張斌 熊奧

摘要：[目的/意義]數(shù)據(jù)時(shí)代給社會各行業(yè)、各領(lǐng)域均帶來了變革，同時(shí)也給傳統(tǒng)的知識管理研究帶來了挑戰(zhàn)，為更好地適應(yīng)新的時(shí)代環(huán)境，知識管理需要重新認(rèn)識和定位，并就面臨的挑戰(zhàn)和變革迎接和擁抱新技術(shù)。[方法/過程]分析知識管理在大數(shù)據(jù)時(shí)代的作用， 探討大數(shù)據(jù)時(shí)代知識管理的方法以及面臨的挑戰(zhàn)，并結(jié)合實(shí)際提出知識管理在數(shù)據(jù)時(shí)代的發(fā)展方向。[結(jié)果/結(jié)論]知識管理在數(shù)據(jù)時(shí)代并沒有消失，大數(shù)據(jù)的發(fā)展推動了知識管理過程從傳統(tǒng)向技術(shù)的轉(zhuǎn)型，大數(shù)據(jù)雖然在顯性知識管理上有重大突破，但是在隱性知識管理上依然是一個(gè)亟待解決的問題，新時(shí)代的知識管理，更加強(qiáng)調(diào)技術(shù)應(yīng)用，更加強(qiáng)調(diào)從數(shù)據(jù)中提煉知識價(jià)值的能力。

關(guān)鍵詞：數(shù)據(jù)時(shí)代? ?知識管理? ?技術(shù)變革? ?隱性知識

分類號：C93-0

DOI：10.13266/j.issn.2095-5472.2020.020

引用格式：張斌， 熊奧. 數(shù)據(jù)時(shí)代的知識管理[J/OL]. 知識管理論壇， 2020， 5（4）： 219-226[引用日期]. http：//www.kmf.ac.cn/p/216/.

自2012年牛津大學(xué)維克托·邁爾-舍恩伯格提出大數(shù)據(jù)（big data）這個(gè)概念以來，大數(shù)據(jù)這個(gè)詞越來越多地被提及，人們用它來描述和定義信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新[1–3]。正如《紐約時(shí)報(bào)》2012年2月的一篇專欄中所稱，“大數(shù)據(jù)”時(shí)代已經(jīng)降臨，在商業(yè)、經(jīng)濟(jì)及其他領(lǐng)域中，決策將日益基于數(shù)據(jù)和分析而作出，而并非基于經(jīng)驗(yàn)和直覺[4]。哈佛大學(xué)社會學(xué)教授加里·金說：“這是一場革命，龐大的數(shù)據(jù)資源使得各個(gè)領(lǐng)域開始了量化進(jìn)程，無論學(xué)術(shù)界、商界還是政府，所有領(lǐng)域都將開始這種進(jìn)程”[5]。麥肯錫稱：“數(shù)據(jù)，已經(jīng)滲透到當(dāng)今每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對于海量數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率增長和消費(fèi)者盈余浪潮的到來”。

實(shí)際上，“大數(shù)據(jù)”在物理學(xué)、生物學(xué)、環(huán)境生態(tài)學(xué)等領(lǐng)域以及軍事、金融、通訊等行業(yè)存在已有時(shí)日[2]。在大數(shù)據(jù)時(shí)代之前，其實(shí)各行各業(yè)都已經(jīng)擁有了龐大的數(shù)據(jù)，無論是圖書館、檔案館還是情報(bào)機(jī)構(gòu)，雖然表面上管理和研究的對象是過去的文獻(xiàn)和文本信息，但實(shí)際上真正管理和研究的對象是這些文本和文獻(xiàn)上所承載的數(shù)據(jù)和信息，而且這些數(shù)據(jù)信息的體量已經(jīng)非常地龐大。同時(shí)，知識管理的概念也很早的在這些領(lǐng)域存在，只是在數(shù)據(jù)時(shí)代之前更多的是稱為信息管理或檔案管理。2012年之后，互聯(lián)網(wǎng)以及信息技術(shù)的應(yīng)用導(dǎo)致了整個(gè)社會管理、應(yīng)用管理的根本性變革[4]。過去人們把信息技術(shù)當(dāng)作一種工具來應(yīng)用，但現(xiàn)在政府、企業(yè)和大學(xué)等不同的機(jī)構(gòu)在業(yè)務(wù)活動中已經(jīng)不再像過去那樣形成過多的紙質(zhì)文件，大量的業(yè)務(wù)活動已經(jīng)把信息技術(shù)和業(yè)務(wù)活動進(jìn)行深度地融合，不僅僅是業(yè)務(wù)數(shù)據(jù)，還有業(yè)務(wù)系統(tǒng)形成的大量背景數(shù)據(jù)，一切業(yè)務(wù)活動都是由數(shù)據(jù)支撐的，數(shù)據(jù)貫穿于整個(gè)工作環(huán)節(jié)，沒有數(shù)據(jù)所有業(yè)務(wù)活動將無法正常的運(yùn)行。

從一般意義上講，大數(shù)據(jù)是指數(shù)據(jù)體量龐大，但是又并不止于此，目前業(yè)界對大數(shù)據(jù)還沒有一個(gè)統(tǒng)一的定義，但是大家普遍認(rèn)為，大數(shù)據(jù)具備以下幾個(gè)特征[2，6-7]，如圖1所示：

（1）數(shù)據(jù)體量巨大。數(shù)據(jù)集合的規(guī)模不斷擴(kuò)大，已經(jīng)從 GB 級增加到 TB 級再增加到 PB 級，近年來，數(shù)據(jù)量甚至開始以 EB 和 ZB 來計(jì)數(shù)。

（2）數(shù)據(jù)類型繁多?，F(xiàn)在的數(shù)據(jù)類型不再只是格式化數(shù)據(jù)，更多的是半結(jié)構(gòu)化或者非結(jié)構(gòu)化數(shù)據(jù)，如 XML、郵件、博客、即時(shí)消息、視頻、照片、點(diǎn)擊流、日志文件等。

（3）數(shù)據(jù)異構(gòu)性強(qiáng)。傳統(tǒng) IT 產(chǎn)業(yè)產(chǎn)生和處理的數(shù)據(jù)類型較為單一，大部分是結(jié)構(gòu)化數(shù)據(jù)，隨著傳感器、智能設(shè)備、社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)、移動計(jì)算、在線廣告等新的渠道和技術(shù)不斷涌現(xiàn)，產(chǎn)生的數(shù)據(jù)類型無以計(jì)數(shù)。企業(yè)需要整合、存儲和分析來自復(fù)雜的傳統(tǒng)和非傳統(tǒng)信息源的數(shù)據(jù)，包括企業(yè)內(nèi)部和外部的數(shù)據(jù)。

（4）動態(tài)性強(qiáng)。數(shù)據(jù)產(chǎn)生、處理和分析的速度在持續(xù)加快，加速的原因是數(shù)據(jù)創(chuàng)建具有實(shí)時(shí)性特點(diǎn)，以及將流數(shù)據(jù)結(jié)合到業(yè)務(wù)流程和決策過程中的需求。數(shù)據(jù)處理速度快，處理模式已經(jīng)開始從批處理轉(zhuǎn)向流處理。業(yè)界對大數(shù)據(jù)的處理能力有一個(gè)稱謂——“ 1 秒定律”，也就是說，可以從各種類型的數(shù)據(jù)中快速獲得高價(jià)值的信息，大數(shù)據(jù)的快速處理能力充分體現(xiàn)出它與傳統(tǒng)的數(shù)據(jù)處理技術(shù)的本質(zhì)區(qū)別。

（5）價(jià)值密度低。大數(shù)據(jù)由于體量不斷加大，單位數(shù)據(jù)的價(jià)值密度在不斷降低，然而數(shù)據(jù)的整體價(jià)值在提高。以監(jiān)控視頻為例，在一小時(shí)的視頻中，有用的數(shù)據(jù)可能僅僅只有一兩秒，但是卻非常重要?，F(xiàn)在許多專家已經(jīng)將大數(shù)據(jù)等同于黃金和石油，這表示大數(shù)據(jù)當(dāng)中蘊(yùn)含了無限的商業(yè)價(jià)值。

綜上，伴隨著互聯(lián)網(wǎng)技術(shù)及計(jì)算機(jī)科學(xué)的發(fā)展，幾乎所有領(lǐng)域都受到大數(shù)據(jù)時(shí)代的影響，從而面臨轉(zhuǎn)型升級的迫切需要，尤其是對于以數(shù)據(jù)和信息為研究對象的知識管理方向來說，如何高效便捷地發(fā)現(xiàn)新知識、提供新產(chǎn)品、創(chuàng)造新價(jià)值，從而提升企業(yè)主體和社會組織的競爭能力，成為國內(nèi)外學(xué)者廣泛關(guān)注和高度重視的對象。

1? 時(shí)代變遷

所謂時(shí)代的變遷，就是現(xiàn)在面臨的一個(gè)大的時(shí)代背景——大數(shù)據(jù)時(shí)代。在數(shù)據(jù)體量越來越大、種類越來越多、價(jià)值密度越來越低等綜合情況下，知識管理的價(jià)值變得模糊。

1.1? 知識的價(jià)值

知識經(jīng)濟(jì)時(shí)代的管理活動是基于知識的管理，知識管理主要有兩方面：一是要把知識管理好;二是要把關(guān)鍵的知識運(yùn)用到各項(xiàng)管理中，就是要做知識服務(wù)[4]。德魯克說：“在當(dāng)今社會里，知識是個(gè)人和整個(gè)經(jīng)濟(jì)的基礎(chǔ)資源，土地、勞動和資本——經(jīng)濟(jì)學(xué)家所說的傳統(tǒng)的生產(chǎn)要素——其作用并沒有消失，但已經(jīng)退居次要地位”[8]。如果放在這個(gè)大的時(shí)代背景下，知識管理的誕生就是由于知識經(jīng)濟(jì)的出現(xiàn)使得知識這種生產(chǎn)要素或者管理要素變得比土地、勞動以及資本更加地重要。在某種角度上說，知識管理是比數(shù)據(jù)管理更早出現(xiàn)的概念，數(shù)據(jù)管理依然是低于知識管理的存在。雖然目前大數(shù)據(jù)這個(gè)話題很熱門，但從學(xué)科領(lǐng)域的角度來說，大數(shù)據(jù)想要解決的問題其實(shí)就是知識管理想要達(dá)到的目標(biāo)，只不過先前人們囿于工具手段，而現(xiàn)在大數(shù)據(jù)技術(shù)給知識管理提供了非常便利的方法。

1.2? 什么是知識

在《現(xiàn)代漢語詞典》中，“知識”被解釋為“人們在改造世界的實(shí)踐中獲得的認(rèn)識和經(jīng)驗(yàn)的總和”?！吨袊蟀倏迫珪ふ軐W(xué)卷》對“知識”的闡釋為：“人們在日常生活、社會活動和科學(xué)研究中所獲得的對事物的了解，其中可靠的成分就是知識”。

知識的分類方法有多種，邁克爾·波蘭尼根據(jù)其表達(dá)和傳遞方式，將知識劃分為顯性知識（explicit knowledge）和隱性知識（tacit knowledge）兩種類型，顯性知識是指用語言、符號等清楚表達(dá)和傳播的知識，主要存在于組織的文獻(xiàn)（如圖書、情報(bào)、檔案）之中;隱性知識是指未用語言、符號表達(dá)的，隱藏在組織層次或個(gè)人頭腦中的知識（如企業(yè)的文化、思想，員工的技能、解決問題的思路等）[9]。

1.3? 知識管理

美國德爾集團(tuán)創(chuàng)始人之一卡爾·弗拉保羅認(rèn)為，知識管理是運(yùn)用集體的智慧提高應(yīng)變能力和創(chuàng)新能力，是為組織實(shí)現(xiàn)顯性知識和隱性知識共享提供的新途徑。隨著經(jīng)濟(jì)全球一體化進(jìn)程的加快和科學(xué)技術(shù)的迅猛發(fā)展，知識管理越來越成為眾多政府、企業(yè)、事業(yè)單位適應(yīng)知識經(jīng)濟(jì)時(shí)代要求的一種獲取和保持競爭優(yōu)勢的重要選擇。拉里·普魯薩克認(rèn)為，知識管理中存在著兩個(gè)極端，一端是“獲取”，另一端是“連接能力”，以“獲取”為重點(diǎn)的知識管理，將帶動一系列針對顯性知識的獲取、存儲和組織，這里強(qiáng)調(diào)的是人與文檔之間的聯(lián)系;以“連接能力”為重點(diǎn)的知識管理，則帶動一系列針對隱性知識的對話、討論和交流，這里強(qiáng)調(diào)的是人與人之間的聯(lián)系[10]。其實(shí)，知識管理是一個(gè)動態(tài)的過程，如圖2所示，它主要包含4個(gè)方面，并且不斷遞進(jìn)和進(jìn)化。首先是產(chǎn)生知識，即發(fā)現(xiàn)有用的信息，并獲取知識;其次是整理知識，即對已有的知識進(jìn)行歸類，提高個(gè)人技能;再次是傳遞知識，協(xié)同工作，共享知識，以提高工作效率;最后是利用知識，理解接受，并創(chuàng)造新的知識。

與此同時(shí)，隨著時(shí)代變遷，特別是在數(shù)據(jù)時(shí)代，一個(gè)值得深刻思考的問題是：數(shù)據(jù)時(shí)代，知識管理到底是過時(shí)了還是成熟了[6]？一方面，業(yè)界經(jīng)常提到這樣一個(gè)問題，既然知識管理這么重要，但是從20世紀(jì)90年代到大數(shù)據(jù)時(shí)代，知識管理的詞頻、研究熱度卻在下降，反而出現(xiàn)了很多像大數(shù)據(jù)、人工智能、知識圖譜、云計(jì)算等新的概念;另一方面，通過對知識管理的文獻(xiàn)計(jì)量研究也發(fā)現(xiàn)，知識管理的研究主題在2010年達(dá)到頂峰之后，也一直處于一個(gè)下降的趨勢[11]。實(shí)際上知識管理的作用并沒有下降，而是知識管理可能已經(jīng)被一些新的工具、新的概念所替代，或者先前想解決的一些問題，在大數(shù)據(jù)時(shí)代之前解決起來會很困難，但是在當(dāng)下有了新的技術(shù)后，對這些問題解決得更加容易，大家開始從新的角度研究知識管理，例如在圖情檔領(lǐng)域開始從信息技術(shù)角度研究知識管理，企業(yè)管理領(lǐng)域開始從軟件實(shí)現(xiàn)角度來研究知識管理，所以知識管理并沒有銷聲匿跡，只是迭代成新的概念而已。

2? 挑戰(zhàn)叢生

2.1? 觀念挑戰(zhàn)

大數(shù)據(jù)時(shí)代不但給社會帶來巨大變革，同時(shí)給人們的觀念帶來顛覆性的轉(zhuǎn)變，包含以下幾個(gè)方面[7]：

（1）是全部數(shù)據(jù)，而不是隨機(jī)采樣。在大數(shù)據(jù)時(shí)代，可供分析的數(shù)據(jù)更加繁多，有時(shí)候甚至可以處理和某個(gè)特別現(xiàn)象相關(guān)的所有數(shù)據(jù)，而不再依賴于隨機(jī)采樣（以前通常把隨機(jī)采樣看成是理所應(yīng)當(dāng)?shù)南拗?，但高性能的?shù)字技術(shù)讓人們意識到，這其實(shí)是一種人為限制）。

（2）是大體方向，而不是精確制導(dǎo)。研究數(shù)據(jù)如此之多，以至于不再熱衷于追求精確度。之前需要分析的數(shù)據(jù)很少，所以必須盡可能精確地量化記錄;隨著規(guī)模的擴(kuò)大，對精確度的癡迷將減弱，擁有大數(shù)據(jù)后不再需要對一個(gè)現(xiàn)象刨根問底，只要掌握大體的發(fā)展方向即可，適當(dāng)忽略微觀層面上的精確度，從而在宏觀層面擁有更好的洞察力。

（3）是相關(guān)關(guān)系，而不是因果關(guān)系。尋找因果關(guān)系是人類長久以來的習(xí)慣，在大數(shù)據(jù)時(shí)代，不再熱衷也無須緊盯事物之間的因果關(guān)系，而應(yīng)該尋找事物之間的相關(guān)關(guān)系。相關(guān)關(guān)系也許不能準(zhǔn)確地表示某件事情為何發(fā)生，但是會提醒人們這件事情正在發(fā)生。

2.2? 管理挑戰(zhàn)

數(shù)據(jù)時(shí)代，知識管理模式和方法發(fā)生了重要變化，總的來說，大致可以分為以下幾個(gè)階段[12]。

（1）KM1.0階段。主要有以下3個(gè)特點(diǎn)：①知識管理在傳統(tǒng)的金字塔中是直線型組織架構(gòu)，企業(yè)知道做知識管理需要一個(gè)專門的部門，但具體在哪個(gè)層級設(shè)置這樣的部門，各企業(yè)基于立場持有不同的觀點(diǎn)。②在企業(yè)中，知識管理多以建設(shè)知識庫IT 系統(tǒng)為主，以文檔管理、知識分類、權(quán)限設(shè)置、知識搜索、知識地圖、知識社區(qū)等為突破點(diǎn)，在企業(yè)內(nèi)部管理方面多強(qiáng)調(diào)規(guī)范化管理、標(biāo)準(zhǔn)化管理、一體化管理。③早期知識管理與業(yè)務(wù)工作相對分離，大多是為了做知識管理而做知識管理，它的理念類似圖情檔領(lǐng)域，各業(yè)務(wù)部門形成的知識由知識管理部門管理，當(dāng)業(yè)務(wù)部門需要的時(shí)候，由知識管理部門提供支持。

（2）KM2.0階段。主要表現(xiàn)是：①企業(yè)界開始探索柔性化的組織架構(gòu)，它類似以人為本的理念，強(qiáng)調(diào)知識的載體不單在信息科技系統(tǒng)，更重要的還是人力資本。②知識管理技術(shù)發(fā)生重大變化，2004年Web 2.0首次提出后，關(guān)于其研究迅速發(fā)展，各類“去中心化”的社會信息系統(tǒng)（如即時(shí)聊天工具、博客、播客、微博、百科全書和社交網(wǎng)站）不斷涌現(xiàn)，互聯(lián)網(wǎng)完成一次理念和思想體系的升級換代，使得信息和知識的創(chuàng)造、交流、組織與共享也產(chǎn)生了新的模式。③企業(yè)開始關(guān)注業(yè)務(wù)部門對于知識管理的需求，開始出現(xiàn)以業(yè)務(wù)為導(dǎo)向的知識管理，企業(yè)推動知識管理的范圍，也逐步從內(nèi)部員工的知識轉(zhuǎn)移到企業(yè)外部顧客、合作伙伴與供貨商間的協(xié)同分享（collaborative sharing）管道。

（3）KM3.0階段。主要表現(xiàn)是：①創(chuàng)新的能力與思考的技術(shù)，將取代信息科技或人力資本，成為知識應(yīng)用的新焦點(diǎn)。知識范圍也從實(shí)體企業(yè)內(nèi)的外部知識，朝向虛擬知識資源與實(shí)體知識資源的同步管理。②知識管理技術(shù)發(fā)生重大變化，移動互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、人工智能等先進(jìn)技術(shù)的出現(xiàn)，為知識管理的進(jìn)一步升華提供可能。③知識管理與業(yè)務(wù)活動融為一體，例如企業(yè)資源計(jì)劃（ERP）本身就融入了知識管理的元素。

2.3? 技術(shù)挑戰(zhàn)

大數(shù)據(jù)、互聯(lián)網(wǎng)、云計(jì)算、數(shù)據(jù)挖掘、人工智能等技術(shù)層出不窮，人們應(yīng)接不暇，人工智能能否替代知識管理這樣的問題不斷出現(xiàn)，就目前而言，人工智能仍然只是一個(gè)重要的工具，是知識管理可以利用的一個(gè)重要方法[13-14]。

人工智能技術(shù)能解決隱性知識與顯性知識轉(zhuǎn)化的相關(guān)問題，如從一種語言的知識轉(zhuǎn)化為另一種語言的知識，人臉識別能捕獲人臉基本特征數(shù)據(jù)、表情或情緒等;能將員工熟練的經(jīng)驗(yàn)轉(zhuǎn)換為標(biāo)準(zhǔn)的工作范式或流程。但是，某些隱性知識的挖掘、復(fù)制和轉(zhuǎn)化依然是難題。例如，利用知識管理的工具和方法為政府決策提供知識服務(wù)的問題，雖然人們可以在網(wǎng)上搜索到很多相應(yīng)的數(shù)據(jù)，但是有些隱形的、經(jīng)驗(yàn)性的知識無論是在網(wǎng)上還是圖書館或檔案館圖書情報(bào)內(nèi)都找不到;但另一方面，人們可以從這些顯性知識中去挖掘隱性知識，從而獲得自己所需要的知識，如何將經(jīng)驗(yàn)性的隱性知識轉(zhuǎn)化為顯性知識，再轉(zhuǎn)為自己的知識，這是一個(gè)復(fù)雜的過程，而人工智能技術(shù)，是不可能解決所有的類似這樣的問題[15]。

3? 管理變革

3.1? 從數(shù)據(jù)到信息到知識

知識管理是包含數(shù)據(jù)和信息的同時(shí)又高于數(shù)據(jù)和信息的，數(shù)據(jù)、信息、知識這三者是依次遞進(jìn)的關(guān)系，代表著人們認(rèn)知的轉(zhuǎn)化過程[16]。

從一般意義上講，數(shù)據(jù)是指客觀事物的真實(shí)記錄或者對某一事件的統(tǒng)計(jì)性描述，可以是數(shù)字、圖形、文字、音像、視頻等符號的簡單集合;信息是按一定的方式整理和排序的數(shù)據(jù)集合;而知識是來源于實(shí)踐并且能夠被實(shí)踐證明的規(guī)律和經(jīng)驗(yàn)的總結(jié)，從數(shù)據(jù)層面上理解就是信息及其相關(guān)上下文的集合。數(shù)據(jù)、信息、知識三者既相互區(qū)別，又緊密聯(lián)系，且可以相互轉(zhuǎn)化。以“鐵人”王進(jìn)喜的報(bào)道為例，1964年日本經(jīng)濟(jì)情報(bào)部門從《人民日報(bào)》上看到題為“大慶精神，大慶人”的報(bào)道，從而判斷出中國大慶油田確有其事;并以此為線索，開始全面從中國公開報(bào)刊上收集有關(guān)大慶的報(bào)道，覆蓋的范圍包括各個(gè)報(bào)刊雜志，除了重點(diǎn)關(guān)注的能源、勘測、冶煉機(jī)械等領(lǐng)域外，甚至包括了《中國畫報(bào)》之類與石油能源毫不相關(guān)的資料。通過對大慶油田的位置、規(guī)模和加工能力的情報(bào)進(jìn)行分析后，日本決策機(jī)構(gòu)推斷，中國在近幾年的時(shí)間里，必然會感到煉油設(shè)備不足，日本的輕油裂解設(shè)備賣給中國是完全有可能的，中國所要買的設(shè)備規(guī)模和數(shù)量要滿足每天煉油一萬噸的能力，并以此為依據(jù)設(shè)計(jì)產(chǎn)品。果不其然，沒過多久，中國石油工業(yè)部就開始在全世界范圍內(nèi)購買日產(chǎn)一萬噸的煉油設(shè)備，日本的煉油設(shè)備以其有現(xiàn)貨、價(jià)格低、符合中國實(shí)際生產(chǎn)能力而倍受歡迎，一舉中標(biāo)。日本情報(bào)專家根據(jù)一張照片這個(gè)數(shù)據(jù)，分析得到3條背景信息，最后根據(jù)信息做出知識的判斷，揭開了大慶油田的秘密。

在大數(shù)據(jù)時(shí)代，整個(gè)社會已經(jīng)不缺乏數(shù)據(jù)和信息，但整個(gè)社會缺乏對于知識的提煉[17]。正如《大趨勢》的作者約翰·奈斯比特所說：“我們淹沒在信息之中，但仍處于知識的饑渴中，大量但無序的信息，不是資源，而是災(zāi)難”[18]。所以，無論是在圖書情報(bào)檔案領(lǐng)域還是政府、企業(yè)管理領(lǐng)域，未來都需要一種能力，那就是修煉知識管理這種智慧的能力，也就是“修煉”第三只眼睛（知識眼或信息眼），從而實(shí)現(xiàn)從數(shù)據(jù)到知識的升華，完成知識管理的最終目的。

3.2? 尋找專家

數(shù)據(jù)時(shí)代，雖然人們獲取信息的能力大大增強(qiáng)，但尋找專家依然是一個(gè)重要的主題。要在組織里面找到誰是專家，這是知識管理的要點(diǎn)，也是企業(yè)、政府等主體想要獲取隱性知識的一個(gè)很重要的方法。

知識管理包括顯性知識和隱性知識，數(shù)據(jù)時(shí)代，技術(shù)讓人們擁有在網(wǎng)上搜尋海量信息的能力，例如能檢索出成千上萬的網(wǎng)頁，但這些僅限于顯性知識，仍然有很多信息沒有辦法被搜索到，很多知識不能存儲于文檔或者數(shù)據(jù)庫中，而僅存在于人腦中，這些知識被稱為隱性的知識。在管理過程中，常常會遇到這樣的問題，例如需要向具有某種專長的專家咨詢，卻不知道組織內(nèi)部誰有這樣的專長，尋找專家的目的是為了尋求幫助，獲得知識和解決問題的方法。

盡管已經(jīng)認(rèn)識到了專家對于獲取知識的重要性，但是如何尋找專家，至今為止很多人的第一反應(yīng)還是“詢問周圍的人”。其實(shí)，換一個(gè)思路出發(fā)，在數(shù)據(jù)時(shí)代，幾乎所有的信息都能在網(wǎng)絡(luò)上找到，因此人們可以不再依靠手動更新自己的資料，還可以通過檢索和人員有關(guān)的各種文檔并抽取出專家的信息。

3.3? 迎接和擁抱新技術(shù)

大數(shù)據(jù)時(shí)代下，知識管理的邊界已經(jīng)變得模糊，知識管理的概念僅僅存在于企業(yè)內(nèi)部是不夠的，企業(yè)要想成功，行業(yè)要想永葆輝煌，就必須面對新的挑戰(zhàn)，改變傳統(tǒng)意識，采用更加包容的心態(tài)，直面新技術(shù)的沖擊及其帶來的知識管理方法變革[13，15，19-20]。

大數(shù)據(jù)技術(shù)應(yīng)用已經(jīng)融入社會生活，英國《衛(wèi)報(bào)》用維基解密的數(shù)據(jù)做了一張圖，見圖3（a），圖上每個(gè)紅點(diǎn)代表一次在伊拉克的盟軍死傷事件，共有39萬個(gè)紅點(diǎn)，點(diǎn)擊鼠標(biāo)會出現(xiàn)時(shí)間、地點(diǎn)、傷亡情況等具體數(shù)據(jù)，觸目驚心的數(shù)據(jù)讓輿論大變，英國政府不得不撤軍; 歐洲警方和MIT研究人員更進(jìn)一步，利用運(yùn)營商掌握的手機(jī)信息通過算法繪制了倫敦的犯罪事件預(yù)測地圖，見圖3（b），該方法能夠大大提高出警效率，降低警力部署成本;2013年微軟成功利用互聯(lián)網(wǎng)數(shù)據(jù)預(yù)測奧斯卡獲獎情況，準(zhǔn)確預(yù)測23項(xiàng)中的21項(xiàng)。

不同于傳統(tǒng)知識管理過程，大數(shù)據(jù)背景下的知識管理需要借助更多高科技工具與軟件，各類大數(shù)據(jù)實(shí)用技術(shù)的使用推進(jìn)了知識管理過程的變革，進(jìn)而推升了知識管理水平和組織運(yùn)行效率[15]。一方面，云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)的廣泛應(yīng)用，不僅帶來了管理理念和戰(zhàn)略的改變，也引發(fā)了管理的方法、手段的變革，人工智能不僅取代了許多日常工作，迅速提高管理的效率，而且有效提高了決策質(zhì)量，為決策管理工作提供了有效支撐。例如，將區(qū)塊鏈技術(shù)應(yīng)用到企業(yè)管理，很多既有的模式將被顛覆，但其去中心化、開放性、不可篡改性等特征將使得數(shù)據(jù)公開透明化，大幅降低企業(yè)管理成本。另一方面，大量迅速增加的數(shù)據(jù)集合，需要借助更加高效的數(shù)據(jù)清洗工具實(shí)現(xiàn)知識獲取;海量半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，需要借助龐大的數(shù)據(jù)倉庫工具實(shí)現(xiàn)知識存儲;紛繁復(fù)雜而又質(zhì)量參差的數(shù)據(jù)，需要借助云計(jì)算工具實(shí)現(xiàn)知識整合;動態(tài)增加的原生數(shù)據(jù)，需要借助更加合理的可視化工具進(jìn)行數(shù)據(jù)挖掘，從而提煉知識價(jià)值并被使用。

4? 結(jié)語

大數(shù)據(jù)時(shí)代的到來意味著知識管理將會更加精準(zhǔn)，知識服務(wù)將會更加智能，也為知識管理帶來諸多挑戰(zhàn)和機(jī)遇：知識管理的系統(tǒng)化、知識管理的智能化、知識管理的科學(xué)化，這都是知識管理在新時(shí)期的機(jī)遇;而數(shù)據(jù)時(shí)代的觀念轉(zhuǎn)變，應(yīng)對數(shù)據(jù)的多樣化爆炸式增長的管理問題，知識管理所面對的基礎(chǔ)硬件問題，隱性知識管理問題，這都是新時(shí)期知識管理所面臨的挑戰(zhàn)?？傊瑪?shù)據(jù)時(shí)代，從數(shù)據(jù)到信息再到知識，這是知識管理研究一個(gè)逐步提升的過程，為了提升知識管理的效率，尋找專家在數(shù)據(jù)時(shí)代依然是一個(gè)很重要的課題;同時(shí)，為了更好地適應(yīng)時(shí)代變遷，迎接和擁抱新技術(shù)將會為知識管理研究注入源源不斷的活力。

參考文獻(xiàn)：

[1] SAGIROGLU S， SINANC D. Big data： a review[C]//2013 International conference on collaboration technologies and systems （CTS）. San Diego： IEEE， 2013： 42-47.

[2] CHEN M， MAO S， LIU Y. Big data： a survey[J]. Mobile networks and applications， 2014， 19（2）： 171-209.

[3] GANDOMI A， HAIDER M. Beyond the hype： big data concepts， methods， and analytics[J]. International journal of information management， 2015， 35（2）： 137-144.

[4] LOHR S. The age of big data[N]. New York times， 2012-02-11.

[5] 何樂. “提純”大數(shù)據(jù) 驅(qū)動發(fā)現(xiàn)與決策——哈佛大學(xué)加里·金教授談大數(shù)據(jù)[J]. 群眾， 2017（8）： 56-57.

[6] PAULEEN D J， WANG W Y C. Does big data mean big knowledge？ KM perspectives on big data and analytics[J]. Journal of knowledge management， 2017， 21（1）： 1-6.

[7] 鄔賀銓. 大數(shù)據(jù)時(shí)代的機(jī)遇與挑戰(zhàn)[J]. 求是， 2013（4）： 47-49.

[8] DRUCKER P F. Knowledge-worker productivity： the biggest challenge[J]. California management review， 1999， 41（2）： 79-94.

[9] POLYANI M. The tacit dimension[M]. Chicago： University of Chicago Press， 1966.

[10] PRUSAK L. Practice and knowledge management[M] // ANTONELLI C， CARLSSON B， De La MOTHE J， et al. Knowledge management in the innovation process. Boston： Springer US， 2001： 153-158.

[11] 葉珺婕， 徐峰， 高芳. 大數(shù)據(jù)時(shí)代圖情領(lǐng)域的研究熱點(diǎn)與研究前沿[J]. 情報(bào)探索， 2017（7）： 128-134.

[12] 吳慶海. 人工智能時(shí)代下的知識管理[J]. 知識管理論壇， 2019， 4（6）： 321-331.

[13] TIAN X. Big data and knowledge management： a case of déjà vu or back to the future？[J]. Journal of knowledge management， 2017， 21（1）： 113-131.

[14] ROTHBERG H N， ERICKSON G S. Big data systems： knowledge transfer or intelligence insights？[J]. Journal of knowledge management， 2017， 21（1）： 92-112.

[15] 葉英平， 陳海濤， 陳皓. 大數(shù)據(jù)時(shí)代知識管理過程、技術(shù)工具、模型與對策[J]. 圖書情報(bào)工作， 2019， 63（5）： 5-13.

[16] 鄭彥寧， 化柏林. 數(shù)據(jù)、信息、知識與情報(bào)轉(zhuǎn)化關(guān)系的探討[J]. 情報(bào)理論與實(shí)踐， 2011， 34（7）： 1-4.

[17] 王萍. 大數(shù)據(jù)背景下高新技術(shù)企業(yè)知識管理體系構(gòu)建及評價(jià)研究[D]. 哈爾濱：哈爾濱工程大學(xué)， 2017.

[18] NAISBITT J， BISESI M. Megatrends： ten new directions transforming our lives[J]. Sloan management review， 1983， 24（4）： 69.

[19] Mc AFEE A， BRYNJOLFSSON E. Big data： the management revolution[J]. Harvard business review， 2012， 90（10）： 60-68.

[20] FERRARIS A， MAZZOLENI A， DEVALLE A， et al. Big data analytics capabilities and knowledge management： impact on firm performance[J]. Management decision， 2019， 57（8）： 1923-1936.

作者貢獻(xiàn)說明：

張斌：負(fù)責(zé)論文設(shè)計(jì)與具體內(nèi)容，論文修改;

熊奧：負(fù)責(zé)論文成文與修改。