论文部分内容阅读
摘 要：本文探讨了在一建构完善的数据库中，挖掘建立利用数据挖掘的技术，将其应用在知识管理上，以有助于组织出有用的信息。期望能够妥善地管理其知识，使企业能够更具竞争。
关键词：知识管理；知识管理系统；信息系统；数据挖掘
一、引言
随着时间的演进，以及生活水平的提升，造成人類经济活动历经三个时代：农业时代、 工业时代以及信息时代，而工作也从原先的劳力密集，渐渐转向以脑力密集的工作为主，尤其在现今的信息时代里，企业强调的是如何运用员工的智能与知识来创造新的利润与维持竞争力。另外Peter Drucker（1993）在《后资本主义社会》中指出： 现今社会面临最大的挑战为“管理革命”，而这也是知识运用的第三次变动，而前两次的变动分别是知识运用在工具、制程以及产品上，以及知识运用在工作上，而第三次变动则是对知识本身作最适当的管理，而在此所谓的管理就是运用知识去找出既有知识最有效的运用方法。换言之，即将知识应用在有系统的创新Jeremy & Tony Hope（1997）兄弟在其所著的书中《Competing In the Third Wave》指出我们将从第二波的工业经济明显地转换到第三波以信息为基础的经济，而信息经济的特性是：知识将成为企业最主要的原物料，科技将是分布式作业组织生产的最主要工具。在此信息经济的环境中，智慧资本将变成衡量一家企业价值最重要的指针。
此外，在今日软件界的巨人微软公司的总裁比尔盖兹于1999 年所出的著作《数字神经系统—与思想等快的明日世界》中，更是明确的指出在数字神经系统里，一个最重要的关键要素就是链接企业的三大系统功能：即知识管理、 企业经营和电子商务，以打造明日高效能的企业。而知识管理就是企业能通过所建构的数字神经系统，来管理企业信息的流动，让需要者能获得正确的资讯，并因此能快速地采取行动，做出最好的决策。另一方面，随着信息科技的进步，人类对计算机的依赖程度越来越高，无论在决策的制定上，或是在数据的处理上，都必须有赖于计算机科技的协助与帮忙，甚至到现在，计算机已经不再只是局限于做数据的仓储或是做快速运算的工具，而是发展出具备人工智能的功能，以协助人类作更精准的判断与决策。并且在这信息爆炸的时代里，获得的数据数量相当庞大，若无适当的管理模式，将会造成数据泛滥，导致数据无法充分运用，而形成所谓的信息垃圾， 因此要如何将过多的数据做最好的管理与运用，便成为现今最热门的研究课题，亦即要找出一种适当的数据挖掘模式应用在一个完善的数据库之中。而数据挖掘的目的，乃希望能通过丰富的数据库，来帮助人类作数据的归类与分析动作，进而从中找出企业未知的现象及关系，让管理者得以充分利用手边的信息，来了解企业的问题，并提出改善及因应之道。而数据挖掘所面临最主要的问题为如何在大量且多样的数据中，找出特定的模式与资讯，以有助于使用者的决策分析。
二、数据挖掘方法简介
依不同的学习方式，学习可以划分成两类（Quinlan，1986）。
（1）人工神经网络。数据挖掘的相关问题也可采用人工神经学习的方式，以帮助发掘出有用的信息。人工神经网络的基本原理主要是利用重复学习的方式，将一连串例子交予学习，使其归纳出一个足以区分的模式，如此日后在后面对新的例证推导时，进行预测。（2）归纳学习。归纳学习的方式在数据挖掘的领域中受到广泛的运用。包含树状分类法、关联数据分析法与概念数导向归纳学习法。树状分类法为利用各个属性值， 将数据库中的数据予以适当的分类，而制成判定树。而在日后，也可将新增的数据，依据判定树的分类方式，来将其归至所属的类别之中，并依据判定树来作出最适当的分析模型。关联数据分析法其目的在找出各种数据之间的关联性，希望能由
数据库中各种数据的分布情况，以了解其中彼此互动的关系。 包含交易数据之关联规则（Agrawal， Ghosh， Imielinski， Iyer
and Swamik，1992）、 KID3（Piatesky-Shapiro ，1991）等。
数据挖掘分析方式与统计分析方式最大的差异在于数据分析型态：数据挖掘方法所分析的数据型态为定量数据与定性数据；而至于统计方法所分析的数据为定量数据。所谓定量数据（Quantitative）是指：数据是由众多数值组合而成，且针对此类数据的处理方法，可采数值分析的方法来做；而至于定性数据（Qualitative）则是指：凡是不以数值来表示，仅以类别区分的数据，则称为定性数据，又称为类别数据，如性别、教育程度等
总结：本研究希望通过上述的数据挖掘方法，研究知识管理系统的构建，并在此系统中引进数据挖掘技术。然而在此系统中最主要的目的在于希望能通过建构完善的知识库，并通过人工智能方式来提供知识工作者建议，以使得知识工作者在自我学习上有所依据与参考，并有助于知识工作者的知识提取，甚至进一步能使组织朝向学习型组织发展，以强化组织的核心竞争力，使组织能够在这变化快速的环境中立足。
参考文献：
[1] 王建平.数据挖掘技术的发展与研究？[期刊论文].情报杂志2007（6）
[2] 韩客松，王永成.？文本挖掘数据挖掘和知识管理[J].情报学报，2001，（01）：45-47.doi：10.3969/j.issn.1000-0135.2001.01.015.
关键词：知识管理；知识管理系统；信息系统；数据挖掘
一、引言
随着时间的演进，以及生活水平的提升，造成人類经济活动历经三个时代：农业时代、 工业时代以及信息时代，而工作也从原先的劳力密集，渐渐转向以脑力密集的工作为主，尤其在现今的信息时代里，企业强调的是如何运用员工的智能与知识来创造新的利润与维持竞争力。另外Peter Drucker（1993）在《后资本主义社会》中指出： 现今社会面临最大的挑战为“管理革命”，而这也是知识运用的第三次变动，而前两次的变动分别是知识运用在工具、制程以及产品上，以及知识运用在工作上，而第三次变动则是对知识本身作最适当的管理，而在此所谓的管理就是运用知识去找出既有知识最有效的运用方法。换言之，即将知识应用在有系统的创新Jeremy & Tony Hope（1997）兄弟在其所著的书中《Competing In the Third Wave》指出我们将从第二波的工业经济明显地转换到第三波以信息为基础的经济，而信息经济的特性是：知识将成为企业最主要的原物料，科技将是分布式作业组织生产的最主要工具。在此信息经济的环境中，智慧资本将变成衡量一家企业价值最重要的指针。
此外，在今日软件界的巨人微软公司的总裁比尔盖兹于1999 年所出的著作《数字神经系统—与思想等快的明日世界》中，更是明确的指出在数字神经系统里，一个最重要的关键要素就是链接企业的三大系统功能：即知识管理、 企业经营和电子商务，以打造明日高效能的企业。而知识管理就是企业能通过所建构的数字神经系统，来管理企业信息的流动，让需要者能获得正确的资讯，并因此能快速地采取行动，做出最好的决策。另一方面，随着信息科技的进步，人类对计算机的依赖程度越来越高，无论在决策的制定上，或是在数据的处理上，都必须有赖于计算机科技的协助与帮忙，甚至到现在，计算机已经不再只是局限于做数据的仓储或是做快速运算的工具，而是发展出具备人工智能的功能，以协助人类作更精准的判断与决策。并且在这信息爆炸的时代里，获得的数据数量相当庞大，若无适当的管理模式，将会造成数据泛滥，导致数据无法充分运用，而形成所谓的信息垃圾， 因此要如何将过多的数据做最好的管理与运用，便成为现今最热门的研究课题，亦即要找出一种适当的数据挖掘模式应用在一个完善的数据库之中。而数据挖掘的目的，乃希望能通过丰富的数据库，来帮助人类作数据的归类与分析动作，进而从中找出企业未知的现象及关系，让管理者得以充分利用手边的信息，来了解企业的问题，并提出改善及因应之道。而数据挖掘所面临最主要的问题为如何在大量且多样的数据中，找出特定的模式与资讯，以有助于使用者的决策分析。
二、数据挖掘方法简介
依不同的学习方式，学习可以划分成两类（Quinlan，1986）。
（1）人工神经网络。数据挖掘的相关问题也可采用人工神经学习的方式，以帮助发掘出有用的信息。人工神经网络的基本原理主要是利用重复学习的方式，将一连串例子交予学习，使其归纳出一个足以区分的模式，如此日后在后面对新的例证推导时，进行预测。（2）归纳学习。归纳学习的方式在数据挖掘的领域中受到广泛的运用。包含树状分类法、关联数据分析法与概念数导向归纳学习法。树状分类法为利用各个属性值， 将数据库中的数据予以适当的分类，而制成判定树。而在日后，也可将新增的数据，依据判定树的分类方式，来将其归至所属的类别之中，并依据判定树来作出最适当的分析模型。关联数据分析法其目的在找出各种数据之间的关联性，希望能由
数据库中各种数据的分布情况，以了解其中彼此互动的关系。 包含交易数据之关联规则（Agrawal， Ghosh， Imielinski， Iyer
and Swamik，1992）、 KID3（Piatesky-Shapiro ，1991）等。
数据挖掘分析方式与统计分析方式最大的差异在于数据分析型态：数据挖掘方法所分析的数据型态为定量数据与定性数据；而至于统计方法所分析的数据为定量数据。所谓定量数据（Quantitative）是指：数据是由众多数值组合而成，且针对此类数据的处理方法，可采数值分析的方法来做；而至于定性数据（Qualitative）则是指：凡是不以数值来表示，仅以类别区分的数据，则称为定性数据，又称为类别数据，如性别、教育程度等
总结：本研究希望通过上述的数据挖掘方法，研究知识管理系统的构建，并在此系统中引进数据挖掘技术。然而在此系统中最主要的目的在于希望能通过建构完善的知识库，并通过人工智能方式来提供知识工作者建议，以使得知识工作者在自我学习上有所依据与参考，并有助于知识工作者的知识提取，甚至进一步能使组织朝向学习型组织发展，以强化组织的核心竞争力，使组织能够在这变化快速的环境中立足。
参考文献：
[1] 王建平.数据挖掘技术的发展与研究？[期刊论文].情报杂志2007（6）
[2] 韩客松，王永成.？文本挖掘数据挖掘和知识管理[J].情报学报，2001，（01）：45-47.doi：10.3969/j.issn.1000-0135.2001.01.015.