2.2.3知识发现
知识发现工具能帮助从大量的数据中发现新模式。最简单的知识发现工具是基于结构化信息的知识查询工具。在线分析处理（On Line Ahalvtical Processing）就是一个通常基于数据仓库的工具。它允许更加自然的查询方式，例如，用户可以这样查询：在指定的时间段里在z地区，我们究竟出售给顾客Y多少套x产品？位于Claxo Well come的Marketers公司利用OLAP工具来查询2500种产品10年的历史数据，进而分析各个不同行业的销售变化趋势，例如医院和制药方面，从而对动态的市场和客户有了更深刻的了解。
数据挖掘
和查询工具所不同的是，数据挖掘并不通过预先提出问题来搜寻可能的模式和发现，而是通过一些人工智能技术来实现。例如，Inte Uigenceware的IXL系统中使用的基因算法，通过生物学中基因变异原则来不断矫正结果的有效性。人工神经网技术是另一种用来模拟人的大脑思维方式的技术。先用已知的数据来训练神经网，然后用训练过的神经网来处理新数据以图发现新知识。在市场上，Sun Alliance公司最早于1992年就开始用人工神经网技术来提高发送邮件对象的针对性。
数据挖掘工具所发现的知识通常有很高的意外性。一个经常被提到的案例是，美国某大型连锁超市无意中发现了某品牌的婴儿尿布和某品牌的啤酒具有很大的关联性。没有哪种基于常规假设的知识查询工具能发现这样的相关性，但数据挖掘却有这样的能力。
数据挖掘工具通常很擅长发现一些人脑很难处理的多变量联系，系统能一次处理上千个变量的方程，并挖掘出一些专家都可能认为不可思议的新知识。
文本挖掘
对于不断增长的大量信息而言，文本挖掘是另一种处理技术。类似于发掘大量信息之间相关性的数据挖掘技术，New Age Paradogms使用一种基于自然语言处理技术的概念代理程序来对文档进行语法分析，可以利用词法的属性和语言规则从大量文档资料中抽出关键性的概念。输出结果通常是一些原始文档中最相关的摘要性信息。Bt Martlesham实验室宣称，通过使用一种类似的系统，生成的摘要信息尽管只有原始文本的25％，但却几乎包含作者所提供摘要的全部信息。
诸如Semiomap这样的新一代文本挖掘工具现在可以从所处理的多个数据文本源中抽取出可视的概念地图。用户通过这些概念地图的指引，发掘出看起来似乎毫不相关概念之间的联系，并揭示出文档资料变化演进的历程。这也充分表明视觉化在知识工作中具有重要作用。
2.2.4信息搜集
搜索引擎
因特网用户已经非常熟悉诸如AIta Vista和Yahoo这样的搜索引擎了，他们通常所面临的一个问题是，搜索结果返回太多的信息，命中率不高。基于布尔运算的高级搜索选项可以稍微缓解这个问题，例如使用模式表达“知识”和“管理”来搜寻。
一个更高级的解决办法是使用基于人工智能的自然语言查询技术。
用户可以查询“知识管理对客户关系的作用”，返回的文档则按照某种计算规则确定的相关性来排列。这些计算规则通常都对搜寻表达式和数据库的文档之间进行上下文分析，以及一些概率统计分析来确定相关性，因而与传统的搜索引擎相比具有更高的命中率。
搜索引擎有时也能产生新的知识。例如，Schlumberger能允许用户查询还有谁也输入了同样的关键字，并显示其他用户的评论。
智能代理
智能代理是一种能自动运行的半智能性程序，有些还拥有大量的相关知识。它们通常可以分为两类：主动型和被动型。被动型智能代理程序过滤和监视输入的信息流，分拣出具有较高相关性的信息。而主动型智能代理程序则根据用户的兴趣主动到因特网上去漫游，当发现新信息时，就发布消息提示用户。
Autonomv公司的KBOW：ledgeuodater是一个主动智能代理程序的例子。它就像是用户的个人助手一样，用户可以创建一个或多个智能代理程序到网上去搜索，还可以通过指定返回文档的相关性来训练它们，使它们表现更佳。unilever-公司通过这种智能代理服务程序来促使员工保持他们各自领域的最新知识和动态，相关的软件也能识别用户的不同需求，通知他们最新的消息，并帮助他们保持和维护一个知识社区。
一信息定制提供
现在有大量的服务直接通过电子邮件和因特网将信息直接投递给用户。但现在一个重要的趋势是信息的定制，也就是根据知识员工的兴趣列表，裁减定制信息，然后再投递。例如，！First公司如今使用人工智能技术来建立用户的兴趣列表，每天为每个用户从650个信息源的1。7000条最新消息中挑选出最符合用户兴趣的20条信息。
信息提供的“推”和“拉”的技术
在线的数据库和网络搜索是信息“拉”的技术，当你需要它时，你主动去获取它们。这些信息通常都是现成的，并已通过专家整理成结构化的数据库。信息定制提供则是另一种信息“推”的技术。信息由信息源推向用户。现在，每个知识员工每天或许都要接受到多达100封电子邮件，所以“推”的技术有时比较令人难处理。一种办法是使用邮件过滤程序，直接将收到的邮件自动分类到不同的文档中，甚至直接扔到垃圾筐中。
Pointcast公司提供了一种不同形式的“推”的技术，通过用户的兴趣和要求，信息预先通过因特网和局域网幕后下载到用户的计算机中，用户可以在方便的时候再去浏览这些信息。尽管“推”的技术主要由信息的提供者发起，现在有时名声不佳，但实际上最先由图书馆情报检索方面的专家在实践中提出，迄今为止一直在使用中，他们称之为“可选择性的散发”，现在的技术只不过使其自动化而已。
许多知识工作者都需要使用信息“推”和“拉”的技术，并需要在它们之间保持平衡。当他们需要某种信息时就主动到数据库中去搜寻，这时结构一致的数据库以及便利的浏览工具将很重要。同时他们也允许信息主动推向他们，通过智能代理程序、邮件过滤程序，以及兴趣列表，他们可以有更大的控制权来选择他们所接收的信息。
第三节智力资本转移和共享的模式
在知识转移中知识的编码方式经常要发生转变。Nonaka&；Takeuchi（1995）将知识的转换形式分为四种形式：（1）“社会化”
（socialization）：从隐性知识中获得隐性知识，这种形式主要是特定的个人或团队以共享经验的方式传授或创造知识；（2）表述化（Externalization）：从隐性知识中获得显性知识，这个过程在共享与集成个人和团队的隐性知识的基础上创造出新知识；（3）“综合化”（Combination）：从显性知识中获得显性知识，个人和团队将各种知识加以综合而创造新知识，这是对现有显性知识进行组合，使显性知识系统化的过程；（4）内在化（Inter-nalization）：从显性知识中获得隐性知识，这个过程将通过社会化、表述化和综合化等过程得到的显性知识转化为只能意会不可言传的隐性知识。组织知识的创造是一种螺旋过程，由个人层次开始，逐渐上升并扩已变换知识大互动范围，超越单位、部门和整个组织的界限。Nonaka &； Takeuchi的知识转换模型。
归纳起来，有关知识的转换最普遍的两种观点：一是大部分知识可以转换为显性知识；二是大部分知识为不可编码和转换的隐性知识，它只能通过面对面的沟通、观察、模仿、意会和学习来获得。基于以上两种观点，本文认为目前企业里最普遍的两种知识转移和共享方式模式为格式化知识共享和过程知识共享。
3.1格式化知识共享（Codified knowledge sharing）
格式化知识共享是一种从显性知识到显性知识的知识共享过程。格式化知识共享管理将知识与知识开发者剥离，以达到知识独立于特定的个体或组织的目的；而后知识再经仔细地提取进而汇编并存储于数据库中，以供人们随时反复调用。
Ernst&；Young公司的格式化知识共享管理Ernst&；Young公司在剔除掉客户敏感信息后，通过将文档中零碎的关键知识，如面谈指导、工作日程、标靶数据和市场划分等加以汇总并储存在电子知识库中从而创造出“知识客体”。这种方法使许多人可以搜寻和提取经过编辑的知识，而无需与最初的开发者接触。Ernst&；Young公司投入巨资以确保高效的格式化知识共享。企业知识中心的250名工作人员管理着电子知识库并帮助咨询员寻找和使用有关信息。由专家撰写许多团队都能使用的报告与分析。在Ernst&；Young公司40多个实践领域中，每个领域都有一位专门的员工帮助编辑和存储文档，由此产生的数据库通过网络来连接。
Access HeMth的格式化知识共享管理Access Health是一家电话医疗中心，它通过建立一个包含有.500多种疾病症状的数据库，来向打进电话的求医问药者提供诸如在家治疗、医生登门和安排急诊室等多种服务建议而大受欢迎。
3.2过程知识共享（in—process knowledge sharing）
过程知识共享是一种从隐性知识到隐性知识或从隐性知识到显性知识再到隐性知识的共享过程。过程知识共享管理将知识与其开发者紧密地连接在一起，知识主要通过直接的面对面的接触来进行共享。计算机在这类公司的目的是帮助人们更好地沟通知识，而不是储存。在现实生活中，90％以上的知识共享采取的是过程知识共享。例如，Roman BouteHier&；Maximilian Von Zedtwitz（1998），对ABB、Hitachi、IBM、Kao、unisys以及Xerlox等公司跨国项目的案例分析，得出了知识从研究部门向开发部门的有效转移（尤其是同一项目内跨国界之间的知识和技术流动）是通过管理R&；D个体成员的知识转移获得的，转移直接参与的人是转移知识的最好方法。从非正式网络层面来讲，通过连人带项目移动、工作轮换、长期选派和面对面的知识转移等方法最为有效；从项目层面来讲，采用交叉职能小组、关于具体项目计划的合作协议和交叉文化小组等方法最为：有效。
波士顿咨询集团的过程知识共享管理
波士顿咨询集团集中注意力于个体间的对话，而不是数据库中的知识客体。在公司中，知识是在运用头脑风暴法的研讨会中和一对一的交谈中发生转移的。咨询员通过对所要解决的问题反复进行探究，从而集体获得更深的领悟。为了让过程知识共享更为有效，公司都用重金投资于建立人员网络系统。知识不仅仅通过面对面的方式，还通过电话、电子邮件和视频会议等形式进行共享。
麦肯锡公司的过程知识共享管理
麦肯锡的知识共享和扩散在很大程度上通过已经建立起来的非正式的个人网络。麦肯锡的咨询人员知道大部分同事的活动领域，针对某一具体的问题，他可以很快找到这一领域的专家以及现有的最好的解决方法。但是，随着公司的迅速发展，基于个人网络的知识共享越来越具有局限性。例如，到了20世纪80年代末，麦肯锡就有50多个办事处2000多名咨询人员。为此，麦肯锡决定建立一个能够快速反应的系统，它能够为咨询人员快速提供内部专家的建议和相关的文档资料。这个系统称为快速反应网络（Rapid Response Network）。这个系统之所以能取得成功有三方面因素。首先，它有一个专门的计算机管理系统来管理公司的所有文档资料，以及每一个咨询人员的个人技能模型。第二，有两个员工专门来回答电话询问，如果有可能，帮助识别专家和相应的文档资料。第三，组织内不同领域的专家随叫随到，帮助解决具体的问题。虽然这些专家从事正常的项目工作已经很忙了，但是大多数专家还是能够在短时间内回答问题，提供专家知识。在这个系统建立的第二年，就处理了来自世界各地四分之一员工的1000多个问题。另外，公司建立于实践经验和行业团队上的基本构架也有利于咨询人员进行有选择的知识共享。麦肯锡还通过多种方式来培育网络系统：办事处之间的人员调动、支持咨询员立即给同事回电话的文化、创建专家目录以及在公司内使用咨询督导员等办法，来协助项目团队。公司发展了电子文档系统，咨询员浏览文档后可迅速地切入某个特殊领域以及发现谁曾在某个领域或专题上做过，这样，他们就能直接与这些人接触。
