智慧数据驱动的产学研协同创新知识管网研究

罗琳 顾新

摘要：分析了产学研协同创新的知识活动过程，在以大数据为背景的知识管理视阈下，提出了知识流动的“数据—人—知识”框架，探讨了智慧数据的内涵，并通过对产学研协同创新主体的知识库分析、构建产学研协同创新的知识管网模型，阐释了基于智慧数据的产学研协同创新知识流动的实现。

关键词：产学研协同创新；智慧数据；知识管网

DOI：10.13956/j.ss.1001-8409.2017.06.04

中图分类号：G322；G311 文献标识码：A 文章编号：1001-8409（2017）06-0015-04

Research of Knowledge Pipeline Driven by Smart

Data within IndustryUniversityResearch

Institute Collaborative Innovation

LUO Lin1a，2， GU Xin1ab

（1.Sihuan University a.School of Business； b.Innovation and Entrepreneurship Research Institute， Chengdu 610064；

2.Sichuan Technical Exchange Center，Chengdu 610041）

Abstract： This paper analyzes process of knowledge activities under IUR collaboration innovation. “DataHumanKnowledge” framework of knowledge flow from knowledge management point of view is proposed and essence of smart data is discussed within background of Big Data. Drawback of impacting knowledge flow is analyzed under IUR collaboration innovation. Finally， the model of knowledge pipeline driven by smart data within IUR collaborative innovation is proposed， and countermeasure and suggestion is put forward to build it.

Key words：IndustryUniversityResearch institute collaborative innovation ；Smart Data；Knowledge pipeline

随着“双创”的深入推进，多主体性和参与性成为当前创新活动的一个显著特征，而协同合作则成为发挥资源最大效益的重要途径[1]。产学研协同创新是跨组织间合作的典型模式，由企业、大学和科研院所（研究机构）等创新主体投入各自优势资源和能力，共同进行技术开发、推广和应用，共同推动知识产业化，从而使产学研各方之间的资源运动从无序走向有序，从低级有序走向高级有序，实现整体效益大于部分效益之和的协同效应[2～5]。知识是产学研协同创新的重要要素[6]，知识在参与创新活动不同主体间的扩散和转移，使得创新各主体的知识资源形成互补，最终促进了协同创新的实现[7，8]。大数据技术为产学研协同创新知识活动的具象化研究和知识管理的应用探索提供了现实支撑和实践转化的工具。

1产学研协同创新的知识活动

11知识活动过程

产学研协同创新的本质是知识的跨组织、跨场域流动和学习管理的过程，通过知识的转移、共享、吸收、消化、整合再创新，实现知识增值。知识流动贯穿于产学研协同创新的整个过程。知识能否迅速、顺畅地在合作成员之间流动是协同创新的关键[9～11]。因知识流动而形成的知识链和知识网络为产学研协同创新的知识共享、知识转移、知识学习和知识创造等知识活动提供了实现渠道。产学研协同创新主体自身的知识资源各具特色和优势，在协同中有较强的知识互补性和粘着性。通过明确知识需求、知识获取/知识共享、知识创造、知识内化、知识外化等知识流动过程形成知识链，继而随着知识链规模的扩大，众多的知识链形成知识网络，从而聚集创新能量，实现异质性组织的相互合作以及差异性知识的非线性生产[12～15]。

12协同关系

作为产学研合作的高级形式，产学研协同创新更加强调多个主体间的协作关系[16]。在产学研协同创新过程中，各知识主体内部、相互之间以及与外部环境之间开展着知识、能力和信息的交换活动，但其步调可能并不一致，因此，建立协同关系显得尤为重要。产学研各创新主体之间协同关系的建立将所有主体的创新行为基于利益共生紧密捆绑在一起，通过主体之间的相互学习和资源共享，有效推动知识的高效转移和分享，实现知识资源的优化配置和创新增值，达成协同目标。协同关系的形成过程不仅反映了参与创新活动的产学研各主体之间的关系调节，更体现了整个产学研协同创新知识协同过程中各个体成员的知识交互行为，它在各知识主体之间建立起相互联系和制约的关系，推动知识的转移、传播、分享、使用和创新。

2产学研协同创新知识活动的数据化趋势

维克托等在《大数据时代》一书中提到，大数据时代将会变革思维、商业与管理模式[17]，这是一场全球性革命。当前，产学研协同创新知识活动的研究离不开大数据环境。“大数据”与“互联网+”这一组概念为创新发展注入了一针强心剂，政府引导、各行各業以及跨届融合的创新创业已成为国家级现象。大数据带来了海量数据处理与分析的新思维与操作手段，“互联网+”催生了利用信息通信技术以及互联网平台与传统行业进行深度融合的新业态。大数据变革将深刻影响到扎根于大规模数据生态的知识创新活动。

21知识管理数据化

以知识管理为代表的理论与实践是知识活动具象化研究的主要体现。知识管理是“人—机—环境”共生的复杂系统工程。知识管理的方法与手段在促进理论深化的同时，也随着知识管理的信息技术环境与知识主体（人）的行为方式的变迁而不断改造升级。知识管理的技术流派让知识管理更加具象化，也更容易将人脑中的知识投射到具体系统中，并得以固化、共享、流动与利用。进入21世纪以来，关于知识管理的研究就带有技术背景，数据库与管理信息系统的高级应用都体现了知识管理的若干特征。韩客松等以数据挖掘与文本挖掘为技术驱动，将知识管理划分为知识库、知识共享与知识发现三个阶段，将知识发现技术作为最高阶段，强调了知识生产的技术场景[18]。随着大数据、云计算与虚拟现实技术的快速渗透，各行业在宏观与微观层面上都感受到了新技术带来的挑战与机遇。大数据及相关技术理念给知识管理的理论与实践带来了新一轮革命。中国科学院大数据挖掘与知识管理重点实验室的组建将大数据技术运用于知识管理的应用探索，更是知识管理实践数据化发展的重要体现。

22知识流动数据化

大数据带来的数据数量是呈几何指数增长的，但绝对数量的原生数据（raw data）并不能带来实际的知识价值。在知识流动过程中，如何利用数据、从数据中提炼知识以满足产学研协同创新的需求是问题的关键。

221数据到知识的转化

从数据向知识的逐层转化一直以来都是信息管理与知识管理的工作重心。DIKW模型用金字塔层次结构定义了“数据—信息—知识—智慧”的转化层次[19]。数据管理—信息管理—知识管理的递进模式认为，必须从底层数据处理做起，再到管理信息系统的设计与搭建，最后的高级层次才是对组织知识的管理。大数据时代挑战了这一经典模式，加速了从数据到知识的转化与利用。

222知识载体升级

知识需要依附于载体。早期的知识管理从文档的数字化起步，知识的载体在很长一段时间是文档。随着大数据的出现，文档层次的知识存在形式逐渐过渡到数据层次。原有的文档被分拆、打散成数据，不同的数据类型（结构化、半结构化、非结构化）成为知识的直接存在形式。在大数据环境的知识管理视阈下，数据直接对接知识，文档逐渐降入底层系统；同时，云计算平台提供了数据到知识的一站式服务，使信息系统的独立完整性概念逐渐淡化到后台。

223知识发现具有智慧性

在此背景下，知识之源直接成为数据。显性知识变得越来越容易组织与管理，而隐性知识的识别、发现与管理越来越具有挑战性。如何分析与挖掘出新知识（模式、规则等）是数据应用面临的重要问题。当前，在海量、异构、分布各处的数据管理问题的牵引下，涌现出许多大数据技术工具与方案，使数据的规整问题得到一定程度的解决，但“隐身”在海量数据中的知识仍需要微观知识主体（人）去挖掘和发现其中的智慧数据。

3知识管理视阈下的智慧数据

基于现有文献研究，本文认为智慧数据是一种从大数据海洋中精选出来的、能够成为知识酵母的数据。Michael Fitzgerald在MIT斯隆管理评论上发表了“将大数据变为智慧数据”的观点[20]，认为数据并不是越多越好。智慧数据是从大数据的“大”聚焦到知识层面的数据精华，一定程度上体现了大数据技术的成果诉求，帮助人们解决“Know What”“Know How”以及“Know Why”，使人的决策、行为变得更有智慧。本文借用DIKW金字塔模型思路，在大数据知识管理视阈下，提出知识流动“数据—人—知识”框架（如图1），进一步诠释智慧数据的内涵。

从图1可以看出，智慧数据含义在于通过数据的有效组织与提取，利用技术系统，使数据更加智能地匹配需求，结合知识主体（人）已有的知识，更加智慧地做出决策和行为，即创新进行时。智慧数据这一概念内嵌了知识与人两个核心要素，智慧内化为人的机体的一部分，可以激发其所具备的隐性知识。因此，智慧数据是具有智能化需求响应的数据，是能为人所用的有价值的知识结合体。

基于对智慧数据与知识活动能够建立直接关系的理解，通过对产学研协同创新主体的知识库分析，构建产学研协同创新的知识网管模型，以阐释智慧数据对产学研协同创新知识流动的实现。

4产学研协同创新主体的知识库

41知识库特点

在信息技术与知识管理知识的普及推动下，产学研协同创新主体不同程度地建设有自己的知识库。企业建设的知识库一般内嵌在企业信息系统之中，作为一个子系统，或以较为松散的功能耦合模式存在，包含了体现企业核心竞争力的知识资产（发明专利、产品、服务）、行业知识和管理经验等，主要为产学研協同创新提供知识接收、成果转化的土壤。高校的知识库一般由其图书馆承建，基本涵盖了高校教师、研究生与本科生的所有科研与学习活动的成果，内容多偏重于研究和教学，主要为产学研协同创新提供知识共享和学习的资源。科研机构的知识库则通常由所级或院级信息中心建设，因科研机构的级别与规模各不相同，其知识库的建设情况也大相径庭。科研机构主要以研究与开发为主，其知识库中包含的研究成果与高校相比，更接近行业实践，主要为产学研协同创新提供知识整合和转移的途径。三者的知识库各具特色，其知识资源所具有的异质性特点正是开展产学研协同创新的前提条件。

42知识库存在的问题

当前产学研协同创新各主体的知识库在促进知识流动、实现知识协同中并未完全发挥作用，普遍存在封闭性问题，在知识主体（人）、知识载体与知识管理手段等方面还不能很好地匹配产学研协同创新活动的需求。具体表现为：

（1）封闭性

封闭性是最主要的症结所在。一方面，封闭使得知识的流动与利用价值大大降低，存档意义更大一些；另一方面，长期没有新鲜知识的流入，导致内部知识的迭代与更新在一定程度上出现问题。

（2）不重视知识主体（人）作用

现实知识库更注重显性知识的贮备，大量显性知识以数字化、信息化载体储存在知识库里，人作为知识主体参与其中发挥作用的程度差强人意。这是由于知识管理技术没有打通人与知识库良性互动的通道，从而导致隐性知识的缺失。

（3）数据、技术与系统不兼容

产学研各主体的知识库由于采用的技术平台、数据库与开放手段不同，导致知识库之间不具备知识共享与互操作的基础。这样的知识存在方式一定程度上阻碍了产学研协同创新的知识流动。

针对以上知识库存在的主要问题，可以运用大数据思维，打破产学研协同创新主体各自的知识孤岛格局，建立战略式知识库联盟；深挖已有知识库，重视发挥人才作用，完善知识库显性和隐性知识储备；构建跨知识库的知识发现（技术组合与转化）平台，优化智能数据分析与挖掘功能，对产学研各主体知识库进行改造升级。

5產学研协同创新的知识管网构建

51产学研协同创新知识管网模型

产学研协同创新要求协同主体的知识能够顺畅流动，形成一张良性发展的知识网络。为此，除了需要对协同创新底层的知识网络进行联通之外，在知识流动过程中实施管控与施加特定影响也是必不可少的，即通过知识管网来确保知识流动。基于产学研协同创新主体主要涉及企业、大学和科研院所（研究机构）三大主体，本文构建了如图2所示的知识管网套层。

52知识管网模型

外三角形为产学研知识管网所依赖的大数据环境，知识创新离不开外部环境，首先要保证知识管网与外部大数据环境的互通。内三角形是知识管网的概念化边界。事实上，这里只是为了突出知识系统中产学研协同创新主体的地位，实际情况则更接近多维网状结构。

内外三角形之间的夹层称之为知识外滩。知识主体与创新活动需要从外部环境中汲取知识，从大数据中提炼所需的智慧数据，成为知识管网中的知识创新能量。知识外滩起到了大数据层与知识管网层的粘合剂作用。知识外滩包含了各种大数据技术与方法，帮助产学研创新主体从原生数据中提炼智慧数据，承担数据到知识的转化任务。知识外滩是吸收当前大数据最佳的位置，既保证了产学研协同创新已有知识活动的完整性，又能引入外部最新的理念方法，是决定知识管网中创新协同程度最好的“活性酶”。

进入知识管网后，知识流动、知识分享、知识集成与创新利用等各类知识活动均在内三角形里开展。在知识管网中还有两个功能节点：知识海绵和知识泵。知识海绵与知识泵的概念最早是施乐（Xerox）公司欧洲研究中心的学者从信息技术角度探讨知识流动与知识利用时使用的形象概念[21]，主要根据知识活动的主动与被动程度进行区分，强调主动推动与个性化推荐。知识海绵的主要作用是知识吸收与累积，是

知识管网中的被动式蓄水节点，流过该节点的知识被吸收存储下来，需要时“挤压”知识海绵，排出知识；待知识海绵蓄满后，写入知识库。知识泵在知识流动过程中起到增压引擎的作用，是能动型主动式中枢节点，具有学习功能。通过知识用户的行为数据分析与机器学习方法，有针对性地为协同创新中各类型创新团队定制与推送潜在可能需要的知识。

知识管网的理念好比电网、自来水供应网等基础资源网络形态，通过消除知识孤岛，形成知识互联，以创新为驱动，有序引导知识流动过程，在适合的场景下满足特定协同创新的知识需求，最大程度激活数据价值与知识潜能。

53知识管网的实现

可通过分阶段分层级推进策略实现产学研协同创新的知识管网构建，主要包括知识储备、知识开放、知识聚合与知识铺网四个阶段。

（1）知识储备

主要指产学研协同创新各主体知识库的自身优化，奠定协同创新的知识共享与共建的基础。同时，应注意知识库的长期可持续发展，发挥知识海绵的吸收、累积作用。

（2）知识开放

主要指产学研协同创新各主体间知识库的对话与互通。产学研协同创新各主体的知识库之间可以通过API数据接口调用，实现互通式知识检索与知识共享，主体彼此之间可以互访知识库中的内容。从这个阶段开始知识具有了基础的流动性，知识库之间实现开放性。

（3）知识聚合

在知识检索与知识分享的基础上，从知识载体与知识表征上，以需求与问题为导向，实现数据级别的知识关联、整合与集成。新的知识在知识库间的关联集成中隐现，这实际是一个知识加工过程，通过产学研协同创新各主体的知识整合，有可能打通知识壁垒或启迪新的创新思路。这一阶段中，知识在流动中转化、升级与增强。

（4）知识铺网

面向产学研协同创新的知识管网铺设固化了知识集成的要素、方法与过程，使其成为可以支撑产学研协同创新的知识基础设施，即为产学研协同创新各主体知识库之间铺设稳固的知识流动管道，形成产学研协同创新知识管网雏形。

6结语

大数据时代以开放、共享、互联的超活跃数据环境为产学研协同创新带来了不同于以往的知识创新机遇。本文提出了以人为主体的“数据—知识”直转型智慧数据理念，认为智慧数据驱动的知识创新活动将成为一种新常态，设计了产学研协同创新的知识管网概念模型，并对其所涵盖的重要方面进行了阐释，对集成、泛网化的知识管理进行了探索，为产学研协同创新知识流动的研究提供了多元化的认知思路。

参考文献：

[1]陈继祥，霍沛军，王忠民. 超竞争下的企业战略协同[J]. 上海交通大学学报：社科版，2000，8（4）：86-89.

[2]吴悦，顾新. 产学研协同创新的知识协同过程研究[J]. 中国科技论坛，2012（10）：17-23.

[3]张海滨. 高校产学研协同创新的影响因素及机制构建[J]. 福州大学学报：哲学社会科学版，2013（3）：104-107.

[4]李雪婷， 顾新. 产学研协同创新的文化冲突研究[J]. 科学管理研究，2013（1）：5-8.

[5]潘郁， 陆书星，潘芳. 大数据环境下产学研协同创新网络生态系统架构[J]. 科技进步与对策，2014（8）：1-4.

[6]陈劲，阳银娟.协同创新的理论基础与内涵[J].科学学研究，2012（2）：161-164.

[7]顾新.知识链管理——基于生命周期的组织之间的知识管理框架模型研究[M]. 成都： 四川大学出版社，2008.

[8]Burnside C. Production Function Regressions，Returns to Scale，and Externalities[J]. Journal of Monetary Economics，1996，37（2）： 177-201.

[9]Bonaccorsi A， Piccaluga A. A Theoretical Framework for the Evaluation of University-industry Relationships[J]. R&D Management，1994，24（3）： 229-247.

[10]Cauley de la Sierra M. Managing Global Alliances. Key Steps for Successful Collaboration[M]. Reading，Masp.： Addison-Wesley Pub.Co.，1995.

[11]Koschatzky K. Networking and Knowledge Transfer between Research and Industry in Transition Countries： Empirical Evidence from The Slovenian Innovation System[J]. The Journal of Technology Transfer，2002，27（1）： 27-38.

[12]Hessels L K，Lente H V. Re-thinking New Knowledge Production： A Literature Review and a Research Agenda[J].Research Policy，2008（4）： 740-760.

[13]趙力焓，石娟，顾新.知识链组织之间知识流动的过程研究[J].情报杂志，2010（7）： 70-73.

[14]钟琦，汪克夷，齐丽云.基于企业内部知识网络的知识流动分析[J].情报理论与实践.2008（3）： 397-399，406.

[15]吴悦，顾新，涂振洲.基于知识流动的产学研协同创新协同关系的形成过程研究[J]. 图书馆学研究， 2015（23）： 87-93.

[16]饶燕婷. “产学研”协同创新的内涵、要求与政策构想[J]. 高教探索，2012，（4）：29-32.

[17]维克托·迈尔·舍恩伯格，肯尼思·库克耶.大数据时代[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013.

[18]韩客松，王永成. 文本挖掘、数据挖掘和知识管理——二十一世纪的智能信息处理[J]. 情报学报，2001（1）： 100-104.

[19]Rowley，Jennifer.The Wisdom Hierarchy： Representations of the DIKW Hierarchy[J]. Journal of Information and Communication Science，2007，33（2）： 163-180.

[20]Michael Fitzgerald.Turning Big Data into Smart Data Big Idea[EB/OL]. Data & AnalyticsBlog，2013-12-02.

[21]Natalie Glance，Damián Arregui，Manfred Dardenne. Knowledge Pump： Supporting the Flow and Use of Knowledge[J].Information Technology for Knowledge Management，1998： 35-51.

（责任编辑：辜萍）