知识管理视阈下“大数据”与“小数据”的比较分析

文/安徽大学管理学院 许茹

“互联网+”时代，知识已经成为社会经济发展的核心驱动力之一。知识管理以知识为核心，是对与之相关的信息、技术、人、物的关系链接。数据和信息是知识的基础内容，因此，大数据和小数据必然影响着知识管理的发展与变革。前者使得知识管理工作呈现出便捷化、高效化以及智能化，知识价值得到深度挖掘，其具有的“大”不可避免地影响着知识管理领域。与此同时，康奈尔大学教授D.Estrin提出的“小数据”概念也引发了广泛讨论。小数据以个体用户为中心，收集的信息体量虽不如大数据庞大，但也具有独特优势。

一、知识管理与大数据

“大数据”是什么，学界目前尚未给出一个明确的标准化的定义。从现阶段对于大数据的解读中，不难发现绝大多数人对于大数据抱着乐观崇拜的态度，认为大数据的到来可以解决诸多以往未能解决的问题，但同时也受制于科技等现实因素，大数据尚未达到人类理想的运作状态。

大数据的“大”体现于大的样本容量和大的数据体量。通过聚类分析、关联分析等分析模式实现对信息的动态处理，是一种全局宏观层次的把控。在维度方面，大数据在对知识的收集是多维度的，能够较为全面地反映事物和事物外在环境的内在关联，但这种关系也只是较为粗略的联系。在对事物的发展预测方面，大数据对于大的样本做出的预测更为准确，并且随着数据量的提升，这种预测也更为准确，无论是短期内的发展情况还是长期的发展趋势。在运营成本上，大数据的数据量虽然巨大，但其是建立在智能化的机器上的运作，并且随着各种智能终端设备的发展，数据的收集、存储、传输、处理都开始变得简单，其成本较低。

知识管理不等同于信息管理，知识隐匿于信息之中。大数据所收集的数据信息，知识只占其中的很小一部分。大数据让信息汇聚，同时也让知识汇聚。大数据背景下的知识管理同样也是一种宏观层次的知识管理，并且更偏向于对显性知识的管理。大数据时代，知识管理上升为多维度的管理，知识的学习、发现、共享、传递变得更为便捷高效。对于显性知识而言，大数据让更多的显性知识相互联系，例如：生命科学与计算机模拟技术的发展使得医疗水平得到了极大提高。有关医学的学习方式也悄然发生变化，3D打印技术、VR技术等让医学生的学习更为直观高效，紧密联系实际。显示知识的联系，也迸发出许多新的知识火花。再如：利用计算机进行反应的模拟找出了最佳的元素组合，制造出的新材料有着极佳的性能优势。

隐性知识，隐匿于人们的行动、未被明确地表示出来，诸如人的经验、技巧诀窍等等。大数据对于隐性知识的管理仍处于表层，隐性知识的显性化以及隐性价值的发掘并未得到很大的改变。

二、知识管理与小数据

小数据是与大数据相对应的概念。它是对个体或者某单一群体的数据进行全方位、多层次的个体及环境的数据收集。近些年，随着大数据概念被人们广泛接受的同时，小数据这一概念也开始引起了较为广泛的关注。在某些方面，小数据有着大数据所不具备的优势。

小数据的“小”并不是数据量的小，而是数据采集对象的规模之“小”，小至一个个体。小数据与大数据一样，通过对数据的整合、关联等分析模式实现对数据的动态处理。在维度方面，小数据侧重于个体全方位的信息数据，同样是一个多维度信息采集，它能够全面地反映该个体同环境的内在关联，且随着数据量和收集时间的延长，可以得到更为精细的关系。某种程度上，小数据所收集的信息维度要优于大数据。在对事物的发展预测方面，小数据因为数据个体信息的局限性，无法做出较为准确的长时间跨度预测，但在对于未来事物的刻画上，小数据往往可以做出较为精准的描述。在运营成本上，小数据的研究多是长期的，且需要机器和相关人员的共同参与，因此相较于大数据而言，小数据的运营成本相对较高。

小数据主要来源于用户的各种活动，这些活动中显性知识与隐性知识并存。对于显性知识而言，小数据的全面数据信息采集让显性知识可以更快的速度进行汇集，但是这些个体显性知识的往往个性与重复性并存，因此仍需要借助于大数据的方式对这些个体显性知识进行更为高效的管理。小数据下的显性知识管理有了大数据所不具备的“个性”特征。

毋庸置疑，显性知识让社会中的大多数得到发展进步，但是隐性知识是知识深层次魅力所在。小数据下的“个性”正是隐性知识的体现，隐性知识虽然不易收集管理，但必然会有实在客观的反映。在大数据背景中，这些隐性知识的“客观反映”往往不能够得到收集分析，沉溺于信息之中，而在小数据内部，由于数据和数据之间更为精细的梳理，使得这些“客观反映”得以“崭露头角”。知识管理中的小数据让隐性知识最大限度地显性化。

三、知识管理中的以“小”搏“大”

小数据和大数据并不是孤立的，小数据可以来源于大数据，大数据也可以来源于小数据，二者紧密关联。大数据让知识管理置于更高的纬度，小数据让知识管理跨越更多的经度。大数据与小数据都有着各自的优势，同样也存在着薄弱的管理层面。如何利用小数据的杠杆更好地撬动知识管理中的大数据？如何利用小数据对于隐性知识的发掘，更好推动知识管理的大数据的雪球？值得我们深思。

（一）充分发挥小数据优势。1.收集知识精准化。在知识管理体系中，多数时候需要更为精细的数据整理利用。大数据自身特点决定了大数据追求海量多样化，而小数据由于其“体量小”，追求数据精准量化。在对显示知识的收集、分类、管理上，小数据采用的精准量化可以使得显性知识的层次分明。小数据可以让知识管理更为细化，利用精准数据对知识的联系加以斟酌，知识的不同点加以区分，从而使显性知识清晰。信息汪洋中，寻找精准有价值的信息需要我们擦亮双眼。而结合小数据的精准量化特点，可以让显性知识的获取变得更为便捷，极大地减少我们的工作量。利用小数据的精准量化特点，更好地撬动知识管理中大数据的海量多样化优势，并让大数据的价值密度得到提高。2.纵向挖掘隐性知识价值。隐性知识是知识的魅力所在，同时也是推动知识创新的潜能。小数据以用户个体为中心，以此获得数据同样是具有个性特性。在知识管理中，小数据的使用可以使隐性知识得以发掘，由内在要素进一步推动知识的发展及科技的进步。小数据追求个性化服务，知识管理同样需要具有个性化，通过个体之间多要素之间的相互关系和影响，这样才能让每一个个体的隐性知识得以最大程度的显性化，让深度价值得以发掘。小数据所蕴含对于隐性知识管理的潜能可以更好地推动知识管理大数据的雪球，让知识管理中大数据的能量更加壮大。

（二）充分发挥大数据作用。1.收集知识全面化。赵蓉英、魏绪秋认为，大数据环境下开展知识管理工作的首要任务是实现数据的聚集，形成大数据集。也就是说，掌握的数据量越大、内容越丰富，就能推断出越多有用信息、得出的结论对知识管理工作就越有参考价值，大数据能够丰富数据收集类型，包括结构化、半结构化和非结构化数据；扩大数据收集范围，崔海莉认为凡是采取“样本=总体”的数据分析方法，就称为大数据分析大数据是一种“全数据”，从而保证知识管理工作中所需知识类型的全面性，来源的多元化，内容的合理性，提高知识管理效率，实现知识管理的积累原则。2.横向强化知识关联性。信息技术的发展使得大数据筛选能力得到加强，它能够重新分类、整合碎片化的信息和数据，在零散的信息之间架构关系链，形成密集的横向知识网络，建立知识管理系统，保证知识共享和交流。大数据将看似无关的数据、信息围绕某种主题内在的勾连起来，使得海量数据中隐藏的规律性事实得以显现，用以指导实际活动，实现数据的增值，将无用的数据内化为有用的知识同时也是知识管理工作的重要基础。比如，企业鼓励员工贡献自己的企业知识，通过大数据技术建立企业知识地图，分析员工的知识结构，从而合理安排员工培训，使其更有针对性。

（三）综合运用知识管理中的“数据力”。数据力，是指人类利用数据技术认识和改造自然的能力，取决于数据技术的发展程度。小数据和大数据作为数据力的主要内容，共同推动着知识管理迈向全新的发展阶段。小数据拥有与大数据不同的数据思维和应用模式，是大数据决策的必要补充与延伸小数据以因果关系作为研究的基本目的，在知识管理中以逻辑推理演绎的方式加以体现，而大数据以复杂性科学作为研究的基础，同时为复杂性科学的研究提供研究工具。知识与科学密切联系，大数据可以推动复杂性科学的多元化发展，这是知识管理中小数据所难以企及的高度。小数据与大数据相比较是“局部”与“整体”的关系，二者更各有千秋。在知识管理变革中需要综合利用大数据的“量大”和 小数据的“质优”，“各为其主”又相互作用。

四、结语

随着信息技术的进一步发展，知识管理在日常社会生活中的地位越来越受到人们的重视。知识管理的核心是提升组织的创造能力，具有很高的战略意义。科技是第一生产力，但不可忘却的是人的知识创造让科技的阳光得以照入现实。科技会推动一系列新兴事物的产生，同时也将赋予知识更为广阔的空间，知识管理同样需要与时俱进，“大数据”和“小数据”各领风骚成为推动知识管理变革的两驾马车。如何在知识管理中利用好“小数据”与“大数据”，不仅需要相关从业人员的参与，同样也需要政府和企业的协助。