基于知識管理視閾下的數據分析策略研究

田國華

[摘 要] 創新型專業人才的一門必修課就是數據分析，通過海量數據找到其隱藏在背后的邏輯，從而指導生產生活。在知識管理視閾下建立數據分析知識管理模型，讓組織的隱性知識內化為個體的隱性知識，探索出具有一定可行性的實施策略。

[關鍵詞] 數據分析;知識管理;SECI模型

[中圖分類號] F204[文獻標識碼] A[文章編號] 1009-6043（2020）09-0119-02

一、前言

隨著大數據和人工智能時代的到來，人們對數據的關注度越來越高，大到國家政府，小到企業個人，每個人都身處這個深刻變革的數據時代，無論主動還是被動參與，都被充斥著的數據影響著，改變著。作為肩負國家專業人才培養責任的高校和教師，緊跟時代新型教育理念，擺脫傳統桎梏，探索順應新形勢的創新型專業人才是值得探討和研究的新課題。

（一）知識管理的內涵及管理模式

20世紀80年代末期，知識資產作為推動經濟增長的要素，以其邊際報酬遞增的特性備受專家學者的關注。最初知識管理這一概念主要應用于企業組織，然而在經濟快速發展的今天，隨著云計算、大數據技術、人工智能的應用，在數據爆炸、信息爆炸的時代，如何在數據中厘清背后的邏輯，挖掘出有價值的信息顯得至關重要。

關于知識管理的概念很多專家學者都做出了界定，Jeremy Galbreath[120]將教育領域的知識管理界定為運用技術工具和程序處理數字化存儲的領域內的知識，通過網絡使更多受眾獲得知識和經驗的過程。筆者認為知識管理的內涵分為廣義和狹義兩種。廣義的知識管理是指知識經濟背景下思想和方法管理的總稱。狹義的知識管理是指對知識及其作用的管理。本文是在狹義的知識管理概念下所進行的研究。

1995年，日本知識管理領域的著名學者野中郁次郎（Ikujiro Nonaka）在其著作《The Knowledge-CreatingCompany》中，提出SECI模型（圖1），主要研究個人和組織知識的轉化模式，將知識劃分為顯性知識和隱性知識兩種類型。

社會化（socialization）是可以將隱性知識通過觀察、模仿等共享方式轉化為隱性知識。外化（externalization）是可以通過隱喻、類比、概念和模型等方式將隱性知識向顯性知識轉化。組合化（combination）可以通過語言、數字等符號將顯性知識轉化為顯性知識。內化（internalization）是可以通過體驗、體會等方式將顯性知識轉化為隱性知識。

（二）研究現狀

知識管理視閾內學科知識的管理研究中，陳悅[1]-[2]對知識圖譜這一知識管理工具的理論和應用進行了系統詳細地綜述。鮑瑋[3]認為教學過程中知識轉化從單一閉環到多級閉環呈螺旋遞進的發展狀態，這一模式能實現知識管理的機制創新。趙伯艷等[4]等運用SECI模型研究了專業人才的培養途徑。胡艷艷等[5]認為通過顯性知識與隱性知識的循環轉化來實現知識的進階性學習。廖先玲等[6]等將知識流動與知識獲取、知識傳導、知識吸收以及知識應用整合起來可以更高效地利用各種知識資源。Jeffrey Johannes Austen Bongku[7]運用實證分析方法探索印度尼西亞咨詢公司有效的知識管理系統。樊治平等[8]從知識共享的視角對知識管理從經濟性、對象、主體以及手段四個方面進行了研究。方剛[9]等建立了跨組織知識轉化的SECI拓展模型，從產學研協同角度進行了研究，認為知識互補性、吸收能力與協同轉化行為正相關，知識轉化平臺的占用與參與積極性負相關。

（三）研究評述及研究路線

專家學者在不同的學科領域里運用知識管理工具對個人、組織的知識進行了研究。知識管理方法歸結起來主要有SECI模型和社會網絡分析兩種，其他都是基于此兩種模型做出部分改進。本文以問題為導向，按照“現狀-問題-對策”的研究技術路線，建立數據分析知識管理模型（SECI）來實施研究，。

二、數據分析知識系統

數據分析是一種綜合分析問題的能力，需要跨學科的理論知識背景作為依托，運用統計分析工具對不同學科領域內的學術前沿問題進行分析和研究。統計學是關于社會經濟現象數量方面進行搜集、整理和分析工作理論和方法的科學。其在經濟學、管理學、醫學、生物學等學科應用十分廣泛，甚至在文學（如紅學中運用構詞造句習慣推斷后四十回為高顎所做）、法學（無罪推斷理論）及體育競技（種子選手篩選）等領域都有結合和應用。

以經濟管理類專業為例，數據分析知識系統（圖2）由理論基礎、工具基礎、目標實現三大部分構成。其中理論基礎部分包括數理基礎和統計基礎兩個部分。數理基礎主要指高等數學、高等代數、概率論與數理統計以及統計學原理;統計基礎包括市場調查方法，多元統計分析，計量經濟學以及管理學研究方法論。

統計分析的工具有很多，常見的有可視化的軟件SPSS、Amos以及程序化的軟件Stata、R、SAS、Matlab、Python等。其中SPSS可以做簡單的描述統計分析，至于推斷統計學并不推薦。Amos是管理學常用的分析軟件，主要用于潛變量、路徑分析及結構方程模型（SEM）的分析。Stata和SAS都可以做計量分析，但Stata的界面更友好，語言更容易學習。Matlab主要用于線性規劃問題的研究。R和Python都可以做大數據分析，但R更具競爭力，其開源代碼和可及性（免費使用）是Python所不能及的，其兼容性更是其他軟件所不具備的。當然，這里并不需要把所有軟件工具都學會，而是根據自身計算機語言水平來選擇其中的一種或兩種來學習。

在具備了一定的理論知識后，學習1-2個分析工具，再將兩者有機結合起來即可實現數據分析的目標。

三、數據分析知識管理模型

基于SECI模型在數據分析知識管理情境下建立知識管理模型如圖3所示，將抽象的隱性知識內化為個人的隱性知識需要經歷四個階段。首先是將數據分析相關理論組織的隱性知識通過預習等前置活動這種社會化方式轉化為個體的隱性知識，從中可以獲取知識的大致理論框架。課前預習這種課前預置活動可以是案例操作過程的演示;在轉化為個體隱性知識后，通過課堂講授、討論和答疑活動等外部化方式進一步轉化為顯性知識;但外部化的顯性知識往往很難識記且彼此間無法形成有效聯結從而內化為個人顯性知識，因而還需要總結歸納等組合化方式將零散的知識重新排列組合形成科學、條理、系統化的顯性知識;最后可以通過課后的后置作業進行練習和模擬實踐內化為個人的隱性知識。

四、結論與展望

組織的隱性知識轉化為個人的隱性知識需要經歷社會化、外部化、內在化和組合化四個階段。在數據分析實踐中，僅是個人隱性知識的一種表現，即可以分析出數據背后的邏輯，挖掘有價值的信息，從而指導實踐活動。而知識的轉化過程并不能得到體現，因而大部分的時間和精力都要放在數據分析相關理論知識和操作知識的積累上。

[參考文獻]

[1]陳悅.科學知識圖譜的發展歷程[J].科學學研究，2008（3）：449-460.

[2]陳悅.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015（2）：242-253.

[3]鮑瑋.基于智慧課堂及SECI模型的螺旋遞進型教學模式[J].北京印刷學院學報，2019（9）：101-103.

[4]趙伯艷.基于SECI模型的高等院校會展專業人才培養途徑和方略[J].創新創業理論研究與實踐，2020（3）：1-4.

[5]胡艷艷.“互聯網+”背景下基于SECI知識管理模型論證教學發展學生化學核心素養[J].廣東化工，2020（8）：219-221.

[6]廖先玲.企業知識創新能力模型構建及其網絡結構研究知識流動視角[J].科技管理研究，2020（8）：210-217.

[7]Jeffrey Johannes Austen Bongku. Designing the Knowledge Management System（A Case Study Approach in IT Consultant Company） [A]. The 3rd International Conference on Graphics and Signal Processing （ICGSP 2019） [C]. 2019：41-53.

[8]樊治平.知識共享研究綜述[J].管理學報，2006（3）：371-378.

[9]方剛.基于SECI拓展模型的產學研協同創新知識轉化行為研究[J].軟科學，2019（6）：24-29+36.

[責任編輯：趙磊]