。如何在知識管理中利用好“小數據”與“大數據”，不僅需要相關從業人員的參與，同樣也需要政府和企業的協助。