如今,高管们谈及“知识管理”,总会抱怨大数据的分析有多难,这点也在意料之中。因为当今多数管理者都要面对来自顾客、运营部门以及员工的海量复杂数据,但这些数据很难被转化为有用的知识。所以人们想当然地认为,有了合适的专家和得力的工具,就能从这些数据中发掘出有用的战略想法。
虽然大数据潜力诱人,但过度关注可能导致企业忽视了那些更为重要的事情,即对战略知识资产(比如核心竞争力、企业专业领域、知识产权以及人才库)的正确管理。如果企业不知道组织取得成功依靠的是哪些知识,就无法释放出大数据的真正价值。
然而,很少公司能说清自己拥有哪些知识,这些知识中哪些是成功的关键,针对这些关键知识资产,它们该如何管理,或者将哪些领域的知识进行整合。本文中,我们将详细描述管理这一流程的方法。
界定知识资产
第一步是针对你即将开展的业务划出界限。即使企业采用经典知识管理方法,收集陈列出公司内部所有的流动知识,也很难从中发掘出可用价值,反而可能造成信息过载。即使企业具备知识管理系统,也无法全面解析其关键任务知识。本文会帮助你了解哪些知识资产或知识资产组合是组织成长的关键。
识别和界定战略知识是迭代行为。在我们与企业的合作中,通常会先在组织、部门和业务单元层面组建多职能团队,清楚阐明大家眼中影响公司竞争表现的一些关键维度以及背后依赖的知识。企业可以通过提前给个人分配任务,构建对话环境。
比如,让高管梳理出商业模式和高级关键知识,例如先进技术领域、知识产权、成功商业模式中企业与客户、供应商和分销商间的关系。市场研究人员和销售经理描绘出未来客户需要的新产品及服务属性。技术和运营经理给出那些支持所需专业知识领域的惯常做法等。(选择哪些员工来做这些分析取决于企业的业务环境,以及高管团队对未来战略的清晰程度。)
第一次单独进行这一步已很具挑战性。我们和欧洲核研究组织(CERN)主要的粒子物理学实验ATLAS(超环面仪器实验)小组的决策人合作时,采访了很多利益相关者,了解到项目成功背后借助的知识概要,并对组织中200多名其他成员进行了调研。虽然最终只界定出ATLAS知识库中的一部分,但找出了26个知识领域中最重要的8个领域。
知识库中的核心资产可按“硬性”和“软性”进行划分。比如技术熟练度属于“硬性”知识,支持智能风险的企业文化则属于“软性”知识。你也许还会发现一些企业本该拥有却尚不具备的知识,以及那些需要加强的知识。这些也不要遗漏。
下一步是在简单的二维图表上描绘出你的资产:隐性和显性的(即非结构性和结构性),以及专属和普遍的(非扩散和扩散)。边栏文章《这是哪类知识?》展现了这种映射方阵,它会帮你找到自己的知识资产所处的位置。(这些映射方阵的研究成果是由西德尼·温特(Sidney G. Winter)、野中郁次郎(IkujiroNonaka)和已故的马克斯·博伊索特(Max Boisot)完成的,如果博伊索特尚在人世,肯定会和我们合著本文。)
非结构VS 结构。非结构(隐性)知识涉及的是那些深刻、几乎直观的理解,很难清楚表达出来;一般存在于专业极为深厚的知识领域。经验丰富的一流工程师,也许能凭直觉解决其他人一筹莫展的技术难题(但他无法将这种直觉清楚阐述出来)。战略咨询公司的老板在掌控谈话、拓展关系、完成交易等方面拥有天赋,却无法将这种行为模式背后的具体原因分享给他的同事。
结构型(显性或可编写的)知识则更易于交流:比如,采用“探索式规划”(discovery-driven planning)的企业,因为它们依赖的是同一种语言、经验法则和概念框架,所以能够很快将其采用的方法论普及给所有员工。对于那些结构性异常突出的知识,你可以通过专利、软件或其他知识产权的方式获取。
非扩散VS扩散。知识在企业内部或外部可以扩散到什么程度?比如某个部门也许很擅长和中国政府谈判,而另一个部门则完全不谙此道。这里面的知识明显不具备扩散性。但多数企业都具备一些可以广泛共享的能力,比如包装消费品制造业擅长的推广和营销新品牌的技能,很多国防工业雇员在政府投标领域的专长。当然,有一些知识的扩散程度则远远超越了组织的界限。
已有0人发表了评论
哈佛网友评论