谢谢朋友们在知识管理进阶群里的积极讨论和互助。很多话题的讨论都是非常精彩的。下面是关于知识管理与数据治理的一次讨论。
*Andy*：近日读傅老师的数据治理体系文章，感觉虽然说的是数据，但如果把数据换成知识，感觉也是非常合适的啊。
*Andy*：知识owner，知识地图，知识组织，知识质量，都是大家很熟悉的嘛。
*Andy*：知识是战略资产，也是大家的共识。
*杜*：曾经有幸参与过数据治理项目，深感数据治理和知识管理的很多思想是通用的。虽然从知识视角来看的DIKW模型中数据处于最底层，与知识分属两类；但从IT视角来看，我们的各种显性知识也是一种非结构化数据。因此把知识带入数据治理的视角也算是顺理成章。
*档*： 现在的文件或档案（归档后的文件），除了打印后的实体方式外，更多的是电子方式，包括非结构化和结构化数据方式：
非结构化数据：包括文本、图片、图形、网页、音频、视频、邮件等。
结构化数据：包括数据库（如IT系统）、电子表格（格式化）等。
这些文件都是有意义的数据，是知识和信息的载体。而现在文档的定义和其他概念与区分也越来越模糊了，我们关注的是如何管好、用好并发挥价值。
*仙*： 主数据的元数据管理和非结构化数据的元数据管理，是数据化部门一起弄的吗？
*James*：大数据转知识管理相对比较简单，数据治理的思想在哪都适用。
*Andy*：我感觉大数据更侧重技术，知识管理更侧重管理。
*James*：抓大数据的手不能放，不仅是数仓建模，聚类，分类，回归，频繁项集，等常用算法在知识管理中也能找到不同的应用场景。
*大瓶*: 频繁项集是什么？
*James*：啤酒和尿片，犹如知识管理中的不同领域知识标签，使用频繁项集前是不是到这两个知识点之间是有关联的。频繁项集让我们知道了，这二者之间的关联关系。
*James*：频繁项集：一种能定义和发现关联关系的方法。 @大瓶*
*James*： 除了上述一些算法，个人觉得知识图谱也是数据可视化中不可缺少的呈现方式。
*大瓶*: 在机构内部搞知识图谱工程，现在来看形成很好实践效果的不多吧。
*James*：是的。以我们XX设计院为例，个人觉得知识和成果过多，某大厂商已建知识管理平台用的效果不好的原因就是知识图谱没做好，分不清专业之间的关联关系、历史和脉络。
*James*：大厂商不会针对不同机构去搞知识图谱，而是开发一版通用的，大家都能用而没人觉得好用。
*文*： @James 业务的关联设计需要公司自己设计提出要求，他们协助开发。
*James*：但是实际情况大部分不知道自己要啥，或者不具备知识管理场景的设计能力。所以这块，我觉得小而精的，服务好的，技术实力强的小公司定制化开发知识管理平台要比大厂靠谱多啦，当然能找到吴博这样的专家做咨询顾问更好。
*Andy*：顾问出方案，厂商提供技术平台，项目还得靠自己。
*文*：17年设计至今，我们的方案是自己设计的， 因为自己最懂本公司业务， 大家都是晚上加班讨论，定逻辑、画图、再推敲、再画，这样折腾了好长时间。 和厂商聊也很重要，要清楚他们的各种数据处理能力等等。
*文*： 多和业务部门聊比较好，一定要满足他们的需求，可以选择一个业务或一个问题突破，但是完整的设计逻辑需要出来，防止以后大面积推的时候不好衔接，或衔接点对不上。
*文*： 嗯嗯，和大家探讨和分享。