1702300508
1702300509
·公司黄页:员工、咨询师和顾问的才能,谁会说泰语,谁懂JavaScript,谁曾经和某位顾客一起工作过……
1702300510
1702300511
·经验教训:包括成功、失误和失败的清单,为其他项目提供借鉴作用。
1702300512
1702300513
·竞争对手和供应商资料:随时更新的公司介绍和消息,包括从商业和公众资源获取的信息、销售人员的电话、呼叫中心报告、参加专业研讨会的记录、专家电话簿和政策法规新闻等。
1702300514
1702300515
·公司制度和政策:工作流程及流程图、计划、程序、原则和方针、标准、政策、绩效指标、股东和客户资料、产品和服务(包括特征、性能、定价、销售和售后维修)。
1702300516
1702300517
·公司产品和流程:技术、发明、数据、出版物、战略和文化、结构和系统、有效的日常管理规定和程序。
1702300518
1702300519
如何储存知识
1702300520
1702300521
除非以对个人和组织有用的方式对知识进行编码和储存,否则知识只不过是一堆无用的数据。许多企业被绝望地淹没在海量的数据信息中,致使信息高速公路上狼藉不堪。毫无关联、扭曲的、碎片化和不准确的知识不能带来学习。要决定什么数据有用,企业必须以学习需求和组织运营为依据首先确定什么数据有价值,然后对有价值的数据编码归档。另外,组织还必须建立良好的标准来甄别新知识,制订规划来阐明知识和选择合适地点储存知识。
1702300522
1702300523
储存组织知识的方法应能够帮助员工做到:
1702300524
1702300525
·确定哪一位同事可能具备特定工作所需要的知识。
1702300526
1702300527
·确定那位同事对所学到的经验教训感兴趣。
1702300528
1702300529
·将所学到的经验教训注入公司“内存”中。
1702300530
1702300531
美国信诺(Cigna)是一家领先的保险公司,该公司知道卓越来源于明智的选择。信诺公司意识到意义重大的隐性知识和专业技能遍布整个企业,但是,公司早期并不能够汲取到这些知识并将其传播。公司将建立和维护知识库的工作交给了“居家办公”(Home office)管理人员,知识库囊括了工作清单、常规惯例、风险管理纲要和专家名单等内容,这些知识安装在软件中,供核保人员在处理投保申请时使用。现在,如果位于加利福尼亚的一家养老院需要买保险,保单定制软件会告知代理人离养老院最近的地震断裂带的位置和来自公司专家对该断裂带可能形成威胁等级的预测。当信息到来时,管理人员会评估其真实可靠性后再录入数据库。
1702300532
1702300533
知识储存的难点
1702300534
1702300535
储存知识既涉及技术也事关人员,再一次说明这一点很重要。随着组织从物理和地理位置上日益分散,变得更加专业化和分权化,组织知识储存系统很可能变得支离破碎,作为整体的组织可能得不到由知识产生的利益。由于工作越来越依赖计算机,来源于不同专门领域的信息可以跨越职能鸿沟得到沟通和传播,网络信息传输技术必须得到充分利用,从而使碎片化的信息能够被重新解读和在公司内外交流。
1702300536
1702300537
即使新技术能够储存和提供更多的信息,我们也必须思考数据泛滥或信息过载的潜在问题。组织储存信息的量不应该超过组织成员掌控信息的能力范围。
1702300538
1702300539
分析和挖掘数据
1702300540
1702300541
在过去30年中,企业在获取和储存大量运营数据方面已显得驾轻就熟,尽管分析和挖掘大数据并诠释其内容的新方法和工具已经唾手可得,然而,直到最近,我们并没有看到对这些宝贵数据的相应分析技术和重构、验证和编码取得任何进展。
1702300542
1702300543
数据挖掘是企业用来发现并赋予数据意义的最新分析工具。通过揭示数据之中存在的新的规律和拟合模型,员工储存和提取信息用于制定战略和解决业务难题将更加方便。新的软件已经开发成功,用于大量数据分析和揭示数据背后隐含的规律。当在线分析程序还在解答管理者的疑问时,数据挖掘软件已经可以回答管理者想都没有想过的问题。
1702300544
1702300545
数据挖掘承载了多重功能,例如分类、回归分析、组群、综述、建模和离散分析等。数据挖掘方法包括案例法、决策树、非线性回归和分类、概率图-相关模型、交互式学习和智能代理等。
1702300546
1702300547
数据挖掘工具
1702300548
1702300549
数据挖掘工具是能够从数据中提炼信息的软件,为个人和公司采集大量数据并就特定的一个人或一群人做出决策。一些最常用的数据挖掘工具应用在市场营销、欺诈保护和监控等领域。
1702300550
1702300551
费亚德(Fayyad,1996)等指出:数据挖掘通常用来完成四项工作任务:
1702300552
1702300553
·分组:是发现数据中存在的某种“共同性”或“相似性”群组或结构,不同于已知的群组或结构。
1702300554
1702300555
·分类:是将已知的结构应用于新的数据。例如,电子邮件程序可以将收到的电子邮件分类为合法邮件或垃圾邮件。常用的分类程序有决策树、最近邻、贝叶斯法、神经网络和支持向量机。
1702300556
1702300557
·回归:则是通过函数建立数据模型,找出误差最小的函数式。
[
上一页 ]
[ :1.702300508e+09 ]
[
下一页 ]