基于知識管理視閾下的數(shù)據(jù)分析策略研究

田國華

[摘 要] 創(chuàng)新型專業(yè)人才的一門必修課就是數(shù)據(jù)分析，通過海量數(shù)據(jù)找到其隱藏在背后的邏輯，從而指導(dǎo)生產(chǎn)生活。在知識管理視閾下建立數(shù)據(jù)分析知識管理模型，讓組織的隱性知識內(nèi)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(guān)鍵詞] 數(shù)據(jù)分析;知識管理;SECI模型

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

一、前言

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

（一）知識管理的內(nèi)涵及管理模式

20世紀(jì)80年代末期，知識資產(chǎn)作為推動經(jīng)濟增長的要素，以其邊際報酬遞增的特性備受專家學(xué)者的關(guān)注。最初知識管理這一概念主要應(yīng)用于企業(yè)組織，然而在經(jīng)濟快速發(fā)展的今天，隨著云計算、大數(shù)據(jù)技術(shù)、人工智能的應(yīng)用，在數(shù)據(jù)爆炸、信息爆炸的時代，如何在數(shù)據(jù)中厘清背后的邏輯，挖掘出有價值的信息顯得至關(guān)重要。

關(guān)于知識管理的概念很多專家學(xué)者都做出了界定，Jeremy Galbreath[120]將教育領(lǐng)域的知識管理界定為運用技術(shù)工具和程序處理數(shù)字化存儲的領(lǐng)域內(nèi)的知識，通過網(wǎng)絡(luò)使更多受眾獲得知識和經(jīng)驗的過程。筆者認為知識管理的內(nèi)涵分為廣義和狹義兩種。廣義的知識管理是指知識經(jīng)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(lǐng)域的著名學(xué)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(zhuǎn)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(zhuǎn)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(zhuǎn)化。組合化（combination）可以通過語言、數(shù)字等符號將顯性知識轉(zhuǎn)化為顯性知識。內(nèi)化（internalization）是可以通過體驗、體會等方式將顯性知識轉(zhuǎn)化為隱性知識。

（二）研究現(xiàn)狀

知識管理視閾內(nèi)學(xué)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(yīng)用進行了系統(tǒng)詳細地綜述。鮑瑋[3]認為教學(xué)過程中知識轉(zhuǎn)化從單一閉環(huán)到多級閉環(huán)呈螺旋遞進的發(fā)展?fàn)顟B(tài)，這一模式能實現(xiàn)知識管理的機制創(chuàng)新。趙伯艷等[4]等運用SECI模型研究了專業(yè)人才的培養(yǎng)途徑。胡艷艷等[5]認為通過顯性知識與隱性知識的循環(huán)轉(zhuǎn)化來實現(xiàn)知識的進階性學(xué)習(xí)。廖先玲等[6]等將知識流動與知識獲取、知識傳導(dǎo)、知識吸收以及知識應(yīng)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(tǒng)。樊治平等[8]從知識共享的視角對知識管理從經(jīng)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(zhuǎn)化的SECI拓展模型，從產(chǎn)學(xué)研協(xié)同角度進行了研究，認為知識互補性、吸收能力與協(xié)同轉(zhuǎn)化行為正相關(guān)，知識轉(zhuǎn)化平臺的占用與參與積極性負相關(guān)。

（三）研究評述及研究路線

專家學(xué)者在不同的學(xué)科領(lǐng)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(jié)起來主要有SECI模型和社會網(wǎng)絡(luò)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(dǎo)向，按照“現(xiàn)狀-問題-對策”的研究技術(shù)路線，建立數(shù)據(jù)分析知識管理模型（SECI）來實施研究，。

二、數(shù)據(jù)分析知識系統(tǒng)

數(shù)據(jù)分析是一種綜合分析問題的能力，需要跨學(xué)科的理論知識背景作為依托，運用統(tǒng)計分析工具對不同學(xué)科領(lǐng)域內(nèi)的學(xué)術(shù)前沿問題進行分析和研究。統(tǒng)計學(xué)是關(guān)于社會經(jīng)濟現(xiàn)象數(shù)量方面進行搜集、整理和分析工作理論和方法的科學(xué)。其在經(jīng)濟學(xué)、管理學(xué)、醫(yī)學(xué)、生物學(xué)等學(xué)科應(yīng)用十分廣泛，甚至在文學(xué)（如紅學(xué)中運用構(gòu)詞造句習(xí)慣推斷后四十回為高顎所做）、法學(xué)（無罪推斷理論）及體育競技（種子選手篩選）等領(lǐng)域都有結(jié)合和應(yīng)用。

以經(jīng)濟管理類專業(yè)為例，數(shù)據(jù)分析知識系統(tǒng)（圖2）由理論基礎(chǔ)、工具基礎(chǔ)、目標(biāo)實現(xiàn)三大部分構(gòu)成。其中理論基礎(chǔ)部分包括數(shù)理基礎(chǔ)和統(tǒng)計基礎(chǔ)兩個部分。數(shù)理基礎(chǔ)主要指高等數(shù)學(xué)、高等代數(shù)、概率論與數(shù)理統(tǒng)計以及統(tǒng)計學(xué)原理;統(tǒng)計基礎(chǔ)包括市場調(diào)查方法，多元統(tǒng)計分析，計量經(jīng)濟學(xué)以及管理學(xué)研究方法論。

統(tǒng)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(tǒng)計分析，至于推斷統(tǒng)計學(xué)并不推薦。Amos是管理學(xué)常用的分析軟件，主要用于潛變量、路徑分析及結(jié)構(gòu)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(xué)習(xí)。Matlab主要用于線性規(guī)劃問題的研究。R和Python都可以做大數(shù)據(jù)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(dāng)然，這里并不需要把所有軟件工具都學(xué)會，而是根據(jù)自身計算機語言水平來選擇其中的一種或兩種來學(xué)習(xí)。

在具備了一定的理論知識后，學(xué)習(xí)1-2個分析工具，再將兩者有機結(jié)合起來即可實現(xiàn)數(shù)據(jù)分析的目標(biāo)。

三、數(shù)據(jù)分析知識管理模型

基于SECI模型在數(shù)據(jù)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(nèi)化為個人的隱性知識需要經(jīng)歷四個階段。首先是將數(shù)據(jù)分析相關(guān)理論組織的隱性知識通過預(yù)習(xí)等前置活動這種社會化方式轉(zhuǎn)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(yù)習(xí)這種課前預(yù)置活動可以是案例操作過程的演示;在轉(zhuǎn)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(zhuǎn)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(lián)結(jié)從而內(nèi)化為個人顯性知識，因而還需要總結(jié)歸納等組合化方式將零散的知識重新排列組合形成科學(xué)、條理、系統(tǒng)化的顯性知識;最后可以通過課后的后置作業(yè)進行練習(xí)和模擬實踐內(nèi)化為個人的隱性知識。

四、結(jié)論與展望

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

[參考文獻]

[1]陳悅.科學(xué)知識圖譜的發(fā)展歷程[J].科學(xué)學(xué)研究，2008（3）：449-460.

[2]陳悅.CiteSpace知識圖譜的方法論功能[J].科學(xué)學(xué)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(xué)模式[J].北京印刷學(xué)院學(xué)報，2019（9）：101-103.

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

[5]胡艷艷.“互聯(lián)網(wǎng)+”背景下基于SECI知識管理模型論證教學(xué)發(fā)展學(xué)生化學(xué)核心素養(yǎng)[J].廣東化工，2020（8）：219-221.

[6]廖先玲.企業(yè)知識創(chuàng)新能力模型構(gòu)建及其網(wǎng)絡(luò)結(jié)構(gòu)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(xué)報，2006（3）：371-378.

[9]方剛.基于SECI拓展模型的產(chǎn)學(xué)研協(xié)同創(chuàng)新知識轉(zhuǎn)化行為研究[J].軟科學(xué)，2019（6）：24-29+36.

[責(zé)任編輯：趙磊]