企业应用层面知识管理咨询方法

 

如果你和有前瞻性眼光的企业老总交流,他或许会说--很重要,我应该制订什么样的战略呢?

如果你和一个渴望提升部门水平的业务负责人交流,他或许会说--到底如何和我的业务工作结合呢?该如何把业务流程和各个岗位中的关键知识梳理出来呢?

如果你和一个技术导向的信息主管交流,他或许会说--战略,太虚了,你还是帮我想想用什么功能来帮我满足这些业务部门的需求吧!

当然,不仅仅如此,还会有很多不同的言论。那么,对于那些服务提供者,该何去何从?

毕竟,这是现实存在的事实!企业客户对理解的多义性有其合理的理由,咨询服务也有着内在的非标准化的、非同质化要求。换句话说,在客户的眼里,咨询服务提供者一定不能是咨询标准方案的推销者,而是要急客户所急、想客户所想,而真正成为一个很好的倾听者和咨询服务方案设计者。

那么,这是否意味着--咨询服务无定法,而可以打乱仗呢?

当然,也不是。要使咨询服务有章可循,前提还在于有一个科学、合理且实用的咨询方法论,本文试图从这个方面作些尝试。 

咨询的核心模型--知识之轮

或许咨询做的比较久了,在想和做任何事情时,都本能的去寻求一个框架形式,使事情尽可能的结构化。我们知道,麦肯锡有经典的七步成诗法,也有实用的金字塔原理。如果咨询也能有类似的指导性框架,无论是自己做事情还是去指导客户,都会有很大的好处。

在长期的研究和实践中,我们总结和提炼了一个模型--"知识之轮"(如图所示),它对于指导企业工作的开展具有很好的指导意义,同时也给咨询服务者提供了一个参考。

"知识之轮"核心体现了三个方面的思想,一是"知识"面,二是"知识运转"面;三是"保障手段"面。

"知识"面

首先来谈谈"知识"面。知识,无疑是的核心对象,只有把它明确了,才有可能使有的放矢。但遗憾的是,很多企业往往在"知识"面前迷失了:

有的说--只要把文档管理好就可以了;

也有说--知识可不那么简单,关键是要把专家头脑里面的东西管好;

还有说--企业有那么多业务系统,系统里面那么多数据,但太零散了,也缺少整理和分析,想看一个数据怎么就那么难呢?也应该管管这个吧。

说的都有道理,这也是不同企业根据自己的需求所提出的关注点。因此,从知识形式角度来看,知识应该具有更广义的内涵,而不应该纠缠在数据、信息和知识之间的细微差别。从实用角度来看,企业的知识形式主要有三种:非结构隐性知识、非结构显性知识和结构化数据,对它们的管理原则和方法各有不同。

但是,知识形式只回答了有关"知识"一个侧面的问题,还是有很多企业对于知识存在另一侧面的困惑:

企业决策者会说--为了支撑企业的发展战略,我们哪些方面知识差距还比较大,急待提升呢?

企业运作的各个环节的能力到底怎么样?

业务负责人会说--我们想优化流程,也对流程进行了梳理,但效果还不行。横向流程好象理顺了,但在个活动环节还是无法得到足够的知识支撑,到底如何在业务运作中就能很好地管理和应用知识呢?

基层员工会说--我是一个新进员工,进入公司后,看了员工入职指南、制度规范等等就开始工作了,但我应该学哪些专业知识和技能,怎么学,向谁学呢?

这个侧面讲的事实上是知识层次的问题。一般来说,对于企业而言,知识的梳理存在三个层面:战略层面的知识梳理、流程层面的知识梳理和岗位层面的知识梳理,每个层面关注点、知识梳理手段和相应的管理措施会有不同。因此,企业必须明确做是要解决什么层面的问题;而对于咨询服务者来说,更需要能够对不同知识层面的需求对症下药,而不能总是提供"包治百病的神方"。

"知识运转"面

我们发现,无论对于处在什么层面的知识,管理的目的大都是为了提升三个"度":

掌握度(Proficiency):是组织对该知识的最高掌握水平,一个企业高手的技能不一定被企业所有人知道,而这一两个高手可能决定了企业在该知识领域内的水平。像有的球队往往有一两个明星,但有明星就可以拿金牌。企业也要有明星式的人才,他往往代表着我们企业在这个领域内的最高水平。

扩散度(Diffusion):是指组织需要应用该知识的人中大多数人对该知识的掌握水平,它反映了知识传播与扩散的程度。比如,大到对于一个跨地域的集团性企业,如何实现关键知识在集团总部和各个分子公司间的互动就是很多企业头痛的一个课题;而同样,小到一个部门、科室内部,如何实现有经验老员工的知识在内部传播也非常重要。

编码度(Codification):是用来衡量知识显性化的程度,知识的显性化是指对平时的经验、感受、领悟等进行总结和归纳,总结和归纳的结果通过文字、音像等形式记载下来的过程。我们经常发现,在一些企业中,有很多能力很强、经验丰富的专家级人才,但相对而言,总结沉淀下来的显性知识却少之又少。虽然,并不是任何一种知识都适合用编码方式来管理,但对企业级的战略性知识,如果没有沉淀,将很难塑造长久的企业级核心竞争力。

那么怎么样来有针对性的提升知识的掌握度、扩散度和编码度呢?这就需要首先使企业知识能够运转流动起来,一般来说,"知识运转"会经历以下几个过程:

沉淀:即知识编码,知识从隐性到显性的过程,提高知识编码度;

共享:知识能够为更多组织成员所学习和应用的过程;

学习和应用:吸收组织内的隐性和显性知识应用于工作实践从而创造价值,与共享环节一起改善知识扩散度;

创新:获取外部新知识或提升内部知识层次,改善知识掌握度,使该部分知识能在应用中产生直接的价值。

"保障手段"面

很多企业并没有提这个词,但也在企业内部开展了一系列的活动,比如:导师制、高层经验传播会、案例总结、专题研究小组、合理化建议等,这些行动都可以归结到"知识运转"的各个环节。但企业往往发现,开展活动的初衷很好,但效果不佳,就如导师制,很多企业都觉得是个好方法,但在企业中真正推行时却会走样,导师和学生的沟通会变成了吃饭会、抱怨会,对企业反而有负面的效果。

根据我们对国内众多企业的观察,发现企业并不是缺少活动的一颗颗珍珠,缺少的是将珍珠穿成项链的那根线。如何编织起这条线呢?还在于从文化、管理和技术三个方面将"知识运转"各环节的活动真正落地生根: 

文化:文化并不是形而上的东西,它是企业的空气,空气质量的高低直接影响着企业员工的身心健康。对来说,就需要企业需要从精神层、制度层和行为层塑造有利形成"信任和分享"的知识文化,既要有知识文化上的明确追求和愿景,也要有促成文化有效转变的配套手段。

管理:对于企业而言绝不是仅仅上一套IT系统,也绝不是一个项目的问题,而是要使内化为企业长期的管理行为。因此,如何从组织上提供保障,如何给员工传递的行为规范,如何建立配套的考核和激励制度,同样非常重要。有句话说,你想得到什么,你就需要考核什么,和相配套的考核机制是企业推进非常重要的杠杆性手段。目前,也有很多国内外优秀企业采取了平衡记分卡BSC来进行绩效管理,事实上BSC的"学习成长"维度,很大程度上就反映了方面的行为指标,从对该指标关注程度的高低也可以看出一个企业对的认识和重视程度。

IT:国内很多企业引入是从IT角度入手的,比如建立协同办公平台、文档管理系统等。客观地说,IT对在国内企业的推行是起了积极作用的,IT作为一个高效率的平台,使的很多行为能够被固化、被催化、乃至被优化。但在这方面需要避免一个倾向--为IT而IT。因为,IT毕竟只是一个框架和形式,成功的需要实现形式和内容的统一,知识本身是否有效梳理、知识提升活动是否有效设计、管理配套是否真正跟上,往往起着比IT更重要的作用。

咨询的核心方法--六大方法论

有了知识之轮模型,如何围绕该模型构建实用的方法论体系,来帮助企业切实有效的掌控进程就成为了需要回答的关键问题。

根据我们在国内不同类型项目中的经验积累,发现有六个方法论对于指导企业的建设非常重要,它们分别对应于知识之轮的不同侧面.根据六大核心方法论,咨询体系的全过程通常就包括六大阶段,即KM现状评估阶段、知识梳理阶段、知识规划阶段、规划阶段、KM系统需求分析阶段、KM系统应用实施阶段。但对于每个具体的企业来说,一般并不会在一个KM项目中把上述六个阶段的所有工作都做完,即使在同一阶段,如知识梳理或知识规划阶段,不同企业所采取的方法也会所区别。因此,这就涉及到了咨询在企业中的不同服务模式的问题。

从目前国内企业的实施情况来看,主要有以下几种模式:

(1)战略导向:企业高层重视,自上而下的推动,他们对的关注点更多是强调知识/能力和企业战略的承接。这种情况下,战略级知识梳理、战略级知识规划以及站在全局角度的规划的工作内容就比较适合,这些核心内容组合就形成了战略级咨询服务。(2)流程导向:业务部门重视或主导,或有业务推动能力的CIO主导,他们在方面强调通过知识梳理优化流程,使知识的沉淀、分享和流程执行过程紧密结合起来。这种情况下,流程级知识梳理、流程级知识规划以及基于流程级知识梳理和规划的KM系统功能需求分析工作内容就比较适合,这些核心内容就形成了流程级咨询服务。
 
(3)岗位导向:业务部门重视或主导,或企业HR部门主导,他们在方面强调对核心岗位能力/知识模型的梳理,以及在此基础上的核心岗位知识沉淀和能力发展体系。这种情况下,岗位级知识梳理、岗位级知识规划以及基于岗位级知识梳理和规划的KM系统功能需求分析工作内容就比较适合,这些核心内容就形成了岗位级咨询服务。

(4)系统规划导向:IT部门重视或主导,从的IT系统规划、设计角度切入,他们在方面强调知识管

理的系统功能规划以及功能详细需求分析,以达到在内部满足业务部门需求、外部考察选择KM软件系统供应商的需求。这种情况下,系统的功能规划和功能需求分析工作内容比较适合,这些核心内容就形成了系统规划和功能需求分析服务。

(5)系统实施导向:IT部门重视或主导,强调系统在企业的实施推动。这种情况下,对于KM软件供应商来说,只提供单纯的软件平台和系统安装、配置服务已经越来越难满足客户的需求,因为系统要在企业中得以有效推动,实施过程中员工转变促成和配套系统的知识内容调研和建设非常重要,是影响系统实施成败的关键。此时,系统应用实施咨询服务也成为了越来越多企业的选择。

以上只是列出了咨询服务的几种主要方式,当然也还存在其它形式,比如除了企业战略级的咨询外,还可以选择几个关键流程或关键岗位,进行流程或岗位级的知识梳理和规划。这些服务的组合模式,需要根据企业的具体需求而定,而不能一概而论。

有句话说的好,客户有需求是营销,客户没有需求是推销。而对于咨询服务来说,其必然要选择营销。

原文来自:雨枫技术教程网 http://www.fengfly.com
原文网址:http://www.fengfly.com/plus/view-6233-2.html

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值