田志刚:什么样的人适合做企业知识管理工作?

知乎社区的黄同学提出了一个问题:

如何找到知识管理相关工作 

如何找到知识管理相关工作

提的这个问题有2个问题,先澄清:

1、不需要跨专业。因为在中国的高等教育中还没有知识管理的专业(虽然一些高校开设了知识管理的课程,KM也是许多硕士和博士研究的方向),国外有但也大都在研究生这个层面,所有不涉及“跨专业”的问题。你去问问在做知识管理的童靴,95%以上的都不是知识管理专业。

2、个人知识管理不同于企业的知识管理。“自认为熟悉个人知识管理的流程和操作”,但你要找的却是企业知识管理的工作,背后是对于企业与个人KM的目标、方法区别不清,他们相辅相成,但具体操作上却差异明显,PKM是你足够好,而企业知识管理的推动人员是要让别人去参与知识管理的管理。

接下来再说:

如果想去做知识管理的工作,需要具备哪些素质和能力。或者换个角度说,企业应该选拨和招聘什么样的人来推动公司的知识管理工作?

知识管理专业人员需要的知识和能力 

知识管理专业人员需要的知识和能力

我们认为,要在某机构中从事知识管理的推动工作,必备的知识与技能包括以下3个方面:

1、具备管理学的基础知识。这个岗位是一个管理岗位,所以你需要了解管理学最基础的那套东西:管理基本职能、管理者的技能、层次与角色、管理基本原理、特征、决策、领导、人性假设等等,如果不懂找一本管理学基础的书好好看看吧。这些基础知识不懂的话你会很难理解许多本来是“常识”的东西。

2、对核心业务的深刻理解。这个公司是干什么的,是如何赚钱的,他们的优势和劣势是什么,他们所在行业的情况是神马,他们在工作中如何利用信息和知识来解决问题等等,如果你不了解这些,都没人愿意跟你聊天。

这一块经验很重要,难速成,需要积累,也需要有较强的抽象思维和分析能力,有意识的多分析、多思考。

3、对知识管理的深刻理解。知识管理的词比较“虚”,所以造成许多人都有自己“独特”的理解,但这个理解是对的吗?我见到过做知识管理许多年的人,张口闭口还是“显性知识隐性知识”,一看就没入门。

做知识管理的推动工作,你需要了解KM如何与业务结合从而确定工作目标,需要知道KM的推动机构怎么建该配什么样的人、显性内容该如何分类、如何让人愿意并能够将大家需要的内容写出来或说出来、如何让人们使用这些内容、用什么样的IT系统、如何持续的推动等内容。

这一块内容,可以去学一下KMCenter的“从知到行:知识管理实施培训”的课程,会详细的讲。

还有一些技能、知识和能力,你如果具备,可以为你做知识管理工作加分:包括对IT技术的熟悉(但你不能是技术人员)、对人员成长与发展、对图书馆情报档案知识的熟悉,这也是当前国内大部分知识管理从业人员的来源与背景。但在国外,有许多背景为销售、市场、战略的员工转型做知识管理,也有很大的优势。

另一个层面,做知识管理工作需要“特别能折腾的人”,你的工作是去“影响”而不是“命令”各种职能、部门的同事,你情商要高,要能够影响别人,性格要好。同时,你还需要有缜密清楚的大脑,善于拨开纷繁复杂的现象,找到核心问题与要害,比较“晕”的人很难做好知识管理工作。(本文作者田志刚为KMCenter主任,高级知识管理咨询顾问)

@我的微信号KMCTIAN

tianp.jpg

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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