摘要：大數據作為一項包容性較強的全新概念，對各行業領域以及學科均有著十分重要的影響。知識管理是一項同信息與數據緊密相連的學科與行業，對于大數據的興起相對較為敏感。如何于大數據背景下對知識管理進行全新的定位與認識，針對增強知識管理所占據的學科地位與學科能力均具有非常關鍵的作用。
關鍵詞：大數據；知識管理；知識管理系統
大數據的全面興起是計算機科學發展與進步的主要產物，計算機科學的發展與進步，使人們可以實現對于具體實物的全面詳細描畫，因此產生的龐大數據孕育出大數據向相關概念，以及基于大數據而出現的各項數據技術。大數據背景下的知識管理，具有同之前存在差異的較多新特性，并成為知識管理完成改革創新的必要基礎，同時也成為嫁接大數據技術而產生的知識管理革命。
一、大數據概述
大數據，并非單純形式的數量的提高，而是由量變演化到質變，大數據已然彰顯出多種全新特點，因此要求人們運用全新視角與思維重新認識并運用大數據。通常而言，大數據是指所涵蓋的數據量規模龐大，無法采用普通軟件工具對信息與數據進行有效處理。大數據特點主要涵蓋大量、高速、多樣、價值四大特點。面對龐大的數據，大數據同樣要求較高的處理速度，甚至要求進行實時分析。大數據價值密度相對較低，不過通過數據挖掘技術處理之后，所形成的數據價值得以提高，所形成的外部效應同小數據時代存在較大差異。
二、大數據背景下知識管理主要技術
（一）云計算
云計算為同大數據共同衍生而出的概念，云計算的主要計算對象則為大數據。云計算給企業知識管理系統內部的大數據提供相應的存儲空間以及計算能力，從而推動中小型企業能夠同大型企業同樣運用大數據技術完成對知識管理系統的建立并使其良好運行。云計算擁有較為多樣的計算模式，計算資源十分巨大，能夠為異構系統眾多的各個行業類型企業提供科學合理的處理方式。
（二）可視化
數據同信息實現可視化，且技術逐漸成熟并步入快速發展階段。可視化成為加速知識傳播同轉化的關鍵方法，因此可視化技術成為知識管理系統十分必要的技術基礎。可視化技術能夠使知識的表現形式更為豐富，并減小知識的難度便于吸收理解，加速知識于組織內部的高效傳播，便于對知識庫內的知識采取有效掌控，推動知識的發展與更新。
（三）數據挖掘
面對冗雜的數據信息，傳統形式的知識管理系統單純借助人工進行知識的發掘，大數據背景下，數據挖掘技術的.進步使得人們能夠使用該項技術從冗雜的數據信息之中挖掘具有重要價值的知識，進而推動知識庫的發展建設。
三、大數據與知識管理的應用
（一）知識管理系統更加智能化
傳統形式的知識管理系統，無論是知識庫的構建還是拓展方面，一定程度上需要借助人的智慧與力量。對于大數據背景下知識管理系統而言，不但可以取代人工自行構建知識庫，還同人工一樣具備智慧進行智能化思考與邏輯推理，同時生產并組織知識。知識管理系統的系統化智能化發展，將人類從知識管理的初始起步階段進行改革創新發展，進而更加專注于對高層級高級別知識的系統化生產與有效應用。這將成為大數據背景下知識管理系統針對傳統形式的知識管理系統的改革與創新。
（二）知識管理系統運行速率提高
隨著科學技術的不斷提升，知識管理系統所具備的處理與更新速率得到質的提升，不過大數據背景下對知識管理系統所具備的處理與更新速率有了更為嚴格要求，并且同之前知識管理系統采用的邏輯負荷以及提速方法存在較大差異，務必按照全新的大數據技術對全部業務流程進行重新安排。首先，知識管理處理數據與信息數量快速提高，因此知識管理系統自身運行速率需同步提高，方可使知識管理系統能夠得到及時更新并具備流暢處理能力。其次，針對企業運行而言，知識管理擔任的角色需要具備及時性。知識管理既包括收集整理隱形知識的慢節奏目的，尤其是現代企業之間競爭較為激烈，要求企業具備較強的知識更新速率，同時要求知識管理系統擁有較高的運行速率。最后，計算機同互聯網技術，尤其是大數據處理技術的不斷發展，為知識管理系統自身運行速率的提升奠定技術基礎，促進企業有效開展大數據規劃戰略。現代企業所具備的智能化程度不斷提升，企業生產運營的全過程均可以被知識管理系統詳細收錄，從而形成龐大的數據。在此過程內，數據與信息的收集整理速率為以上時期的最高階段，企業的全部信息數據均會被有效收集整理到數據庫，數據總量與流量相對更加龐大。
（三）知識管理面對的數據與信息更為多樣化
傳統形式的知識管理系統管理的信息同數據格式多為結構化數據，針對企業數據而言，非結構化數據與半結構形式的數據占比較大，結構化數據占比相對較小。占比較小的結構化數據盡管價值相對較大，不過基于價值總量而言，非結構化數據與半結構形式的數據占據的價值總量同樣十分重要。隨著大數據技術的進步與發展，企業的數據庫以及知識管理系統能力與水平不斷提高，對復雜多樣格式不同的數據同信息能夠做到高效處理，不但涵蓋傳統形式的文章，還有快速發展的圖像與視頻等形式的數據同信息。
（四）知識管理系統價值總量提升與價值密度減小
同傳統形式的知識管理系統相比較，大數據背景下的知識管理系統所具有的價值密度出現減小的情況。一方面是由于知識管理系統內部數據同信息總量不斷提升，另一方面是由于大數據背景下知識管理系統大多數數據同信息均為系統自動進行收集整理，同傳統形式的人工操作相比較而言，價值密度勢必減小。不過價值密度的減小，并非表示大數據的應用導致知識管理系統的整體價值出現降低。知識管理類系統雖具備的價值密度減小的同時，航天的數據與信息總量呈現出幾何級數形式的快速提高，龐大的數據所蘊含的價值總量十分巨大，大大超過價值密度減小所造成負面影響。
（五）知識管理系統處理分析的數據與信息總量提高
知識管理主要是構建于對信息同數據的收集整理分析前期下，不論何種形式的知識管理系統均為最基本的數據同信息共同組建而成，之后則為對知識的轉化以及抽取的全部過程。知識管理開始興起初期，所分析處理的數據同信息總量還不是十分巨大，在初代知識管理時期，企業知識管理主要為辦公業務有關的自動化管理，通常為郵件或是文檔數據庫為主要基礎核心，重點則為文檔管理。在初代時期，即使針對規模巨大的企業而言，其存儲的文檔總量同如今相比還算不上數量龐大。一方面是由于當時的存儲能力以及數據生產水平相對有限，使得企業生產、收集與存儲數據與信息的能力受到約束限制，當時的生產還處于較為落后的水平，無法完全實現電子化，無法采用如今種類各異的各種類型傳感器對企業整體運行采取實時監控，因此無法積累龐大的數據信息量。除此之外，當時的數據存儲水平與技術還不是十分先進，數據存儲付出的代價相對較高，使得企業存儲龐大的信息數據受到一定約束限制。另一方面，當時的數據處理水平與技術還存在一定的不足，企業存儲的龐大信息數據并不能及時高效的獲得有效的分析處理，導致企業失去對存儲龐大信息數據的主觀意愿。21世紀以來，不論是數據的生產還是信息數據的存儲與分析處理技術，均獲得快速提升，互聯網科學與計算機發展形勢十分迅猛，知識企業沒有足夠的能力對產生的巨大任務進行有效處理。IDC發布有關德國存儲實際情況的分析調查有關報告，針對德國眾多企業的抽樣調查，并對未來企業數據信息總量的快速增長進行分析預測。企業數據信息總量的提升，并不是企業內部知識管理系統的功能拓展就可以有效解決的，量變勢必導致質變，企業數據信息總量的提升已然給企業數據管理以全新特點，采用之前企業知識管理的有關概念與技術不能有效處理龐大的數據信息總量，企業務必通過全新的知識管理理念以及先進技術有效處理所面對的龐大數據信息。企業務必通過全新的知識管理理念以及先進技術對企業的知識管理系統進行創新，以此有效處理解決大數據所面對的全新挑戰。
結論
大數據作為同知識管理緊密相連的重要概念，知識管理唯有緊密圍繞大數據，并運用大數據進行改革創新，方可在大數據背景下尋找立足之處。需要對知識管理的業務步驟以及學科原理進行全新的認識與定位，還需有效運用大數據所涵蓋的各項實用技術，使知識管理能夠從內涵方面以及實踐方面成為大樹背景下的佼佼者。
參考文獻：
[1]趙蓉英,魏緒秋.聚識成智:大數據環境下的知識管理框架模型[J].情報理論與實踐,2017,40(09):20-23.
[2]王琛.大數據背景下知識管理的應用和分析[J].數字傳媒研究,2016,33(04):72-75.
[3]吳澤.大數據時代知識管理的作用和方法創新[J].圖書情報導刊,2016,1(01):110-112.
[4]盧康,周智力.大數據技術在航天企業知識管理系統中的應用[J].航天工業管理,2017,26(4):33-36.
[5]孟強.大數據時代知識管理在電商企業中的應用研究[J].經營管理者,2015,17(24):278-279.
【大數據在知識管理中的應用論文】相關文章：
本文來源：http://www.nvnqwx.com/shiyongwen/2049034.htm