基于大數據挖掘的企業智能知識管理與決策研究

劉紹霞 李永國

（中國航發貴州黎陽航空動力有限公司，貴州 貴陽 550014）

隨著商業競爭的加劇和市場環境的日益復雜，知識和信息已取代資本和能源成為最重要的資源。越來越多的公司積極使用知識管理來提高其決策能力、競爭力和效率。在公司的實際活動中，有必要促進知識管理的實施。知識與知識，知識與行動以及知識與人之間息息相關。智能知識管理可以共享知識，為業務知識創新提供強大動力，并提高公司的敏捷性和創新能力。

一、知識管理

1.知識管理的定義

知識管理的發展具有廣闊的理論基礎和發展起源。它發源于公司或組織時代和經濟環境中發生的巨大變化。在20世紀90年代中期至后期，鑒于全球經濟一體化，扁平化的組織結構以及知識經濟中多樣化的信息需求，公司和組織逐漸認識到知識和知識生產的重要性。積極的創新可以為生存和發展提供力量和奇跡，這對知識管理也有巨大的需求。哈佛大學的皮特教授最早提出知識管理的概念，他認為，知識管理是及時交付知識，及時發現知識和有效利用知識的過程，并強調公司想要生存和發展，就必須有效地管理知識?？茖W家從不同角度對知識管理進行了大量有益的研究。盡管它們尚未形成統一的定義，但它們在諸如知識分類和知識管理領域等基本問題上達成了廣泛共識。一般認為，知識管理過程中知識的創造、獲取、加工、存儲、傳播與應用一般是指狹義層面上的定義，而對知識的相關信息進行整合一般是從廣義層面上來講的。

2.知識管理的特點及作用

知識管理可以實現公司內部和外部顯性知識和隱性知識的轉換，并利用外部員工和客戶的團隊智慧來提高公司的創新能力和決策水平。全面系統的知識管理體系，一方面可以提高對工作的積極性；另一方面，他們可以組織員工的培訓和教育，使顯性知識保留在公司中，以提高對公司知識的保留和靈活性。知識管理可以幫助公司塑造持續學習的內部機制。當公司使用它時，它可以包含和存儲顯示知識，并在提取知識時將其提取。它還可以減少因勞資關系不佳而導致的經濟損失以及導致的裁員問題，這是一種控制機制，它是基于知識的，其主要作用是幫助公司塑造其核心知識，以便他們可以共享創新，更新和業務知識。它可以為員工提供共享知識，改善整體績效和創新的環境，從而提高業務服務的質量。它貫穿于公司的整個成長過程，不斷創造價值，為公司的適應性和韌性做出貢獻，并推動業務創新和可持續性[1]。

二、企業知識管理中大數據技術的應用

1.構建基于云計算的大數據挖掘體系結構

作為大數據技術的基礎支持服務，云計算是一種具有高可擴展性和高彈性的新型虛擬化計算模型，它主要用于存儲和處理數據。這些功能為大數據提供了基礎存儲，這些服務提供有效的數據處理功能。大數據挖掘架構結合了分布式存儲和并行分布式云計算，并提供了云/客戶端計算基礎架構模型。大數據技術與云計算相結合，不僅利用了先進的計算機技術，同時還以強大的計算能力和大存儲容量為核心，集成一套完整的知識管理系統，大數據以及挖掘和分析算法可創建用于挖掘的新云，在云挖掘中執行實時數據挖掘和大數據分析，并使用可視化技術將挖掘和分析結果呈現給客戶。

2.知識管理和大數據結合

知識管理的一種特定方法是將知識產權和各個部門和個人的其他無形資產合并為電子文件，然后將其發布到公共互聯網上，以形成可以隨時訪問的知識庫。知識庫應具有支持和維護系統，以及一些基本的安全措施和功能來控制網絡訪問。員工可以使用該系統讀取產品信息，搜索與公司相關的系統文檔等，以及在需要交流時在虛擬廣告牌上發布信息。知識管理技術應該在此基礎上構建，即，有易于使用的可視化工具，更強大的自動化“靜默”方法來跟蹤知識，一種對信息庫和音頻庫組中的分數求和的機制，而不僅僅是圖形，還有先進的聲音及有關知識提取工具的視頻和其他信息源。在競爭日益激烈的市場中，公司依靠傳統的知識管理系統已經無法滿足現代社會的發展要求，隨著信息技術的廣泛應用，智能化知識管理系統越來越被企業重視。因此，在企業發展過程中，全面先進的知識管理系統，不僅可以提高公司在市場上的競爭力，還能不斷激發員工對工作的熱情。在使用大數據分析技術過程中，必須重視對數據庫的建立，從而保證知識管理全面性的管理。另外，知識管理最基礎的部分就是數據挖掘技術的應用，其不僅可以對知識管理系統過程中的各項功能進行系統性分析，還可以共享企業以外的知識管理模式，從而為企業的發展提供全面的數據分析[2]。

3.結構上的整合

（1）數據層

公司的內部業務數據主要來自數據層數據源，其中包括企業資源計劃（ERP）系統，客戶管理系統（CRM），數據倉庫和數據集的數據資源以及來自供應鏈管理系統（SCM）的數據，例如：市場分析和預測報告、電子郵件、行業分析和預測報告等。知識管理數據層數據源主要來自員工的知識和創作過程。作為知識資源元數據的元知識，包括自然資源屬性（例如標題，作者，來源，擴展名，時間等）以及資源知識屬性（例如主題，關鍵字等）。數據層是關鍵層次上實現管理情報與知識管理結構的整合。使用各種知識，信息和數據轉換應用程序（例如數據庫，數據存儲，知識數據庫和元存儲庫）可靠地支持數據。因此，在將數據層合并之前進行計劃非常重要，因為數據來自數據層，并且數據質量是公司決策中的重要價值[3]。

（2）系統層

系統層主要是核心知識管理功能，可對業務數據，信息和知識進行廣泛的分析和鏈接，包括數據挖掘、在線分析、知識共享和業務知識圖。數據挖掘技術可以從數據層提供的大數據中執行模型驅動的提取，轉換，分析和其他處理，并提取對業務決策有用并為業務決策提供有用見解的關鍵數據。在線處理和分析技術可以對業務數據（例如B）執行多變量分析和處理。分類，轉換和獲取新的有價值的信息。通過數據挖掘以及在線分析和處理，公司可以實時了解業務運營的當前狀態，以便決策者可以隨時隨地觀察業務運營的數據。隨時隨地定制開發策略。知識共享為公司員工創造了便利的知識共享環境，因此該平臺上的員工可以直接交換和共享有關公司方法、經驗和業務技能的隱性知識。知識圖可以促進知識的搜索、收集和重用。員工可以使用共享的知識資源目錄和知識單元之間的關系，以便員工可以獲取他們快速而輕松地解決問題所需的建議和知識。

（3）應用層

應用層基本上實現了集成知識管理系統的界面，形成了用于企業知識管理的智能門戶，并直接面向用戶。使用知識管理系統集成平臺可以更輕松地顯示數據、信息和知識，員工可以更準確地分析和查詢數據并在知識庫中獲取知識，以促進知識共享，溝通和創新，為決策和管理提供更有效的信息和信息服務。此外，公司員工可以通過系統界面實時訪問公司數據，并使用在線分析和處理、數據挖掘、文本挖掘和其他技術來獲取法律或新知識。大量數據資源與前沿法律和知識相結合，并存儲在知識庫中，以促進知識的重用和創新。業務決策者依靠在應用程序級別提供的功能接口來簡化，將數據、信息和知識集成到公司的生產和運營中，并且可以在分析公司的相關知識的生產和利用之后，更有效地應用獲得有價值的信息[4]。

三、結語

從知識管理的角度將大數據挖掘與智能知識管理相結合，既要考慮數據挖掘過程，又要考慮數據挖掘的結果，以便知識管理過程確定用戶真正關心的是什么，可行動的及其現實世界的知識，智能化處理對用戶有用的知識，挖掘、分析出自身具備智能性質的知識，在適當的時間和以正確的方式自動管理知識的自我更新和獨立應用，將正確的知識傳遞給合適的人，提高了通過挖掘大數據獲得的知識的實用性，減少了信息爆炸，為公司有效的管理決策提供智力支持并提高知識管理水平。