大数据环境下企业技术创新知识管理模式研究

郭亚军 赵路路 赵静

〔摘 要〕大数据为企业技术创新创造了条件，为企业的发展带来了新机遇。通过研究大数据和知识管理对企业技术创新产生的影响，构建了以市场需求为导向、以大数据技术为依托、以大数据资源深层开发为基础、以网络化协同创新为手段的企业技术创新的知识管理模式，并提出实施策略。

〔关键词〕大数据；企业；技术创新；知识管理；模式

DOI：10.3969/j.issn.1008-0821.2016.07.003

〔中图分类号〕G250255；F2731 〔文献标识码〕A 〔文章编号〕1008-0821（2016）07-0013-05

随着计算机、互联网、移动互联网、物联网、可穿戴设备、智能硬件的大众化以及博客、论坛、微信等网络交流方式的日益普及，种类繁多的数据源定期或不定期地产生大量的结构化和非结构化的数据，数据总量以无与伦比的速度急剧膨胀，“大数据时代”已经到来。

2015年8月31日，经李克强总理签批，国务院印发《关于促进大数据发展的行动纲要》，指出“要深化大数据在各行业创新应用，使开放的大数据成为促进创业创新的新动力。”大数据为企业技术创新创造了条件，为企业的发展带来了新机遇。但很多企业面对海量的数据，往往显得手足无措。一方面，大数据如同一座“宝藏”，吸引着企业去挖掘出有利于技术创新与企业发展的“宝物”；另一方面，这座“宝藏”中掺杂着大量的“杂质”，如果不能在有限的时间内剔除这些“杂质”并挖掘出有利用价值的“宝物”，那这座“宝藏”与一座普通的大山并无区别。这个时候，知识管理就显得尤为重要。通过知识管理与大数据挖掘方法，从海量数据中提取隐藏性、潜在性的有用信息，有效地发现知识，共享知识，服务于企业的技术创新。

1 大数据和知识管理对企业技术创新的影响

大数据（Big Data）是当前全球各行各业研究的热点问题。对于大数据，目前还没有一个统一的定义，众多研究机构和学者的表述各不相同，但对其内涵已经基本达成共识。2008年《自然》杂志（Nature）发表的大数据专刊中，大数据被定义为“代表着人类认知过程的进步，数据集的规模是无法在可容忍的时间内用目前的技术、方法和理论去获取、管理、处理的数据”[1]。2011年麦肯锡公司（McKinsey）发布的研究报告认为，大数据是指其大小超出了典型数据库软件的采集、储存、管理和分析等能力的数据集[2]。对企业而言，大数据的研究和利用的重要性毋庸置疑。大数据为企业提供了丰富的资源，使得企业能够收集到来自不同领域、不同用户需求的大量数据，有利于提高信息资源的真实性；高频数据的产生，增加信息的实时性，使企业能获得即时传播的数据，以应对瞬息万变的社会。充分利用大数据的这些优势可以为企业技术创新打下坚实的基础，使得企业在与同行竞争中占据优势地位。

大数据的有效利用离不开良好的知识管理模式。知识管理可以将大量杂乱的数据有序化，使企业技术创新更顺畅地进行，有利于企业技术创新规范化。Itami和Nu-magami认为，技术是“关于自然事物和人为事物的功能以及相互作用的系统知识”[3]，可见技术本身就是知识的一种形式。Konaka和Takeuchi指出，知识管理是技术创新持续进行的根本保证[4]。

大数据和知识管理的理论、方法与技术对企业技术创新产生了深远的影响，带来了一些新的特点，重点表现在以下3个方面：

11 技术创新资源从小数据向大数据转变

企业技术创新是一项复杂的、持续时间长的系统工程，它要求企业有较强的技术创新能力。企业技术创新能力是企业技术创新的资源投入以及技术创新过程中对创新资源的运用、活动实施和调控管理的能力[5]。因此，技术创新资源的获取和运用至关重要。

在大数据时代，企业技术创新的资源更多来自海量复杂的大数据中所获取的知识，大数据和由此产生的知识成为创新的源泉和推动力。大数据具有“4V”特性[6]，即：Volume（海量数据）、Value（有价值的数据所占比例较小）、Variety（数据类型多样化）、Velocity（数据处理速度快）。企业要完成技术创新需要将多种来源的多种介质的大数据资源进行融合，让结构化、半结构化和非结构化数据得以综合利用，从而获取技术创新所需要的知识。由于数据更新周期极短，企业必须在确保信息时效性的前提下进行数据资源的融合和综合利用。

12 技术创新主体从独立向协同转变

开放式创新（Open Innovation）理论的提出者Henry Chesbrough认为，世界上充满了知识，公司不需要完全依赖公司内部进行科研[7]。大数据和“互联网+”环境下，企业技术创新主体更加呈现出从独立向协同的转变趋势。企业是技术创新的主体，并不意味着企业包揽了技术创新过程中的所有工作，很少有单个企业具有足够宽广的知识实现企业技术创新。技术创新往往不是由某家企业或某个部门来单独完成，需要不同的单位、部门、个人等多个主体进行协同创新。

企业技术创新常常依赖于多个科学技术领域的合作才能实现。那些具有较强创新需求和高技术产业化的物质能力的企业能够快速地捕捉市场动态和需求；作为技术创新体系中关键因素的高校为企业提供人力资源和企业技术资本；科研院所根据市场需求研发新技术；政府为企业技术创新提供各种技术服务支持。在以企业为核心，高校、科研院所、政府为辅的多元主体协同创新模式中，通过主体间的密切合作，制定统一的目标和切合实际的战略，减少了企业独立进行技术创新需要的成本，提高了技术创新的效率，从而达到协同互补的效果。

在协同创新的过程中必然会涉及知识转移和知识管理。在知识管理的基础上，使经过筛选、分析、整理的数据整合成有价值的知识，不同主体间需要通过实时交互使知识得以转移，协同完成企业技术创新。

13 技术创新管理模式从粗放向精细化转变

随着市场竞争的日益激烈，企业家或相关专家凭借个人经验完成技术创新决策的制定，这种传统的技术创新管理模式已经不再适用于现今复杂的市场环境了。企业在技术创新管理中越来越重视用数据说话，在数据分析的基础上制定和实施技术创新的相关决策。

例如，在技术创新的过程中，如果企业的高层希望通过市场需求分析来把握新产品的市场动向，制定合理有效的产品研发和销售策略，就必须使用数据分析手段。根据企业的业务需求进行用户数据收集，对收集到的数据进行过滤、集成、分析、处理等形成数据集合，利用适合的数据挖掘工具对数据进行挖掘，得到有价值的客户知识及模式，将其传递给相应的部门加以利用。

实行“一切以数据说话”的精细化企业技术创新管理模式，可以使企业深入分析客户的消费趋势，加深客户的忠实度，挖掘新的商业机会，预测技术创新产品的发展方向，调整产业结构、工作流程、服务形式等，为企业健康快速的发展保驾护航。

2 大数据环境下的企业技术创新知识管理模式构建

立足于大数据环境，构建以市场需求为导向、以大数据技术为依托、以大数据资源深层开发为基础、以网络化协同创新为手段的企业技术创新知识管理模式，对企业改善创新环境、完善创新功能、提高创新效用是非常有必要的。技术创新的方向、知识、手段是“大数据环境下的企业技术创新知识管理模式”的3个基本支撑点（如图1所示），模式的逻辑如下：以大数据挖掘的方式获得市场需求，以市场需求为导向来确定企业技术创新的方向；针对技术创新的方向搜集各种介质的海量的大数据资源并予以开发利用，用以支持技术创新；面对大数据资源，需要进行清洗、治理，进行知识组织，将技术创新的相关知识提炼出来；知识检索与挖掘则为企业技术创新过程中随时随地获得相应知识提供便捷的工具；在已有大数据和知识资源的基础上，借助网络化协同创新的手段，实现不同创新主体之间的知识共享，共同完成技术创新的目标。

21 市场需求获取

随着经济全球化以及信息技术的迅猛发展，企业间的竞争愈演愈烈，企业的经营理念从传统的“以产品为中心”向“以客户为中心”转变。因此，市场需求的获取在企业技术创新中是至关重要的一环，它是企业技术创新知识管理的导向。

在大数据环境下，如何把浩瀚的客户数据转化为适用的市场需求信息，是这一环节的首要任务。为解决这一难题企业需要运用大数据挖掘技术。

运用大数据挖掘技术的聚类功能可按照不同标准，如顾客的消费习惯、消费心理、购买力、购买频率等将顾客划分为不同的群体，针对不同群体开发针对性产品，提供针对性服务，以提升客户的满意度，最大限度地挖掘客户对企业的经营价值。通过对客户进行细分有助于企业针对不同特征的用户开展个性化的服务，使企业技术创新更加的精准。

原有客户是维持企业经营的重要保障，但他们并不是一成不变的，因此，保持原有客户对企业来说是极其必要的。时刻关注固有用户的动态消费情况，运用数据挖掘技术预测和识别潜在的流失者，并对他们的行为模式进行分析，挖掘出用户对产品或服务的新的或潜在的功能诉求，企业再针对性的采取补救措施，以期达到保持客户的目的。

对企业的技术创新来说，不断发现新的客户群体与保持原有客户同等重要。因此，在客户发现这方面，企业可以运用数据挖掘技术对消费者偏好或生活习惯的变动等进行分析，得出预期的目标市场即潜在的用户群体及他们的购买需求。根据潜在用户的购买需求开发研制新的产品，扩大用户群。

22 大数据资源开发

技术创新需要大量的数据资源作支撑，企业对大数据资源开发是将海量的、多介质的大数据进行集成、治理与共享的过程。

企业数据集成是将企业原本离散的、多元的、异构的、分布的信息资源通过物理的或逻辑的方式组织成一个整体，解决“信息孤岛”问题，实现信息资源的优化配置和共享，最终提升组织核心竞争力的动态过程[8]。企业不论大小，经过一段时间的发展，必定会存在杂乱、重复、有利用价值的、废弃的数据不断堆叠在一起的现象，数据集成的需求日益迫切。企业要建立自己的信息系统，用来盛放这些多介质的海量的大数据资源并对这些资源进行集成，使数据资源不断推陈出新，保持新的活力，供企业进行技术创新时使用。

数据资源的整合共享以及利用作为联通不同信息系统之间的基本手段，加速了信息的多重利用。知识的积累促进新工艺、新产品的迅速增长，新工艺的革新、新产品的研发又推动了产品需求的变化，产品需求的持续增加要求企业不断进行技术创新。信息共享可以形成知识流，信息进入企业各系统后，各个主体和环境进行互动，以此推动企业整个产业结构的升级，提高技术创新的速度，促进企业相应产业的持续发展。

23 知识组织

知识组织体系构建的终极目标是将知识资源规范化、有序化和优化后按需求提供给用户，其间需要用户行为模式与知识资源之间的匹配与互动，是一种知识“固化活化”的相互转换升级，旨在提供可控性的高效知识服务[9]。

在网络环境下，由于数据资源和系统的分散性和异构性的特点，知识组织体系为适应这些特性需要开放集成不同分布、不同结构的多样化、多介质的数字信息资源需要打破传统的模式，构建“开放的知识组织体系互操作机制”。它具有以下功能：对信息资源及其内容和内容的语义进行有效组织和描述，从多层次多角度出发动态的组织信息资源；对数据进行筛选、分析、整理并实现数据在不同的应用系统间的传递、转化及复用；能够实现多语言、多检索词、多限制条件的组合型检索，尽量满足不同用户的不同需求；对信息实行跨库链接、整合，支持将用户所需要的资源转移到用户的信息系统里。

使用开放的知识组织体系时，在联机状态下，两个或两个不同的应用系统可以实现信息的实时交互，充分共享和利用信息，使企业达到协同创新的目的，完成特定任务及目标。

24 知识检索与知识挖掘

在企业的知识管理模式中，完成大数据资源的开发和知识组织后要考虑到知识检索的个性化需求。企业进行技术创新时，研发人员需检索技术创新的知识，因为有了数据资源的集成、治理和共享，并对其进行了知识组织，知识检索就变得切实可行了。

为了有效地检索到与企业技术创新需求相适应的、最优化的信息，这就需要企业提供知识导航及检索工具，以实现智能检索，提供个性化的知识检索服务。知识地图导航下的个性化获取机制，能很好地解决这一问题。

“知识地图”的概念是BCBrooks提出的，他认为对文献中的逻辑内容进行分析，找到相互关联、相互影响，能够引起人们创造和思考的知识点，使这些知识点结合在一起即“知识地图”，通过它揭示了知识的有机结构，通过每个连接点都能找到所需知识和相关知识[10]。在知识地图的导航下进行知识检索可以有效避免“孤岛词汇”、“忠实表达”问题的产生，同时个性的获取机制可以将知识和人联系起来，满足企业研发人员对信息的个性化需求，从而有效的管理企业的无形资产并推动企业技术创新的可持续发展。

知识检索后得到的和企业数据库中包含的信息如此之多，进行人工分析几乎不可能获得支持企业技术创新的信息。在很多情况下，数据分析人员需要借助数据挖掘与知识发现工具来实现。企业可以根据自身经济状况需要选择适合本企业操作应用的工具，由于国内数据挖掘工具还处于起步阶段，可以考虑引进国外先进的数据挖掘与知识发现软件，如Rapid Miner和Clementine。

25 网络化协同创新

随着大数据时代的到来，加之企业间的竞争日益激烈，产品更新换代的速度不断加快，客户和市场要求企业在对市场需求做出敏捷、精准反应的同时还要求产品具有优良的品质。在这种环境下，传统的技术创新机制已不能满足企业的需要，于是基于大数据和云计算的网络化协同创新机制应运而生。

网络化协同创新机制首先体现在技术创新大数据资源的协同收集上，大数据类型多种多样且数量庞大，靠单一机构或个人的能力很难完成对数据的收集处理工作，需要多人、多部门的合作与数据共享。其次，创新手段和工具的协同成为分析处理大规模、多类型数据集的必然要求，大数据环境下，信息分析问题越来越复杂，综合运用多种方法、技术和工具开展大数据分析的特征会越来越明显。最后，人员的跨界协同合作可以实现优势互补，使参与分析的人员发挥各自的能力，共同致力于技术创新任务的完成。

云计算技术的出现使得对大数据的存储、处理能力得到提高。由于云计算中用到的数据是分布式存储，共享资源分块储存在不同云节点上，加之云中包含备份功能，很好地解决了突发的服务器故障导致的用户不能存储和利用资源问题以及共享资源遭到破坏和损毁时用户不能及时使用问题。

与传统的技术创新机制不同，基于大数据和云计算的网络化协同创新机制可以在原有的技术创新机制的基础上，利用云存储的相关数据库，整合技术资源、企业数据库中非加密信息等，实现知识共享，达到协同创新的目的。

3 大数据环境下的企业技术创新知识管理实施策略

企业技术创新知识管理模式的实施与构建同等重要，为充分利用该模式为企业的发展带来最大效益，需要做好资源建设、技术保障、流程再造、管理改进等工作。

31 资源建设

企业技术创新需要大量的数据资源，如市场需求信息、用户购买情况、产品竞争优势与劣势、企业的技术知识和理论知识等。对这些多介质、多渠道、海量的大数据资源进行迅速地获取、存储和有效整理，能使企业准确地把握技术创新的方向，制定合理的研发计划，在技术创新过程中得到数据资源的支持。

在竞争激烈的市场环境下，企业要积极拥抱大数据，实施知识管理使企业保持技术创新优势。构建良好的企业技术创新管理模式要做到以下三点[11]：构建以技术创新与市场创新为中心的知识网络；以优化技术创新流程为基础的知识管理系统；以提高技术创新能力为目标的知识管理作业机理。它通过对多种类的大数据资源，如企业积累的经营数据进行存储、分类，对市场需求数据分析的实时更新，对多元的创新主体提供的共享资源的获取，为企业的创新确立方向、奠定资源基础。经过共享和回馈，不断充实企业内部知识，最终形成企业资源库，为企业的技术创新提供有力保障。

32 技术保障

企业的技术创新与知识管理必须有一定的技术支持，包括对大数据集成、整合共享技术，知识地图导航下的知识检索，数据挖掘与知识发现工具，基于大数据和云计算的协同创新平台等。

由于资金限制与规模需求的不同，企业可能无法或无须完全囊括这些技术，这时可以通过协同创新的手段，实现高校和科研院所、企业、政府间的密切合作，从而达到协同互补的效果。减少了企业独立进行技术创新需要的成本，同时通过知识共享获得技术创新所需的信息。

已经拥有这些技术并不能一劳永逸，企业要有相应的技术人员，能够充分发挥这些技术的用途，并要定期升级更新。企业的技术保障是实施技术创新知识管理模式策略的关键环节。

33 流程再造

技术创新是企业永恒的主题，根据大数据环境下企业面临的新挑战，对传统企业技术创新管理流程进行调整改造，以顺应时代发展，能够使企业不断地推陈出新，迎合市场需求的变化，使企业时刻保持活力。

流程再造建立在新的组织结构上。由于“技术创新资源从小数据向大数据转变”，企业需要在原有的基础上扩大企业数据库，以满足对大数据资源的存储和处理；在技术保障为依托的前提下，技术创新人员将市场需求转化为技术需求，需要企业升级或引进新的技术；最后，以网络化协同创新为手段，多个创新主体协同开发，构建以企业为核心，高校、科研院所、政府为辅的多元主体协同创新模式，这就要求企业在维持与原有合作伙伴关系的基础上，与高校、科研院所、政府等创新主体建立新的合作关系。

企业的流程再造意义重大，企业自身的变革才能带动企业产品及技术创新的革新，它是企业面对时代发展做出积极响应的体现，以应对新形势下的外部与内部不断出现的压力，推动企业走上更快、更强的发展道路。

34 管理改进

管理改进主要集中体现在两个方面，即以数据为基础的企业技术创新精细化管理和知识管理。

传统的由个体独立完成相关决策的粗放型的管理模式需要加以改进。企业的技术创新需要一个团队来实现，该团队的成员需要具备洞察产业生态环境的能力、了解市场需求和客户需求动向的能力、熟悉并掌握企业核心技术的能力等。这些能力的实现建立在对大数据管理的基础上，实行“一切以数据说话”的精细化企业技术创新模式。

由于收集到的数据较匮乏，传统的知识管理体系比较简单。如今，在网络环境下，企业获得的数据资源已然成为企业的竞争力之一，因此打破传统的模式并对其改进迫在眉睫。在原有的知识管理体系的基础上，引进实现诸如个性化信息检索功能、大数据处理功能、跨库链接功能等的技术，使其逐步接近“开放的知识组织体系互操作机制”。

4 结 语

企业技术创新是当代企业的核心竞争力，使企业在日益复杂的社会、市场环境下，把握住时代的脉搏，在行业竞争中占据一席之地，获得更好更快的发展。

本文从企业进行技术创新时应研究的重点议题出发，构建了以市场需求为导向、以信息技术为依托、以大数据资源深层开发为基础、以网络化协同创新为手段的企业技术创新知识管理模式，探讨了该模式的实施策略等方面的问题。

目前，关于企业技术创新知识管理模式的研究得到了社会各界的高度重视，但由于研究边界较广、研究时间短，对大数据这一时代背景的研究也还不够深入，一些关键性的问题还未得到合理解决。本文旨在呼吁企业、政府加大对企业技术创新体系的研究力度，使企业能更好地应对动态变化的环境。

参考文献

[1]David Goldston et al.Big data：Science in the petabyte era[J].Nature，2008，455（9）：1-136.

[2]James Manyika，Michael Chui，Brad Brown，et al.Big data：The next frontier for innovation，competition，and productivity[R].McKinsey Global Institute，2011.

[3]Hiroyuki Itami，Tsuyoshi Numagami.Dynamic interaction between strategy and technology[J].Strategic Management Journal，1992，（13）：119-135.

[4]Nonaka，Takeuchi.The knowledge-creating company：How Japanese companies create the dynamics of innovation[M].New York：Oxford University Press，1995.

[5]刘海涛，孙明贵.关于企业技术创新能力的分析[J].经济与管理研究，2009，（7）：97-100.

[6]Benjamin SWoo.Big Data：Finding Answers Where There Are Yet To Be Questions？[C].BIG DATA World Forum，2011.

[7]Henry Chesbrough.The era of open innovation[J].MIT Sloan Management Review，2003，44（3）：35-41.

[8]唐晓波，刘婷婷.基于本体的多Agent企业数据集成模型研究[J].情报杂志，2009，（10）：119-123.

[9]滕广春，田依林，董立丽，等.知识组织体系的解构与重构[J].情报理论与实践，2011，（9）：15-18.

[10]Brooks B C.The Foundation of Information Science，Part Ⅲ.Quantitative Aspects，Objective Maps and Subjective Landscapes[J].Journal of Information Science，1980，（2）：269-275.

[11]詹湘东，丁军强.企业技术创新的知识管理应用模式分析[J].科技进步与对策，2006，（1）：150-152.

（本文责任编辑：郭沫含）