何淳真 燕昊 康瑩 王瑞 王瑤

摘要：為了實現(xiàn)企業(yè)智能決策，依據(jù)數(shù)據(jù)信息和知識之間的密切關聯(lián)，闡述和分析了基于知識的決策支持體系研究以及數(shù)據(jù)倉庫在知識管理中的應用，提出一種基于數(shù)據(jù)倉庫的知識管理平臺框架，并介紹了平臺框架建設中的關鍵管理技術和方法，為智慧型企業(yè)的知識管理系統(tǒng)建設提供新的思路。

關鍵詞：智能決策;DIKW;數(shù)據(jù)倉庫

中圖分類號：TP391;TP182? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）16-0239-03

開放科學（資源服務）標識碼（OSID）：

1 背景

在新一輪科技革命和產業(yè)變革形勢下，IBM 公司在2008年提出了“智慧地球”的理念，伴隨著云計算、大數(shù)據(jù)、物聯(lián)網等信息技術的高度發(fā)展和應用，繼而“智慧城市”“智慧企業(yè)”等戰(zhàn)略概念也紛紛進入人們的視野。在這樣的背景下，軍工企業(yè)信息化建設和發(fā)展需要抓住機遇，建設“智慧院所”“智能工廠”等實現(xiàn)研發(fā)制造管理過程的全面智能化，構建一個從感知-->決策-->行動-->優(yōu)化自循環(huán)自完善的生態(tài)環(huán)境，提高企業(yè)的核心競爭力。

管理思想學家羅素.艾可夫在1989年撰寫的《從數(shù)據(jù)到智慧》一文中闡述了關于數(shù)據(jù)、信息、知識之間的層次關系及其演變轉化模式，提出了經典的DIKW層次體系模型（Data-Information-Knowledge-Wisdom） [1]，該體系將數(shù)據(jù)、信息、知識、智慧自下而上納入一種金字塔形的層次模型中，每一層比下一層都賦予特定的特質。從體系中可以看出，知識轉化的過程是數(shù)據(jù)信息在聯(lián)結的維度上從零散到系統(tǒng)，從簡單到復雜的過程，在理解的維度上從外部到內部，淺顯到深化的過程。由此可以認為，企業(yè)中知識加工和應用的層次越高，智慧程度越高。企業(yè)通?？芍苯邮褂玫闹R層次基本屬于數(shù)據(jù)信息層面，當進一步對數(shù)據(jù)信息進行整合、加工和挖掘，將知識標準化、結構化以及模型化后，逐漸形成可自動運行、推理、判斷的高層級知識，將最合適的知識在最合適的時間傳遞給最合適的人，以使他們做出最好的決策和實施[2][3]，來實現(xiàn)企業(yè)的智慧化轉變。

同時，企業(yè)決策過程中也需要綜合考慮數(shù)據(jù)和知識的關系及其對決策行為的影響，把基于數(shù)據(jù)的客觀計算分析和知識驅動的預測判斷結合起來，能夠更好地實現(xiàn)企業(yè)的智能決策目標。因此， 在遵循“DIKW”體系基本原理下，本文提出了一種面向企業(yè)智能決策，基于數(shù)據(jù)倉庫的知識應用平臺框架，為智慧型軍工企業(yè)知識管理的建設與應用提供一種新的思路。

2 相關理論綜述

2.1 基于知識的智能決策體系

以往的決策支持體系研究受多庫系統(tǒng)結構影響，經常把數(shù)據(jù)、模型以及知識區(qū)分開來建庫及其管理系統(tǒng)，先后出現(xiàn)了基于數(shù)據(jù)的決策支持、基于模型的決策支持和基于通信的決策支持等系統(tǒng)體系，到80年代初期Bonczek等人將知識處理思想引入到決策支持系統(tǒng)中，實際上決策者在決策過程中所能獲得的事實、方法、規(guī)律或者推理判斷，都是其中必不可少的知識， 把這些作為知識進行統(tǒng)一管理和應用，有利于體系結構的簡潔和處理方法的一致性，基于知識的智能決策支持體系逐漸成為智能決策支持體系研究的主流[4]。

基于知識的智能決策體系是以日常業(yè)務處理的各類數(shù)據(jù)為基礎建立數(shù)據(jù)倉庫，與用戶驅動的知識發(fā)現(xiàn)結合使用，利用數(shù)據(jù)挖掘等技術實現(xiàn)數(shù)據(jù)的知識化應用，通過綜合分析和預測，為領導層在企業(yè)經營戰(zhàn)略、市場發(fā)展等重大問題上提供決策幫助的系統(tǒng)體系。目前大多的軍工企業(yè)在決策時所能依據(jù)的知識判斷與信息系統(tǒng)提供的信息之間存在“斷層”，傳統(tǒng)的知識管理系統(tǒng)無法有效地支持大量數(shù)據(jù)直接轉換為知識內容，仍需要依靠決策人員通過經驗將獲得的數(shù)據(jù)信息經過人為的分析、判斷、重新組織，才能轉化為可理解可使用的智能決策知識，因此，要能夠實現(xiàn)“從簡單的原始數(shù)據(jù)呈現(xiàn)到提供具有決策質量的知識與理解”，基于知識的智能決策架構需要完成對數(shù)據(jù)、知識、模型、交互四個部分的有效集成[5]：通過一系列知識處理方法從數(shù)據(jù)資源層獲取相關知識和經驗，并運用合適的知識建模方法與語言將知識規(guī)范化和模型化，根據(jù)特定任務和場景需求進行智能化的推理和演繹，在人機交互層實現(xiàn)決策幫助。

2.2 數(shù)據(jù)倉庫引入知識管理的作用

由上文可知，知識管理需要對數(shù)據(jù)信息進行深度加工和分析，提取轉化為可支持管理者決策的結構化、結論性的信息及未知的、潛在有用的知識，因此知識管理的立足點在于數(shù)據(jù)管理，它是數(shù)據(jù)管理的一種延伸和發(fā)展。在數(shù)據(jù)管理技術發(fā)展過程中，數(shù)據(jù)倉庫是在數(shù)據(jù)大量存在的情況下，為了進一步挖掘數(shù)據(jù)資源、為了決策需要應運而生的，數(shù)據(jù)倉庫之父 Bill.Inmon定義它為“面向主題的、集成的、穩(wěn)定的和隨時間變化的數(shù)據(jù)集合”。為了實現(xiàn)決策分析，數(shù)據(jù)倉庫從事務型數(shù)據(jù)中抽取分散的數(shù)據(jù)源，進一步清洗、加工、匯總和集成可得到具有特定主題、格式規(guī)范的分析型數(shù)據(jù)，而知識管理中所使用的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)技術往往依賴于經過良好組織和預處理的數(shù)據(jù)源，數(shù)據(jù)的好壞直接影響著知識發(fā)現(xiàn)的效果，因此數(shù)據(jù)倉庫和知識管理的結合成為一種必然。

基于數(shù)據(jù)管理與知識管理這種密切關系，本文提出將數(shù)據(jù)倉庫引入面向智能決策的知識管理平臺中，以集成規(guī)范化的數(shù)據(jù)主題作為數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的基礎，為決策的預測分析提供高質量數(shù)據(jù)源，且使決策更具客觀性。

3 面向智能決策的知識管理平臺框架

通過上述理論綜述和分析，本文提出將業(yè)務數(shù)據(jù)進行提取、集成和統(tǒng)一管理，以搭建主題數(shù)據(jù)庫為出發(fā)點，設計基于數(shù)據(jù)倉庫的知識管理平臺框架，通過對數(shù)據(jù)與知識的深度感知與分析應用，形成數(shù)據(jù)-信息-知識-智慧的一體化架構，通過不斷的自學習和創(chuàng)新，形成自判定-自迭代的智慧型軍工企業(yè)的先進戰(zhàn)略體系?？傮w框架如圖1所示，主要包括以下三個層次：

3.1 知識基礎層

知識基礎層為知識的來源層，包括兩個部分：一是直接來自研發(fā)生產過程中各業(yè)務系統(tǒng)、數(shù)據(jù)庫、文檔、個人手中等分散的業(yè)務資源;二是通過建立數(shù)據(jù)倉庫整合梳理形成的業(yè)務主題資源。

1）業(yè)務源：

為數(shù)據(jù)倉庫和知識庫提供源數(shù)據(jù)， 包括在研發(fā)活動過程中存儲在業(yè)務系統(tǒng)（PM、PDM、ERP等）、文件系統(tǒng)、專業(yè)數(shù)據(jù)庫中的結構化數(shù)據(jù)，以及記錄形成的電子或紙質文檔資料、非結構化的聲音影像、設計師個人電腦或者腦里的經驗等。

2）數(shù)據(jù)倉庫：

數(shù)據(jù)倉庫為知識提供高質量的數(shù)據(jù)基礎，通過整合集成業(yè)務資源，突破信息壁壘建立結構化、規(guī)范化的業(yè)務主題庫，以數(shù)據(jù)挖掘和分析等技術手段，進一步實現(xiàn)數(shù)據(jù)信息到企業(yè)知識的轉化。

建設業(yè)務主題庫的重點是數(shù)據(jù)建模，數(shù)據(jù)模型建立應基于信息資源規(guī)劃的成果，結合各類數(shù)據(jù)的綜合管理需求，在業(yè)務模型的基礎上以企業(yè)全局的角度對各業(yè)務流程節(jié)點所需的數(shù)據(jù)、產生的數(shù)據(jù)進行梳理，對梳理出的數(shù)據(jù)按照業(yè)務進行分組、分類，依據(jù)“一事一地”的存儲原則，科學地設計企業(yè)的數(shù)據(jù)存儲，其數(shù)據(jù)結構和存儲方式獨立于各職能區(qū)域和應用?？傮w建模方法如圖2所示，因為科研企業(yè)的核心是產品，構建主題數(shù)據(jù)庫可圍繞科研產品研制全生命周期為主線劃分數(shù)據(jù)主題域，建立產品的設計、工藝，試驗、生產、維保等主題數(shù)據(jù)庫，構成產品全價值鏈數(shù)據(jù)倉庫。

3.2 知識管理層

在知識管理層中，通過ETL、ESB等集成方式對基礎層進行知識聚集，并基于面向主題的數(shù)據(jù)倉庫，利用數(shù)據(jù)挖掘和知識發(fā)現(xiàn)等技術實現(xiàn)知識獲取和轉化，形成分類管理且相互關聯(lián)的知識庫，通過本體語義關系構建知識分類體系及知識圖譜，實現(xiàn)知識體系化管理與應用，同時將知識內容與研制過程中業(yè)務活動相關的工具、數(shù)據(jù)等進行統(tǒng)一封裝，形成可以在研發(fā)及管理環(huán)節(jié)自動關聯(lián)或者直接調用的知識組件，實現(xiàn)知識自動化的沉淀和更新，用以支撐智能決策分析，促進企業(yè)成員自學習和技術創(chuàng)新。

科研企業(yè)具有三大要素，即從事科研工作的人員，由科研工作者參與的產品，及科研管理產生的文檔，三者緊密結合，完成科研企業(yè)的業(yè)務活動，因此科研企業(yè)知識產生的方式按照這三個要素作為主要知識來源，將知識庫內容劃分為描述企業(yè)知識的本體知識、基于數(shù)據(jù)倉庫的數(shù)據(jù)知識，以產品科研生產為核心的模板、向導以及模型知識，以及包括標準、規(guī)范、專利等的文檔知識等。

對于顯性化知識可采用典型的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的知識管理技術進行加工處理。數(shù)據(jù)挖掘是“從大量數(shù)據(jù)中析取有用的、前所未知的和最終可理解的知識的過程”。20世紀末期國內外學者逐漸將研究重點轉移到數(shù)據(jù)驅動的知識發(fā)現(xiàn)方法上去，利用機器學習、人工神經網絡等方法，發(fā)現(xiàn)已知和未知的知識，使數(shù)據(jù)挖掘成為不需人工干預的自動過程[6]。

傳統(tǒng)的信息管理技術束手無策的豐富隱性知識則通過知識管理中的專家網絡、討論社區(qū)等方法提供統(tǒng)一的交流渠道實現(xiàn)在線協(xié)作和互助共享，將企業(yè)員工的技能與專長、經驗等通過標準化的知識模板引導入庫，不斷迭代積累形成結構化的知識，并形成知識沉淀機制和知識型企業(yè)文化。

3.3 決策支撐層

企業(yè)的智能決策系統(tǒng)由劃分不同主題域的數(shù)據(jù)倉庫提供定量計算模型，由帶有知識庫的知識管理提供定性計算模型。

定量計算模型：是各種面向決策的算法組合而形成的模型，模型的各參數(shù)由數(shù)據(jù)倉庫的主題數(shù)據(jù)庫和分析指標庫定量產生，包括預測模型、數(shù)據(jù)模型、數(shù)量經濟模型、線性規(guī)劃等， 可從完全客觀的數(shù)據(jù)層面解決單方面依靠經驗知識而導致決策依據(jù)不充分或者過于主觀的狀況。

定性計算模型：是從知識管理系統(tǒng)中提取的知識， 其主要來源于日常參與決策的知識積累、個人學習和創(chuàng)新活動的知識增加，是一個需要隱性知識顯性化、顯性知識智慧化的過程。假定企業(yè)高層參與決策的理論知識量是一個封閉的知識環(huán)，他只有擁有這個環(huán)節(jié)中的全部知識才能使決策達到最佳。因此，企業(yè)在知識管理系統(tǒng)建設中，知識管理和應用應覆蓋企業(yè)研發(fā)和管理經營活動的全過程，橫向貫通從方案、設計、工藝、裝配、調試、試驗到定型的研制流程，縱向貫穿從訂單到計劃、排產、采購、質量、交付和財務核算的計劃管控，確保知識內容從獲取、轉化到傳播共享形成一個完備的工作閉環(huán)。

4 結束語

隨著知識經濟和信息時代的高速發(fā)展，知識管理已不僅僅是輔助企業(yè)生產的一種技術手段，更是創(chuàng)新的管理思維和模式，企業(yè)逐漸意識到要通過利用組織的智慧來提高企業(yè)的應變和創(chuàng)新能力。知識管理系統(tǒng)與企業(yè)智能決策相互融合已成為企業(yè)可持續(xù)發(fā)展的必然要求，本文依據(jù)知識與數(shù)據(jù)信息的密切關系，以人為中心，以數(shù)據(jù)為基礎，構建一種面向智能決策的知識管理平臺框架，旨在通過成熟的數(shù)據(jù)倉庫技術和知識管理技術獲取多維度多層次的量化分析指標，為企業(yè)提供準確完整的最佳決策方案。

參考文獻：

[1] Ackoff R L. From Data to Wisdom[J]. Journal of Applies Systems Analysis， 1989（16）.

[2] PAN Xuwei， GU Xinjian， CHOU Yuanfu， et al. Knowledge Modeling for Knowledge Management[J]. Computer Integrated Manufaturing System， 2003， 9（7）： 517-521.

[3] YANG Fei. rom OLAP to OLAP and Knowledge Management to Knowledge Discovery[J]. Management Information System， 2001（1）： 66-68.

[4] REN Minglun， YANG Shanlin， ZHU Weidong. Enterprise Intelligent Decision Support System：Research Status and Challenge[J]. Journal of Systems Engineering， 2002， 17（5）.

[5] 李興森， 石勇， 張玲玲. 從信息爆炸到智能知識管理[M]. 北京： 科學出版社， 2010.

[6] Dhar V， Stein R. Intelligent decision support methods-the science of knowledge work[M]. New Jersey： Printice Hall， 1997： 171-180.

【通聯(lián)編輯：謝媛媛】