大数据驱动下技术标准化与知识管理的协同机制研究

吴玉浩 姜红 高思芃

摘要：[目的/意义]大数据驱动背景下，技术标准化知识管理面临新的发展机遇与挑战。在公共、经济和社会等多元化领域，借助大数据技术手段，发挥政府、企业与公众等主体联盟在技术标准化知识管理中的作用，对于促进知识资源合理配置、推动技术标准化演化进程和提升知识管理能力而言具有重要意义。[方法/过程]结合生命周期和协同学理论，分析大数据驱动对技术标准化和知识管理产生的影响：建立技术标准化知识管理关系模型，从基础层、流动层和驱动层探讨了大数据驱动下技术标准化与知识管理的协同作用机制。[结果/结论]由政府、企业和公众层面建立知识管理主体联盟，为大数据驱动下的技术标准化知识管理提出保障建议。

關键词：大数据；技术标准化；知识管理；协同机制

DOl：10.3969/j.issn.1008-0821.2019.01.003

[中图分类号]G302 [文献标识码]A [文章编号]1008-0821（2019）01-0020-09

大数据时代，既为企业技术标准化的知识管理工作提供了机遇，但同时也带来了挑战。大数据（Big Data）是描述庞大数据集的术语，且数据集具有非结构化、复杂的特征，需要先进和独特的技术来存储、管理、分析和可视化。在“互联网+”经济的时代背景下，大数据已上升为国家战略，十九大报告明确指出“推动互联网、大数据、人工智能和实体经济深度融合”，习近平总书记也作出“大数据是信息化发展的新阶段”这一重要论断。通过大数据标准化研制，对于加快技术与标准融合、推动国家大数据产业进程和实施国家大数据战略具有重要意义。

中国目前处于经济发展的重要转型期，党的十九大报告提出，要坚定实施创新驱动发展战略，“贯彻新发展理念，建设现代化经济体系”。同时，中共中央、国务院印发《国家创新驱动发展战略纲要》明确指出“实施知识产权、标准、质量和品牌战略”，要及时将先进技术转化为标准。知识管理作为技术标准化过程的关键一环，实施技术标准化、加强知识管理，已逐渐成为调动企业创新活力、提升国家经济发展质量和科技创新水平的重要手段。

大数据时代引发的快速变革和调整，一方面为企业提供了信息化应用平台，弥补了原有技术标准化知识管理体系的不足；另一方面企业需要对知识管理工作进行重新审视和定位，适应大数据驱动下知识管理的新思维与新模式。由于单个企业在技术标准化能力、知识资源配置等方面存在局限性，因此在新形势下技术标准化知识管理模式应与时俱进，借助大数据调动各方主体建立科学完备的技术标准化知识管理体系显得尤为重要。

技术标准化与知识管理的整个主体网络中，企业是技术标准制定与实施的主要推动者，且知识管理呈现由关系网络中心向边缘扩张的趋势。此外，伴随着大数据的变革调整，技术标准的制定与落地实施存在“脱节”现象。鉴于此，本文通过剖析技术标准化与知识管理的协同作用路径，基于大数据情境分析标准化诸多行动主体要素间的作用关系，从技术标准化与知识管理的协同互动层面为相关研究开辟全新思路。

1研究概述

1.1技术标准化与知识管理

技术标准化，是从企业技术创新研发、标准制定到生产商用产品、标准推广等活动进行统一规定的整个过程。技术标准已经成为企业、产业乃至国家之间的战略竞争工具，标准的制定者或主导者往往成为其所在领域的领先者。企业推行技术标准化的进程中，通过开展多种创新研发活动制定及推广技术标准，顺应市场发展趋势往往同时伴随着核心竞争优势的获取，为企业的战略选择提供了有力支持。

知识管理，从狭义上讲是对知识本身的创造、获取、加工、存储、传播和应用的管理进行管理，从广义上看还包括与知识有关的各种资源和无形资产的全方位、全过程管理。目前已有文献探讨了技术标准化与知识管理二者间的关系，如陈静基于企业知识能力理论研究企业知识能力与技术标准化间的关系，已证实知识能力在技术标准化过程中发挥重要作用，但其仅停留在重要性的阐述层面，未明确具体的作用机理和系统流程；Lopez-Nicolas C等认为知识管理可以确保技术标准制定者的优势，影响企业创新和组织绩效。通过网络和定量方法分析标准制定者的技术规范，为领先的技术标准制定者在标准化情境下如何进行知识管理提供建议。

现今关于知识管理影响因素的众多研究，大多是从组织内、外部两个角度进行分析，内部管理因素诸如组织文化、领导、物质资源，外部环境因素包括政治、市场竞争、技术偏好等。就企业技术标准化动态演进过程的各阶段而言，从内、外部强化技术标准制定、实施、推广阶段与知识创新、竞争、扩散等系列活动的协同互动，可以有效增强企业知识管理的实施效果。

1.2大数据驱动

迄今为止，技术标准化驱动因素的相关研究，学者们主要是围绕市场、标准化主体、研发3个层面展开。本文通过梳理具体归纳如下：①市场驱动：王平等以软件产业为例，认为政府应建立有效的标准化市场驱动机制，用市场机制促使企业重视标准化工作，用市场的力量推动软件开发商采用标准；②主体驱动：何江等对政府、企业、非营利科研机构等主体进行分析，以此提出循环经济标准化的3种主体驱动模式；③研发驱动：刘敏选取5个中国高技术产业进行实证研究，结果表明标准化属于研发的一部分，专利申请量和研发支出对标准产出量有显著影响。

大数据与技术标准化的研究，集中在大数据及存储技术标准化现状分析和展望、大数据平台基地建设等方面，如Song M S等在比较了国内外标准化组织大数据工作方面的开展情况，剖析研究工作中存在的问题；张东等提出了大数据平台及产品的基本概念和参考模型，阐述了大数据领域平台和产品的标准化建设思路。大数据与知识管理的研究，主要侧重于大数据背景下知识管理的变化趋势、管理平台与方法探讨、热点问题分析等层面，如郭亚军等分析了大数据和知识管理对技术创新影响，在大数据环境下构建了技术创新知识管理模式；Khan Z等认为大数据文本分析是实现数据分析可视化的重要手段，有助于提升组织内部的知识管理水平。

由此可见，总体而言，技术标准化与知识管理的现有研究存在以下不足之处：①仅停留在技术标准化与知识管理相结合的重要性阐述层面，在大数据驱动背景下，尚未明确二者间关系的作用机理；②多是结合具体企业案例探讨知识管理与技术标准化的实际应用，缺少阶段性的理论整合研究。相关研究尚处于起步阶段，技术标准化的知识管理体系尚未明确和完善，大数据对技术标准化与知识管理发挥协同效应的作用机制亟需探讨。大数据、大数据标准化、技术标准化等概念的内涵尚未明确区分，且多以大数据标准化情境下的组织知识管理为研究对象，缺乏大数据、技术标准化与知识管理三者间关系的整合研究。各方主体如何充分利用丰富的大数据资源为技术标准化与知识管理活动服务，如何转化为企业的核心竞争优势和组织创新绩效，实现知识管理的经济与社会价值，成为当今的研究重点。

本文在明晰相关概念内涵的基础之上，针对现有研究的不足之处，结合新形势下大数据驱动对技术标准化知识管理的影响，从基础层、流动层和驱动层3个层面探讨技术标准化与知识管理的协同作用机制。由此使政府、企业、公众等主体联盟明确知识管理方向，对于丰富技术标准化与知识管理理论、实现大数据价值和提升主体战略决策能力具有重要意义。

2大数据驱动对技术标准化与知识管理的影响

以组织知识资源为管理对象，充分发挥知识资源的价值为技术标准化进程服务，诱发知识管理理念落地成为企业关注的重点。针对大数据时代带来的新特点、新变化，结合知识管理理论，需要对技术标准化的知识管理工作重新进行认识和定位。

2.1技术标准化生命周期进程

依据生命周期理论，技术标准化是包括技术标准形成、实施和扩散的生命周期过程。学者们对其阶段划分的观点趋于一致，因此本文将从标准制定、实施和推广的3个阶段，探讨大数据对技术标准化生命周期进程产生的影响。

大数据具有明显的4V特征，即Volume（规模性）、Variety（多样性）、Value（价值性）和Ve-locity（高效性）。具体来说，指的是数据体量巨大、数据类型繁多、价值密度低、处理速度快。大数据环境下，这些特征潜移默化地影响着技术标准化进程，从而使企业标准化知识管理模式面临转型，所表现出的具体变化趋势可从以下方面进行归纳分析，具体如图1所示：

2.1.1周期缩短

标准化数据价值随着时间流逝而逐渐降低，对技术标准化周期进程的效率提出更高要求。具体而言，快速变化的大数据环境使企业技术标准化生命周期演进过程的各个阶段都发生了变革，使技术标准化知识管理的需求升级，使得企业对市场发展趋势、用户需求有了更深刻地把握。同时，大数据集标准需求确定、数据获取与组织、大数据标准知识分析挖掘、数据推广应用、评价反馈等功能于一身，云计算也为技术标准化进程提供多种可选的最优处理方式。因此，在各阶段中企业的弹性应变能力可以得到提高，缩短了技术标准生命周期。

2.1.2主体协同

企业是技术标准化知识管理的主体，推行技术标准化为企业核心竞争力提供源泉。大数据环境下任何标准化主体都不是旁观者，企业内外部的知识信息通过各种渠道快速传播扩散，倘若不对这些知识资源加以规范利用，则会影响技术标准化知识管理的资源配置效率。因而在大数据信息化应用平台基础上，建立以“企业为主体、政府为指导、市场为引领、用户为反馈”的技术标准化主体协同作用机制，挖掘主体间隐含的复杂关联信息，才能最有效地利用和发挥知识资源的价值，实现大数据知识资源在各领域的全样本共享。

2.1.3价值增值

大数据将技术标准知识成果扩散为全社会的广泛使用价值，政府、企业到社会公众扩大了覆盖的主体范围，虽降低了价值密度，但知识价值总量却呈几何级数增长。一方面，企业利用丰富的大数据资源建立自身的标准知识数据库，将知识资源转化为技术标准化知识管理过程所需的知识信息，为企业的战略决策提供精准支持，实现了经济价值；另一方面，大数据改变了社会公众的标准知识观念，其可视化功能使企业在与公众的互动反馈中了解其使用习惯，数据挖掘技术使企业轻松掌握大数据标准知识的应用程度和水平，挖掘各类有价值的标准知识，推动了社会价值的实现。

2.1.4管理智能

“互联网+”大数据时代，人工智能的普及应用逐渐改变了传统的技术标准化知识管理模式。由大数据技术标准化知识管理系统替代人的智慧来推进技术标准化进程，实现模拟人类思维的重大技术突破，将人类从低端的标準知识整合积累中解放出来，转而从事高端的标准知识研发创新工作。借助人工智能实现大规模使用推广，规范了技术标准化知识管理模式，促进全行业范围内技术标准知识的与时俱进、更新换代，实现技术标准化知识管理流程的智能化。

2.2知识管理对象

大数据时代，知识管理的鲜明特征便是知识“碎片化”。企业若要提高技术标准化知识管理能力，首要任务便是需要在技术标准化进程中准确识别知识管理的对象。知识管理对象包括显性知识和隐性知识两类，但面对大数据环境的不确定性、风险性，准确分辨二者界限对企业而言难度较大，而企业通过对知识获取、积累、整合等方面的动态管理成为技术创新决策的重要保障。

依据知识管理的相关理论观点，对于知识管理的过程划分，学者们大多将其分为知识获取、整合、应用、转移、扩散和共享等环节。在借鉴现有研究成果的基础上，本文将知识流动分为知识获取、知识积累和知识整合3个环节，并在“标准化”情境下对知识流动的概念进行界定：知识管理，是指基于知识管理过程的各个环节，知识在参与技术标准化过程的诸多主体之间的转移与扩散，不同主体通过识别潜在的标准化知识，进而形成技术标准以促进知识资源的合理配置。因此，本文从技术标准化知识管理流程所涉及的基本环节出发，与技术标准化生命周期进程的各阶段相匹配，以此作为知识管理对象并结合大数据关键技术来实现企业的精细化管理，具体如图2所示。

2.2.1知识获取——制定期

企业技术标准化进程始于技术标准的开发制定，此阶段的知识管理对象主要围绕标准制定活动，主要包括用户知识、员工知识和技术知识。①大数据对标准化提出新需求，要求技术标准制定必须充分了解用户需求，以用户的使用习惯、实际需要等知识信息作为选择技术标准的重要参考依据，从而迎合市场发展的主流趋势；②大数据确保标准开发流程的规范合理性，要求建设专业的标准化人才从业队伍，利用员工积淀的工作实践经验，为技术标准开发提供支撑动力，保障所开发技术标准性能的成熟可靠；③大数据为标准开发提供了丰富的技术资源，要求企业基于大数据技术平台设施加快知识创新的研发步伐。大数据可视化技术促进了技术标准知识的吸收理解，因而使得技术知识可以为标准制定服务，将大数据技术知识融入标准制定的实践中去。

2.2.2知识积累——实施期

企业技术标准化进程快速发展于技术标准的实施应用，此阶段的知识管理对象主要围绕标准实施活动，主要包括市场知识、业务知识和知识资产。①大数据挖掘创新了标准化的商业模式并诱发不同行业标准需求的差异化，企业以制定的技术标准为依据，生产商用产品参与市场竞争。因此，积累市场知识对于企业获得核心竞争力而言具有重要的战略意义；②从标准化业务流程的规划、组织到管理制度，大数据为业务提供了全方位的有效支撑。企业通过采取有效的业务管理措施积累业务知识，为技术标准实施创造条件；③技术标准实施以知识资产为应用前提，企业将创新研发的技术标准知识申请知识专利，并转化积累为自身的知识资产。同时，大数据云计算技术满足了数据存储、数据安全和隐私性的标准化知识需求，将标准大数据转换成知识，从而服务于企业的决策选择。

2.2.3知识整合——推广期

企业技术标准化进程成熟于技术标准的推广扩散，此阶段的知识管理对象主要围绕标准推广活动，主要包括资源知识、外部情报和组织记忆。①传统的知识管理模式由于数据匮乏，已无法适应大数据形势下标准推广的新要求。企业推行技术标准化的最终目标，就是掌握行业标准制定的主动权与话语权，整合内外部知识资源为技术标准化服务，尤其是借助丰富的数据资源，提升技术标准的影响力；②大数据信息化沟通平台不仅可以规范企业产品生产和标准应用，同时为企业获取情报信息提供可靠渠道。依托数据化信息平台宣传技术标准性能，掌握竞争对手情报信息和标准知识适时调整生产经营战略，加强知识与其他资源的整合利用；③大数据应用领域众多，存储技术复杂多样，为企业标准化知识库提供可靠的留存载体。大数据标准知识库会根据企业与客户、市场间的多向互动反馈及时更新，为技术标准化下一演化进程奠定基础。

3大数据驱动下技术标准化与知识管理协同机制

依据自组织的协同学理论，技术标准化与知识管理是一个复杂的协同演化过程。技术标准化与知识管理是企业核心能力形成的重要手段，二者存在协同互动的作用关系。知识管理是手段，用来规范技术标准化过程中的知识活动；技术标准化是行为，用来实现知识创新专利到标准商业化的周期转化过程。知识管理以技术标准化周期进程为导向，企业采取系列知识管理活动提升技术标准化能力，以赢得市场竞争优势。与此同时，伴随技术标准化过程的推进深化了知识管理的内涵。

基于大数据驱动背景之下，建立以大数据信息化应用平台为支撑、以政府、企业与公众联盟为主体、以大数据运行为手段、以知识流动为载体的技术标准化知识管理模型，探讨技术标准化与知识管理的协同机制，结合标准化主体间的协同作用，可以实现社会经济效益的价值最大化。具体如图3所示，其关键组成要素如下：首先是基础层，在大数据信息化应用平台上，大数据运行可有效提取、分析企业知识管理的海量数据；其次是流动层，知识数据流作为媒介载体，在知识提供者与知识接收者的协同互动中实时双向流动，知识共享为技术标准化的知识需求指明方向；最后是驱动层，在有效利用数据资源的基础上，发挥大数据对技术标准化与知识管理协同互动路径的驱动力，实现技术标准化知识管理的战略目标。

3.1基础层

“大数据+技术标准化”意味着在新形势下，传统知识管理的方式方法要进行相应调整。海量知识信息具有典型的数据密集型特征，如果单纯依赖传统的小数据分析途径，显然已无法满足大数据时代用户动态性的知识需求。而大数据知识管理的重难点，在于如何发现标准化知识需求来持续推动知识管理的演化，并以大数据为纽带促进技术标准化与知识管理融合。由上文转型期特征分析得出，大數据虽体量巨大且资源类型繁多，但因其处理速度快，可实现对标准化知识的精准管理。从“数据—信息—知识—智慧”的价值链产出可以发现，技术标准化知识管理是以数据为初始形态，最终演化凝聚为标准化智慧迸发出大数据的驱动力，这正是经由数据搜集、积累、分析和应用4个阶段来产生的。

3.1.1数据搜集

大数据可以弥补传统小数据集无法完整表达知识信息的不足，通过对技术标准化的相关知识信息进行搜索，汇总得到包括显性、隐性的所有知识信息，其实质是获取标准化知识的资产化利益。数据碎片化时代，只有尽可能多地搜集数据信息形成海量样本，才能为数据的持续积累、分析提取奠定基础。由于物联网、互联网、云计算等大数据技术手段的应用，改变了原有标准化知识信息获取来源、处理手段的单一性问题，拓宽了标准化知识数据的来源渠道，直接提高了数据搜集效率。

3.1.2数据积累

大数据背景下技术标准化知识管理在实现企业经济价值的同时，对政府、公众同样产生广泛的社会价值。企业在明晰知识管理对象的基础上，跨越组织界限的阻碍，将内外部标准化信息相关的综合性知识统一纳入知识管理对象范畴，实现政府、企业与公众之间标准化知识互动流通的良性循环。通过知识吸收将与标准化主体相关的所有知识信息存储为自身的数据知识库，以社会采集作为挖掘与分析的数据来源，平衡标准化知识水平。

3.1.3数据分析

搜集、积累的标准化原始数据类型复杂且质量参差不齐，通过运用大数据智能化分析技术，对知识数据库的技术标准情报信息和潜在价值进行挖掘，使其服务于技术标准化知识管理流程。具体而言，标准化知识管理的数据分析本质上是一种竞合分析，通过分析用户对技术标准的使用需求和市场的发展趋势，掌握竞争对手的标准化知识管理现状，加强标准化知识质量管理，进而形成可靠的文本报告，为技术标准化的战略决策提供参考依据。

3.1.4数据应用

标准化知识信息具有很强的时效性，必须及时、充分地与标准化实践应用相结合，才能减少价值损失。推动大数据分析结果的实践应用，关系到大数据驱动力的成效，是该过程所追求的最终目标。建立在了解用户行为、市场活动基础之上的标准化信息服务，坚持“一切用数据说话”的精细化管理，将标准化知识管理理念通过数据应用手段落地，直至技术标准满足用户需求、符合市场发展趋势，催生技术标准化知识管理活动的突破创新，为企业获得核心竞争优势保驾护航。

3.2流动层

技术标准化知识管理产生的广泛价值，决定了参与主体的不唯一性。企业、企业联盟、消费者、政府及标准化组织对技术标准化进程有重要影响。企业推行技术标准化参与市场活动，一方面需要接受政府监管，规范自身生产经营活动；另一方面要以用户需求为出发点来制定实施技术标准，以占领市场份额谋取经济利益。因此，企业、政府与公众形成了技术标准化知识管理的主体联盟，既是知识提供者，又是知识接收者，以动态数据流为组成元素的知识信息在三者之间循环流动，降低了技术标准化知识管理的潜在市场风险。

3.2.1主体协同作用层面

①政府作为官方的标准化组织，通过相关法律政策、制度规范来制定正式标准，限定传统行业的标准进入门槛，以此作为规模化生产经营的依据，为企业参与市场活动提供支撑；②企业作为市场活动的主体，具备持续性的知识投入、创新能力，在高技术产业如信息技术为代表的新兴行业，凭借领先的技术规范、产品或服务占领市场份额，进而将企业事实标准上升为行业标准，掌握整个行业乃至国家标准制定的话语权；③公众是技术标准形成的社会基石，无论是正式标准还是事实标准，终端目标使用群体都是消费者。政府和企业以用户使用习惯为出发点，以满足用户需求为目标，因而从某种程度上讲，用户同样会影响技术标准的形成。

3.2.2大数据知识流动层面

大数据背景下，知识提供者与知识接收者的界限逐渐模糊。在以企业为核心，政府、公众为辅的技术标准化知识管理体系中，协同互动作用路径必然涉及知识流动、知识转移，各方主体间基于动态化、实时l生的知识共享，知识管理过程的多向优化才得以实现。经过数据搜索、积累、分析和应用得到有价值的标准化知识，以数据流为载体在各方主体间循环流动、互为反馈，推动技术标准化进程的演化，共同实现企业技术标准化的战略目标。①政府代表公共治理领域的数据资源，由于不同区域、行业间的数据资源存在差异，政府主要是从宏观层面整合大数据资源，努力达到资源配置合理的理想状态；②企业代表经济决策领域的数据资源，主要是就不同来源渠道的数据进行整合，对数据进行分析挖掘，提取出有价值的知识作为企业标准化决策的重要依据，实现数据资源的经济价值；③公众代表社会需求领域的数据资源，对技术标准及相关产品的使用偏好、消费习惯，都成为重要的大数据知识来源。反过来，企业开发技术标准以用户为目标使用群体，在与公众知识提供、接收的互动反馈中，实现数据资源的社会价值。

3.3驱动层

技术标准化与知识管理是企业核心能力形成的重要手段，二者存在协同互动的作用关系。2018年政府工作报告指出，发展大数据产业，助力人工智能技术、大数据产品蓬勃发展，受惠各行各业。以大数据信息化应用平台为支撑，依托大数据的强大驱动力，能够提升企业技术标准化知识管理能力，推动二者演化进程协调同步发展。

3.3.1可视化动态分析调整

作为重要的大数据应用技术手段，可视化技术近年来得到迅速发展和应用。可视化能够将标准化数据和信息转化为图形，影响大数据知识的技术标准化进程。首先，可视化技术作为知识管理的重要手段，能够将数据知识、信息以生动直观的形式呈现给用户，促进知识吸收与理解；其次，可视化技术全面涵盖企业的标准化知识需求，能够准确发现企业技术标准化知识管理存在的问题与不足，促使企业实时调整生产经营活动；最后，可视化实现了标准化数据知识库的宏观掌控，促进标准知识主体间的数据流动，优化标准化知识管理流程。

3.3.2用户使用需求发现

大数据搜集、分析的数据集是以发现用户需求为来源渠道，大数据平台分析挖掘数据应用能力的高低，取决于用户需求满足的程度。面向政府、企业与用户主体间的知识流动性越高.越有利于捕捉用戶需求，指引企业技术标准的开发方向。但大数据技术不仅只局限于发现终端用户使用需求，而且还能将发现需求转化为引导需求、挖掘用户潜在需求，来平衡主体间标准化知识管理的主动权，做到现有知识需求与历史需求的良好衔接、匹配，清除知识流动的障碍。

3.3.3技术标准化流程优化

技术标准化是从标准制定、实施到推广的生命周期过程，每阶段有其不同的知识管理侧重点，技术标准化流程价值评价的核心在于数据。大数据驱动的意义在于，通过数据的搜集、积累、分析、应用，能够在每阶段把控分析挖掘数据的质量，对数据质量提出要求并就质量作出评估。通过大数据存储、挖掘技术的广泛应用，导致技术标准化流程的变革和创新，保障了技术标准化过程实施结果的有效性，优化技术标准化流程中知识数据的应用方式，充分提升标准数据的广泛性价值。

3.3.4知识资源整合与配置

大数据驱动下，知识资源的实际组成要素是数据资源，数据资源是标准化知识管理的根本性资源。一般而言，知识管理从知识获取、积累到整合过程的整体实施效果，取决于知识管理对象的资源分布与配置情况。大数据实现了知识管理业务流程再造，而且知识创新改变了知识管理资源的传统分布架构，适应了智能化管理的新趋势。政府、企业与社会公众都是知识管理活动的参与者、引领者和推动者，大数据技术基于三者反馈互动的关系调度数据资源，在显性知识管理的原有基础上，提升隐性知识管理的资源配置效率，为技术标准化工作提供有力支持。

4基于大数据驱动的保障措施

大数据驱动作用背景下，技术标准化知识管理的动态周期过程在各方主体的数据流动过程中得以实现。从技术标准化与知识管理协同互动作用角度来看，知识流动与标准更迭已成为常态，大数据的动态复杂性对知识管理、技术标准化提出全新要求。因此，借助大数据驱动力，发挥技术标准化与知识管理的协同互动效用，对于提升政府公共领域治理效果、实现企业经济领域经营利润、拓宽公众社会领域应用范围等具有重要现实意义。

技术标准化知识管理是一个动态复杂的周期性过程，是需要调动社会各方实体广泛参与的集体行动。基于上文对大数据驱动下技术标准化知识管理模型构建的分析，结合大数据驱动对技术标准化、知识管理产生的影响，本文从政府、企业和公众等主体的协同互动层面出发，探讨了技术标准化知识管理的保障措施，以期对相关主体的决策提供参考依据。

4.1政府层面

发挥政府的干预和扶持作用。政府作为技术标准的掌舵者，要从宏观角度提供系统性的战略发展规划，引导技术标准化知识管理的演化方向，实现知识资源的合理配置。同时，技术标准化知识管理效果取决于大数据产业的发展水平，政府要加快出台相关法规政策来扶持企业大数据标准化应用，消除知识流动的跨区域、跨行业、跨文化等体制性障碍，以先进的大数据技术手段带动知识管理整体水平的提高。就中国市场发展现状而言，高新技术企业尤其需要政府给予资源扶持，提供如新材料新能源行业发展所需的资金、生产设施，以促进技术标准化知识管理模式的更新换代，借助大数据集聚效应促使中國产业结构优化升级。

4.2企业层面

发挥企业的主导作用。企业作为技术标准的开拓者，要加快大数据驱动与技术标准化、知识管理融合的步伐，充分利用大数据资源为技术标准化知识管理服务。在动态复杂的市场环境中，以大数据技术信息化应用平台为支撑，加快大数据关键技术领域的突破式创新，并对企业技术标准化过程覆盖的知识管理对象实行精细化管理。通过知识获取、积累与整合，率先在整个行业扩散本企业的标准知识，引导整个行业技术标准化、知识管理的演化方向，从而帮助企业扩大市场份额、扩大核心竞争优势。同时，企业作为政府与公众的数据流动中介，要尽可能减少信息不对称给知识流动带来的阻碍，形成知识管理联盟，共同开展技术标准化活动。

4.3公众层面

发挥公众的引导和促进作用。公众作为技术标准的使用者，要促进事实标准形成，并基于自身的知识积累和消费习惯，为技术标准化知识管理方向提供引导。事实上，技术标准的性能关系到用户实际使用感受，企业数据信息来源于用户的消费选择。因此，公众需要及时与企业沟通反馈技术标准需求，促使企业针对性选择技术标准开展生产经营活动。同时，用户知识作为重要的知识管理对象，应依靠大数据分析挖掘技术，来分析用户信息，发现用户需求。借助数据检索技术融合海量用户数据信息形成知识库，使用户标准化知识需求在政府、企业主体间实现实时共享，维持用户消费选择的稳定性，实现数据流流动的社会价值。

5结语

大数据驱动环境下，推进技术标准化与知识管理协同发展，提升企业技术标准化知识管理能力，是中国经济发展新常态的必然选择。本文从技术标准化知识管理新特征、知识管理对象两个层面出发，分析了大数据产生的现实影响，并从基础层、流动层和驱动层3个方面揭示了技术标准化与知识管理的协同作用机制，由政府、企业和公众的主体联盟角度探讨了数据资源的协同互动作用路径，并由此提出大数据驱动的保障措施。

大数据标准化是当今社会的关注重点，传统的知识管理方式已无法适应时代发展的新趋势，但目前知识管理对于大数据技术标准化重要性的认知仍旧缺乏。本文旨在为大数据驱动新形势下的技术标准化演化进程提供参考方向，呼吁全社会都能参与到技术标准化知识管理活动中，以便结合现实知识需求充分利用大数据知识资源，丰富大数据驱动下的技术标准化知识管理研究。