基于數據挖掘的知識管理系統規劃模型研究

摘要：文章對數據挖掘和知識管理系統進行簡要的分析，探討了在現代數據挖掘技術下的知識管理實行必要性。從系統動力學的角度和戰略層次上構建了基于數據挖掘的知識管理系統規劃模型。

關鍵詞：數據挖掘；知識管理系統；戰略

一、 引言

《IT經理世界》、計算機世界、《首席財務官》雜志、計算機世界網等媒體與深圳藍凌公司共同發布的“2005中國知識管理調查報告”指出：“盡管知識管理在中國取得了更加快速的發展，但中國企業知識管理水平并不樂觀”。在影響知識管理的三個主要因素“文化”、“管理”和“技術”中，“技術”處于最低的水平，這影響了知識管理的“文化”促成和“管理”機制貫徹。知識管理作為數據挖掘和知識發現（DMKD）的應用領域之一，有必要利用現代數據挖掘技術來夯實其薄弱的技術水平。同時，知識管理不僅是一種管理工具，更是建立學習型、知識型企業，創造企業核心價值競爭力的一種商業戰略。

二、 數據挖掘

數據挖掘（Data Mining，DM）是從大量的數據中挖掘出隱含的、未知的、用戶可能感興趣的和對決策有潛在價值的知識和規則。這些規則蘊含了數據庫中一組對象之間的特定關系，揭示出一些有用的信息，可以為經營決策、市場策劃和金融預測等方面提供依據。圖1給出DM的一般過程：

DM技術融合了人工智能、統計及數據庫等多種學科的理論、方法和技術，可以直接應用在數據挖掘的過程中，例如決策樹方法、模糊集合方法、遺傳算法、模擬退火算法、進化式程序設計、基于事例的推理方法、覆蓋正例排斥反例方法、證據理論、機器學習、人工神經、云理論、粗集方法、近似推理、小波分形、概念格、概念樹提升、可視化方法等。

DM技術能夠解決許多常規的數據分析方法不能解決的問題。一方面，DM技術可以同時考慮非常多的因素，遠遠超出人觀察的緯度，如聚類分析，可以同時考慮非常多的因素，甚至達到幾十上百個維度；又如圖2中的聯機分析處理（On Line Analytical Processing，OLAP）系統：通過對數據倉庫的即席、多維、復雜查詢和綜合分析，得出隱藏在數據中的總體特征和發展趨勢。目前，數據倉庫和OLAP技術已相當成熟，出現了Business Object Power play等多維分析工具，并已經在企業決策中發揮著重要作用。在美國，幾乎所有的大型企業都已經建立或規劃建立自己的數據倉庫。

三、 知識管理系統

知識管理系統是實現有效知識管理的平臺，是協助人們獲取知識、存儲知識、分享知識、利用知識的一種技術體系。知識可分為隱性知識和顯性知識。隱性知識具有高度個人化和難以溝通的特征，不易實現共享；而顯性知識由于其易表達、可編碼特征，則容易溝通和共享。兩者的相互轉化是知識管理系統的重要功能之一。知識管理則指管理組織智能資本之創造、保存、組織、分享，以增加響應與創新能力的策略、方法及技術，其目標就是力圖將最恰當的知識在最恰當的時間傳遞給最恰當的人，以便作出最好的決策。在“信息爆炸”的現實背景下，以信息技術為核心的數據挖掘系統成為知識管理系統發展和應用的優先選擇是一種必然趨勢。

四、 基于數據挖掘的知識管理系統模型及戰略分析

1． 建立基于數據挖掘的知識管理系統模型。現代數據挖掘技術，實現了以更自動化的方式對具有大量數據的商業活動進行分析和探索，知識發現能力大大增強。例如，OLAP工具的目標是滿足決策支持或在多維環境下特定的查詢和報表需求。另外，數據挖掘可以考察大數據量，并自動的進行分析，可幫助我們去學習新的潛在模式。如聚類分析可從眾多維度對客戶屬性作綜合考察，揭示一些我們的經驗沒有發現的關系，或者對經驗給以數據證實，而這些往往會帶來一些有價值的意外收獲。我們利用系統動力學的原理，設計一個基于數據挖掘的知識管理系統規劃模型（圖2），從系統的視角揭示兩者的有機結合。

2． 模型分析。（1）數據挖掘系統是整個系統的出發點，是知識的源頭，提供技術支持和數據洗滌。（2）知識管理系統包含知識發現層和知識應用層。知識發現層與數據挖掘系統通過數據分析形成了信息回饋環路，這個環路具備系統動力學特性。在經過知識發現層的“過濾器”作用后，進入知識應用層。（3）組織核心文化系統體現企業的獨特內在價值取向，同時制約和促進數據挖掘系統和知識管理系統的自我發展和相互聯接。

模型具有以下特性：（1）整體性。它一方面指知識管理系統功能、內容上體現出的整體性；另一方面指開發和應用技術步驟上的整體性。突出IT人員、知識員工、知識專家、CEO—CKO的地位，體現了人和技術作為知識管理的兩個主要維度的整體戰略意圖，目標是促進隱性知識與顯性知識之間的轉化，推動知識螺旋運動的發展，體現知識管理對增強知識創新能力和提升企業核心競爭力的更高要求。（2）信息技術為核心。系統集成人工神經網絡、決策樹、遺傳算法、近鄰算法、規則推導等常用的DMKD技術，通過Web將知識推送給知識用戶；系統管理工具、知識檢索引擎、工作流實時協同等信息技術工具充分支持知識的共享與交流及創新，形成企業的核心競爭力。（3）系統動力學特性。基于信息的傳遞與處理，數據挖掘系統和知識管理系統形成了封閉的環路，這反應了我們探索知識的行為本質。在正回饋環路上表現為不斷自我增強的知識發現能力，加強諸如企業業務系統的數據收集，在外網支援下，形成企業獨特的知識源和知識庫；在負回饋環路上則表現為知識目標的糾正和追尋。由于信息的時間滯延特性，其環路也表現為系統具備自適應、自學習的能力。（4）柔性特征。模型強調企業知識管理戰略應與環境柔性匹配，知識管理系統的建立并不是一勞永逸的事，需要在實際應用中不斷地完善和更新。

模型面向分布協作環境，目前正實驗于西安、寶雞等地的大型企業的信息管理系統的建設中，其有效性正逐步顯現。

3．模型戰略分析。從企業戰略管理看，DMKD系統是將知識員工、知識專家和IT人員的知識融合到一起的過程，這是有效分析市場狀況、確定最終目標并制定行動計劃以達到預期目標的行為或過程，是傳統型企業向學習型企業轉變的具體體現。因此，使用數據挖掘技術，首先應表現為思維導向、管理理念的轉變，以科學決策過程代替以往簡單憑借經驗的決策過程，只有如此，數據挖掘才能在企業應用中逐步發揮其效用，不斷為企業的發展積累經驗。伴隨DM的發展，應該加強知識管理的戰略性研究，從而轉變管理者，特別是高層領導的管理思維模式以適應技術社會的發展，唯有技術與人的完美結合，才能創造企業核心價值的競爭力。

參考文獻：

1．深圳藍凌管理咨詢支持系統有限公司．知識管理標桿研究．中國2005調查報告簡版．經濟觀察報，2005年11月．

2．陳安，陳寧，周龍驤等編著．數據挖掘技術及應用．北京：科學出版社，2006：11，12-16．

3．蘇寧軍．采用聚類分析的數據挖掘技術進行電信市場客戶分群．計費OSS世界，2006-07-03．

4．任明侖，楊善林，朱衛東．智能決策支持系統：研究現狀與挑戰．系統工程學報，2002，17（5）．

5．張潤彤，曹宗媛，朱曉敏編著．知識管理概論．北京：首都經濟貿易大學出版社，2005：233-236．

6．齊二石，劉傳銘，王玲．驅動知識價值鏈的人力資源管理研究．中國科技論文在線，2006年7月．

7．Hipp，J．，Guntzer，U．，Grimmer，U．Data quality mining：making a virtue of necessity．In：Workshop on Research Issues in Data Mining and Knowledge Discovery．Santa Barbara，2001．

8．張東生，李艷雙編著．企業戰略管理．北京：機械工業出版社，2005．

重點項目：陜西省教育廳資助項目——《西部制造業協同產品開發模式研究》，編號：05JK043。

作者簡介：陸克斌，講師，西安工程大學管理學院研究生；郭偉，西安工程大學管理學院院長、教授、碩士生導師；趙小惠，博士，西安工程大學機械學院副院長、副教授、碩士生導師；張樹全，西安工程大學管理學院研究生。

收稿日期：2007-05-16。