新闻资讯

知识管理不断变化的面貌:认知搜索如何提供帮助

发布日期:2021-08-15 14:20:06浏览量:8

我们都熟悉“数据为王”的现代格言,但所有统治者都需要适当的系统来确保他们走上成功的轨道。在当今永远在线的世界中,公司拥有大量触手可及的数据,但除非将这些信息正确地置于上下文中,否则它仍然无效,几乎毫无用处。

尽管“客户的 360 度视图”这一表述被过度使用,但在满足您的业务需求的上下文中,在一处访问所有信息所带来的好处再怎么强调也不为过。

十年前,企业在无底洞的数据中挣扎,在非结构化环境中搜索信息。原本可以分配给更有意义、更有成效的任务的宝贵时间被浪费了,因为公司正在寻找一种可以让他们更有效地执行此类任务的系统。在过去十年中,数字化带来了不可否认的转变,将企业带到了现在的位置。随着公司创建更多种类的内容,音频、视频和大数据文件已经填满了云和内部数据库,这使得员工查找相关数据的过程变得更加困难。根据互动来源, 19.8% 的工作时间(相当于每周工作一天)被员工浪费在搜索信息以有效完成工作上。此外,IDC 数据显示,“知识工作者每天花费大约 2.5 小时,或大约 30% 的工作日来搜索信息。” 随着企业积累更多的大数据,在数据孤岛中搜索带来的挑战只会越来越大。

为了解决这种情况,各种规模的公司都试图为其员工提供基于云的工具,以自动化标准的日常流程并简化存储和访问信息的流程。然而,这种方法只是掠过解决基本组织效率低下问题的表面。虽然这些工具帮助员工备份大数据集并远程访问它们,但它们并没有提供一种简化的方式来搜索相关信息。转换到云只是改变了数据的位置。

公司今天面临的共同困境是无法减轻这些生产力障碍,因为员工在多个来源中搜索大量数据以准确找到他们完成工作所需的内容。更有可能的是,企业已经制定了知识管理策略来简化流程,以减少不必要的时间和成本,但仍然没有找到合适的解决方案,这阻碍了他们。

解决这个时间和成本消耗困境的关键可能在于“认知计算”,这是一种革命性的企业搜索方法。认知搜索或洞察引擎将强大的索引技术与先进的自然语言处理 (NLP) 功能和机器学习算法相结合,以构建越来越深的知识语料库,从中实时向用户提供相关信息和 360 度视图。

虽然认知搜索适用于任何公司,但基本问题归结为将其付诸行动并成功执行实施过程。此过程中的一些问题可能来自公司高管,他们不愿进行涉及员工培训和教育、运营中断和其他组织成本的大型全公司数字化转型项目。但是有一些方法可以使该过程尽可能无缝。

从小处着手:关注有影响力的部门
与任何实验一样,确定成功的关键是从小样本量开始,专注于特定的问题领域。在评估业务需求时,确定一两个需要定制解决方案以提高运营效率的部门。通常每天都会经历大量内容流的部门很容易确定优先目标,因为它们可能是生产力最困难的领域。例如,一个中型客户服务团队可以实施一个新平台来研究软件如何适应他们的工作流程,解决任何运营问题,然后提供案例研究以应用于其他团队。

收集见解
在试用期结束时,知识管理领导者必须问自己:“我可以从使用该解决方案的员工那里直接获得哪些见解?” 收集这些员工的见解将有助于确定该项目是否有望使生活更轻松并与公司其他部门产生共鸣。毕竟,认知搜索是一项投资。

评估寿命
采用新技术通常会回避一个问题:这个平台是否会保持相关性和影响力,以在未来产生强大的投资回报率?随着知识管理技术的进步,谁能说一个给定的解决方案在几年内不会被取代?在当今瞬息万变的 IT 环境中,许多平台可能都是这种情况,但 AI 和 NLP 辅助的认知搜索是未来和现在的技术。

使用 NLP 和其他形式的机器学习的平台已经开始改变知识管理这一领域——今天,公司已经在尚未采用新搜索实践的竞争对手中获得优势。明天,他们会发现自己在竞争中处于领先地位,因为他们通过继续检索相关的、情境化的信息并节省大量成本和时间,可以将其投资回公司需要的领域,从而高效地工作。

企业在未来的迭代中可以期待什么?
认知搜索领域的行业研究人员正在评估在搜索和查找过程之外为用户提供更多可操作信息的方法。通过调查更精细的人类行为,处于企业技术前沿的公司正在开发机器学习,可以在用户搜索特定查询时追踪用户的意图。通过更深入地了解人类行为的这些细粒度细节,搜索平台可能能够自动主动地呈现对用户有帮助的信息,从而提高生产力和更重要的知识管理投资回报率。

 

标签:, ,

相关推荐