热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

咨询公司的知识管理

大前研一在他的大作《思考的技术》一书里提到“太阳底下没有新鲜事”,要说新鲜事也是对旧事物打散后重新排列、组合,这给我们进行管理创新提供了基本思路。现在社会,进行大的创新很难,即使

大前研一在他的大作《思考的技术》一书里提到“太阳底下没有新鲜事”,要说新鲜事也是对旧事物打散后重新排列、组合,这给我们进行管理创新提供了基本思路。

现在社会,进行大的创新很难,即使有也是通过不断的微创新,从量变达到了质变完成的。将原有事物犹如庖丁解牛般进行深度剖析、分解,再将各个组件进行重新排列、整合,形成新的事物,提升了整体运作效率,成本得到了降低,甚至形成了新的盈利模式,为客户带来价值,这就是创新的好处了。

从咨询者的角度来讲,咨询顾问提供的是一种智力服务,这种服务是为客户进行负熵输出,提高管理有序性的智力劳动。一个公司的管理就是将散在各处的“信息点”串在一起,这里的信息点就是信息负熵量化的最小单位,可以理解为最小的信息单位。这些信息点本身是离散的、杂乱无章的,通过我们的咨询服务,为客户找到这些信息点并进行梳理,使其成为一条条的“管理线”即我们所说的流程,而且将其中的“关联”即各种逻辑进行整理,确定他们的或因果或并列的关系。基于这样的成果,根据客户的资源、能力进行设计和预测,为客户提供解决方案。

对咨询公司来说,KM建设是核心的、提升核心竞争力的任务,将散落在各个角落的“知识信息点”进行收集、整理、分析、设计、组织,形成统一的资源知识库,这是进行KM建设、形成知识共享机制的基础。我们的咨询顾问手中收集的网络资料,我们的知识管理员手中的项目成果,我们的培训讲师手中的课件,我们的行研中心的行业情报,以及全能、培训战略小组的资料,都有大量的有价值的资源。这些资源组织在一起,就会成为咨询公司最重要的核心资产。

这些知识资源,不是简单的罗列在一起,而是根据知识点进行分类,能结构化的形成结构化数据,不能结构化的将文档一一打散,提取其中能够当作知识点的信息,以统一的、可查询的结构进行存储,这就是整个KM的基础----数据中心,这些就是“旧事物的组成部分”。

接下来就是对这些“旧事物组成部分”进行新的“排列、组合”了。基于已经建成数据中心的知识点,按照用户需求组织数据,开发功能应用模块,满足不同用户的需求。

针对咨询顾问的项目实施,开发“项目实施辅助平台”,从项目前期的商务信息,到合同签订、成立项目小组,到调研、诊断分析、设计方案、辅导实施、项目结案等各个阶段都有相应的流程和内容提示,有历史项目资料可查,相应的模块会有内容、工具、模型、方法的建议。换言之,用户利用系统可以轻松构建项目工作流程、成果报告框架,并可自由选择其中的内容,比传统的自己收集资料再每一份都要查看的效率大幅提升,作业成本得到下降,并将降低出差时间。

针对经营组业务拓展,一是可以提升研发速度,有了大量资源,而且可以根据要求查询细节,快捷、易用,信息量大,加上大量的行业信息数据,可以针对市场变化快速反应,及时推出新产品或服务;二是利用这个数据中心,实现业务模式的创新,对原有的模式进行改革或变革,降低客户成本或为客户创造新的价值。

针对培训讲师,可以方便地更新课程内容或开发新的课程。一是通过KM,可以及时了解客户或学员的需求变化,及时掌握客户心态,有针对性地更新课程内容,一改目前课程内容更新不及时甚至数年不变的局面;二是利用KM大量的知识资源,开发新的课程,满足客户新的需求。

针对客户,可以形成资源共享机制,加强客户黏性,与客户形成常态性紧密联系,客户需要我们的行业情报,同是将自己的数据共享给我们,这更有利于我们提升自己的能力。将未来市场空间较小的培训课件开发形成公开课,开放给客户,与客户形成互动,提升客户参与程度,汇聚人气,在互动中把握客户动态并挖掘新的商机。

通过KM数据中心建设和应用功能模块开发,使公司的资源点更加有序、可用,在内容更新上形成良性的发展机制,提高内部作业效率降低成本的同时达到拓展业务的目的。


推荐阅读
  • 本文深入探讨了二叉搜索树(Binary Search Tree, BST)及其操作,包括查找、插入和删除节点。同时,文章还介绍了平衡二叉树(AVL树)的概念及调整方法,并详细讨论了如何判断两个序列是否构成相同的二叉搜索树。 ... [详细]
  • 本文深入探讨了一家企业的制度体系重构与升级过程,通过具体案例展示了如何在战略意图和管理理念指导下,系统性地提升企业管理制度的有效性和可操作性。 ... [详细]
  • Codeforces Round #566 (Div. 2) A~F个人题解
    Dashboard-CodeforcesRound#566(Div.2)-CodeforcesA.FillingShapes题意:给你一个的表格,你 ... [详细]
  • 卷积神经网络(CNN)基础理论与架构解析
    本文介绍了卷积神经网络(CNN)的基本概念、常见结构及其各层的功能。重点讨论了LeNet-5、AlexNet、ZFNet、VGGNet和ResNet等经典模型,并详细解释了输入层、卷积层、激活层、池化层和全连接层的工作原理及优化方法。 ... [详细]
  • 堆是一种常见的数据结构,广泛应用于计算机科学领域。它通常表示为一棵完全二叉树,并可通过数组实现。堆的主要特性是每个节点的值与其父节点的值之间存在特定的关系,这使得堆在优先队列和排序算法中非常有用。 ... [详细]
  • 探索电路与系统的起源与发展
    本文回顾了电路与系统的发展历程,从电的早期发现到现代电子器件的应用。文章不仅涵盖了基础理论和关键发明,还探讨了这一学科对计算机、人工智能及物联网等领域的深远影响。 ... [详细]
  • FinOps 与 Serverless 的结合:破解云成本难题
    本文探讨了如何通过 FinOps 实践优化 Serverless 应用的成本管理,提出了首个 Serverless 函数总成本估计模型,并分享了多种有效的成本优化策略。 ... [详细]
  • 2018年3月31日,CSDN、火星财经联合中关村区块链产业联盟等机构举办的2018区块链技术及应用峰会(BTA)核心分会场圆满举行。多位业内顶尖专家深入探讨了区块链的核心技术原理及其在实际业务中的应用。 ... [详细]
  • 尽管深度学习带来了广泛的应用前景,其训练通常需要强大的计算资源。然而,并非所有开发者都能负担得起高性能服务器或专用硬件。本文探讨了如何在有限的硬件条件下(如ARM CPU)高效运行深度神经网络,特别是通过选择合适的工具和框架来加速模型推理。 ... [详细]
  • 本文作者分享了在阿里巴巴获得实习offer的经历,包括五轮面试的详细内容和经验总结。其中四轮为技术面试,一轮为HR面试,涵盖了大量的Java技术和项目实践经验。 ... [详细]
  • Netflix利用Druid实现高效实时数据分析
    本文探讨了全球领先的在线娱乐公司Netflix如何通过采用Apache Druid,实现了高效的数据采集、处理和实时分析,从而显著提升了用户体验和业务决策的准确性。文章详细介绍了Netflix在系统架构、数据摄取、管理和查询方面的实践,并展示了Druid在大规模数据处理中的卓越性能。 ... [详细]
  • 本题探讨了在大数据结构背景下,如何通过整体二分和CDQ分治等高级算法优化处理复杂的时间序列问题。题目设定包括节点数量、查询次数和权重限制,并详细分析了解决方案中的关键步骤。 ... [详细]
  • 智能车间调度研究进展
    本文综述了基于强化学习的智能车间调度策略,探讨了车间调度问题在资源有限条件下的优化方法。通过数学规划、智能算法和强化学习等手段,解决了作业车间、流水车间和加工车间中的静态与动态调度挑战。重点讨论了不同场景下的求解方法及其应用前景。 ... [详细]
  • 2018-2019学年第六周《Java数据结构与算法》学习总结
    本文总结了2018-2019学年第六周在《Java数据结构与算法》课程中的学习内容,重点介绍了非线性数据结构——树的相关知识及其应用。 ... [详细]
  • 深入理解Java字符串池机制
    本文详细解析了Java中的字符串池(String Pool)机制,探讨其工作原理、实现方式及其对性能的影响。通过具体的代码示例和分析,帮助读者更好地理解和应用这一重要特性。 ... [详细]
author-avatar
往事不可味nd
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有