什么是知识管理( 基于知识管理与BP网络的企业预警战略研究 )

摘要：知识管理理论为企业战略管理的研究开辟了新思路。清晰的知识与隐性知识之间的转化原理为企业预警策略提供了理论基础；BP网络模型克服了传统模型难以处理高度非线模型和缺乏自学习能力等缺陷。通过对基于知识管理和神经网络的企业预警策略模型的研究，证明了神经网络模型能够取得良好的战略预警效果。

关键词：知识管理；企业战略危机；预警战略；反向传播

战略是决定一个组织发展方向和生存的重大问题。策略通常是稳定的。这种战略管理系统是基于一种正常的假设，而管理者习惯于按照正常的计划工作。然而，管理环境中总是存在不确定性。因此，基于正常假设的战略管理体系具有很大的脆弱性，表现在233，360个中的一个，缺乏全面覆盖企业战略危机的完整应急体系；第二，没有完善的企业预警战略体系。在危机或变革刚刚出现的阶段，企业往往无法从战略角度审视其变革，在变革演变成危机之前，变革的危害程度被严重低估。企业在战略对，机制准备、技术准备和材料准备方面的不足立即暴露出来，他们不得不采用一系列高成本的管理措施来抵御危机，通常代价很大。因此，一个好的应急机制取决于一个好的预警系统。预警策略的理论阐述和预警工具的方法选择是预警策略体系的两个关键问题。本文运用知识管理理论和神经网络工具对企业预警策略系统进行研究，探讨了基于神经网络的企业预警策略模型的建立。

一、知识管理和预警策略

1.自20世纪90年代以来，知识和知识管理(Knowleedge管理)一直被西方经济理论家和企业视为企业应对对面临的变化和挑战的法宝，并被许多企业应用于实践。波兰尼将知识定义为显性知识(前edge和隐性知识。显性知识是可以通过技术手段传播和分析的知识和信息，如内部计算机系统和相应的软件；隐性知识来源于企业和员工的社会文化背景以及人们的主观意识，这更依赖于人际传播来传播。

罗伯茨认为知识是非常动态的，隐性知识和显性知识在人类的创造活动中相互作用、共存。1995年前后，以野田和竹内提出的新模型的流行为开端，进入，的知识管理研究进入了一个新时期，知识管理研究的重点转向显性知识和隐性知识的相互转化。在这个模型中，知识被认为是有形的。

2.企业战略危机与预警战略预警是衡量一个国家偏离预警线的程度并发出预警信号的过程。企业战略管理中的预警管理是企业战略危机的敏感诱导过程。对企业战略危机是指企业由于外部环境或内部条件的变化而无法实现既定目标的状态。因此，ESC是战略管理过程中由于战略管理失误或波动而导致的危机。越早、越容易预防和控制对，的战略危机，对企业的损失越小、影响越小。因此，建立一个全面的企业预警战略系统-对对于企业防范战略危机具有重要意义。预警战略管理实际上包括对，战略管理过程中管理行为的预警和预控管理，即在对战略管理活动中建立了解错，预防错，纠正错、治理错的机制。预警策略系统的功能包括监测、诊断、预警模式、信息、早期控制、对政策和纠错。

预警策略系统具有以下特点： (1)全面性。预警战略系统的全面性有两层含义。首先，预警战略管理是企业综合预警的概念；其次，预警战略管理是对整个战略过程的预警管理。(2)诊断。这是预警系统的一个共同特征，它可以在企业战略管理过程中做出病理诊断。(3)预控。战略是对公司未来的总体规划。因此，战略本身是超前的，所以预警战略系统也具有早期控制能力，它还可以提前预测对的战略问题或战略危机，从而防患于未然。(4)规范化。战略的制定需要高级管理人员的直觉、主观和经验判断。同时，战略是理性分析的产物。战略管理，如生产管理、营销管理和财务管理，可以形成程序性决策。战略预警决策应该是通过高度系统的规划和合理的分析方法的必然结果。(5)动态。预警战略系统是对对战略制定、实施和评价过程中的波动和失误进行预测和纠正管理，因此它是一个动态的全过程。

3.知识管理与预警战略的整合应着眼于战略危机的诱发因素。经验表明，引发战略管理危机的主要挑战有两个：的规律性和持续性变化以及突发性和不规律性变化。程序性决策只在对，的前一种变化中起作用，而在对的后一种变化中起作用，我们只能通过经验和借鉴来梳理出一些突变和不规则的变化，并在梳理后使之接近第一种变化。野田和竹内认为，知识的形成有五个阶段：共享隐性知识、形成观念、判断这种观念的合理性、建立符合这种观念的相关规则、形成人们普遍认可的清晰知识。

显性知识和隐性知识之间的转化原理为导致战略危机的变革表达提供了基础。企业战略所面临的规律性和持续性变化，通常会在企业中引起一些有形的、可预测的问题，这些问题可以通过显性知识来表达和决定；企业战略的一些突变和不规则变化往往会导致一些无形的问题，这些问题只能通过隐含的知识来表达。传统管理理论重视解决问题，分析对问题。这种方法通常只适用于对；知识管理首次用于预防问题的定期和持续变化。泰尔-奥夫认为，在一个有效的知识管理系统中，企业管理层应该采取积极的预防措施来发现企业面临的问题，而不是在问题出现时或出现后采取对政策。换句话说，一个有效的知识管理系统可以在问题发生之前预防对企业所面临的问题。这需要逻辑分析、思维和创造性的结合，即综合知识、相关经验、技能、系统和判断，尽可能多地澄清隐含的知识，并将不规则变化经验化为标准化框架。

第二，人工神经网络和BP模型已经有很多工具应用于预警模型，但是还存在一些问题。例如，预警模型采用直线外推、指数平滑、回归分析、移动平均、灰色预测等模型，但高度非线模型难以处理；预警线和预警区域采用一定的方式，不具有时变性，缺乏自适应和自学习能力；预警信息和知识获取是间接的、耗时的和低效的；预警系统的建立是离线和不定时的，很难满足在线定时预警的要求。人工神经网络理论和方法的出现为预警系统克服传统方法的缺点提供了新的可能性。

1.人工神经网络人工神经网络的概念是一种非线自适应动态系统，它模拟生物神经系统的结构，由大量的处理单元组成。它具有学习能力、记忆能力、计算能力和智能处理功能，并在不同程度和水平上模仿大脑的信息处理机制。神经网络具有非线，非局部性、不稳定性和非凸性的特点，其应用已经渗透到模式识别、自动控制、图像处理、非线优化、经济预测等诸多领域。近年来，随着计算机技术的发展，神经网络可以用计算机来模拟。人工神经网络不需要建立任何数学模型，它只依靠过去的经验和专家知识来学习，并且它的输出与通过网络学习的预期输出是一致的。目前，它主要用于处理模糊、非线和噪声数据。

2.BP神经网络BP网络模型是反向误差传播神经网络。由于对非线系统具有很强的学习、联想和错功能，能够处理大规模并行信息，具有很强的仿真能力，成为目前应用最广泛的人工神经网络。它是一个典型的多层网络，具有输入层、一个或多个隐藏层和输出层。这些层都是互连的，同一层中的单元之间没有互连。它主要用于函数逼近、模式识别、分类和数据压缩。BP算法的学习过程包括两个过程：前向传播和后向传播。在前向传播过程中，输入信息从输入层逐层处理，然后传输到输出层。每层神经元的状态只影响下一层神经元的状态。如果在输出层得不到期望的输出，错误信号将沿着原来的连接路径返回，输出层将与网络学习时的“教师信号”进行比较；它们之间的误差归因于连接层中节点之间的连接权重和阈值的偏差。通过将输出层中节点的错误逐层反向传播到输入层，网络可以