按一下以編輯母片標題樣式,按一下以編輯母片本文樣式,第二階層,第三階層,第四階層,第五階層,*,決策支援系統與企業智慧,梁定澎 編著,智勝文化事業有限公司製作,第七章 知識管理,本章大綱,第一節 導論,第二節 知識的基本概念,第三節 知識庫與知識管理,第四節 知識表達與推理,第五節 知識工程,第六節 知識管理的成功案例,第七節 結論,學習目標,決策中知識的概念,DSS的知識管理架構,知識管理系統的設計,知識管理的應用,知識的基本概念,知識是一種存在於人們腦中的決策與判斷的準則，用以解決日常生活中所面臨的問題。知識存在的形式，可能是具體的事實（如：鐵是硬的），也可以是一種意識、識別力、智慧、法則、認知、經驗、技術、學習能力等，其中又以經驗及法則最為重要。,若以企業組織為著眼點，可以將知識定義為企業的無形資產（Quintas等人，1997），包含的類型有：市場及顧客資訊、產品資訊、專家的知識、人力資源資訊、核心商業流程、交易相關資訊、管理資訊（特別是決策策略）、供應商資訊（特別是交易協議與服務資訊）。,組織內有價值的知識之分類,個人知識,是指員工本身所擁有的知識，包括特定技能、經驗、習慣、直覺、價值觀等。由於員工可能會離職，因此如何把員工知識化為組織的結構化知識，保留在組織內，是知識管理的重要工作。,結構知識,是屬於組織的知識，不會隨著員工離職而消失。這些知識包括實體的知識與抽象的知識。實體知識包括掌握的科技、發明、資料、文件、製程等；而抽象的知識，如策略和管理文化、組織程序等，雖然較難以看見，其價值卻可能比實體知識還高。,組織內有價值的知識之分類（續）,顧客知識,是指企業所蒐集有關客戶的資訊，如顧客偏好、市場佔有率、顧客滯留率等。這些顧客知識在以客製化為中心的電子商務的環境中，其重要性亦很高。,知識與決策支援的關係,充分的知識是良好決策的必要條件,每個決策均有特殊的情境與考量，因此要制訂好的決策便一定需要有充分的知識。尤其是在管理決策中，有許多並不能完全用數字或數學模式來解決，唯有依靠判斷性的知識。,資訊科技使知識的效用更能發揮,知識若只在決策者的腦中固然能解決問題，但是對它的正確性及未來改善潛力都比較缺乏客觀的評估。透過將知識與DSS結合，不但能使知識的應用更為廣泛，而且也使知識可以受到客觀的評估與檢視。,圖7-1 知識的演變過程,事件,資料,資訊,知識,資料、資訊、知識,文字化(Contextualized),分類(Categorized),計算(Calculated),淨化(Corrected),濃縮(Condensed),比較(Comparison),因果(Consequences),關聯(Connections),互動(Conversation),資料來源：取材自知識管理(Working Knowledge),資料,資訊,知識,5C,4C,知識的分類,外顯/內隱知識,個人/組織知識,量化/質化的知識,依敘述/情境來劃分,依事實/因果來劃分,依初級/彙整(meta)劃分,DSS的知識管理 vs.企業知識管理,兩者的差異,DSS中的知識管理注重的是針對一個特定的決策問題，利用人工智慧的推理機制，由已知事實來找出最佳決策，供決策者參考；其範疇比較小，且較不涉及組織運作。,企業推動的知識管理，則涵蓋企業內各種知識的保存、開發、分享與應用，以組織運作及制度管理為主，較不涉及個別的推理技術。,表7-1 DSS中各模組的比較,資料管理,模式管理,知識管理,管理對象,計量資料,計算模式,判斷性知識,儲存元件,資料庫,模式庫,知識庫,管理模組,資料庫系統,模式庫系統,知識庫系統,應用方法,查詢、檢索,數學計算,邏輯推論,適合資料,文、數字,數字,文字,常用表達,表格,公式,法則,圖7-3 整合性的知識管理系統架構,知識工作者,回應/互動,學習機制,知識庫,表現知識,類推知識,推論知識,程序知識,公式知識,實證知識,更新,刪除,修改,推理,檢索,儲存,知識庫管理系統,知識表達,必須考慮表達什麼？及如何表達？,傳統專家系統開發時最常用的表達方式就是法則,推理機制,專家系統中最常用的推理策略有兩種,向前結合(Forward chaining),在向前結合的情況下，推理機由已知的事實出發，尋找該事實所能適用的法則，如此不斷地向前推進，直到找出所需結論為止。由於這個方法是由事實出發，因此往往又稱為資料主導的結合法。,推理機制（續）,向後結合(Backward chaining),向後結合先決定所要追求的結論，然後再尋找資料來驗證所認定之結論的正確性。若結論不正確，它再試探下一個可能結論。,圖7-4 向前與向後結合的適用性,向後推理,少數可能解答,刪減方案數目的決策樹,許多條件,圖7-4 向前與向後結合的適用性（續）,許多可能解答,少數可能解答,向前推理,不確定性的處理,造成專家系統結論不確定的原因至少有二,條件滿足的不確定性,每個法則都有許多必須滿足的條件。,條件與結論間的不確定性,即使條件是否滿足可以正確地評價；另一個無可避免的風險，則是條件和結論之間因果關係是否絕對永遠成立。,不確定性的處理（續）,既然有不確定性的存在，學者們開發了許多不同的估計方法,確定因子法（CF法）,基本假設為各個不同因素或法則之間彼此獨立。,不確定性的處理（續1）,模糊邏輯法,希望能包容人類思考過程中的模糊和不精確性。,兩個基本原則,若幾個條件需同時成立時，其總和的確定性為它們個別確定性中的最小值。,若幾個條件只要有一個成立即可時（在或的情形下），其總和的確定性為它們個別確定性中的最大值。,知識工程,將專家知識有系統地轉化成可以電腦化、有結構的知識的過程。而協助這項轉換的人則稱為知識工程師。,圖7-5 知識工程的程序,確認,概念化,正規化,實施,測試,修訂,知識工程的程序,確認階段(Identification Stage),選擇知識工程師及專家，並且分別定義各自的角色。,概念化階段(Conceptualization Stage),讓知識工程師和專家充分溝通，並建立共識。,正規化階段(Formalization Stage),把上一個階段定義完成的核心概念、問題及相關知識以正式的方式表達出來（如：法則），建立知識的模式，以方便瞭解及在電腦上執行。,知識工程的程序（續）,實施階段(Implementation Stage),將上一個階段中所定義出來的正式知識，以軟體工具來建置成為雛形系統。,測試階段(Testing Stage),主要是評估雛形系統中知識的正確性，以及系統表現方式是否可以正確地提供有用的資訊。,修訂階段(Revision to Complete the System),針對測試所發現的問題，加以修正並測試，直到結果可以接受為止。,圖7-6 知識庫的建置階段,知識擷取,人際溝通,人機交談,機器學習,知識庫設計,知識表達,知識推理,系統建置,工具選擇,知識編碼,系統測試,系統檢驗,系統驗證,圖7-7 知識擷取的步驟,指認,結構,關連,測試,知識擷取的方式,人際溝通,知識工程師必須具備良好的溝通能力，其所用的方法以交談法(interview)及雛型分析法(Prototype Analysis)最為常見。,人機交談,以交談式擷取軟體為界面。為了較有系統地將專家的知識擷取出來，可以利用軟體將知識導出的流程規劃出來。,知識擷取的方式（續）,機器學習,以機器學習軟體作為知識擷取的界面。由於電腦具有大量的運算能力，加上目前人工智慧技術的發展，使得電腦可以具備部分的學習能力。,常見的知識擷取方式,訪談,行為分析,協定分析,書面查詢法,多專家法,知識擷取的輔助工具,MORE,幫助領域專家更有效率地提供專業知識，以減輕知識工程師的負擔。,AQUINAS,知識工程師進行知識擷取時，可能同時採用多種不同的擷取技術，AQUINAS就是把這些技術建置成為系統，以協助知識擷取的進行。,KRITON,可以從專家來擷取知識，也可以從書面資料來擷取知識。,知識擷取的輔助工具（續）,AUTO-INTELLIGENCE,是一種商業化的知識擷取工具，其目的在於快速地將專家知識建置到電腦系統中，尤其適合解決分析型態問題。,資料探勘從資料庫中探勘知識(KDD),KDD的過程分為五個階段,選擇(Selection),前置處理(Preprocessing),轉換(Transformation),資料探勘(Data Mining),解釋與評估(Interpretation/Evaluation),KDD的常用的技術,統計(Statistics),人工智慧(Artificial Intelligence),資料庫與資料倉儲(Data Warehouse),良好的知識表達法,表達能力,精確地表達知識，避免知識模稜兩可。,表達效率,精簡地表達知識，避免太多不必要的雜訊。,推理效率,結構化地表達知識，以便快速推論來得到答案。,易理解性,清楚地表達知識，讓知識表達符合人類的思考模式。,良好的知識表達法（續）,易管理性,彈性地表達知識，讓偵錯修改更為容易。,系統建置的工具選擇,知識擷取工具,通常是自行開發的套裝軟體，主要目的是用來擷取某個領域的知識。,建構平台,通常是自行開發的套裝軟體，主要目的是用來建構專家系統。,建構環境,是專為建構系統而開發之套裝軟體，如Smalltalk。,系統建置的工具選擇（續）,建構語言,用以建構系統之程式語言，包括LISP及PROLOG等。,知識編碼的步驟,檢視結構圖是否正確，並確認該結構圖所包含的知識足以達成系統目標。,若發現結構圖上有漏洞，則必須擷取額外的知識來填補。,將檢查過的結構圖，轉換成為決策樹或決策表。,檢查決策樹上的可能缺口，若有缺口便必須擷取額外的知識。,知識編碼的步驟（續）,由於有時決策樹會包含多種的領域知識，因此可以依據領域將決策樹分隔成適當的大小，並使用模組化的知識編碼技術。,將樹狀知識轉換成法則。,系統測試知識驗證,指正確地建置系統，也就是先不管真實世界的事實如何，單就邏輯架構的正確性進行檢測。,目的,為了確保存在於知識庫中的知識不會互相矛盾或衝突。,知識庫中常見的問題如下,重複的法則。,法則之間互相衝突。,法則之間的相互包含。,法則之間是否有循環參照。,系統測試知識評價,指建立正確的系統，也就是必須針對實際的問題領域，評量知識庫系統所提供的建議是否符合使用需求，以及績效正確度能否到達接受的水準。,目的,為了確保存在於知識庫中的知識是否符合真實情況的需求。,系統測試知識評價（續）,兩種知識評價的做法,質化評價,對知識進行非量化的評價。,可採用下列三種方式來進行,表面評價(face validation)。,預測性評價(predictive validation)。,實地評價(field validation)。,量化評價,以統計之類的量化方法來衡量知識系統的效果。,圖7-9 Loan Probe放款決策流程,流動性擔保品評估,是,是否取得流動性擔保品？,輸入貸款基本資料,是否充分,否,評估結果,是否取得財務報表？,評估結果,否,是,是,是,是否良好？,否,信用狀況評估,圖7-9 Loan Probe放款決策流程（續）,非流動性擔保品評估,是,是否取得非流動性擔保品？,是否充分,否,評估結果,是否取得新的擔保或資料？,評估結果,否,是,否,否,否,是,