越来越多的公司通过收集令人难以置信数量的数据，来应对寻找未来发展趋势之挑战

——Megan Santosus

对江森自控公司（Johnson Controls）公司的首席信息官（CIO）Sam Valanju来说，知识管理是从一个词开始的：模式。

江森自控收集了各种各样的关于自动化系统以及公司开发的建筑控制系统的信息。而且，通过网络聊天室、电子邮件、现场报告等方式同呼叫中心的工作人员进行交互，江森自控拥有多种方式获取关于其顾客、产品以及从这些产品中得到的经验等知识。问题是——正如Valanju承认的那样——如何搞清这些数据的意义。

如同其他公司寻找各种渠道了解顾客一样，以获取有用的数据一样，江森自控公司内部的非结构数据也越来越显示出其价值了。当越来越多的信息只储存在各种应用系统中时，一种现实的危机——信息的净效用危机——也将被掩盖了。（见The Gathering Storm，12月份的“In the Know”专栏）。这就是为什么数据挖掘——一种特殊的工具，从多得泛滥的数据里挖掘出结构化的和相关的内容，以供组织日常运行之用——会被许多CIO提上了日程。

对Valanju来说，从一家叫做Intelligenxia的公司购买到的软件帮助他将这些混乱的数据变得有序。较单纯的技术更有趣的是江森自控使用这套软件的方式。这套软件，Valanju说道，被当作一种公司的资源来使用，它反映了不同部门之间的集中服务。举例说，一个呼叫中心的推销员想查询某种设备的安装过程。为了解决这个问题，推销员需要知道在这个领域是否有此种设备的现成知识。通过在Internet里输入一个查询——Valanju举了个例子，说在Google或者其他的搜索引擎进行搜索——这个推销员能够通过检索象e-mail和现场报告文档里的非结构化数据，来看是否存在关于此种设备、顾客甚至是影响安装的地理关系等安装规律。

然而，数据挖掘不同于搜索引擎，它所得到的信息远远超出采样数和相关内容。理想情况下，这类工具还应该能为终端用户提供分析和预测功能；也就是说，它们提供的不仅仅是信息，还包括具有可操作性的知识。在江森自控的例子里，软件规律图，或者说，能将任何人的注意力从公司手头（据Valanju估计有数百G）的非结构化数据中转移开。例如，如果存在一个一般的安装规律——如发生在冬季的相关问题，这个推销员就能够断定：气候在这里扮演了一个重要的角色。

在这个新兴市场中，Intelligenxia并不是唯一的公司。另外一些供应商也将目光瞄准在这个帮助组织理清无序数据的市场，这些公司包括ClearForest, Inxight, Megaputer和SPSS。虽然这些公司将其定位于商业智能提供商上，但实际上他们都对客户承诺同样的事情；也即，将数据转化为可以管理和可操作的知识。

当提到KM（知识管理）时，问题就不仅仅是少量、而是大量的信息了。数据挖掘只是组织从谷壳里找出谷粒的一种工具。
 
读者观点

模式

日期：2005年6月14日，09:55:38 AM

是的，模式是观察数据的关键。观察数据会让你欢呼起来。

Amazon会将其采购数据对游客开放——你所得到的是你正在浏览的本地数据。但是，如果将这些本地数据集合起来，你会得到一个全球模式。

网络分析会从个人书籍数据里发掘出潜在的模式。

Valdis Krebs

首席科学家

没有数据挖掘，KM的应用角色是什么？

时间：2005年6月12日 07:22:58 PM

如果人们仅仅被不停的告知数据并不等于知识，我们需要做的是共享我们的知识（显性的和隐性的）等等，他们从来都不会弄明白KM的概念。现实中的KM项目和系统需要真正的工具挖掘真实的知识——共享组织范围内的知识资产的平台。
 
知识管理比数据管理的范围更为宽泛

2005年4月21日 06:45:56 AM

这篇文章对知识管理的解释的十分简洁，并且试图将信息系统和知识管理结合起来。知识管理是一个十分丰富的概念。它和信息系统的区别主要有两个方面。第一，它包括来自MIS的信息；第二，它仅仅在管理决策上利用这些信息。在此过程中，KM利用所有的IT工具和技术，并为他们提供支持。DSS, ERP和其他用户界面友好的软件都能帮助KM运行得更好，从而使组织运行得更有效率和更有效果。

NIILM商学院高级讲师

数据不同于知识

时间：2005年4月20日 08:10:29 AM

商业智能(BI)系统不同于知识管理(KM)系统。也许BI只是完整的KM解决方案中的一小部分，但KM更多的是处理隐性知识——不被认为是数据的丰富信息。一个真正的KM系统应该允许用户寻找专家，或者允许用户搜寻丰富的信息，如电视媒体等。

我承认，BI系统更侧重于信息收集，但是信息收集不同于共享和收集知识。

MORI联合公司商业分析师

Rob Fay, M.I.M.
 
数据迷雾对永久的知识

时间：2005年3月16日 11:42:34 AM

组织良好的数据就是知识吗？当然，组织良好的数据对任何组织都至关重要，没有人能够否认这一点。但是大多数人也必须同时承认：绝大多数知识都隐藏在知识工作者的头脑之中，如隐性知识等。那么，为什么存在一个所谓的数据挖掘，知识管理的东西呢？不管数据挖掘的效率如何，它仍需要有人来解释数据，并确定它是否重要，然后决定如何处置它。

如果江森自控自己开发了一套世界级的数据挖掘/分析程序，它会为之自豪。的确他们值得为此自豪，但是请不要称呼它为其他的什么东西。这样会对彼此造成伤害。

Paul McDowall

学习和知识管理的特别顾问