智慧數據驅動的產學研協同創新知識管網研究

羅琳 顧新

摘要：分析了產學研協同創新的知識活動過程，在以大數據為背景的知識管理視閾下，提出了知識流動的“數據—人—知識”框架，探討了智慧數據的內涵，并通過對產學研協同創新主體的知識庫分析、構建產學研協同創新的知識管網模型，闡釋了基于智慧數據的產學研協同創新知識流動的實現。

關鍵詞：產學研協同創新；智慧數據；知識管網

DOI：10.13956/j.ss.1001-8409.2017.06.04

中圖分類號：G322；G311 文獻標識碼：A 文章編號：1001-8409（2017）06-0015-04

Research of Knowledge Pipeline Driven by Smart

Data within IndustryUniversityResearch

Institute Collaborative Innovation

LUO Lin1a，2， GU Xin1ab

（1.Sihuan University a.School of Business； b.Innovation and Entrepreneurship Research Institute， Chengdu 610064；

2.Sichuan Technical Exchange Center，Chengdu 610041）

Abstract： This paper analyzes process of knowledge activities under IUR collaboration innovation. “DataHumanKnowledge” framework of knowledge flow from knowledge management point of view is proposed and essence of smart data is discussed within background of Big Data. Drawback of impacting knowledge flow is analyzed under IUR collaboration innovation. Finally， the model of knowledge pipeline driven by smart data within IUR collaborative innovation is proposed， and countermeasure and suggestion is put forward to build it.

Key words：IndustryUniversityResearch institute collaborative innovation ；Smart Data；Knowledge pipeline

隨著“雙創”的深入推進，多主體性和參與性成為當前創新活動的一個顯著特征，而協同合作則成為發揮資源最大效益的重要途徑[1]。產學研協同創新是跨組織間合作的典型模式，由企業、大學和科研院所（研究機構）等創新主體投入各自優勢資源和能力，共同進行技術開發、推廣和應用，共同推動知識產業化，從而使產學研各方之間的資源運動從無序走向有序，從低級有序走向高級有序，實現整體效益大于部分效益之和的協同效應[2～5]。知識是產學研協同創新的重要要素[6]，知識在參與創新活動不同主體間的擴散和轉移，使得創新各主體的知識資源形成互補，最終促進了協同創新的實現[7，8]。大數據技術為產學研協同創新知識活動的具象化研究和知識管理的應用探索提供了現實支撐和實踐轉化的工具。

1產學研協同創新的知識活動

11知識活動過程

產學研協同創新的本質是知識的跨組織、跨場域流動和學習管理的過程，通過知識的轉移、共享、吸收、消化、整合再創新，實現知識增值。知識流動貫穿于產學研協同創新的整個過程。知識能否迅速、順暢地在合作成員之間流動是協同創新的關鍵[9～11]。因知識流動而形成的知識鏈和知識網絡為產學研協同創新的知識共享、知識轉移、知識學習和知識創造等知識活動提供了實現渠道。產學研協同創新主體自身的知識資源各具特色和優勢，在協同中有較強的知識互補性和粘著性。通過明確知識需求、知識獲取/知識共享、知識創造、知識內化、知識外化等知識流動過程形成知識鏈，繼而隨著知識鏈規模的擴大，眾多的知識鏈形成知識網絡，從而聚集創新能量，實現異質性組織的相互合作以及差異性知識的非線性生產[12～15]。

12協同關系

作為產學研合作的高級形式，產學研協同創新更加強調多個主體間的協作關系[16]。在產學研協同創新過程中，各知識主體內部、相互之間以及與外部環境之間開展著知識、能力和信息的交換活動，但其步調可能并不一致，因此，建立協同關系顯得尤為重要。產學研各創新主體之間協同關系的建立將所有主體的創新行為基于利益共生緊密捆綁在一起，通過主體之間的相互學習和資源共享，有效推動知識的高效轉移和分享，實現知識資源的優化配置和創新增值，達成協同目標。協同關系的形成過程不僅反映了參與創新活動的產學研各主體之間的關系調節，更體現了整個產學研協同創新知識協同過程中各個體成員的知識交互行為，它在各知識主體之間建立起相互聯系和制約的關系，推動知識的轉移、傳播、分享、使用和創新。

2產學研協同創新知識活動的數據化趨勢

維克托等在《大數據時代》一書中提到，大數據時代將會變革思維、商業與管理模式[17]，這是一場全球性革命。當前，產學研協同創新知識活動的研究離不開大數據環境。“大數據”與“互聯網+”這一組概念為創新發展注入了一針強心劑，政府引導、各行各業以及跨屆融合的創新創業已成為國家級現象。大數據帶來了海量數據處理與分析的新思維與操作手段，“互聯網+”催生了利用信息通信技術以及互聯網平臺與傳統行業進行深度融合的新業態。大數據變革將深刻影響到扎根于大規模數據生態的知識創新活動。

21知識管理數據化

以知識管理為代表的理論與實踐是知識活動具象化研究的主要體現。知識管理是“人—機—環境”共生的復雜系統工程。知識管理的方法與手段在促進理論深化的同時，也隨著知識管理的信息技術環境與知識主體（人）的行為方式的變遷而不斷改造升級。知識管理的技術流派讓知識管理更加具象化，也更容易將人腦中的知識投射到具體系統中，并得以固化、共享、流動與利用。進入21世紀以來，關于知識管理的研究就帶有技術背景，數據庫與管理信息系統的高級應用都體現了知識管理的若干特征。韓客松等以數據挖掘與文本挖掘為技術驅動，將知識管理劃分為知識庫、知識共享與知識發現三個階段，將知識發現技術作為最高階段，強調了知識生產的技術場景[18]。隨著大數據、云計算與虛擬現實技術的快速滲透，各行業在宏觀與微觀層面上都感受到了新技術帶來的挑戰與機遇。大數據及相關技術理念給知識管理的理論與實踐帶來了新一輪革命。中國科學院大數據挖掘與知識管理重點實驗室的組建將大數據技術運用于知識管理的應用探索，更是知識管理實踐數據化發展的重要體現。

22知識流動數據化

大數據帶來的數據數量是呈幾何指數增長的，但絕對數量的原生數據（raw data）并不能帶來實際的知識價值。在知識流動過程中，如何利用數據、從數據中提煉知識以滿足產學研協同創新的需求是問題的關鍵。

221數據到知識的轉化

從數據向知識的逐層轉化一直以來都是信息管理與知識管理的工作重心。DIKW模型用金字塔層次結構定義了“數據—信息—知識—智慧”的轉化層次[19]。數據管理—信息管理—知識管理的遞進模式認為，必須從底層數據處理做起，再到管理信息系統的設計與搭建，最后的高級層次才是對組織知識的管理。大數據時代挑戰了這一經典模式，加速了從數據到知識的轉化與利用。

222知識載體升級

知識需要依附于載體。早期的知識管理從文檔的數字化起步，知識的載體在很長一段時間是文檔。隨著大數據的出現，文檔層次的知識存在形式逐漸過渡到數據層次。原有的文檔被分拆、打散成數據，不同的數據類型（結構化、半結構化、非結構化）成為知識的直接存在形式。在大數據環境的知識管理視閾下，數據直接對接知識，文檔逐漸降入底層系統；同時，云計算平臺提供了數據到知識的一站式服務，使信息系統的獨立完整性概念逐漸淡化到后臺。

223知識發現具有智慧性

在此背景下，知識之源直接成為數據。顯性知識變得越來越容易組織與管理，而隱性知識的識別、發現與管理越來越具有挑戰性。如何分析與挖掘出新知識（模式、規則等）是數據應用面臨的重要問題。當前，在海量、異構、分布各處的數據管理問題的牽引下，涌現出許多大數據技術工具與方案，使數據的規整問題得到一定程度的解決，但“隱身”在海量數據中的知識仍需要微觀知識主體（人）去挖掘和發現其中的智慧數據。

3知識管理視閾下的智慧數據

基于現有文獻研究，本文認為智慧數據是一種從大數據海洋中精選出來的、能夠成為知識酵母的數據。Michael Fitzgerald在MIT斯隆管理評論上發表了“將大數據變為智慧數據”的觀點[20]，認為數據并不是越多越好。智慧數據是從大數據的“大”聚焦到知識層面的數據精華，一定程度上體現了大數據技術的成果訴求，幫助人們解決“Know What”“Know How”以及“Know Why”，使人的決策、行為變得更有智慧。本文借用DIKW金字塔模型思路，在大數據知識管理視閾下，提出知識流動“數據—人—知識”框架（如圖1），進一步詮釋智慧數據的內涵。

從圖1可以看出，智慧數據含義在于通過數據的有效組織與提取，利用技術系統，使數據更加智能地匹配需求，結合知識主體（人）已有的知識，更加智慧地做出決策和行為，即創新進行時。智慧數據這一概念內嵌了知識與人兩個核心要素，智慧內化為人的機體的一部分，可以激發其所具備的隱性知識。因此，智慧數據是具有智能化需求響應的數據，是能為人所用的有價值的知識結合體。

基于對智慧數據與知識活動能夠建立直接關系的理解，通過對產學研協同創新主體的知識庫分析，構建產學研協同創新的知識網管模型，以闡釋智慧數據對產學研協同創新知識流動的實現。

4產學研協同創新主體的知識庫

41知識庫特點

在信息技術與知識管理知識的普及推動下，產學研協同創新主體不同程度地建設有自己的知識庫。企業建設的知識庫一般內嵌在企業信息系統之中，作為一個子系統，或以較為松散的功能耦合模式存在，包含了體現企業核心競爭力的知識資產（發明專利、產品、服務）、行業知識和管理經驗等，主要為產學研協同創新提供知識接收、成果轉化的土壤。高校的知識庫一般由其圖書館承建，基本涵蓋了高校教師、研究生與本科生的所有科研與學習活動的成果，內容多偏重于研究和教學，主要為產學研協同創新提供知識共享和學習的資源。科研機構的知識庫則通常由所級或院級信息中心建設，因科研機構的級別與規模各不相同，其知識庫的建設情況也大相徑庭。科研機構主要以研究與開發為主，其知識庫中包含的研究成果與高校相比，更接近行業實踐，主要為產學研協同創新提供知識整合和轉移的途徑。三者的知識庫各具特色，其知識資源所具有的異質性特點正是開展產學研協同創新的前提條件。

42知識庫存在的問題

當前產學研協同創新各主體的知識庫在促進知識流動、實現知識協同中并未完全發揮作用，普遍存在封閉性問題，在知識主體（人）、知識載體與知識管理手段等方面還不能很好地匹配產學研協同創新活動的需求。具體表現為：

（1）封閉性

封閉性是最主要的癥結所在。一方面，封閉使得知識的流動與利用價值大大降低，存檔意義更大一些；另一方面，長期沒有新鮮知識的流入，導致內部知識的迭代與更新在一定程度上出現問題。

（2）不重視知識主體（人）作用

現實知識庫更注重顯性知識的貯備，大量顯性知識以數字化、信息化載體儲存在知識庫里，人作為知識主體參與其中發揮作用的程度差強人意。這是由于知識管理技術沒有打通人與知識庫良性互動的通道，從而導致隱性知識的缺失。

（3）數據、技術與系統不兼容

產學研各主體的知識庫由于采用的技術平臺、數據庫與開放手段不同，導致知識庫之間不具備知識共享與互操作的基礎。這樣的知識存在方式一定程度上阻礙了產學研協同創新的知識流動。

針對以上知識庫存在的主要問題，可以運用大數據思維，打破產學研協同創新主體各自的知識孤島格局，建立戰略式知識庫聯盟；深挖已有知識庫，重視發揮人才作用，完善知識庫顯性和隱性知識儲備；構建跨知識庫的知識發現（技術組合與轉化）平臺，優化智能數據分析與挖掘功能，對產學研各主體知識庫進行改造升級。

5產學研協同創新的知識管網構建

51產學研協同創新知識管網模型

產學研協同創新要求協同主體的知識能夠順暢流動，形成一張良性發展的知識網絡。為此，除了需要對協同創新底層的知識網絡進行聯通之外，在知識流動過程中實施管控與施加特定影響也是必不可少的，即通過知識管網來確保知識流動。基于產學研協同創新主體主要涉及企業、大學和科研院所（研究機構）三大主體，本文構建了如圖2所示的知識管網套層。

52知識管網模型

外三角形為產學研知識管網所依賴的大數據環境，知識創新離不開外部環境，首先要保證知識管網與外部大數據環境的互通。內三角形是知識管網的概念化邊界。事實上，這里只是為了突出知識系統中產學研協同創新主體的地位，實際情況則更接近多維網狀結構。

內外三角形之間的夾層稱之為知識外灘。知識主體與創新活動需要從外部環境中汲取知識，從大數據中提煉所需的智慧數據，成為知識管網中的知識創新能量。知識外灘起到了大數據層與知識管網層的粘合劑作用。知識外灘包含了各種大數據技術與方法，幫助產學研創新主體從原生數據中提煉智慧數據，承擔數據到知識的轉化任務。知識外灘是吸收當前大數據最佳的位置，既保證了產學研協同創新已有知識活動的完整性，又能引入外部最新的理念方法，是決定知識管網中創新協同程度最好的“活性酶”。

進入知識管網后，知識流動、知識分享、知識集成與創新利用等各類知識活動均在內三角形里開展。在知識管網中還有兩個功能節點：知識海綿和知識泵。知識海綿與知識泵的概念最早是施樂（Xerox）公司歐洲研究中心的學者從信息技術角度探討知識流動與知識利用時使用的形象概念[21]，主要根據知識活動的主動與被動程度進行區分，強調主動推動與個性化推薦。知識海綿的主要作用是知識吸收與累積，是

知識管網中的被動式蓄水節點，流過該節點的知識被吸收存儲下來，需要時“擠壓”知識海綿，排出知識；待知識海綿蓄滿后，寫入知識庫。知識泵在知識流動過程中起到增壓引擎的作用，是能動型主動式中樞節點，具有學習功能。通過知識用戶的行為數據分析與機器學習方法，有針對性地為協同創新中各類型創新團隊定制與推送潛在可能需要的知識。

知識管網的理念好比電網、自來水供應網等基礎資源網絡形態，通過消除知識孤島，形成知識互聯，以創新為驅動，有序引導知識流動過程，在適合的場景下滿足特定協同創新的知識需求，最大程度激活數據價值與知識潛能。

53知識管網的實現

可通過分階段分層級推進策略實現產學研協同創新的知識管網構建，主要包括知識儲備、知識開放、知識聚合與知識鋪網四個階段。

（1）知識儲備

主要指產學研協同創新各主體知識庫的自身優化，奠定協同創新的知識共享與共建的基礎。同時，應注意知識庫的長期可持續發展，發揮知識海綿的吸收、累積作用。

（2）知識開放

主要指產學研協同創新各主體間知識庫的對話與互通。產學研協同創新各主體的知識庫之間可以通過API數據接口調用，實現互通式知識檢索與知識共享，主體彼此之間可以互訪知識庫中的內容。從這個階段開始知識具有了基礎的流動性，知識庫之間實現開放性。

（3）知識聚合

在知識檢索與知識分享的基礎上，從知識載體與知識表征上，以需求與問題為導向，實現數據級別的知識關聯、整合與集成。新的知識在知識庫間的關聯集成中隱現，這實際是一個知識加工過程，通過產學研協同創新各主體的知識整合，有可能打通知識壁壘或啟迪新的創新思路。這一階段中，知識在流動中轉化、升級與增強。

（4）知識鋪網

面向產學研協同創新的知識管網鋪設固化了知識集成的要素、方法與過程，使其成為可以支撐產學研協同創新的知識基礎設施，即為產學研協同創新各主體知識庫之間鋪設穩固的知識流動管道，形成產學研協同創新知識管網雛形。

6結語

大數據時代以開放、共享、互聯的超活躍數據環境為產學研協同創新帶來了不同于以往的知識創新機遇。本文提出了以人為主體的“數據—知識”直轉型智慧數據理念，認為智慧數據驅動的知識創新活動將成為一種新常態，設計了產學研協同創新的知識管網概念模型，并對其所涵蓋的重要方面進行了闡釋，對集成、泛網化的知識管理進行了探索，為產學研協同創新知識流動的研究提供了多元化的認知思路。

參考文獻：

[1]陳繼祥，霍沛軍，王忠民. 超競爭下的企業戰略協同[J]. 上海交通大學學報：社科版，2000，8（4）：86-89.

[2]吳悅，顧新. 產學研協同創新的知識協同過程研究[J]. 中國科技論壇，2012（10）：17-23.

[3]張海濱. 高校產學研協同創新的影響因素及機制構建[J]. 福州大學學報：哲學社會科學版，2013（3）：104-107.

[4]李雪婷， 顧新. 產學研協同創新的文化沖突研究[J]. 科學管理研究，2013（1）：5-8.

[5]潘郁， 陸書星，潘芳. 大數據環境下產學研協同創新網絡生態系統架構[J]. 科技進步與對策，2014（8）：1-4.

[6]陳勁，陽銀娟.協同創新的理論基礎與內涵[J].科學學研究，2012（2）：161-164.

[7]顧新.知識鏈管理——基于生命周期的組織之間的知識管理框架模型研究[M]. 成都： 四川大學出版社，2008.

[8]Burnside C. Production Function Regressions，Returns to Scale，and Externalities[J]. Journal of Monetary Economics，1996，37（2）： 177-201.

[9]Bonaccorsi A， Piccaluga A. A Theoretical Framework for the Evaluation of University-industry Relationships[J]. R&D Management，1994，24（3）： 229-247.

[10]Cauley de la Sierra M. Managing Global Alliances. Key Steps for Successful Collaboration[M]. Reading，Masp.： Addison-Wesley Pub.Co.，1995.

[11]Koschatzky K. Networking and Knowledge Transfer between Research and Industry in Transition Countries： Empirical Evidence from The Slovenian Innovation System[J]. The Journal of Technology Transfer，2002，27（1）： 27-38.

[12]Hessels L K，Lente H V. Re-thinking New Knowledge Production： A Literature Review and a Research Agenda[J].Research Policy，2008（4）： 740-760.

[13]趙力焓，石娟，顧新.知識鏈組織之間知識流動的過程研究[J].情報雜志，2010（7）： 70-73.

[14]鐘琦，汪克夷，齊麗云.基于企業內部知識網絡的知識流動分析[J].情報理論與實踐.2008（3）： 397-399，406.

[15]吳悅，顧新，涂振洲.基于知識流動的產學研協同創新協同關系的形成過程研究[J]. 圖書館學研究， 2015（23）： 87-93.

[16]饒燕婷. “產學研”協同創新的內涵、要求與政策構想[J]. 高教探索，2012，（4）：29-32.

[17]維克托·邁爾·舍恩伯格，肯尼思·庫克耶.大數據時代[M].盛楊燕，周濤，譯.杭州：浙江人民出版社，2013.

[18]韓客松，王永成. 文本挖掘、數據挖掘和知識管理——二十一世紀的智能信息處理[J]. 情報學報，2001（1）： 100-104.

[19]Rowley，Jennifer.The Wisdom Hierarchy： Representations of the DIKW Hierarchy[J]. Journal of Information and Communication Science，2007，33（2）： 163-180.

[20]Michael Fitzgerald.Turning Big Data into Smart Data Big Idea[EB/OL]. Data & AnalyticsBlog，2013-12-02.

[21]Natalie Glance，Damián Arregui，Manfred Dardenne. Knowledge Pump： Supporting the Flow and Use of Knowledge[J].Information Technology for Knowledge Management，1998： 35-51.

（責任編輯：辜萍）