知识库产品售卖要诀
知识的定义
知识是对某个主题“认知”与“识别”的行为藉以确信的认识,并且这些认识拥有潜在的能力为特定目的而使用。意指透过经验或联想,而能够熟悉进而了解某件事情;这种事实或状态就称为知识,其包括认识或了解某种科学、艺术或技巧。此外,亦指透过研究、调查、观察或经验而获得的一整套知识或一系列资讯[1]。认知事物的能力是哲学中充满争议的中心议题之一,并且拥有它自己的分支—知识论。从更加实用的层次来看,知识通常被某些人的群体所共享,在这种情况下,知识可以通过不同的方式来操作和管理。
知识的其他定义
- “知识是与经验、上下文(Context)、解释和思考(reflection)结合在一起的信息。它是一种可以随时帮助人们决策与行动的高价值信息”—T. Davenport 等人, 1998[7]。
- “显式的或者已编码的(codified)知识是指一种用正式、系统化的语言传输的知识;另一方面隐性知识拥有个人化的特征,这使得隐性知识很难被正规化和通讯。”—I. Nonaka, 1994
- “知识是结构化的经验、价值、相关信息和专家洞察力的融合,提供了评价和产生新的经验和信息的框架。”——吴岩,2005[8]
为什么要用知识库
- 知识的沉淀载体和流通性差: 目前员工的个人经验和工作产出,主要散落在员工电脑等设备。知识被隔离在一个个单独的系统或员工个人设备里,导致沉淀、流通、获取的成本高,知识无法得到充分利用,无法对组织产生价值,同时,知识容易随着员工离职而流失。
- 知识的获取路径长: 员工获取知识的路径较长,一是找人,二是找系统 / 服务台(如员工要获取公司某项政策制度,登录不同的系统查看)。
- 缺乏「知识管理体系」的运营和推广: 缺乏对员工沉淀、分享知识的激励和引导。
- 即使知识沉淀下来了,员工满意度依然不高,特别是老员工:体系性的内容难以找到,比如不能按主题寻找不同类型的知识;碎片化知识不易随手获取,比如专业术语、黑话等。
- 人员更换导致的效率低下:几乎在每一项工作中,员工的知识都有两种基础类型。“标准知识”指的是该职位的基础知识——您希望任何有资格担任该职位的人都知道的事情。例如,可以结合逻辑假设任何会计师都熟悉GAAP原则,或任任何平面设计师都熟悉Photoshop。标准知识通常来自经验、正课程培训和学术教育的结合,并且通常更容易替代。另外一方面,“独特的知识”倾向于不成比例地从我们自己的个人和专业经验中汲取经验,因为它会在我们的生活和职业中累积。一些独特的知识可能会自然地结合——教师或教学在课程中包含一些通常不会在其他地方教学的有用细节——但大部分是自学的。有时候,独特的知识是完全创造出来的,例如当一家公司引入了一种新工具或流程,并指派一名员工从头到尾学它时。为您的产品中的特定功能编写代号的软件开发人员或部属您的客户关系管理数据库的团队将拥有丰富的此类知识。其他时候,独特的知识只是在工作中学习和寻找提高效率或效果的新方法的产品。谈话者可能会通过对旧策略进行新翼的改革来比现在平时更好的成功。或者财务团队可能会找到一种更有效的方式来处应付款,从而现实更及时的付款。一般来说,标准知识占58%,独特知识占42%(只有承担该职位的人才知道)。组织的平均离职率为16%,平均离职时间为2年。新员工平均费用将近 200 小时的低效率工作(向同事询问信息等)待回复,通过反复试和/或“重新发明轮子”来重新复试之前任的工作。员工平均每周花费5个小时等候与拥有他们所需要的独特知识的人取得联系。对于十分之一的工人来说,等候两倍的时间并不少见。一家拥有1,00名员工的公司预测会因为这些日常低效率而每年损失170万的生产力,而一家拥有30,00名员工的公司可能预测会损失 5000万元每年。
为什么要用新知识库
新知识库的定义
新知识库是一个面向组织的知识管理系统,企业知识沉淀与分享的平台。通过结构化沉淀高价值信息,形成完整的知识体系,提升知识的流转和传播效率。
它是所有工作的关键,是文档和沟通的单一数据源,唯一信任源。
解决了传统知识库的问题
传统知识管理工具还是以内容沉淀、内容检索、集中管控为主,且大多数需要定制化开发和较大的运维压力。仅仅实现了对知识内容和格式分门别类管理,并没有实现知识的良好流通。
新知识库(八库)如下:
XC库(支持多种XC服务器、操作系统的组合) | 规范库(建立和维护公司规范、部门规范) | 标准库(建立和维护国际标准、国家标准、行业标准、公司标准和客户标准) |
合并库(在不同平台中分散管理团队知识库常常会因为需要多平台跳转导致协作效率低下,迁移合并到新知识库后,实现一站式沉淀与管理团队知识,提高办公效率。) | 安全库(页面和附件安全加强、阅读水印、支持人、群、组织架构等灵活的权限管控) | 协同库(与工作流结合,文档的更新、权限变更、评论都可以在 IM 中收到消息提示,快速处理;会议中可直接共享文档,参会人可直接在共享界面展开评论和讨论,提升工作效率。) |
多屏库(可以在电脑、手机、Pad和其他智能设备上随时随地记录、访问知识库,方便管理者、销售等群体。) | 新人库(组织的平均离职率为16%,平均离职时间为2年。新员工平均费用将近 200 小时的低效率工作(向同事询问信息等)待回复,通过反复试或“重新发明轮子”来恢复前任的工作。) |
优化六大常见场景
- 新人管家
企业常常会为新人组织很多培训,但往往会出现培训当时记住了,过后又忘记了的情况。反复询问同事或者负责人, 其实对新人来讲也是一件压力特别大的事情。现在有了知识库,就像是身边有了一个导 师,只要遇到不会的词语或者信息,查一下,企业内常见的东西就能找的到了。 如果员工有疑问,还可以快速的进入相关服务应用或者服务台,是个很好的导流入口,也为负责培训的HR和IT、行政服务的同学,减少了许多重复性的解释性的工作。
- 跨部门协作指南 &常用平台入口
当企业规模越来越大,以事找人就变的很难,常常要靠人问人,人传人的这种方式,才能找到业务方。 通过知识库,经常有业务合作的部门/提供基础服务的平台,把自己的业务范围、对接人、相关文档、咨询群加进来,就能够非常方便业务合作。
- 术语词典&黑话翻译器&知识发现
专业术语、指标口径常常是企业跨部门会议、合作中最先要拉齐的信息。当这些内容加入进来,就会减少跨部门沟通中,浪费在对齐基础信息上的时间。 很多信息在跨领域的构成中就形成了“黑话",比如说做产品,做运营,做技术,每一个行业有每个行业的黑话。当我们跟不同行业的人跨域去交流的时候,快速理解行业黑话就能够加速交流,减少尴尬。 我们常常会觉得黑话/术语没有那么多,很多信息没必要放进来。但是在我们的实践 中,类似RD、PM这些词语常常觉得是普通的再普通不过的词语,但当他们被收录后,我们发现了很多新知,比如C++的公开讨论群,比如一些规范、基础库;在比如PM这个词,我们看到了企业内部关于产品工具的精彩分享,帮助很多相关同学开启了知识发现的新入口。
- 流程/项目交付管理
企业的流程/项目管理往往是企业业务管理最为复杂的场景之一,因为在这个过程中会有很多规定性文件和交付要求。传统的管理过程,我们常常要写很长很复杂的文档说明,但是文档越长越难理解,很多时候我们花了很长的时间找了一个小细节点,甚至读了几十页的文档之后发现还是不懂。 我们将流程最小化,用最简单的语言表达出这个原子知识下,最应该表达的信息 是什么,通俗易懂。再将相关详细文档、入口添加,可以辅助业务人员更快的找到相关信息。
- 经验总结反哺业务流程
很多企业,特别是制造业是非常重视经验知识和分享,以及项目过程的管理复盘。把生产过程中沉淀下来的知识录入到知识库后,不仅可以方便员工查询学习,还可以通过开放能力,应 到业务系统当中,让经验得以复用,实现了知识的最大化价值。
- 内宣新渠道 & 企业文化/经营理念
在企业内部也有很多需要宣传推广的信息,可能是企业文化词、理念词,或者一款新上市的产品,可能是内购福利,也可能是内部社团信息。知识库是内部流量最大的入口之一,能够很好的帮助进行产品和信息的传播,帮助宣传的收益最大化, 能够在潜移默化中形成文化的传播和认同感。
适应知识管理进化趋势
- 获取知识更便利
传统的知识强调结构化,追求将复杂多样的知识以一致、清晰的结构展现出来,最后通过搜索来呈现。我们需要让知识在合理的的场景下便捷的让用户获取到。该趋势体现了知识获取形式的升级,不仅要求获得知识,还希望获得的方式更加便利,弱化搜索。信息沟通、写文档、开会、业务系统操作构成了我们每天工作的主要场景,在这个过程中我们既产生知识,又消费知识。能够把这个过程中产生的信息转化为知识,并将知识在这些场景中流通起来,不脱离场景就可以获取到知识。
- 拆分知识最小化
过往在企业中的知识一般以文档为单位,精细化程度较低,细节知识的定位还是依赖于人工。最小化的知识可以缩小知识的单位到"词"或者“段落"的级别,对于知识的存储和流通都 更加精准,这种趋势也有赖于标签化的管理。同时,最小化的信息也为建立综合全局的知识联系提供可能。不需要长篇大论的写很多信息,最好是三五句话之内就讲清楚一个知识点。当阅读者还想了解更多的信息的时候,可以点击相关链接,去了解到更多的信息。就这样将企业内的各类信息串联起来,实现不同类型知识的汇聚。
- 搜索知识集中化
过去的知识分流渠道多样,不同类别的知识有不同的检索入口;这种不互通很大程度是由于树状的管理结构造成的,不同分支的知识有各自的管理方式和管理者。集中化强调所有知识通过统一的出口来检索和流通, 打通知识之间的隔板,大大提高搜索效率;另一方面,原子化、标签化的知识相互联系,建立出的更加细密全面的知识网络,也将是集中化的另一种呈现方式。
- 消费知识数据化
过去的知识管理常常没有办法很好的被量化,我们只知道多少篇文章,但是这些文件有多少被看过,看过后又发挥了什么样的价值往往不得而知。随着企业知识越来越多,知识也需要被整合、被梳理,知识的价值也应该以一种更加量化的形式被计算,并能够应用到企业的管理决策当中。将企业的知识浓缩为原子知识后,我们就能够实现对于原子知识传播情况的追踪。数据分析包含整体表现,反映企业知识的增长变化情况,和企业知识的消费情况。 而编辑者和阅读者的信息,又可以帮助企业很好的洞察到企业知识的贡献情况,更为重要的是我们可以通过对每一条知识的点击、搜索情况,了解企业知识/信息的流转情况,发现企业知识的关注点可以辅助业务决策;企业知识的荒地,也可以加速弥补。