知识管理资料

1.SECI模型

SECI模型的最初原型是野中郁次郎和竹内弘高于1995年在他们合作的《创新求胜》（《The Knowledge-Creating Company》）一书中提出，并对知识创新的知识场——巴，以及知识创新的结果与支撑——知识资产进行了全面论述。是针对日本企业中的知识管理架构而提出的独特见解，对知识创造和知识管理提出了一个新颖的认识。

野中郁次郎将企业知识划分为隐性知识和显性知识两类。所谓隐性知识包括信仰、隐喻、直觉、思维模式和所谓的“诀窍”；而显性知识则可以用规范化和系统化的语言进行传播，又称为可文本化的知识。他提出，在企业创新活动的过程中隐性知识和显性知识二者之间互相作用、互相转化，知识转化的过程实际上就是知识创造的过程。知识转化有四种基本模式——潜移默化(Socialization)、外部明示 (Externalization)、汇总组合(Combination)和内部升华 (Internalization)，即著名的SECI模型。

SECI模型存在一个基本的前提，即不管是人的学习成长，还是知识的创新，都是处在社会交往的群体与情境中来实现和完成的。正是社会的存在，才有文化的传承活动，任何人的成长、任何思想的创新都不可能脱离社会的群体、集体的智慧。因此，关于“隐性知识”与“显性知识”相互转化SECI模型的“社会化（socialization）、外在化(externalization)、组合化(combination)、内隐化(internalization)”过程，完成一次螺旋上升的每一个阶段都有一个“场（Ba）”存在。

相应于知识转化四个过程阶段的“场（Ba）”，分别为“创始场 (Originating Ba)、对话场(Interacting/Dialoguing Ba)、系统化场(Cyber/Systemizing Ba)、练习场(Exercising Ba)”。

SECI模型中四个知识转化阶段

潜移默化

第一种模式——“潜移默化”(社会化)，指的是隐性知识向隐性知识的转化。它是一个通过共享经历建立隐性知识的过程，而获取隐性知识的关键是通过观察、模仿和实践，而不是语言。

在具体的商务环境中进行的所谓“在职培训”基本上应用的就是这种原理。

例如：（l）公司与供应商及顾客直接交往及互动，因而获得了知识。

(2)勤于在公司内部各处所走动及视察，因而获得隐性知识。通常在公司内部各个实际职场皆可搜集到最新的资讯。社会化也包括隐性知识之散布。将一个人现存的想法或意念直接传达或移转给他的同仁或部属，强调“大我”的精神，愿意让人分享他个人的知识，因而创造了一个共有的知识转化之场所（ba）。

外部明示

第二种模式——“外部明示”(外化)，指隐性知识向显性知识的转化。它是一个将隐性知识用显性化的概念和语言清晰表达的过程，其转化手法有隐喻、类比、概念和模型等。这是知识创造过程中至关重要的环节。

在商业实务方面，外表化须有下列两项要素之协助：

（l）将隐性知识转化成显性知识，这会涉及一些表达的技术，以便将一个人的想法或心意利用文字、概念、比喻性文字与图片或影片等视觉教育器材等，以交谈或对话等方式加以清楚的表达出来。

（2）将顾客或专家们高度个人化或高度专业化的隐性知识转变成可以理解之形式。这会涉及演绎或推论技巧，因而须善用创造性推论。

汇总组合

第三种模式——“汇总组合”(组合化)，指的是显性知识和显性知识的组合。它是一个通过各种媒体产生的语言或数字符号，将各种显性概念组合化和系统化的过程。

在商业实务方面，组合阶段包含下列小三项程序：

（l）从公司内部或外部搜集已公开的资料等外表化知识，然后加以整合成新的显性知识。（2）利用报告或开会等方式将这种新知识传播给组织成员。

（3）将显性知识重新加以汇整及处理，使之变成公司的计划、报告或市场资料，以方便使用。公司成员在组合阶段透过会商可达成共识或协议，以便采行更具体之步骤。

内部升华

最后一种模式——“内部升华”(内化)，即显性知识到隐性知识的转化。它是一个将显性知识形象化和具体化的过程，通过“汇总组合”产生新的显性知识被组织内部员工吸收、消化，并升华成他们自己的隐性知识。

在商业实务方面，内化包含下列二个层面：

（l）须将显性知识变成具体措施而付之行动。换言之，在将显性知识的内化过程中，就可针对策略、行动方案、创新或改善等方面研拟出实际的构想或实施办法。例如，在较大型之组织所实施之教育训练计划可帮助学员了解整个组织及全体学员之情况。

（2）可利用模疑或实验等方式，帮助学员在虚拟情况下借实习过程来学习新观念或新方法。

以上四种不同的知识转化模式是一个有机的整体，它们都是组织知识创造过程中不可或缺的组成部分。总体上说，知识创造的动态过程可以被概括为：高度个人化的隐性知识通过共享化、概念化和系统化，并在整个组织内部进行传播，才能被组织内部所有员工吸收和升华。

创造知识的四种场所（Ba）的特征

在SECI模型的四个知识转化阶段中前后会经历四种场所。每个场所分别提供一个基地，以利进行某一特定阶段的知识转化程序，并使知识之创造加速进展。四种场所的特征分别说明如下：

1、原始场所（Originating Ba）

在原始场所，个人之间基于同情，或彼此相爱相惜，因而得以排除自我与他人之间的障碍，彼此交互表露其感觉、情绪、经验与心态。在此场所反应了Nishida的观点：“我爱，故我在”，而非迪卡儿的说法：“我思，故我在”因此，从原始场所展现出关怀、爱心、信任与承诺。

原始场所是知识创造过程中之起点，属于社会化阶段。个人之间亲身的面对面之接触经验对隐性知识的移转与转化十分重要。因此，应强调开放式组织设计，使员工能充分接触顾客，以便个人之间的直接交谈及沟通。

2、互动场所（Interacting Ba）

将拥有特殊知识与能力的一些人组成“一个计划小组”、特案小组，或跨越业务单位之小组。让这些小组的成员在互动场所彼此交换想法，同时也对他们自己本身的想法加以反省及分析。

互动场所代表外表化阶段，大家以开放态度，彼此充分对话，将隐性知识转变为显性知识，以便创造新知识及价值。

3.电脑场所（Cyber Ba）

电脑场所代表组合阶段（the combination phase），利用虚拟世界而非实际的空间与时间，来进行互动。在组织内部将新的显性知识与现有的资讯与知识组合，以便再产生更新的显性知识，并使之系统化。利用“线上网路”、文件与资料库等资讯来强化这项知识的转化程序。勒内·笛卡尔（Rene Descartes）的逻辑在此获得充分的发挥。

4．练习场所（Exercising Ba）

练习场所代表内化阶段（the internalization phase），能促使显性知识转化为隐性知识。在资深教师与同事的指导下，以观摩或实际演练等方式不断的练习，而非只坐著听教师讲授分析性之教材.能应用实际生活上或模拟的显性知识，并持续将这些知识内化。

上述四种场所各自的不同特征将有助于新知识之创造。在每个场所之内所产生的知识终将成为组织的知识基础而归大家共同来分享。然而，组织内的各个场所不仅是累积各种不同的资讯而已。这些场所具有动态性，能将隐性知识转化成显性知识，然后再进而将显性知识转化成隐性知识，并借此一周期循环而持续的创造新知识。

SECI模型的价值

到目前为止，野中郁次郎的SECI模型堪称是对企业知识生产过程进行的最深入的探究，其对知识转化过程的描述也是最详尽的。 SECI知识转化模型的理论价值主要在于：

(1)准确地揭示了知识生产的起点与终点，即始自高度个人化的隐性知识，通过共享化、概念化和系统化，最终升华成为组织所有成员的隐性知识。

(2)清晰地辨识了知识生产模式的常规类别，即“隐性—隐性”、“隐性—显性”、“显性—显性”和“显性—隐性”，并相应地描述了每种类别所对应的具体过程和方法。

(3)创造了一个全面评估企业知识管理绩效的工具。按照野中郁次郎的实证研究结论，只要对任何企业在四种转化模式上所做的努力进行分析，就可以大致评价这家企业在知识管理上所达到的水准了。

SECI模型的缺陷

尽管SECI模型有着较强的解释力，但在实际应用过程中我们依然发现其有较大的缺陷，主要有以下几点：

(1)SECI模型尽管详尽地阐释了知识由隐性到显性、由个人到组织之间的多次转化，但并没有揭示这一转化是如何带来企业内在效率的差异，即企业如何通过知识管理拥有竞争优势的。野中郁次郎所阐释的仅仅是知识转化的一个常规过程而已。

(2)野中郁次郎着重强调了高度个人化的隐性知识，企业知识管理的起点或知识创造的源泉。但在实践中我们不难观察到，来自于企业外部的社会知识对于企业知识生产也有非同寻常的价值。尤其是在信息技术高度发达的今天，任何企业都必须善于快速学习社会知识、快速作出反应，所以SECI模型所揭示的仅仅是企业知识形成过程的一部分，而远非全部。

(3)按照SECI模型，企业(组织)知识最终必须升华成为全体成员的隐性知识，使之成为员工的“自觉行为”。

换言之，企业核心知识的载体是组织全体成员。但在现实生活中我们可以发现，很多企业的员工流动速度极其频繁、流动幅度也相当大，比如经济严重衰退时许多大型制造企业如波音、通用电气等纷纷采取大规模裁员来降低风险，但却并不影响其在核心技术上的优势地位。这也说明组织知识的存储和作用过程相当复杂，SECI模型尚无法完满解释有关企业知

识生产过程的很多关键问题。

2.知识地图

知识地图是一种知识（既包括显性的、可编码的知识，也包括隐性知识）导航系统，并显示不同的知识存储之间重要的动态联系。一份完整的知识地图包括的内容十分丰富,它不仅要提供知识资源的存量、结构、功能、存在方位以及查询路径等，还必须清楚揭示组织内部或外部相关知识资源的类型、特征及知识之间的相互关系。它是知识管理系统的输出模块，输出的内容包括知识的来源，整合后的知识内容，知识流和知识的汇聚。它的作用是（1）协助组织机构发掘其智力资产的价值、所有权、位置和使用方法；

（2）使组织机构内各种专家技能转化为显性知识并进而内化为组织的知识资源；

（3）鉴定并排除对知识流的限制因素；发挥机构现有的知识资产的杠杆作用。

分类

（1）面向程序的知识地图

这种知识地图将关于某个流程的知识或知识源图形化表示。这里的业务流程涵盖了一个企业或一个组织机构的任何业务操作流程。面向程序的知识地图的主要作用是规划知识管理方案并推动知识管理的实践。

（2）面向概念的知识地图

其实是“分类学”的一种，是划分组织等级和进行内容分类的一种方法。在知识管理中，分类学被用于网站站点或知识库中的内容管理。

（3）面向能力的知识地图

这种知识地图将一个组织结构的各种技能，职位甚至个人的职业生涯视为一种资源并进行记录，从而勾画出了一张该机构的智力分布图。它的功能类似于黄页电话薄，可以使员工很方便地找到他们所需要的专项知识（各种技能、技术和/或职责描述）。

（4）面向社会关系的知识地图。

这类知识地图也称之为社会关系图。社会关系图揭示了不同的社会实体之间，不同的组织机构之间和统一组织内的不同成员之间关系得表现形式和处理原则。社会关系分析图的一个作用就是对一个社会背景内的共享信息进行分析。

功能

1．知识地图的搜索导航功能

与企业现在面临的信息过量一样，企业也会面临知识过量的问题。知识地图是对概念和知识关联的切实表述或分类，它起到了一种搜索导航的功能，可以使用户快速找到他们所需要的知识点，然后重新返回到相关的知识源。知识源可能指人，文献资料，非出版的原始资料，甚至可以是推动某一事务进展的原动力（特定的环境，职位，地位等）。在这一过程中你可能会成为别人的知识源，而你自己的知识源又会与其它知识相联。另外知识地图还支持用户的模糊查询，它可以将相毗邻的知识单元联系起来并进行详细的描述。用户使用隐喻的方法可以找到他们需要的却无法详细描述的知识。通常这样的知识地图是可视化的并通过所谓的“语义入口”进行浏览，使用户很容易地定位于与他们的利益相关的信息。

2．知识地图的培育评估功能

知识地图还具有对智力资产的培育和评估功能。而知识地图描述知识的过程，也是评估原有知识的过程，并且它对知识的开发、共享和应用都起到了十分重要的作用。尤其是面向程序的知识地图描述了运作一个项目需要什么样的技能、他们之间的关系怎样以及通过什么过程才能获得某种技能，这显然是进行以项目为基础的学习的工具。知识地图还能用于整个

组织或某个组织单元内各领域和部门所拥有的专家，并提供各种专家的详细信息及与其交流的环境。由于为组织创造价值的专家就是智力资本，所以这种知识地图不仅描述了专家的情况，也表示了智力资本的情况，也可以清楚地看到它对管理知识工人的重要意义。

作用

（1）有助于知识的重复利用，有效地防止知识的重复生产，节约检索和获取时间；

（2）发现“知识孤岛”并在它们之间建立联系，以促进知识共享

（3）发现企业内部能有效促进学习的非正式社团；

（4）为知识项目评估提供基础；

（5）协助员工快速获取所需知识；

（6）通过提供知识的检索，来协助企业决策及业务问题的解决；

（7）提供更多的学习、利用知识的机会;

(8)有助于知识资产的创造和评价;

(9)有助于建立合适的组织知识管理基础设施.

3．知识发现

从各种媒体表示的信息中，根据不同的需求获得知识。知识发现的目的是向使用者屏蔽原始数据的繁琐细节，从原始数据中提炼出有意义的、简洁的知识，直接向使用者报告。

基本任务

（1）数据分类

分类是数据挖掘研究的重要分支之一，是一种有效的数据分析方法。分类的目标是通过分析训练数据集，构造一个分类模型(即分类器)，该模型能够把数据库中的数据记录映射到一个给定的类别，从而可以应用于数据预测。

（2）数据聚类

当要分析的数据缺乏必要的描述信息，或者根本就无法组织成任何分类模式时，利用聚类函数把一组个体按照相似性归成若干类，这样就可以自动找到类。聚类和分类类似，都是将数据进行分组。但与分类不同的是，聚类中的组不是预先定义的，而是根据实际数据的特征按照数据之间的相似性来定义的。

（3）衰退和预报

这是一种特殊类型的分类，可以看作是根据过去和当前的数据预测未来的数据状态。通过对用衰减统计技术建模的数字值的预测，学习一种(线性或非线性)功能将数据项映射为一个数字预测变量。

（4）关联和相关性

是指发现大规模数据集中项集之间有趣的关联或相关关系。关联规则是指通过对数据库中的数据进行分析，从某一数据对象的信息来推断另一数据对象的信息，寻找出重复出现概率很高的知识模式，常用一个带有置信度因子的参数来描述这种不确定的关系。

（5）顺序发现

通常指确定数据组中的顺序模式。当数据的特定类型的关系已被发现时，这些模式同关联和相关性相似。但对关系基于时间序列的数据组，顺序发现和关联就不同了。概括总结：顺序发现是将数据映射为有关数据组的简练描述的子集或映射为数据库中一组特定用户数据的高度概括的数据。

（6）描述和辨别

是指发现一组特征规则，其中的每一条都是或者显示数据组的特征或者从对比类中区别试验类的概念的命题。

（7）时间序列分析

其任务是发现属性值的发展趋向，如从股票价格指数的金融数据、客户数据和医学数据等。它是用来搜寻相似模式以发现和预测特定模式的风险、因果关系和趋势。

类型

典型技术

典型的基于算法的知识发现技术包括：或然性和最大可能性估计的贝叶斯理论、衰退分析、最近邻、决策树、K一方法聚类、关联规则挖掘、Web和搜索引擎、数据仓库和联机分析处理(On—line Analytical Processing，OLAP) 、神经网络、遗传算法、模糊分类和聚类、粗糙分类和规则归纳等。这里介绍一种基于可视化的方法。

基于可视化方法是在图形学、科学可视化和信息可视化等领域发展起来的，包括：

①几何投射技术。是指通过使用基本的组成分析、因素分析、多维度缩放比例来发现多维数据集的有趣投影。

②基于图标技术。是指将每个多维数据项映射为图形、色彩或其他图标来改进对数据和模式的表达。

③面向像素的技术。其中每个属性只由一个有色像素表示，或者属性取值范围映射为一个固定的彩色图。

④层次技术。指细分多维空间，并用层次方式给出子空间。

⑤基于图表技术。是指通过使用查询语言和抽取技术以图表形式有效给出数据集。

⑥混合技术。是指将上述两种或多种技术合并到一起的技术。