知识管理和大数据：奇怪的床友？

        知识管理和社会协作平台之间的相互联系对于大多数人来说是显而易见的。但是，知识管理与大数据之间的联系又如何呢？ 使用KM可以帮助促进大数据带来的附加价值。

大数据知识螺旋

        Wikipedia将大数据定义为：  “大数据是对如此庞大或复杂以至于传统数据处理应用程序都不足够的数据集的广义术语。挑战包括分析，捕获，数据管理，搜索，共享，存储，传输，可视化和信息隐私。该术语通常仅指使用预测分析或其他某些高级方法从数据中提取价值，而很少使用特定大小的数据集。大数据的准确性可能会导致更自信的决策制定。更好的决策可以意味着更高的运营效率，降低成本和降低风险。”

        换句话说，大数据运动是关于从非常大的数据集中提取业务价值。我将由其他专家来撰写有关如何实现该目标的文章，因为数据库和数据操作不是我感兴趣或专业的领域。但是，一旦从数据中提取了有用的信息，便进入了处理领域并共享了从原始庞大数据集中收集到的有用情报的精髓。

        如前所述，知识管理并不总是在数据信息知识层次结构的较低级别上很好地发挥作用-一个组织可能将其定义为知识管理问题，另一组织将其视为信息管理问题。因此可能会有相当多的重叠。 

那么在大数据环境中会是什么样？让我们坚持从数据到信息再到知识的全过程：

         上个月，我们研究了Nonaka和Takeuchi的SECI模型，特别指出了该模型如何暗示我们可以将信息转化为知识，然后将其与我们将来将新信息处理为知识的经验结合起来使用。我试图在上图中以简化形式捕获此动态。 

        通过对海量数据集运行强大的分析工具而获得的信息可以转化为知识。反过来，这种知识可以应用于将来处理来自新数据集或扩展数据集的新信息。这是通常称为知识螺旋的版本。

大数据创造价值

        企业不会为了获得乐趣而存储，处理和分析非常大的数据集。他们正在寻找一些商业价值，或者正在寻找可以推动价值进一步发展的研究成果。但是，如果他们以不同的方式看待进展，会发生什么呢？ 

        大型数据集的分析可以提供多种形式的信息，包括历史趋势，可以为应用于分析的新模型的发展提供支持。但是，您想要实现的是提供决策支持的“可行见解”。可以这样声明：在过去的五年中，该公司购买了太多的原材料并且制造了太多的小部件，而这些小部件在货架上放置的时间过长，这可能是一种授权。出现了一种整体观点，这表明可以在供应链流程中提高效率。

        保留推动这一决定的知识成为下一个优先事项，可能是以系统中捕获的显式知识资产的形式，以及通过组织学习方法在“企业记忆”中捕获的知识。现在，我们坚定地回到了知识管理世界，理论的实际应用可以帮助您的组织利用显式信息和隐性知识，这些信息是应用于某些真正的大数据集的某些认真分析的最终产品！