知識管理

 

q  知識的基本概念 q  知識庫與知識管理 q  知識表達與推理

q  知識工程 q  知識管理的成功案例

學習目標

ü   決策中知識的概念 ü   DSS的知識管理架構

ü   知識管理系統的設計 ü   知識管理的應用

知識的基本概念

知識是一種存在於人們腦中的決策與判斷的準則，用以解決日常生活中所面臨的問題。知識存在的形式，可能是具體的事實（如：鐵是硬的），也可以是一種意識、識別力、智慧、法則、認知、經驗、技術、學習能力等，其中又以經驗及法則最為重要。

若以「企業組織」為著眼點，可以將知識定義為企業的無形資產（Quintas等人，1997），包含的類型有：市場及顧客資訊、產品資訊、專家的知識、人力資源資訊、核心商業流程、交易相關資訊、管理資訊（特別是決策策略）、供應商資訊（特別是交易協議與服務資訊）。

組織內有價值的知識之分類

Ø  個人知識

是指員工本身所擁有的知識，包括特定技能、經驗、習慣、直覺、價值觀等。由於員工可能會離職，因此如何把員工知識化為組織的結構化知識，保留在組織內，是知識管理的重要工作。

Ø  結構知識

是屬於組織的知識，不會隨著員工離職而消失。這些知識包括實體的知識與抽象的知識。實體知識包括掌握的科技、發明、資料、文件、製程等；而抽象的知識，如策略和管理文化、組織程序等，雖然較難以看見，其價值卻可能比實體知識還高。

Ø  顧客知識

是指企業所蒐集有關客戶的資訊，如顧客偏好、市場佔有率、顧客滯留率等。這些顧客知識在以「客製化」為中心的電子商務的環境中，其重要性亦很高。

知識與決策支援的關係

Ø  充分的知識是良好決策的必要條件

每個決策均有特殊的情境與考量，因此要制訂好的決策便一定需要有充分的知識。尤其是在管理決策中，有許多並不能完全用數字或數學模式來解決，唯有依靠判斷性的知識。

Ø  資訊科技使知識的效用更能發揮

知識若只在決策者的腦中固然能解決問題，但是對它的正確性及未來改善潛力都比較缺乏客觀的評估。透過將知識與DSS結合，不但能使知識的應用更為廣泛，而且也使知識可以受到客觀的評估與檢視。

知識的演變過程

5C	4C
資料           資訊            知識
•    文字化(Contextualized) •    分類(Categorized) •    計算(Calculated) •    淨化(Corrected) •    濃縮(Condensed)	•    比較(Comparison) •    因果(Consequences) •    關聯(Connections) •    互動(Conversation)

知識的分類

外顯 / 內隱知識 個人 / 組織知識 量化 / 質化的知識

依敘述 / 情境來劃分 依事實 / 因果來劃分 依初級 / 彙整(meta)劃分

DSS的知識管理 vs. 企業知識管理

兩者的差異

l  DSS中的知識管理注重的是針對一個特定的決策問題，利用人工智慧的推理機制，由已知事實來找出最佳決策，供決策者參考；其範疇比較小，且較不涉及組織運作。

l  企業推動的知識管理，則涵蓋企業內各種知識的保存、開發、分享與應用，以組織運作及制度管理為主，較不涉及個別的推理技術。

DSS中各模組的比較

	資料管理	模式管理	知識管理
管理對象	計量資料	計算模式	判斷性知識
儲存元件	資料庫	模式庫	知識庫
管理模組	資料庫系統	模式庫系統	知識庫系統
應用方法	查詢、檢索	數學計算	邏輯推論
適合資料	文、數字	數字	文字
常用表達	表格	公式	法則

整合性的知識管理系統架構

知識表達

l  必須考慮「表達什麼？ 」及「如何表達？」

l  傳統專家系統開發時最常用的表達方式就是「法則」 

推理機制

專家系統中最常用的推理策略有兩種

l   向前結合(Forward chaining)

在向前結合的情況下，推理機由已知的事實出發，尋找該事實所能適用的法則，如此不斷地向前推進，直到找出所需結論為止。由於這個方法是由事實出發，因此往往又稱為「資料主導」的結合法。

l   向後結合(Backward chaining)

向後結合先決定所要追求的結論，然後再尋找資料來驗證所認定之結論的正確性。若結論不正確，它再試探下一個可能結論。 

不確定性的處理

造成專家系統結論不確定的原因至少有二

Ø  條件滿足的不確定性

每個法則都有許多必須滿足的條件 。

Ø  條件與結論間的不確定性

即使條件是否滿足可以正確地評價；另一個無可避免的風險，則是條件和結論之間因果關係是否絕對永遠成立。

既然有不確定性的存在，學者們開發了許多不同的估計方法

Ø  確定因子法（CF法）

基本假設為各個不同因素或法則之間彼此獨立。

Ø  模糊邏輯法

希望能包容人類思考過程中的模糊和不精確性。

兩個基本原則

§   若幾個條件需同時成立時，其總和的確定性為它們個別確定性中的最小值。

§   若幾個條件只要有一個成立即可時（在「或」的情形下），其總和的確定性為它們個別確定性中的最大值。

知識工程

將專家知識有系統地轉化成可以電腦化、有結構的知識的過程。而協助這項轉換的人則稱為「知識工程師」。

知識工程的程序

Ø  確認階段(Identification Stage)

選擇知識工程師及專家，並且分別定義各自的角色。

Ø  概念化階段(Conceptualization Stage)

讓知識工程師和專家充分溝通，並建立共識。

Ø  正規化階段(Formalization Stage)

把上一個階段定義完成的核心概念、問題及相關知識以正式的方式表達出來（如：法則），建立知識的模式，以方便瞭解及在電腦上執行。

Ø  實施階段(Implementation Stage)

將上一個階段中所定義出來的正式知識，以軟體工具來建置成為雛形系統。

Ø  測試階段(Testing Stage)

主要是評估雛形系統中知識的正確性，以及系統表現方式是否可以正確地提供有用的資訊。

Ø  修訂階段(Revision to Complete the System)

針對測試所發現的問題，加以修正並測試，直到結果可以接受為止。

知識庫的建置階段

知識擷取的步驟

知識擷取的方式

Ø  人際溝通

知識工程師必須具備良好的溝通能力，其所用的方法以交談法(interview)及雛型分析法(Prototype Analysis)最為常見。

Ø  人機交談

以「交談式擷取軟體」為界面。為了較有系統地將專家的知識擷取出來，可以利用軟體將知識導出的流程規劃出來。 

Ø  機器學習

以「機器學習軟體」作為知識擷取的界面。由於電腦具有大量的運算能力，加上目前人工智慧技術的發展，使得電腦可以具備部分的學習能力。

常見的知識擷取方式

ü   訪談 ü   行為分析 ü   協定分析

ü   書面查詢法 ü   多專家法

知識擷取的輔助工具

Ø  MORE

幫助領域專家更有效率地提供專業知識，以減輕知識工程師的負擔。

Ø  AQUINAS

知識工程師進行知識擷取時，可能同時採用多種不同的擷取技術，AQUINAS就是把這些技術建置成為系統，以協助知識擷取的進行。

Ø  KRITON

可以從專家來擷取知識，也可以從書面資料來擷取知識。

Ø  AUTO-INTELLIGENCE

是一種商業化的知識擷取工具，其目的在於快速地將專家知識建置到電腦系統中，尤其適合解決分析型態問題。

資料探勘——從資料庫中探勘知識(KDD)

Ø  KDD的過程分為五個階段

1.          選擇(Selection)

2.          前置處理(Preprocessing)

3.          轉換(Transformation)

4.          資料探勘(Data Mining)

5.          解釋與評估(Interpretation / Evaluation)

Ø  KDD的常用的技術

l   統計(Statistics)

l   人工智慧(Artificial Intelligence)

l   資料庫與資料倉儲(Data Warehouse)

良好的知識表達法

Ø  表達能力

精確地表達知識，避免知識模稜兩可。

Ø  表達效率

精簡地表達知識，避免太多不必要的雜訊。

Ø  推理效率

結構化地表達知識，以便快速推論來得到答案。

Ø  易理解性

清楚地表達知識，讓知識表達符合人類的思考模式。

Ø  易管理性

彈性地表達知識，讓偵錯修改更為容易。

系統建置的工具選擇

Ø  知識擷取工具

通常是自行開發的套裝軟體，主要目的是用來擷取某個領域的知識。

Ø  建構平台

通常是自行開發的套裝軟體，主要目的是用來建構專家系統。

Ø  建構環境

是專為建構系統而開發之套裝軟體，如Smalltalk。

Ø  建構語言

用以建構系統之程式語言，包括LISP及PROLOG
等。

知識編碼的步驟

1.          檢視結構圖是否正確，並確認該結構圖所包含的知識足以達成系統目標。

2.          若發現結構圖上有漏洞，則必須擷取額外的知識來填補。

3.          將檢查過的結構圖，轉換成為決策樹或決策表。

4.          檢查決策樹上的可能缺口，若有缺口便必須擷取額外的知識。

5.          由於有時決策樹會包含多種的領域知識，因此可以依據領域將決策樹分隔成適當的大小，並使用模組化的知識編碼技術。

6.          將樹狀知識轉換成法則。

系統測試——知識驗證

指「正確地建置系統」，也就是先不管真實世界的事實如何，單就邏輯架構的正確性進行檢測。

Ø  目的

為了確保存在於知識庫中的知識不會互相矛盾或衝突。

Ø  知識庫中常見的問題如下

l   重複的法則。

l   法則之間互相衝突。

l   法則之間的相互包含。

l   法則之間是否有循環參照。

系統測試——知識評價

指「建立正確的系統」，也就是必須針對實際的問題領域，評量知識庫系統所提供的建議是否符合使用需求，以及績效正確度能否到達接受的水準。

Ø  目的

為了確保存在於知識庫中的知識是否符合真實情況的需求。

Ø  兩種知識評價的做法

l   質化評價

對知識進行非量化的評價。

l   可採用下列三種方式來進行

表面評價(face validation)。

預測性評價(predictive validation)。

實地評價(field validation) 。

l   量化評價

以統計之類的量化方法來衡量知識系統的效果。

Loan Probe放款決策流程