大数据挖掘下的企业智能知识管理与决策
前言：想要写出一篇引人入胜的文章？我们特意为您整理了大数据挖掘下的企业智能知识管理与决策范文，希望能给你带来灵感和参考，敬请阅读。
摘要：随着互联网、物联网和云计算的不断发展，以及智能终端的广泛应用，各种形式的数据呈现爆炸态势，大数据时代已经到来。大数据对于制造业和战略资产的增长至关重要，并具有巨大的潜在价值，它有助于振兴数据行业并改变人们研究和思考方式。大数据挖掘是指从具有多种数据类型的海量数据中为用户提取有价值的信息。这些数据类型变化迅速且数据密度低，从而使得用户可以接受相关服务。企业知识管理使用大数据挖掘来保存基础知识，通过过滤、选择、提取、保存、转换和使用原始知识，可以根据公司所需的规范知识、经验和管理意图进行智能处理。在正确的时间用正确的方式向正确的人提供正确的知识，以增加大数据挖掘知识的可行性，减少信息爆炸带来的混沌状态，从而有效地支持公司做出有效的管理决策，并改善知识管理的水平。基于上述内容，企业在知识管理过程中，必须引入大数据分析技术，这样可以更好地帮助企业实现可持续发展的目标。
关键词：大数据；企业智能；知识管理；决策
随着商业竞争的加剧和市场环境的日益复杂，知识和信息已取代资本和能源成为最重要的资源。越来越多的公司积极使用知识管理来提高其决策能力、竞争力和效率。在公司的实际活动中，有必要促进知识管理的实施。知识与知识，知识与行动以及知识与人之间息息相关。智能知识管理可以共享知识，为业务知识创新提供强大动力，并提高公司的敏捷性和创新能力。
一、知识管理
1.知识管理的定义
知识管理的发展具有广阔的理论基础和发展起源。它发源于公司或组织时代和经济环境中发生的巨大变化。在20世纪90年代中期至后期，鉴于全球经济一体化，扁平化的组织结构以及知识经济中多样化的信息需求，公司和组织逐渐认识到知识和知识生产的重要性。积极的创新可以为生存和发展提供力量和奇迹，这对知识管理也有巨大的需求。哈佛大学的皮特教授最早提出知识管理的概念，他认为，知识管理是及时交付知识，及时发现知识和有效利用知识的过程，并强调公司想要生存和发展，就必须有效地管理知识。科学家从不同角度对知识管理进行了大量有益的研究。尽管它们尚未形成统一的定义，但它们在诸如知识分类和知识管理领域等基本问题上达成了广泛共识。一般认为，知识管理过程中知识的创造、获取、加工、存储、传播与应用一般是指狭义层面上的定义，而对知识的相关信息进行整合一般是从广义层面上来讲的。
2.知识管理的特点及作用
知识管理可以实现公司内部和外部显性知识和隐性知识的转换，并利用外部员工和客户的团队智慧来提高公司的创新能力和决策水平。全面系统的知识管理体系，一方面可以提高对工作的积极性；另一方面，他们可以组织员工的培训和教育，使显性知识保留在公司中，以提高对公司知识的保留和灵活性。知识管理可以帮助公司塑造持续学习的内部机制。当公司使用它时，它可以包含和存储显示知识，并在提取知识时将其提取。它还可以减少因劳资关系不佳而导致的经济损失以及导致的裁员问题，这是一种控制机制，它是基于知识的，其主要作用是帮助公司塑造其核心知识，以便他们可以共享创新，更新和业务知识。它可以为员工提供共享知识，改善整体绩效和创新的环境，从而提高业务服务的质量。它贯穿于公司的整个成长过程，不断创造价值，为公司的适应性和韧性做出贡献，并推动业务创新和可持续性[1]。
二、企业知识管理中大数据技术的应用
1.构建基于云计算的大数据挖掘体系结构
作为大数据技术的基础支持服务，云计算是一种具有高可扩展性和高弹性的新型虚拟化计算模型，它主要用于存储和处理数据。这些功能为大数据提供了基础存储，这些服务提供有效的数据处理功能。大数据挖掘架构结合了分布式存储和并行分布式云计算，并提供了云/客户端计算基础架构模型。大数据技术与云计算相结合，不仅利用了先进的计算机技术，同时还以强大的计算能力和大存储容量为核心，集成一套完整的知识管理系统，大数据以及挖掘和分析算法可创建用于挖掘的新云，在云挖掘中执行实时数据挖掘和大数据分析，并使用可视化技术将挖掘和分析结果呈现给客户。
2.知识管理和大数据结合
知识管理的一种特定方法是将知识产权和各个部门和个人的其他无形资产合并为电子文件，然后将其到公共互联网上，以形成可以随时访问的知识库。知识库应具有支持和维护系统，以及一些基本的安全措施和功能来控制网络访问。员工可以使用该系统读取产品信息，搜索与公司相关的系统文档等，以及在需要交流时在虚拟广告牌上信息。知识管理技术应该在此基础上构建，即，有易于使用的可视化工具，更强大的自动化“静默”方法来跟踪知识，一种对信息库和音频库组中的分数求和的机制，而不仅仅是图形，还有先进的声音及有关知识提取工具的视频和其他信息源。在竞争日益激烈的市场中，公司依靠传统的知识管理系统已经无法满足现代社会的发展要求，随着信息技术的广泛应用，智能化知识管理系统越来越被企业重视。因此，在企业发展过程中，全面先进的知识管理系统，不仅可以提高公司在市场上的竞争力，还能不断激发员工对工作的热情。在使用大数据分析技术过程中，必须重视对数据库的建立，从而保证知识管理全面性的管理。另外，知识管理最基础的部分就是数据挖掘技术的应用，其不仅可以对知识管理系统过程中的各项功能进行系统性分析，还可以共享企业以外的知识管理模式，从而为企业的发展提供全面的数据分析[2]。
3.结构上的整合
（1）数据层公司的内部业务数据主要来自数据层数据源，其中包括企业资源计划（ERP）系统，客户管理系统（CRM），数据仓库和数据集的数据资源以及来自供应链管理系统（SCM）的数据，例如：市场分析和预测报告、电子邮件、行业分析和预测报告等。知识管理数据层数据源主要来自员工的知识和创作过程。作为知识资源元数据的元知识，包括自然资源属性（例如标题，作者，来源，扩展名，时间等）以及资源知识属性（例如主题，关键字等）。数据层是关键层次上实现管理情报与知识管理结构的整合。使用各种知识，信息和数据转换应用程序（例如数据库，数据存储，知识数据库和元存储库）可靠地支持数据。因此，在将数据层合并之前进行计划非常重要，因为数据来自数据层，并且数据质量是公司决策中的重要价值[3]。（2）系统层系统层主要是核心知识管理功能，可对业务数据，信息和知识进行广泛的分析和链接，包括数据挖掘、在线分析、知识共享和业务知识图。数据挖掘技术可以从数据层提供的大数据中执行模型驱动的提取，转换，分析和其他处理，并提取对业务决策有用并为业务决策提供有用见解的关键数据。在线处理和分析技术可以对业务数据（例如B）执行多变量分析和处理。分类，转换和获取新的有价值的信息。通过数据挖掘以及在线分析和处理，公司可以实时了解业务运营的当前状态，以便决策者可以随时随地观察业务运营的数据。随时随地定制开发策略。知识共享为公司员工创造了便利的知识共享环境，因此该平台上的员工可以直接交换和共享有关公司方法、经验和业务技能的隐性知识。知识图可以促进知识的搜索、收集和重用。员工可以使用共享的知识资源目录和知识单元之间的关系，以便员工可以获取他们快速而轻松地解决问题所需的建议和知识。（3）应用层应用层基本上实现了集成知识管理系统的界面，形成了用于企业知识管理的智能门户，并直接面向用户。使用知识管理系统集成平台可以更轻松地显示数据、信息和知识，员工可以更准确地分析和查询数据并在知识库中获取知识，以促进知识共享，沟通和创新，为决策和管理提供更有效的信息和信息服务。此外，公司员工可以通过系统界面实时访问公司数据，并使用在线分析和处理、数据挖掘、文本挖掘和其他技术来获取法律或新知识。大量数据资源与前沿法律和知识相结合，并存储在知识库中，以促进知识的重用和创新。业务决策者依靠在应用程序级别提供的功能接口来简化，将数据、信息和知识集成到公司的生产和运营中，并且可以在分析公司的相关知识的生产和利用之后，更有效地应用获得有价值的信息[4]。
三、结语
从知识管理的角度将大数据挖掘与智能知识管理相结合，既要考虑数据挖掘过程，又要考虑数据挖掘的结果，以便知识管理过程确定用户真正关心的是什么，可行动的及其现实世界的知识，智能化处理对用户有用的知识，挖掘、分析出自身具备智能性质的知识，在适当的时间和以正确的方式自动管理知识的自我更新和独立应用，将正确的知识传递给合适的人，提高了通过挖掘大数据获得的知识的实用性，减少了信息爆炸，为公司有效的管理决策提供智力支持并提高知识管理水平。
参考文献
[1]程蕾，程鹏.知识管理与商务智能整合思考[J].情报科学，2012，30（7）：1084-1087，1108.
[2]陈琛.知识管理在工业企业中的应用研究[D].大连海事大学，2011.
[3]贺春玲，王霞，郭金涛.浅谈企业培训模式的改革与创新功能[J].现代商业，2011（23）：47.
[4]李华.面向知识管理的智能工艺设计研究与应用[D].东华大学，2010.
作者：刘绍霞 李永国 单位：中国航发贵州黎阳航空动力有限公司
