智慧组织与知识管理

柯春晓

智慧型组织，参考王猛老师的梳理，从传统的科层式组织到学习型组织，到现在的智慧型组织发生了很大的变化。这变化有两个驱动，一个是应对外部环境的需要，一个是内部生存发展的需要。传统的科层化组织适用于传统工业化时代的生产型企业。学习型组织，比如互联网企业需要快速应对外面环境的变化，就需要快速的用知识来驱动自己进行转变。在人工智能时代或者人工智能、大数据技术快速融入到企业管理过程中的时候，就需要有外部的力量来注入企业的管理，这就产生了一种智慧型的组织或者需要有智慧型的管理方式与新的技术相适应。组织核心、管理理念、人际关系、组织方式、领导方式都会发生很大的变化。

什么是智慧型组织呢？对内管理来说，王猛老师提出了五个系统：愿景、创新、人员、组织和学习。每一个系统都会发生相应的作用，同时又有四个支撑系统：制度、信息技术、伦理、文化。无论是五个内部的系统，还是支撑系统，都必须有数据和知识围绕着它们。数据再与装备技术相融合或者相加持，为整个组织赋能，同时也会改变传统的科层式组织、学习型组织的管理方式。

对外战斗来说，为什么要去做智慧化组织的研究或者智慧化组织的改造？华为的胡赛雄老师也提出了非常全面的观点。因为现在面临的环境有易变性、不确定性、复杂性和模糊性。很多时候是在一种不确定性或者动态中做出决策的，这时候就需要组织要有敏感的环境感知力、快速的行动力、柔性的自适应能力和强大的指挥力。这四种能力就必须有相应的知识、技术、信息给予加持。

外部环境的感知力，本质是发现信息差。在客户细分的条件下发现价值，在商品丰富的条件下发现性能，在商品过剩的条件下发现性价比，在客户定制的条件下发现新个性。我们要找到企业的能力与外部环境之间或者与客户之间，或者客户与客户之间，政策与企业之间的信息差，从而发现新的机会。

快速的执行力，关键是聚焦。现在的信息非常复杂，不像原来的信息是有限的，现在面对的是快速的信息环境，聚焦就成为一个组织，特别是企业重要的能力。

自适应能力主要是目标的变化。要随着外部环境的变化去改变目标。有一句很经典的话，就是在发展中解决问题，而不是要坐下来解决问题。通过发展中动态调整目标、调整行动来解决当前问题。这就需要企业有很重要的自适应能力，指的是与目标的适应能力。

又要有感知力，又要有行动力，又要有自适应能力。如何做到呢？就是要有强大的指挥力，必须有数据来予以加持，有很多帮助数据加持的办法，比如数字化转型、开源的组织运动、开放创新、制度建设等。比如解决长远问题的慢结构，解决当下问题的快结构的设置，都是解决指挥的问题。

知识管理和数据资产化与智慧管理或者智慧型组织有什么样的关系呢？首先是知识管理，要使得组织具有这样的能力，必须要有知识与辅助，就成为组织来获取能力或者锻炼能力的一个很重要的手段。就是要把内外部的知识组织起来融入到各个环节中去。知识管理也必将成为智慧型组织一个很重要的必经之路。

资产化又和知识管理是什么样的关系呢？资产化是知识管理的一种非常重要的驱动力量。原来做知识管理是一种纯投入，而且价格不菲，见效又不快，但是它又是面向长远目标的价值。数据资产化就很好的解决了这个问题，使得我们的投入像固定资产一样沉淀下来，作为企业资产的一部分。另外，我认为它是知识管理的重要成果，也是知识管理的重要阶段。知识管理的成果，作为企业的资产沉淀下来，并且为企业的长远发展奠定了基础。

数据资产化又和智慧组织是什么样的关系呢？它是智慧组织非常重要的资产，它是组织智慧化的一个很重要的基础条件。

再聚焦到企业来，为什么要做知识管理或者资产数据化呢？是因为企业现在的创新已呈现了生态化和协同化。

IBM的外部生态和内部生态如下，它的创新生态是一个非常庞大的开放式的生态。即使在内部也分成了短期应对某个部门的研发团队，又有长期研究院式的团队，他还为这个团队建立了平台式的开发生态。同时又引入了各种各样的合作伙伴来助力他的研发。

再比如说华为，它的创新发展之路实际上是内部知识和外部知识不断融合的路径。从一开始的输入性知识为主，到中间内部情感式的驱动。因为要做原始创新，这就需要内部和外部的，思维主导下的商业模式的创新，是内部知识和外部知识不断融合产生出华为自己的知识体系或者知识动力的模式，从原始模仿创新走向传统创新，这样知识的需求或者知识的作用从单向吸收走向内外部知识的融合。

丰田体现的是动态的能力体系，它要使得这个组织的学习行为动态应对外部环境的变化。从创新的生态来看，知识和数据发生了很重要的作用。从企业当前的现状走向未来的，无论是学习型的组织，还是智慧型的组织，对这个企业都有一定的要求，这时候就必须要有系统完整的数据基座，内外部知识流动的增值，面向问题的知识体系和数据体系，以及基于数据精准动态的战略情报，我把它称之为知识和数据的势能，在势能的加载下才可能实现智慧型的组织。

智慧型的组织，知识数据，它到底会发生什么样的作用，根据ACF报告，数据将来会渗入到方方面面中去，它不仅仅是简单的资源，而是成为生存的一种必需，因为它会成为未来企业组织的底座儿。

政策背景，总书记在数据要素方面做了很多非常有前瞻性和全局性的论述，那么国家也出台了一系列的政策，从2019年一开始数据要素概念的提出，到最近出的《数据资产评估的指导意见》，都为我们激活数据要素，使数据在企业未来发展中发挥重要作用奠定了重要政策基础。

最重要的就是数据二十条，确立了数据制度的四梁八柱，它最重要的是三权分立（拥有权、持有权、经营权），基本上是把数据动能从政策层面上释放出来。再加上财政部最近出的数据资产入表，从会计准则的角度又给它加了一把动力，使得我们的数据能够作为无形资产入表，或者我们数据作为存货入表，从会计准则上有了新的路径，这都为数据发挥重要作用奠定了基础。

数据在组织里发挥作用它的底层逻辑是什么呢？我认为它要经历三次价值的释放。第一次就是传统的数字化，主要是实现企业内数据资源的整理。第二次是在整理好的数据资源的基础上支持决策或者支持业务。第三次赋能外部环境动态监测，内部环境决策的支持。经过这三次赋能之后，数据才可能实现资本化或者资产化。如果数据在企业里没有发挥作用，无论是做成资本、资产，还是未来的资本化，都会造成某种不良的影响。

数据资产入表的意义，如果处理得当或者科学入表，它就会增厚企业资产化的利润，它可以倒逼数字化的转型。原来数字化转型是一种投入，现在作为资产以后可以倒逼，可以给予更多的投入，当然还有赋能业务。

具体大概会经过这四个步骤：首先肯定是要确权，然后是治理，或者是应该是先治理，然后再确权，同时确权之后，治理清晰之后，要对数据的经济价值予以分析，然后是成本，就是用什么样的方式去进行入表，最后要列表披露。

具体大概经历三个步骤：资源化、资产化，资本化。先说资源化，资源化主要是数据的治理。这个数据的治理我认为必须有这么几个条件或者有一个核心的理念，就是要让数据可视化或者数据有形化。因为数据资产与其他的固定资产都不太一样。比如说在企业里面买一个装备，它是固定在那里的，能看得见摸得着。数据是摸不着的，不知道它有多大量，也不知道它的价值到底在什么地方，那么首先要解决它的有形化，只有解决了有形化才可能使得我们的确权发挥作用，这些后续的工作才可能实现，或者我们对它进行估值才能做。

如果进行有形化，第一步就是数据治理的工作。所谓数据治理就是有价值的信息拿出来梳理清楚，有多少条，多大量，更新日期是什么时候，价值分别是什么，能支持我的业务哪些方面，这些梳理清楚，让它以有形的方式，以数据记录的方式，以数据表的方式，以数据库的方式，以数据可视化报表的方式把它呈现下来落地下来，这时候盖一个章，确定下来，然后才可能进行评估。在这个基础上，再进行资产化。资产化实际上就评估它的价值，评估价值，数据又与传统的资产有不一样的地方。

传统固定资产价值是递减的，如果你的数据是动态的，每天都在更新的，实际上它不一定是跌值的，它是增值的。如果数据一旦停下来了，可能那个跌值是从10块钱一下就跌成1块钱了。而我们的固定资产是平的去跌值的，这些都有它自己的特点，那么如何去评估它？

现在基本的调子是增量评估，因为数据最终要形成产品，在产品和原始数据之间的那个价值是我们把它确认下来的价值，数据只有生成产品，服务决策，支撑业务以后，才可能进行股权化证券化。

那么具体怎么做？什么样的数据算是有价值的数据？什么数据可以入表？什么形态的数据入表？它到底有多大的价值？这些可操作性的东西怎么办？原始数据就是有价值的？还是数据支撑出来的产品有价值？或者数据支撑做出来的决策，开辟的那块业务是有价值的？这些问题都是新的问题。

我们认为大概数据产品分成三类。

第一类，叫做数据原始初级产品，比如说科学院环境所，经过监测很长时间的环境数据打包在这里，这个数据是有价值的，但是它是一种原始的价值，本身这个数据集就可以作为商品确定下来，但是它一定是原始的，它的价值是没有充分开发的，但是这种类型的数据，我们认为它也是可以交易的。这种比较适合于数据拥有者，比较适合于数据密集型企业。

第二类是中级产品，就是把它做成表了，做成库了，有序整理了，排序了，给这些数据都打上标签了，让它一定程度的便于查找，便于管理，形成一种带有资产的、带有增值的、带有有序的数据产品的时候，我们认为它是一种中级产品。比如知网的数据库产品。一般适合于传统的数据经营者或者细分领域的服务者。

第三类是高级类产品，就是数据衍生产品。经过智能的技术予以加持，使得出来的数据充分挖掘。比如在博物馆做智能化讲解，底层有一系列的问答数据，我们认为这就是高级的产品。本身也可以作为数据产品去交易。我们认为比较适合于技术提供商或者行业应用提供商。

这三类产品都会成为数据产品，这三种产品怎么样去处理？数据有特殊性，不能用传统方式去处理，必须用技术去处理数据，才有可能使得未来的数据进行确权。知网也有一些思考，我们现在谋划开发数据质量的评价平台，数据的登记验证平台，数据可信的交付平台，数据的治理平台。这些数据怎么样为未来的大模型训练，都应该有相应的数据工具和解决方案去处理。因为我们接触到的数据一定是在千万级、亿级上，才有一定的决策价值。处理这么大量数据，如果没有工具和技术加持，那是不可想象的。

我们的数据治理平台经历的步骤是建库、标准化、公开化、定期化，同时把它做成语料，语料又有语料的加工办法。质量评估平台要从准确性、完备性、一致性、完整性去评估。现在需要解决如何让它一致性评估？如何验证它的合格性？怎么验证它的有效性和唯一性？这都是需要从技术上或者工作方法上予以解决的问题。再比如登记，区块链技术就要发挥作用。登记是一条，还是一栏儿？还是一张表？还是一个库？怎么样确认一条数据？都是我们需要研究和实践的问题。

注：以上内容整理自2023第十届东沙湖论坛直播视频和柯春晓演讲PPT，未经作者本人审阅。