数据挖掘与企业知识管理(共5页).docx

精选优质文档-倾情为你奉上昆明理工大学 数据挖掘论文论文题目：浅议数据挖掘技术在企业知识管理中的应用班级：信管111学号：0姓名：杨江浅议数据挖掘技术在企业知识管理中的应用随着知识经济的到来，知识作为一种重要的经济资源可以提升企业的竞争力。知识管理作为一种经营战略模式越来越受到企业的重视。数据挖掘技术是数据库和信息决策领域的一个理论前沿，是知识发现的核心部分，利用数据挖掘技术可以从企业海量的数据和信息中挖掘出有效的知识，帮助企业实施科学有效的知识管理，从而提升企业的核心竞争力，促进企业科学、快速与持续发展。近年来，知识管理飞速发展，学者对知识管理的研究越来越深入，知识管理在企业中的实践也越来越广泛。企业可以广泛搜集到组织所掌握的技术诀窍、业务资料和长期实践经验等数据资料。但如何对这些数据资料进行科学地分析、处理。从而发掘出对管理和决策有价值的信息和知识，却是企业面临的主要挑战。数据挖掘技术可以有效地解决这一问题，并且被广泛应用于企业知识管理中，企业要在激烈的市场竞争中获胜必须，对组织中的知识进行整理或收集，形成企业的核心竞争能力的知识资本，从而提高企业的市场竞争力什么是企业知识管理企业知识管理是指企业利用现代信息技术，开发企业知识资源，调动人力资源学习潜能，并建立与之相适应的组织模式，推进企业现代化进程，提高企业核心竞争力和经济效益的过程。企业知识管理是以知识为核心的不同于信息管理的通过知识共享来实现的企业管理活动。企业知识管理通过项目团队及企业整体之间的相互配合和合作，完成对企业知识的收集、分类、存储和查询，实现企业知识的共享、再利用和创新，进一步提高企业决策的科学性、企业快速反应能力和管理能力，实现企业的智能运营知识对企业的重要性以前企业间的竞争主要是技术、产品、人才的竞争。随着知识经济的到来和互联网管理系统的发展，知识作为一种重要的经济资源可以提升企业的竞争力，大部分企业成功的关键因素是知识数据是指未经处理的数字、词语、声音和图像等；信息是指经过格式化、过滤、已经综合处理的有条件的数据。数据和信息共同构成知识的来源但知识不是数据和信息的简单积累。知识是一种包括了结构化的经验、价值观、关联信息以及专家见解等要素的动态集合。在一个组织内，知识不仅存在于文档和数据库中，而且嵌入在组织的日常工作、过程、实践和规范中。因而知识既可以作为一个存量，又可以作为一个过程。根据知识的属性，知识可划分为显性知识和隐性知识。显性知识是已经或可以文本化并易于传播的知识；隐性知识是需要进行大量分析、总结和展现的经验、诀窍、价值体系等。显性知识和隐性知识之间是可以进行转化的。知识管理就是企业为提高其核心竞争能力，围绕着知识这一重要资源而开展的知识获取、知识转移、知识共享、知识创新的管理活动，它既包括了说明隐性知识和显性知识相互关系的知识转化过程，也包括阐述知识的创新和共享的知识循环过程。数据挖掘的基本技术数据挖掘是当前数据库和信息决策领域的一个理论前沿，它是集许多学科成熟工具和技术于一体的一门交叉学科。具体而言，数据挖掘(Data Mining)指的是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的信息和知识的过程。数据挖掘其实是知识发现的核心部分，其基本原理可以表示为数据的准备-选择-处理与转换-挖掘-模式解释-知识评价等处理过程数据挖掘的任务就是要寻找模式类型。一般而言，它可以分为描述式挖掘和预测式挖掘两类。具体包括：1.概念/类描述是描述式挖掘的基本形式，它是以简洁汇总的形式描述给定任务的相关数据集，提供被挖掘数据有趣的一般特征，由特征化和区分组成。概念化的数据可以被用户以多种形式可视化。与OLAP相比，概念描述能够更加自动化地处理数据类型复杂的属性及其聚类。2.关联分析(Association)是发现在给定数据集中的频繁模式，它常被应用于企业的销售分析和事物数据分析之中，是很多其他数据挖掘任务的基础。3分类分析：对数据库中的每一类数据，挖掘出关于该类数据的描述或模型，用于预测未知对象。数据分类的基本技术有决策树归纳、贝叶斯分类、神经网络、遗传算法、K-最临近分析、粗糙集方法、模糊集方法等。4聚类分析：将数据对象按照类内相似性最大化、类间相似性最小化的原则自动分类。与分类分析不同之处在于它要划分的数据是未知的。通过聚类可以识别密集和稀疏的区域，便于发现全局的分布模式。5异常性分析：是对数据中经常或偶然出现的与其它数据显著不同的数据进行一般模型的挖掘。6预测是对某些希望得到的但又是空缺的或不知道的数据值(不是类标记)进行挖掘，可以识别基于可用数据的分布趋势。预测的方法有线性回归、多项式回归、对数回归、泊松回归。基于数据挖技术的企业知识管理数据挖掘技术可以从企业数据中挖掘出有价值的知识，增强企业商务智能。信息化的推进让企业积累了大量的数据，建立充分利用这些数据的意识，从凌乱的数据中挖掘有用知识，这意味着企业开始向知识管理迈进。数据挖掘通过数据总结、数据分类、数据聚类和关联规则来发现企业中的显性知识和隐式知识。数据挖掘技术本身并不能直接为企业创造价值，要将数据挖掘所发现的信息与知识转变为企业的竞争优势，必须将其放在企业的管理实践中加以考虑，并且通过数据挖掘所得的结果要经过评价，只有这样才能有效地解决实际问题，为企业的预测和决策提供科学依据。知识管理框架的核心是知识管理系统，知识管理系统可以看作是获取数据、提取知识、管理知识和向知识使用者提供知识的系统。知识管理系统从数据源中获取数据，通过数据挖掘可以发现数据中的隐式知识并且通过知识服务器供知识使用者使用，整个知识框架的目的是打败企业的竞争对手。企业中的一个组织可能扮演多个角色，其中的一个角色可能就是竞争对手，例如一个组织拥有它自己的数据库并且利用数据挖掘技术从数据库中提取知识，它还可能会使用从其他组织的数据库中提取的知识。在这个例子中这个组织具有数据源和知识消费者两个角色，并且利用数据挖掘技术从多个组织中挖掘知识，因此，它还扮演数据提取者的角色。能否挖掘隐含在企业中知识，充分发挥这些知识的作用，是企业成功的关键。利用数据挖掘技术充分发挥知识管理的职能。知识管理的基本职能有四个，它们分别是外化、内化、中介和认知过程。（1）外化。外化是以外部贮藏库的形式捕获知识，并根据分类框架或标准来组织它们。只提供某种方式用以捕获知识并在线存储它们的技术位于最底层，例如镜像系统和数据库；而工作流技术则提供了稍高一层次的功能。外化过程的下一层次包含了更为强大的搜索工具和文件管理系统，它们对贮存的知识进行分类，并能识别出各信息源之间的相似之处。基于此，可用聚类的方法找出公司知识库中各知识结构间隐含的关系或联系。外化的作用是通过内化或中介使知识寻求者能够得到你所捕获搜集到的知识。（2）内化。外化是发展知识的相似之处，内化则是设法发现与特定消费者的需求相关的知识结构。在内化过程中，你从外部贮藏库里提取知识，并通过过滤来发现与知识寻求者相关的东西。在内化的高端应用软件中，提取的知识可以以最适合的方式来进行重新布局或呈现。这或许还要借助于一些解释，同时文本可以被简化为关键数据元素，并以一系列图表或原始来源的摘要方式呈现出来。（3）中介。内化过程强调明确、固定的知识的传送，而中介针对的则是无声的知识，它将知识寻求者和最佳知识源相匹配。通过追溯个体的经历和兴趣，中介能把需要研究某一课题的人和在这一领域中有经验的人联系起来。例如某一制药公司的研究人员，针对某一药品一系列不寻常的副作用所产生的疑问，在公司的信息库中却找不到什么相关的资料；但是中介这门技术则为研究人员提供了另一国家研究人员的名字。系统内的特征信息显示，他在同一实验领域经验丰富，这两个研究人员因而可以就药品副作用的潜在原由彼此分享他们的知识与经验。（5）认知过程。认知是经由前三个功能交换得出的知识的运用，是知识管理的终极目标。现有技术很少能实现认知过程的自动化，通常都是采用专家系统或使用人工智能技术，并据此做出决策。在全自动的认知系统出现的同时，在工作流中实现合并认知的技术也有了同步的发展。但是如果工作流系统被赋予一种利用已有知识的能力，工作流引擎便能依据近似的情形自动做出决策。企业知识管理策略（1）、营造以人为本的企业文化知识管理实质是人本管理，企业拥有和可以支配的知识离不开企业的员工，因为员工所拥有的显性知识和隐形知识才是企业得以存在和发展的无形财产和重要资源。（2）、搭建知识管理平台知识共享体系，营造知识共享文化氛围。只有实现了知识共享，才能利用知识去创新。用时也可以减少培训次数和研发费用，增加企业竞争力（3）、建立激励机制结论：知识管理的具体方式就是将各部门和个人的知识产权和其他无形资产汇总成电子文件放在公用的网上，形成一个知识库，随时可供取阅。该知识库要有一套系统来支持和服务，以及一些基本的安全措施和网络权限控制功能，员工可以利用该系统阅读公报和查找历史事件，并且在需要交流时彼此在虚拟的广告板上相会。知识管理技术应当建立在此基础上，即：有更便于浏览的视觉工具，更强大的自动化“无声”知识监控手段，添加信息库群体评价的机制，以及更高级的能从无法图形化的音像等信息源挖掘知识的工具。企业处在日益激烈的市场竞争环境中，企业越来越难依靠资本、技术、自然资源和劳动力等经济资源来获得独特的竞争优势。随着知识经济的到来，知识作为一种经济资源将发挥越来越重要的作用知识管理作为一种全新的经营管理模式可以提高企业的竞争力。人、信息技术和组织是知识管理的三个要素，信息技术搭建组织知识流转的信息基础结构，形成遵循组织统一入口、本体分类、知识流程和有序的知识结构体系。数据挖掘是数据库和信息决策领域的一个理论前沿，是知识发现的核心部分。数据挖掘技术可以快速有效地分析和处理来自企业内外部的大量的数据和信息，从而为企业的预测和决策提供科学依据。专心-专注-专业