論知識倉庫的架構(gòu)

【內(nèi)容提要】在知識管理時代，知識倉庫具有隱性知識共享和轉(zhuǎn)化功能、知識存儲和檢索功能、知識分析功能、新知識產(chǎn)生和反饋功能，以及用戶行為分析跟蹤功能。知識倉庫的架構(gòu)分為6個主要構(gòu)件：共享和獲取隱性知識模塊；獲取顯性知識模塊；知識的抽取、轉(zhuǎn)換和儲存模塊；知識分析模塊；用戶（系統(tǒng)管理員）界面模塊；3個反饋環(huán)。目前，已經(jīng)開發(fā)出一些知識倉庫軟件系統(tǒng)。圖1。參考文獻8。
【摘要題】專題探討
　　　　　　　1　知識管理時代知識倉庫的地位
　　知識可劃分為顯性知識（explicitknowledge）和隱性知識（tacitknowledge）兩類。其中，顯性知識是指能夠用語言、符號、規(guī)則、公式或?qū)ο蟮日�式表達并能夠傳輸給他人的知識；隱性知識是深深根植于人腦中的信念、觀點、創(chuàng)意和智力模型，包括某人長期從事某項活動或職業(yè)而形成的主觀經(jīng)驗、洞察力和直覺。二者緊密關(guān)聯(lián)，并與經(jīng)濟活動融為一體，成為當代社會發(fā)展的主要推進力量。
　　知識管理是通過共享和抓住隱性知識并將其轉(zhuǎn)變?yōu)轱@性知識，篩選、存儲、加工、檢索、傳遞和利用顯性知識，創(chuàng)新新的知識來增加社會價值的。這種實踐活動可用知識螺旋（knowledgespiral）來描述。在每一個螺旋中存在4個階段：共享隱性知識階段、隱性知識轉(zhuǎn)變?yōu)轱@性知識階段、顯性知識轉(zhuǎn)變?yōu)樾轮�識階段和通過學習產(chǎn)生新的隱性知識階段。每一次新的顯性知識和隱性知識的產(chǎn)生便是知識螺旋的一次上升。相對于知識管理，信息管理注重顯性知識或稱編碼型知識（codifiedknowledge）的搜集、存儲、加工、檢索、分析和預測，這方面的研究成果主要表現(xiàn)為數(shù)據(jù)倉庫（DataWarehouse，簡稱DW）的開發(fā)和利用。數(shù)據(jù)倉庫使企業(yè)能抽取、篩選、存儲大量的數(shù)據(jù)，對用戶的檢索進行有效而準確的反應，并為決策活動提供了強大的基礎。然而，數(shù)據(jù)倉庫中僅僅存儲了決策者所需知識的一部分，企業(yè)絕大部分智力財富以隱性知識的方式存在于員工的大腦中，因此，數(shù)據(jù)倉庫不足以滿足對知識檢索的需求。為了滿足知識管理和知識決策的需求，可以對現(xiàn)存的企業(yè)數(shù)據(jù)倉庫進一步擴充，成為滿足知識管理需求的知識倉庫（KnowledgeWarehouse，簡稱KW）。知識倉庫能夠?qū)Σ煌�類型的知識（顯性知識和隱性知識）和不同形式的知識（純文本、二進制對象、模型等）進行捕捉、存儲、編碼、組織和分析。另外，這些知識還包括元知識（關(guān)于知識的知識）和分析后產(chǎn)生的新知識。
　　　　　　2　知識倉庫的主要功能分析
　　知識倉庫強調(diào)為決策者提供一個提升知識管理流程全過程的智能分析平臺，它在很大程度上依賴于信息技術(shù)的發(fā)展并被日新月異的信息技術(shù)所推動。信息技術(shù)包括人工智能、神經(jīng)網(wǎng)絡、專家系統(tǒng)、多媒體技術(shù)、數(shù)據(jù)庫、信息可視化、機器學習、信息分析與挖掘等，其中OLAP（OnlineAnalyticalProcessing，在線分析處理）與DM（DataMining，數(shù)據(jù)挖掘）是基于數(shù)據(jù)倉庫技術(shù)而發(fā)展起來的信息分析與挖掘工具。OLAP是驗證型的，建立在多維視圖的基礎上，重在根據(jù)已有的模式將直接源自數(shù)據(jù)倉庫中的不同信息源的大量相關(guān)信息聯(lián)系起來，以給分析人員一個清晰、一致的視圖。OLAP主要有兩個特點，一是在線性（online），即對用戶的請求做出快速響應；二是可以應用多種統(tǒng)計分析工具、算法對數(shù)據(jù)進行多維分析（multi-analysis）。DM是挖掘型的，建立在各種信息源的基礎上，重在發(fā)現(xiàn)隱藏在大量原始數(shù)據(jù)深層中的對人們有用的模式（patterns）。被抽取的模式即知識，具備可信、新穎、有效、易于理解的特點。DM有兩個主要過程，即建立模型和預測未來結(jié)果。在這些過程中，可應用統(tǒng)計分析、神經(jīng)網(wǎng)絡、決策樹、遺傳算法、模糊邏輯、基于記憶的推理（memory-basedreasoning）等技術(shù)，OLAM（OnlineAnalvticalMining，在線分析挖掘）是OLAP和DM相結(jié)合的產(chǎn)物，OLAM兼有OLAP多維分析的在線性、靈活性和DM對數(shù)據(jù)處理的深入性，目前OLAM正處于研究之中，針對LAM的發(fā)展驅(qū)動力和基本結(jié)構(gòu)，以下幾點是必要的：OLAM建立在多維數(shù)據(jù)庫和OLAP的基礎之上，能對任何它想要的數(shù)據(jù)進行挖掘；用戶對挖掘算法具有動態(tài)選擇的權(quán)力；具有強大的基于超立方體的挖掘算法；能夠協(xié)調(diào)好執(zhí)行效率與挖掘的準確性之間的關(guān)系；具有靈活的可視化工具和良好的擴展性。
　　信息技術(shù)的發(fā)展使知識倉庫的功能實現(xiàn)變?yōu)榭赡�，知識倉庫應具備以下主要功能：
　�。�1）隱性知識共享和轉(zhuǎn)化功能。即知識倉庫應具備共享隱性知識和將隱性知識轉(zhuǎn)變?yōu)轱@性知識的能力，這依賴于機器學習、神經(jīng)網(wǎng)絡、信息可視化、多媒體技術(shù)等。
　�。�2）知識存儲和檢索功能。即知識倉庫必須提供數(shù)據(jù)倉庫所擁有的全部功能，并具有更加豐富的知識表現(xiàn)形式。知識倉庫應能有效生產(chǎn)、存儲、檢索、管理各種形式的知識。
　　（3）知識分析功能。知識分析是一個非常復雜的過程，分析任務常常利用各類歸納和演繹的人工智能技術(shù)，如神經(jīng)網(wǎng)絡、數(shù)據(jù)處理的分組方法、統(tǒng)計、基因算法、基于案例的推理等。每一個任務在輸入數(shù)據(jù)、執(zhí)行參數(shù)和輸出格式方面都有自己的要求。
　�。�4）新知識的產(chǎn)生和反饋功能。知識倉庫中的知識隨著不同的反饋環(huán)而得到實時更新，如通過頭腦風暴法產(chǎn)生、共享和獲取新的隱性知識；從用戶剛剛驗證和證實的結(jié)果中產(chǎn)生新的顯性知識。
　　（5）用戶行為分析跟蹤功能。知識倉庫能夠根據(jù)用戶所提供的信息、用戶的行為習慣和傾向進行跟蹤并針對性地提供決策服務。
　　　　　　3　知識倉庫的架構(gòu)
　　知識倉庫包括6個主要構(gòu)件（見圖1）：共享和獲取隱性知識模塊；獲取顯性知識模塊；知識的抽取、轉(zhuǎn)變和存儲模塊；知識分析模塊：用戶（系統(tǒng)管理員）界面模塊；3個反饋環(huán)。
　　附圖
　　圖1知識倉庫的架構(gòu)
　　　　3.1　共享和獲取隱性知識模塊
　　隱性知識是無法交流的知識。例如，學生通過書本可間接地學到用文字表達出來的顯性知識，而通過上課不僅可學到顯性知識，而且能體會到教師講授中無法表達的隱性知識。這即是所謂的言傳身教，但在對所講所學知識的理解上學生和教師總存在差別。又如，邀請一位有經(jīng)驗的管理者作報告，假設該管理者對自己所理解的管理理論和實踐經(jīng)驗盡其全力進行表達，是否聽報告的人在報告后便能成為與其一樣出色的管理者？答案是否定的，究其原因，該管理者能表達出來的知識是顯性知識，而他頭腦中大量存在的是他無法表達清楚的隱性知識，這些隱性知識在該管理者的管理實踐中起非常重要的決策支持作用。知識管理非常強調(diào)對隱性知識的挖掘，共享和獲取隱性知識模塊應具體擁

【論知識倉庫的架構(gòu)】相關(guān)文章：

論企業(yè)知識管理03-18

論知識管理與利用03-23

論風險基礎財務治理的架構(gòu)03-21

論知識產(chǎn)權(quán)（一）03-23

論知識管理對教育的影響03-20

論企業(yè)知識管理的實施12-10

論圖書館的知識管理與知識服務03-25

企業(yè)電子商務中的知識治理戰(zhàn)略架構(gòu)分析12-06

論基于知識鏈的知識管理模式的構(gòu)建03-17

論知識管理在企業(yè)中的應用03-17