集装箱公司工程项目数据采集分析与知识管理（完整版）.docx

《集装箱公司工程项目数据采集分析与知识管理（完整版）.docx》由会员分享，可在线阅读，更多相关《集装箱公司工程项目数据采集分析与知识管理（完整版）.docx（22页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、泓域咨询/集装箱公司工程项目数据采集分析与知识管理集装箱公司工程项目数据采集分析与知识管理xx有限公司一、 项目背景分析随着全球经济复苏，我国集装箱运输市场也得以快速增长。但全球各地区经济复苏不平衡等因素也造成集装箱运价持续飞涨，预计短期内仍将维持在高位。从我国沿海港口集装箱吞吐情况来看，2016-2020年国内沿海港口集装箱吞吐总量逐年增长，到2020年达到23429万TEU，同比增长1.5%;2021年1-4月累计吞吐量为7916万TEU，恢复性高速增长17.1%。从内河港口集装箱吞吐情况来看，2016-2019年国内内河集装箱吞吐总量逐年增长，到2020年受疫情影响稍有下降，全年累计吞吐

2、3001万TEU，同比下降0.5%;2021年1-4月累计吞吐量为1038万TEU，恢复性高速增长25.9%。整体来看，随着国内外经济逐渐复苏，2021年全国港口集装箱吞吐呈现恢复性高速增长的态势。二、 建立知识管理系统步骤建立知识管理系统，一般经历认知、规划、试点、投入使用与建立新制度几个阶段。（一）认知这一阶段任务是统一企业对知识管理的认识，评价企业知识管理现状，提出知识管理的策略。主要工作有：对企业管理者，尤其是高层培训，使其全面、正确地认识知识管理的作用；利用知识管理成熟度模型等多角度评价企业知识管理现状，调查、分析存在的主要问题；评价知识管理对企业发展的长远和近期影响；做出必要的决策

3、；提出实施战略和努力方向等。（二）规划在认知的基础上，制订详细的实施计划。这一阶段主要是详细分析本企业所需知识的类型，根据业务流程等制订知识管理计划。规划时，务必将知识管理融入企业管理之中。主要工作有：从战略、业务流程及职能划分的角度制订计划；实事求是地分析企业管理与知识管理的现状；从企业发展战略上提出知识管理的目标和实施策略，并对业务流程进行合理化改造；分析对知识管理的具体要求；为知识管理奠定坚实的理论与实施基础。（三）试点选取适当部门和业务试行知识管理。及时观察与记录实施结果，解决遇到的问题。咨询业务虽然需要多方面知识，但重点应放在关键知识上，提出改进知识管理的具体策略。在分析与总结试点成

4、败、要求和改进计划之后，应考虑必需的IT系统建立或改造工作。应建立有力的团队，协调各业务部门、外部参与者等多方面的行动。（四）投入使用知识管理计划试点并经完善之后，应全面推广。主要工作有：推广试点部门的具体作法和完善后的知识管理计划；将知识管理融人业务流程和价值链；建立初步的知识管理制度；将企业逐步改造成学习型组织，充分利用头脑风暴等手段和技术提炼知识。在全面推广过程中应注意：把握实施全局，合理协调企业文化、管理与技术；要恰当控制难免的混乱；将知识管理融入日常业务和工作并非一蹴而就，须持之以恒；努力使知识管理为企业发展做出贡献；对于人的思想观念等应予以引导，充分考虑实施知识管理造成的利益再分配

5、；建立有效的激励和评价制度，确保知识管理成功.（五）建立新制度建立适合于知识管理与企业发展的新制度，既是知识管理项目实施的结束，又是企业知识管理的新开端，也是企业自我完善的过程。为此，企业须重新定义发展战略，并改造企业组织结构及业务流程，准确评估知识管理为企业带来的价值。三、 工程咨询企业知识管理（一）知识管理及知识管理的组织1知识管理的概念日益激烈的竞争以及其他众多因素对工程咨询企业知识的数量与质量提出了更高的要求。从某种意义上说，知识管理是咨询企业最重要的能力。经常有人将知识管理与信息管理混为一谈。信息是知识的来源，但不一定成为知识。要想从信息中提炼知识，需要有意识地开展必要的活动，使信息

6、经过大脑的处理、加工与提炼。知识管理，是建立一套制度，开展一系列活动，获取、记录、整合、存取、更新和创新知识，以适当的形式为咨询企业所掌握，成为企业知识积累中的一部分，用来为客户、社会创造价值，不至随着企业活动的结束或停止或因当事人的离开而流失。知识管理可以延伸到人在知识方面的行为、企业管理制度与企业文化等方面。简而言之，知识管理就是对知识提炼、创造、共享和积累，以及应用等过程进行规划、实施和控制的活动。2，知识管理的必要性知识管理能够减少重复劳动，增强企业的记忆，丰富咨询企业的智慧。知识管理在全球迅猛发展的原因在于：（1）竞争。市场竞争日益激烈，创新速度加快。咨询企业必须不断获得新知识，利用

7、知识为企业和社会创造价值。要走向世界，就必须掌握与世界交流，以及获取、创造与转换知识的能力。企业文化对企业学习能力影响极大，必须摆脱封闭、保守、不思进取的陈旧文化，转变成学习型企业，才能在竞争中立于不败之地。（2）以客户为中心。企业要为客户创造价值。（3）员工流动。如果企业不能及时妥善地处理，就会丧失员工在本企业工作期间获得的知识。很多咨询企业，当某专业骨干离职后，在相当长一段时间内，无法正常开展该专业的业务，给企业和客户造成了损失。（4）不确定性。咨询企业内外不确定因素众多，市场竞争使咨询企业不能确保客户上门。当前的世界，新技术频出，更新加快，咨询企业不能确信自己为客户提出的技术方案一定成功

8、。企业及其成员获取和使用知识的能力成为企业生存与发展的决定性因素，知识已成为企业获取竞争优势的基础与稀缺资产。3知识管理的组织工程咨询企业必须建立知识管理需要的组织，明确必要的角色及其职责、权限和相互关系，并分派给适当人员。必须制订管理方针、目标以及实现这些目标所需要的规章制度。此外，还要设立必要的知识库、多渠道知识收集系统等。知识管理需要长期坚持并且努力使其成为企业文化的一部分。知识管理体系应当具备如下特征：（1）以人为本。知识管理要以人为本，咨询企业应充分发动每个部门、每一员工，贡献自己掌握的信息与知识，使之成为企业的知识与智慧。（2）以无形资产为主要对象。知识管理比以往任何管理形式都更重

9、视知识资产。（3）无间断的循环。在企业存续期间，知识管理是一个不间断的“积累一创造一应用一再积累一再创造一再应用”的循环过程（4）以提炼隐性知识为主。知识管理对象有显性和隐性知识，但以提炼隐性知识为重点，设法将隐性知识转换为易于企业内共享的知识。研究表明，大多数企业，有序、关系清楚，可供员工参考的信息与知识只占自身拥有总量的10%，其他90%存在员工个人大脑之中，且难于用语言、文字或图形清楚地表达出来供企业使用。一旦这些人流失，企业将蒙受巨大损失。（5）以创新为目标。知识管理以创新，以建立创造新知识平台为目标，创新和孕育新智慧是知识管理的标志。（6）建立学习型组织。便于知识管理的组织与叠床架屋

10、的层级组织不同，只有中间层次简单的“扁平”、开放学习型组织，才有利于知识管理。知识管理必须利用先进的信息技术与工具。有些咨询企业已按自身的发展战略及管理体制建立了独特的知识管理系统。与信息管理一样，知识管理也应具备安全管理功能，保护本企业掌握的知识不受损害。（二）知识管理原则与功能1知识管理原则（1）积累原则。知识积累是实施知识管理的基础（2）共享原则。咨询企业应使每一员工都能接触和使用公司的知识和信息。（3）交流原则。知识管理的核心是要在企业内部建立有利于交流的结构和文化，消除员工之间的交流的障碍。知识交流在上述原则中处于最高层次。2知识管理功能知识管理要获得成功，需要有完整的知识管理制度。

11、该制度应具备的主要功能如下：（1）能够清楚地了解企业已有何种知识，还需要何种知识；（2）要能够及时将知识传递给真正需要的人；（3）一定要使需要知识的人能够获取；不断生产新知识，并使整个企业的人能够使用；（4）确保进入企业的知识可靠、有生命力；（5）定期检查企业的知识是否仍然有效；（6）改造企业文化，建立激励机制，为知识管理创造便利条件。（三）内部交流与共享咨询企业内部的知识交流一方面可以让不同项目组之间交流咨询方法和经验，促进隐性知识的提炼；另一方面也便于彼此加深了解和信任，促进合作，促进知识的创新与共享。知识共享有多种方式，例如即时通信、培训与及时交流会等。知识共享将分散于各部门和各员工头脑

12、中的知识汇集起来，将知识孤岛连成大陆，产生孤岛无法产生的价值。交流可以最大限度地使知识和经验得到融合和升华，也是使旧知识得以发展、新知识得以产生的催化剂。咨询企业应当成为学习型组织，内部的知识交流是员工学习与组织学习的重要方式。咨询单位应当建立适当的激励制度，促进知识共享，在共享中充实。企业的知识管理规章和制度，应当全面鼓励各部门奉献自己的知识，与他人共享。只有这样，才有利于企业的知识积累。四）知识管理成效的评估咨询企业知识管理的好坏与成效，可从以下几个方面评估：1人力资源：培训费用、员工向心力与经验；2创新成果：研发费用、员工创新态度与比率、咨询业务的更新、知识产权；3客户态度：服务质量、合

13、作时间、咨询次数、销售额等。四、 层次分析法概述及优缺点（一）层次分析法概述层次分析法（简称AHP）是美国匹茨堡大学运筹学家T.L.satty教授于20世纪70年代初，在为美国国防部研究“应急计划”时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。该方法将决策问题的有关元素分解成目标、准则、方案等层次，在此基础上进行定性分析和定量分析的一种决策方法。这一方法的特点，是在对复杂决策问题的本质影响因素及其内在关系等进行深人分析之后，构建一个层次结构模型，然后利用较少的定量信息，把决策的思维过程数学化，从而为求解多准则或无结构特性的复杂决策问题提供一种简便的综合决策分析方法。

14、层次分析法的应用范围十分广泛，应用的领域包括：经济与计划；能源政策与资源分配；政治问题及冲突；人力资源管理；教育发展；医疗卫生；环境工程；军事指挥与武器评价；企业管理与生产经营决策；项目评价；规划咨询；资源环境承载力评价等。层次分析法优缺点1层次分析法的优点（1）系统性的分析方法层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰明确。（2）简洁实用的

15、决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，将多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。该方法计算简便，结果明确，且易于决策者了解和掌握。（3）所需定量数据信息较少层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲究定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，该方法把判断各要素的相对重要性化为简单的权重进行计算。2层次分析法的缺点（1）不能为决策者提供新方案对于大部分

16、决策者来说，如果一种分析方法能替我们分析出在我们已知的方案里的最优者，然后能指出已知方案的不足，或者甚至能提出改进方案的话，这种分析方法才是比较完美的。而层次分析法只能从原有备选方案中选择较优者，而不能为决策者提供解决问题的新方案。（2）指标过多时工作量大，且权重难以确定当我们希望能解决较普遍的问题时，指标的选取数量很可能也就随之增加，而指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵，那么就需要对许多的指标进行两两比较的工作。由于一般情况下两两比较是用1至9来说明其相对重要性，如果有越来越多的指标，对每两个指标之间的重要程度的判断可能就会出现困难，甚至会对层次单排序和总排

17、序的一致性产生影响，使一致性检验不能通过，如果不能通过，就需要进行调整，在指标数量多的时候其调整的工作量大，且权重难以确定。（3）特征值和特征向量的精确求法比较复杂在求判断矩阵的特征值和特征向量时，所用的方法和我们多元统计所用的方法是一样的。在二阶、三阶的时候，还比较容易处理，但随着指标的增加，阶数也随之增加，其人工计算也变得越来越困难，需要借助计算机来完成。五、 信息鉴别常用方法（一）溯源法对到手信息涉及的问题应追根溯源，及时核对。例如，尽量找到现场和掌握第一手资料的人；核对原始资料，并查对主要参考文献；按其中叙述的方法、步骤，重做实验或演算,以便从来源上找到鉴别依据。鉴别和筛选在手信息，判

18、断是否完整、适用与可靠，是咨询人员的重要工作。工程咨询所需信息十分广泛，不可能也不必均由咨询人员鉴别。为了确保信息可靠，应尽可能选用权威机构发布或已鉴定、批准的信息。例如，地质储量选用储量委员会批准的储量报告；地震带的分布用国家地震局的数据；历史数据用国家统计局的数据。一般来说，专业技术力量强的单位提供的信息较可靠。例如，国际金融组织的国际金融信息较可靠；来自从事钢铁、汽车行业研究的机构的钢铁、汽车业信息较可靠。（二）比较法有些信息受主客观条件限制难以溯源，对此，可用比较法，即比较不同人、不同时间和其他方面的材料；对于某一事实，说法、结论是否一致。如果一致，则基本可辨真伪。若否，就需进一步核查

19、。（三）佐证法任何事物都与其他事物有一定联系，并相互制约。找到这些联系和制约因素，便可判断事物的真伪。一般说来，口头材料不如文字材料可靠，文字不如实物可靠。分析信息产生的过程也是寻求信息佐证的办法。1普查数据一般比抽查数据全面、准确。2监测数据，长期比短期全面，监测范围大的数据比监测范围小的数据代表性强；勘探密度大的数据比勘探密度小的数据准确，科学实验和仿真模拟计算的数据比一般推理的数据准确。3核对来源不同，收集方法不同的数据。如卫星图片、航测数据可用地面实测数据验证；了解来的市场需求量与行业协会、主要企业、国家统计局的数据对比。4对比不同时期、不同来源的数据，并适当修正其间的差距。同一对象的

20、数据，在不同国家、不同历史时期，由于范围不同，计算的标准和口径可能有所不同，造成数据之间有很大的差异。在对比这些数据时，必须查明统计口径，否则就会出错。5由专家集体辨别信息是否准确，是否可靠。对于来自不同渠道的信息，可能因角度不同、口径不一、方法各异等而不一致，甚至矛盾。这时，可请专家集体讨论，弄清差异和矛盾的原因，去伪存真，取得一致意见。（四）逻辑法鉴别信息，逻辑判断必不可少。不经缜密的逻辑思考容易出错。有些基本差错，例如语言或文字的前后矛盾，夸大其词，有悖情理，以及某些虚构，禁不起逻辑的推敲。当然，逻辑合理并不总能证明事物为真，从虚假的前提出发，经过合理的逻辑推断得出的结果不会真实。因此，

21、鉴别信息，既要充分利用经验、认识和判断力，也要借助其他手段。六、 信息的综合信息综合是信息工作的重要内容。采集来的信息经常是零散、无序，甚至残缺不全，无法直接使用。对于这样的信息，须进行分析、联系、推断、整理和组合，使之成为有用信息，然后确定其特征，如精度、类型、长度、保密度、保留时间、用途等。信息综合有两种方式：一是对已有信息挖掘、延伸，引发创新需求的新信息，达到信息的“增值”，二是通过设计和试验创造新的信息。有价值的信息往往是反复推理分析和猜想后的结果，这个过程要求咨询工程师具备很强的分析、联想、综合与创造能力。七、 数据分析与挖掘概述（一）信息分析信息分析是根据咨询问题的具体需要，对与之

22、有关的信息进行整理、鉴别、评价、分析和综合，以便取得咨询所需新信息的过程。信息分析有如下几种用途：1跟踪。所谓跟踪，就是及时了解各领域新动向、新发展，从而发现问题、提出问题。2比较。比较各种事物的内部矛盾之后，把握事物间的联系，认识事物的本质，从而提出问题、确定目标、拟定方案并作出选择。3预测。利用已掌握的信息、知识和手段，推断事物的未来或未知方面。4评价。进行评价时应选择合适的变量和评价指标，应当考虑评价对象之间的可比性。信息分析所用方法，可分为定性和定量分析两种。定性方法主要靠逻辑推理；而定量方法涉及数据间的数量关系，要建立数学模型，计算、求解。如今，信息越来越复杂，定性与定量分析已无法单

23、独奏效，只能越来越多地结合起来。（二）数据分析数据分析是信息分析的一部分，数据分析是对收集数据进行系统的分析，建立适当的模型，揭示数据中隐含的技术、经济、社会和其他关系，以及发展趋势，为有关的咨询活动提交的有用的数字、信息或建议。数据分析的对象可分为时间序列和截面数据。如企业历年的咨询收入、利润总额等就是时间序列。截面数据是在同一时间的数据，如企业同一年咨询业务数目、营业额、费用、收入、人工耗费等。两种数据都要注意样本容量大小。对于截面数据，常用线性或非线性回归模型体现数据之间的各种关系。数据分析属定量分析，包括数据统计分析、时间数据分析、空间数据分析。（三）数据挖掘数据挖掘就是从数据中挖掘出

24、隐含、先前未知、有潜在用途，最终可为人理解的关系、模式、趋势和其他有用信息，并建立模型，用于预测、判断或决策，帮助企业更好地适应变化并做出更明智的决策的过程。数据挖掘广泛应用于制造、金融、零售、保健、中医药及电信等行业的客户关系管理、风险防范、供应链管理、竞争优势分析、部门分析等领域。数据挖掘要用到统计分析、人工智能、数据库和神经网络等方面的知识，如记忆推理、聚类分析、关联分析、决策树、神经网络、基因算法等。数据挖掘需要用户参与，并非某种单一工具、技术或软件即可独自完成。另一方面，并非所有信息查询都可视为数据挖掘。例如，使用数据库管理系统查找个别记录，或用搜索引擎查找互联网特定的网页，属于信息

25、检索，不能视为数据挖掘。当然，数据挖掘技术也有强大的信息检索能力。八、 大数据系统和数据挖掘技术（一）数据挖掘概述1大数据大数据是指超过既往数据库系统规模、传输速度和处理能力，或者既往数据库系统结构无法容纳的数据。大数据常以万亿或EB衡量，且种类多、实时性强，蕴藏的商业价值大。很多现有的新或旧的信息基础设施、工具和技术可用来开发和利用大数据中蕴藏的价值。大数据有各种各样的来源：传感器、气候信息、公开的信息、如杂志、报纸、文章、买卖记录、网络日志、病历、事监控、视频和图像档案，及大型电子商务。大数据是数据挖掘产生与生存发展的土壤。如今数据每五年翻一番，面对前所未有的海量数据，为了从中发现有用的信

26、息必须进行数据挖掘。此外，计算机存储、处理大量数据，以及运算的能力大为增强，为数据挖掘创造了条件，使其成为一门独特的学科和技术。2数据挖掘与数据分析的区别数据挖掘与数据分析的主要区别在于：（1）处理工作量。数据分析的数据量可能并不大，而数据挖掘的数据量极大。（2）制约条件。数据分析是从某些假设出发，建立方程或模型，而数据挖掘不作假设，可以自动建立方程。（3）处理对象。数据分析往往是针对数字型数据，而数据挖掘对象类型繁多，例如图像、声音、文本等。（4）处理结果。数据分析可以解释结果的含义；数据挖掘的结果不易解释，着眼于预测未来，并提出决策建议。想要从数据中发现规律（即认知），往往需将数据分析和数

27、据挖掘结合起来。（二）数据挖掘步骤按挖掘对象，数据挖掘分为数据库与数据仓库挖掘和网络挖掘两种，各自步骤分述如下。1数据库与数据仓库挖掘数据挖掘一般有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估和知识表示8个步骤。（1）信息收集。从确定的挖掘对象中提取特征，然后选择合适的收集方法，将收集到的信息存入数据库。对于海量数据，必须选择合适的数据仓库。（2）数据集成。把来源、格式、特点、性质不同的数据按逻辑或物理属性加以编排，以便以后使用。（3）数据规约。多数数据挖掘算法耗时很长，商业数据往往较多，数据挖掘更耗时间。数据规约就是简化已有可用数据集的表示，规约后数量大减，但仍能保持

28、原数据的完整性，对规约数据的挖掘结果，与对规约前数据的挖掘结果相同或几乎相同。（4）数据清理。有些数据不完整（属性缺少属性值）、含噪声（属性值错误），不一致（同一信息有多种表示），需要清理，使其完整、正确、一致后存入数据仓库。（5）数据变换。将数据变换成适合数据挖掘的形式。实数型数据，可将其分层和离散化。（6）数据挖掘。根据数据格式、属性与特点，选择合适的处理工具，例如统计方法、事例推理、决策树、规则推理、模糊集，甚至神经网络，取得有用的信息。（7）模式评估。由行业专家核实数据挖掘结果是否合理、是否可用。（8）知识表示。将数据挖掘得到的信息以可视方式交给用户，或作为新的知识存人知识库，供其他应

29、用程序使用。并非所有的数据挖掘都要走上述的每一步。若只有一个数据源，则可以省略数据集成。数据规约、数据清理、数据变换合称数据预处理。数据挖掘至少60%的费用要花在信息收集阶段，而至少60%以上的精力和时间要花在数据预处理上。数据挖掘是一个反复多次的过程，若一次未满足要求或未得到有用结果，则需回到前面，经过调整后重新开始。2，网络挖掘网络挖掘可分为网络用户行为挖掘与网络信息挖掘。前者基本不在工程咨询人员关心之列。后者可理解为“从WWW中发现和分析有用的信息”。网络信息挖掘是在已知数据样本的基础上，通过归纳学习、机器学习、统计分析等发现挖掘对象间的内在关系与特性，进而在网络中提取用户感兴趣的信息，

30、获得更高层次的知识和规律。网络信息挖掘沿用了Robot，全文检索、人工智能的模式识别、神经网络等技术。现在的搜索引擎使用了这些技术，能够在网页或网站数据库中为用户搜寻有用信息。网络信息挖掘具体步骤如下：（1）确立目标样本。由用户选择目标文本，提取特征信息。（2）提取特征信息。根据目标样本的词频分布，从统计词典中提取挖掘目标的特征向量并计算出相应的权值。（3）网络信息获取。先利用搜索引擎站点选择待采集站点，再利用Robot程序采集静态Web页面，最后获取被访问站点网络数据库中的动态信息，生成WWW资源索引库。（4）信息特征匹配。提取索引库中的源信息特征向量，并与目标样本的特征向量对照，将符合要求的信息交给用户。