论企业的数据、信息、知识和智力之间的关系，本文主要内容关键词为：智力论文,关系论文,知识论文,数据论文,企业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
［中图分类号］F27 ［文献标识码］A ［文章编号］1003-5281(2005)03-0110-05
通常情况下，人们对数据、信息、知识和智力很难在实践中区分开来，其原因在于它们之间既有区别又有密切的联系，从而致使它们在概念上还不十分清晰的情况下就被广泛使用。为了彻底弄清知识管理的概念，我们有必要先对数据、信息、知识和智力加以界定，然后再对其逻辑关系进行分析。相关文献中，有学者对此进行了总结，如图1所示。但这并不表明四者之间的关系已经明晰，Tuomi(1999)认为，为了弄清支撑知识和知识实践的知识管理(KM)、信息系统(information system)和智力资本管理的具体含义，很有必要对传统的数据、信息、知识和智力之间的层级关系进行修正。他认为，人们最先接触到的是知识，通过衔接、描述和结构化等智力的努力而创造信息。然后，通过对信息的加载和解释而产生数据。
图1 数据、信息、知识和智力之间的层级关系
一、数据、信息、知识的概念及其关系
从公司的角度看，数据是有关某一事件的一组特殊的、对象化的事实，或者简单结构化的交易记录，如“仓库内现存彩电1000台”。观察这类原始事实或量化实体可用人工操作或适当的技术来完成。透视信息管理可知，数据的获取、交换和储存相对容易。数据以字符节的形式出现不会遗失任何内容。有些公司和组织赖以生存的基础是高效处理、保存这些原始数据，保存记录是他们的生命线。比如，美国人口普查局、社会安全管理局(SSA)都有很强的数据文化组织。我们所谈的数据管理几乎都是定量的。一个小时处理多少数据，一项交易的成本是多少，我们的数据处理能力有多大等。定性的考核放在第二位，所要解决的是数据的可及时获得性和易检索性。公司收集的数据越多，越可能陷入数据充斥(data glut)的境地。尽管数据对于公司很重要，但是数据本身没有多大的用处，只有被收集起来并转化成信息，那些准确和特定的数据才有用。数据管理的主要目的是监控整个数据搜集过程并确保其可靠性、连续性和完整性。
Peter Drucker精辟地给信息定义为：“信息是被赋予相关性和目的性的数据。”信息这个词来源于动词告知(inform)，指的是能够改变或影响接受者的东西。与数据不同，信息要求特定的分析单元，是通过人的认识能力对数据进行系统组织、整理和分析，使其产生相关性的过程。不论信息条目（价格、收入、客户、年份）如何简单，有的人肯定会对你的定义持有异议。信息也存在于电子网络和人际网络中。因特网给我们带来太多的相关和不相关的信息，完全超出个人精力允许的处理范围。达文波特和普鲁萨克提出了将数据转化为信息的5C过滤模型，如表1所包含的浓缩、关联、计算、归类、校正等过程。
表1 通过增加数据含义创造信息的不同方法——5C
增加数据的含义
结果
浓缩 数据被概括为更简练的形式，不必要的细节被舍弃
关联 知道数据为什么被收集起来
计算 对数据进行分析，与数据的浓缩相似
归类 发现分析单元
校正 消除错误和缺少的“数据洞”
资料来源：达文波特和普鲁萨克著《有效知识：组织如何管理所知》，哈佛商学院出版社，波士顿(1998)。
创造公司的优势不是丰富的数据，而是转化丰富的知识的能力。对知识，而非对数据或信息的管理是公司竞争优势的主要驱动力。达文波特和普鲁萨克对知识的定义很好地把握了知识的本质，认为知识是结构化的经验、价值、语境信息、专家见解和直觉的非固定的混合体，也为评估和利用新经验与信息提供了环境和框架。它源于所知者的头脑，并为之所用。知识比信息和数据更有价值是因为它更贴近行动。知识可以移植到机器里，但要有效地分类和接受就很麻烦了。任何尝试过在两人或两个团体之间传输知识的人都明白其中的艰难，接受者不仅必须使用信息，还必须承认信息实际上组成了“知识”。三者之间的关系比较如下。
表2 数据、信息、知识的比较
数据
信息 知识
对世界状况的
被赋予相关性和来自人类意识的有价值的信息，大致观察目的性的数据 包括反应、综合和前后联系
结构简易需要分析单元 难以构建
便于机器获取
机器获取适中 机器难以获取
通常数量多
要求意义上的一致性
通常是默认的
便于传输必须有人为调解传输困难
我们在不断完善数据、信息、知识这三者的统一时，人的智力参与成分也随之不断递增。计算机最适于帮助我们管理数据，其次是信息，最后才是知识。
二、组织知识
与知识密切相关的一个概念是组织知识。如果知识被界定为对事物运作过程规律的理解，并允许所有者进行预测(Clarke,1998)，那么组织知识就允许组织对其所处环境和竞争对手进行识别，并同时成为竞争优势的一种来源。在组织中，知识不仅常常内嵌在文件或存储库中，而且还存在于日常活动、流程和规范中。Vanhoenacker等(1999)对此观点表示支持，认为组织知识包括信息、行为和人，而不仅仅只是文献。Davenport and Prusak(1998)也认为：“（组织知识)……在通常情况下并不仅仅只体现于文献与陈列室之中，它也会在组织的惯例、过程、实践和标准中得以体现。”因此，组织知识可以被看成是有关组织信息、过程、价值和信念的集合。它来源于个人知识而又超出个人知识，并为一个组织所特有。我们很有必要关注知识的转移，从复杂性对知识进行分类可以分为显性知识和隐性知识。显性知识是已经被编码，并以讲座、数据库、文件、文章、书籍等形式贮存起来，接触这些载体的人们，可以将其解读出来并应用到实际工作中。显性知识最便利的收集方法便是使用互联网。显性知识是易于传播（易于识别）并易于为人应用，除去那种妥善保护好的商业绝密或专利，显性知识不会给公司带来很大的竞争优势。但是隐性或孤立的知识，比显性知识模糊。我们已经知道，隐性知识只有通过第一手经验或与知识更丰富的人共同工作，才能获得。隐性知识主要指个人的观念和抽象概念。与显性知识不同的是，隐性知识不能纪录在文献、数据库、书籍或档案中，只能通过口头交流进行共享，这决定了隐性知识很难传播开来。
表3 隐性知识和显性知识的比较
特征
隐性知识显性知识
本质 个人的，特定语境可以编码化、显性化
形式化很难形式化、记录、编码或表述
可以编码，并用正式、系统的语言传递
形成过程
产生于实践中，不断地试错产生对隐性知识的说明和对信息的解析
存贮地点
在人脑中在文件、数据库、网页等介质中
转化过程
常常通过隐喻和类推等外化方法转化为显性 通过学习转化
IT支持很难用IT了来管理、共享或支持
现有IT了能很好地支持
媒介支持
需要丰富的沟通媒介
可以通过常规电子渠道传递
日本学者野中郁次郎(Nonaka)和竹内弘高(Konno)认为，新知识产生于显性知识和隐性知识的相互转换过程中，他们将知识的转换过程分成了四种不同的类型，从而提出了知识转化的SECI模型。共同化过程(scialization)：隐性知识向显性知识转换过程；外化过程(externalization)：显性知识向显性知识转换过程；结合化过程(combination)：显性知识向隐性知识转换过程；内化过程(internal-ization)：隐性知识向隐性知识转换过程。
三、智力的基本含义及其组成要素
在很多场合下，智慧经常被用作智力的同义语。所谓智慧，通常被称为人的智力，亦即人认识客观事物及其规律并用以解决实际问题的能力，表现为人对事务和事务发展趋势的洞察力和前瞻性。在西方心理学中，有人从理性哲学观点出发，认为智力是指抽象思维能力。例如，法国心理学家A.比内把智力理解为“正确的判断，透彻的理解，适当的推理”能力。又如，美国心理学家L.M.推孟认为，一个人的智力和他的抽象思维能力成正比。有人从教育学的观点出发，认为智力是学习能力，学习能力就代表智力水平。也有人从生物学观点出发，认为智力是适应新环境的能力。例如。德国心理学家施太伦(L.W.Stern)认为：“智力是指个体有意识的以思维活动来适应新情境的一种潜力。”又如，美国心理学家E.L.桑代克认为：“智力是从事实和真理方面着眼的适当反应的能力。”心理学家布朗(F.G.Brown)似乎综合了以上几种意见，认为智力是学习能力、保持知识、推理和应付新情境的能力。较多的中国心理学家认为，智力是指认识方面的各种能力，即观察力、记忆力、思维能力以及想象能力的综合，其核心成分是抽象思维能力。
实际上，人的智力的各个基本组成要素之间并不是—种简单的平面的线性关系，而应该是一种非线性的三维立体结构，如图2所示：
图2 智力三维立体结构示意图
人的智力的本质和核心则是思维（思考）能力。同时还可看出，人的智力的诸多组成要素之间并不是一种随意堆放关系，而有着严密完整的系统结构。与传统意义上的智力观多是仅含“认识因素”不同，现代智力观实质是“人力论”，将智力因素与非智力因素都规定为智力的组成因素，并以思维力为核心，重新整合为定向力、记忆力、思维力、想象力、调控力等五个基本因素，又将智力结构分为动力定向（主要是指需要、动机、理想、志向、价值观等确定活动目标方向、提供活动动力支持方面的因素）、认知加工（主要是指记忆、思维、想象等直接参与活动的认知性因素）和调节控制（主要是指注意、兴趣、情感、态度、意志等调节控制活动过程的因素）三个子系统，从而构成一个相互制约又相互促进的非线性的网络型结构系统。人们正是依靠这一网络型的智力结构系统而从事各种认识和实践活动的。
智力水平的高低是由定向力、认知力、调控力等综合因素决定的。从图2还可直观地看到，一个人的智商高低，并不仅仅决定于记忆力、思维力、想象力等认知因素，需要、价值、动机、志向、注意、兴趣、情感、态度、意志等定向、动力、调控因素以及一个人所处的智力生活环境，同样都是决定人的智商高低的基本因素。这就是说，人的智力并不是一个只有大小而没有方向的标量，而与物理学中“力”的概念一样，也是一个具有大小、方向、作用点的矢量，一个人的智力水平应该是定向力、认知力、调控力等多种变量的多元函数，可用数学公式表示为：
智力(Z)=f[定向力(X)·认知力(R)·调控力(K)]
这种新的三维智力结构观，从理论上来说，既纠正了美国吉尔福特“三维智力结构说”，将智力活动的内容、成果也当作智力因素而人为扩大智力外延的严重缺陷，又克服了法国比纳和西蒙、美国韦克斯勒等传统智商测验理论忽视动力、定向、调控等因素而随意缩小智力外延的弊端，从而更加符合客观现实，逻辑思路也更为严密科学。从实践层面来看，不仅能够更为圆满地解释诸如“有志者事竟成”、“天才出于勤奋”、“勤能补拙”等许多古今中外虽然思维、想象等认知因素一般但因志向、勤奋、意志等定向、动力、调控智力因素好而取得卓越成就的成才现象，而且可以据此编制更为科学合理的智力测验新量表，从而全面、准确地测量人的智力发展水平。
智力存在于人的认识与实践活动中。智力活动本身就是一种认识活动，而实践活动同样也需要有智力的参与，而且随着社会的发展和科技的进步，实践过程中智力活动的比重越来越高，其作用也越来越大。这就是说，从智力的作用范围来看，智力并不仅仅只是存在于人的认识活动中，而在认识与实践活动中都发挥着重要作用。这就克服了传统智力概念只说智力活动是认识活动而未明确肯定智力在人的认识与实践活动中均有重要作用的弊端，也就更充分地说明了发展智力的重要性。
智力即认识或理解，是创造知识的能力，也就是合理或高级的运用智慧的能力。按重要程度由低到高排列，智力包括：(1)认识性的知识，某学科的规律和事实；(2)高级技能即诀窍，可进行有效的竞争并完成任务的能力；(3)系统理解，理解各个关键变量之间的相互关系和相互作用的程度；(4)有目标的创造、发现或创新，联系多个学科来创造全新功能的能力；(5)直觉与综合，理解或预见不可直接衡量的各种关系的能力。智力不仅可以存在于人脑，也可以存在于组织的系统、数据库或操作技术中。
当认识性知识阶段上升到有目标的创造性和经过训练获得的直觉阶段时，就可以说这个企业的智力价值得到显著的提高。詹姆士·奎恩(James Brian Quinn)等在《创新爆炸》一书中认为企业的智力有如下的特点。
指数特性——通过适当的激励，知识和智力可以按指数方式增加，并且所有的学习和经验曲线都具有这一特点。
分享和融入——在企业系统和文化中可以做到分享和融入企业的关键知识，能产生智力协同效应的效果。
扩展性——与实物资产不同，智力能够在所用中增值，一般都具有许多还没有充分使用的能力，在面临压力时，能够通过自我组织进行扩展，在用户使用时能够体现出最大的价值。
四、数据、信息、知识和智力的相互关系
信息就是数据在有意义背景下的一种累积，解析性理解来源于对信息的分割与重组，可以让信息的价值得以延伸，而知识既可以从位于其下面的各个层面中产生，也可以从既有的知识中创造，智力则是对累积知识的一种有效利用。国内学者朱祖平(2000)认为，数据是形成信息的基础，也是信息的组成部分，数据只有经过处理、建立相互关系并给予明确意义后才形成信息。信息是进行判断、决策所需的资料。知识则是对信息的推理、验证，从中得出系统化的规律、概念和经验，它是言行的基础。智力是知识的外在表现，是通过业绩反映出来的个人知识修养。其关系可用图3表示如下。
图3 数据、信息、知识和智力关系图
发展智力比掌握知识更重要。一部汽车的性能好坏，最具有决定性的因素是它的发动机。如果我们将人看作是一部汽车的话，那么，知识只是汽车发动机所需要的汽油、柴油等燃料，而大脑才是汽车的发动机。创新主要在于人的大脑及其智力，而不是仅仅在于掌握知识的数量多少，没有知识是万万不行的，但仅有知识也是远远不够的。如果没有发达的大脑及其智力，知识再多也是不会有什么创造的，而只是使拥有者逐步沦为虽学富五车、知识渊博但高分低能、毫无创造的“书呆子”。事实上，科学的知识只有与发达的智力有机结合时，才会不断创造出辉煌的人间奇迹。英国哲学家培根曾说的“知识就是力量”，实际上只适用于人类早期的蒙昧时代，而在科学技术迅猛发展的今天，则应说“智力才是力量”。现在社会上颇为流行的“知识经济”，实质上我们应该称为“智力经济”更为合适。企业经验丰富的员工连同他们的技能、市场定位、愿景、认知度、专利、忠实的顾客群和声誉都是企业的无形资产，是企业的智力资本创造的。企业的智力资本强调的是人或者企业的智力以及利用这些智力进行知识创新的能力，强调的是知识的隐性方面和知识的创新。发展是第一要务，科技是第一生产力，人才资源是第一资源，智力要素是人才的第一要素。要使人才质量高，发展智力最为重要。
［收稿日期］2005-02-05