知识管理，从深层次看更应该是一种工作方法和工作哲学。我们每天的行为，无论是生活还是工作，其实都是时时刻刻在进行知识运转，都和对世界的理解、对事物的认知、对选择的判断、对行为的决策息息相关。
知识管理本身就是工作，本身就是业务。
经典的知识管理框架中，最核心的三要素是人员、流程和技术。面对新的挑战，这三驾马车的架构依然不变，但其驾驭的内容却发生了变化，需要知识管理从业者敏锐地把握住时代的脉搏，积极思变。知识管理升级迫在眉睫！
一、人员——心法至上
我们都知道知识管理最重要、但最难做的就是激发人。如何激发？却向来没有明确的说法。马斯洛心理需求层次金字塔，从低到高依次是生理、安全、爱与归属、受尊重以及自我实现。可是他最终也发现，如果一味地强调自我实现，会导向不健康的个人主义，甚至于自我中心的倾向。在他去世前发表了一篇重要的文章《Z理论》（Theory Z）之中，他反省自己多年发展出来的需求理论，增加了第六个需求层次——灵性成长，来修正他原来的模型。马斯洛最终认识到发现无我、探索真我的意义，归于心灵需求的灵性成长才是真正的超越。
野中郁次郎在和张瑞敏对话中这样说：我跟很多管理学者和企业领导人接触过。我发现，跟我讨论时，很少有人（特别是企业领导人）涉及到哲学……其实，知识的基础包括人文科学：历史、文学、哲学等等。东方智慧商研院创始人赵越老师，把企业分成三种不同的境界——物质、心智和心性。企业家也有这三种境界，这是他们的哲学观和世界观的写照。
所谓物质层面的经营，指的是关注做事的方法，如技术、利益、KPI等。到了心智的层面，会更在意客户更高层次的需求和更深层次的心理感知，而不是物质上的得失。上升到心性层面后，就会思考企业道和德的问题，一是合天地之道，二是要有德。
将中西方至高的智慧放在一起，其实对于知识工作者，也是相通的。在人的要素上，也应该对应这三层境界——物质、心智、心性。每个境界的着重点也不一样，这就是我目前找到最合适KMer的心法。
▌在物质层面，应该强调的是共享经济。我们每个人需要重新审视和规划自己名下的资源（包括时间、知识、技能等），通过物权模式创新，将拥有权与使用权分离。再借助互联网工具和手段，实现规模化资源高效匹配，从而进化出一种全新的物权利益共享分配机制。个体在提高资源利用率的同时，能从中获得回报。社会在提高整体资源利用率的同时，实现资源节约循环利用。
▌在心智层面，应该推崇的是工匠精神。我们需要在自己的专业领域里数十年如一日，持续不断地提升专业水准。重视细节＋认真敬业＋精益求精，即便在平凡岗位上，也能够做到出类拔萃。匠人匠心，执平凡于本心，顺信仰而前行，方能经岁月打磨陈酿，历久弥坚！历久弥辣！
▌在心性层面，应该秉承的是知行合一。这个一，从哲学高度，是致良知，是天地万物于一体，是明明德，是道。破除小我，实现大我，通过利他而后利己。这是一种与天地万物同体并一气漳通的超然自乐的人生境界，人格精神获得了高扬，个体生命存在价值得到了肯定，人的心灵被提升为与天地同体无古无今的永恒，而这正是生命的体验过程。
二、流程——场景无限
一旦涉及业务流程优化和重构，往往会大动筋骨，波及到组织部门、人员、权力、利益等甚广。即便是有高明的咨询公司、专家顾问协助，一旦变革的周期拉长，市场及客户又会发生变化，那么流程优化时考虑的因素，就需要动态进行调整。
可实际上，企业不可能朝令夕改。一声号令之下，调动千军万马，如臂使指，谈何容易！
现在企业越来越务实，会逐步以业务问题为导向，先进行局部快速优化改善，而不再纠结于全面流程梳理。
因此，一个组织应该以内部推动为主导，以外部力量协助为辅助。需要各个岗位的知识工作者们，把自己从螺丝钉转变为发动机，以工匠精神对自己领域中的流程进行持续优化改善。我的地盘我做主，迅速见到成效，再适当扩大范围，积微胜为小胜，积小胜为大胜。
在这个不稳定（Volatile）、不确定（Uncertain）、复杂（Complex）、模糊（Ambiguous）的VUCA时代，未来的工作模式，一定是为知识工作者提供极致的知识化工作空间（Knowledgeable Workspace）。
在这个知识化工作空间里，应以人为本，以业务为导向。流程为纲，知识为体，结合具体业务及工作，就转化为一个一个具体的场景（Context）。每一个场景核心可以由不同的知识模板（Template）和工作流（Workflow）组成。
从重流程向重场景的转化，以知识型工作者为中心，构建他所需要的场景化工作支撑。
►基层员工需要的场景元素主要包括：当前工作的模板规范、当前工作的下一步流程动作、当前工作的历史知识与经验等。
►管理者需要的场景元素主要包括：当前工作的宏观数据、当前工作的模板经验、下一步决策的数据支撑等。从CRM系统到拜访客户场景、从OA系统到请假场景…… 忘掉IT，是未来知识工作者必然的转化。忘掉IT并非扔掉系统，而是明白工作的场景是第一位，IT、知识管理、流程都为了支撑工作场景而存在。
按照这个理念和逻辑，知识化工作空间可以依次按照模板——场景——空间——组织，自下而上进行构建。
因此未来的知识管理平台不会按照现在的功能模块进行构建（例如分成文库、百科、博客、视频、帖子等），而应该构建一个基于工作场景的知识模板库。一个模就是一个知识载体，既是工作的过程，也是工作的产物。每个模板可以根据业务场景进行自适应配置，模板后面还可以配置工作流，按照业务流程要求，一个环节一个环节走下去，如图。
三、技术——创新驱动
用户知识化工作往往需要的是系统背后深层次的东西。随着技术发展日新月异，企业级应用和知识化工作平台需要以新的思维进行全方位重构。除了前面讲的业务流程场景化，以知识模板为主体重构知识化工作平台，还需要特别注意以下几个方面：
❶ 数据分析——智能决策
互联网处于大数据时代。相比互联网大数据的5V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）、Veracity（真实性），企业组织里的数据往往只是小数据，尚谈不上大数据，但数据的重要性已经毋庸置疑。
从组织的角度来讲，管理者需要全局掌控数据，而这些数据则是来自于每个知识工作者。在知识化工作场景中，用户或许不用关注组织的视角；但是对于组织而言，则需要有意识地汇总、统计、分析、挖掘这些数据，能够洞察数据背后的意义和奥秘。
数据的支撑，可以让管理者更好地决策，同时更好地推动下一步的工作开展。工作的开展又反馈到数据上，形成良性的企业工作生态。
在各个知识化场景之中，一定要鼓励用户打标签（Tag），这些标签其实是在做原始数据的积累。天长地久，当这些数据积累到一定程度的时候，就可以发生巨大的作用。这也就是为什么管理者需要看到数据，并且是要看到实时的数据及报表。通过大数据技术，可以实时、多维展示出当前的数据情况，并且可以根据历史的信息推测出下一步的数据结果。有这些，管理者的决策可以更加高效。
▼例如让人又爱又恨的文档，许多公司花费了大量的人力、物力、财力所构建的知识文档库，往往后续更新持续无力，或者员工点击应用的程度并不高。
主要是因为这种建立独立知识库系统、按照规定的知识分类、专门上传文档的做法，其本质是反人性和反业务的。因为没有人真心愿意专门为上传文档而上传文档。
但是如果换个思路，在各个业务场景里因为某项工作、某项任务需要用户上传文档，这就变得合情合理，这是符合人性和业务的一种逻辑。这也是为什么我们要强调知识管理需要升级的原因，以往的一些做法如果证明无效，我们就应该尝试换一种新的做法。
当然，这样做会产生新的问题。那就是从组织的角度看，无法从全局知道公司里整体的智力资产状况，这就需要技术来帮忙。
如果我们能够反其道而行之，通过系统自动集成产生关于文档汇总的数据，并且能够根据语义关联自动进行分类，那就完美了。至于这些文档是保存在A场景，还是保存在B场景，其实无关紧要。大分类下还有子分类，用户可以不断地向下钻取（Drill-down）点击浏览查看。
❷ 企业搜索——智能查找
如何方便、快捷、安全地获取企业内部的信息内容，成为企业搜索引擎的使命。和互联网搜索引擎相比，企业搜索产品对核心技术的挑战性更高。它不仅要求搜索速度更快、结果更准确，可索引大量的文档和不同类型的媒体，同时也要求部署方便，可以与企业现有的信息系统、知识库或商业智能（BI）系统结合，并更加注重安全和隐私。
企业级搜索发展也经历了多个阶段。企业级搜索需要支持多种索引策略、全方位检索手段、智能检索辅助、内容相关度排序等功能，在保证用户查准的同时，提供100%查全手段，满足企业搜索引擎对查全和查准的双重要求。
按照时间的推演，从最初的单一源搜索，到后来的自学习、预测性推荐；从开始的反应型，再到主动性，再到预测性搜索；企业级搜索各项技术也在不断出现、改进和成熟。
❸ 知识图谱——智能展现
知识图谱（Mapping Knowledge Domain），是把应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合的一种研究方法。
2012年，谷歌公司发布了“知识图谱（Knowledge Graph）”产品，为用户提供有完整知识体系的搜索结果。
▼例如当你搜“玛丽·居里（Marie Curie）”时，你不仅可以获得这个关键词的所有相关内容，还能获得居里夫人的详细生平介绍，同时还有同时代相关科学巨头的推荐，例如爱因斯坦、皮埃尔·居里等。这表明Google可以更好理解用户搜索的信息，并总结出相关内容和主题。
知识图谱采用可视化技术与方法，可以显示知识发展进程与结构关系，能够动态清晰、直观形象地解读知识结构及其动态演化关系，因此受到越来越多用户的欢迎。
在知识管理领域，知识图谱以关联数据集等知识库为支撑，对数据资源进行语义标注和关联，建立关系网络，通过深入的语义分析和挖掘，借助强大的语义处理能力和开放互联能力，通过可视化界面为用户提供方便智能的浏览检索等服务。
知识图谱本质上是一种语义网络，是语义网技术的成果之一。
目前随着语义Web资源数量激增、大量的RDF（Resource Description framework）数据被发布和共享、LOD（linking Open Data）等项目全面开展，互联网从仅包含超链接的网页万维网，向包含大量描述实体间丰富关联的数据万维网转变，这为知识的发现、获取提供了新的方法和途径。从具有语义性的万维网中抽取出相互关联的事实经过一定处理就形成了知识图谱这种具有语义性的知识库系统。
