大家在做知识管理时，容易陷入到知识资产化等着被应用的困境，收上来难，应用起来也难，运营更难的困境，为何出现，就在于知识管理未能真正融入到业务中去，没有很好的依托和借助业务本身的积累和力量去推动，没有很好给到业务实质性的助益，造成知识与业务两张皮的现象。

如何解决，就在于实施面向业务的场景驱动的知识管理，以此实现人找知识到知识找人的转变，以此增强知识与业务的贴合性、实用性、响应性、应用性，实现业务驱动下的知识管理，让知识驱动经营。

具体如何让知识管理融入业务，需以流程为管道，以知识为活水，滋养给养业务，助力业务实现。毕竟流程管道，知识流水，脱离业务的知识管理是难以持续兑现价值的。因此需要一开始就从业务出发，让知识来源于业务，服务于业务，同业务同频发展，而这就需要面向业务场景驱动的动态知识管理。

面向业务场景驱动的动态知识管理，其基于业务，融于业务，规则执行，图谱编织，触达用户，实时应用，全景满足，持续迭代。以满足，见效为始终。

如何从知识资产化知识管理转向面向业务的场景驱动的动态知识管理，具体可从以下5个步骤入手。

01.识别界定业务场景，还原知识存在与应用的情景，明确应用效果与目标

知识是应用导向的，首要明确的就是大家在什么场景下会产出或应用到此知识，让知识还原贴近现场，在现场具体的应用场景中去搭建知识体系，去构建知识应用，去兑现知识业务价值。

那什么是业务场景，如何识别业务场景。

业务场景，是组织为达成某项业务目标，若干角色在特定的时空情景下所进行的业务活动的集合。可以通过“谁”，“在什么情境下（时间、地点、状态等）”，“为了什么”，“做什么”，“如何互动”，“达成实现什么”这样一个范式进行表述。

企业其实并不缺少具体的知识应用场景和应用痛点，但缺少整体审视、缺失结构化、体系化组织起来，导致是知识点的满足而非工具包的支持，导致是知识资源的管理而不是业务知识闭环和知识驱动业务进化升华。

但场景的识别并不难，不管是哪种类型的公司，只要稍微深入分析，都会发现许多业务痛点，可由此提炼归纳出各种各样的知识管理与应用相关的业务场景。

所谓场景梳理，其实就是明确“什么人在什么情景（时机）下要做什么事，做到什么程度，达到哪种效果，需要哪些支撑”，这些都梳理全了业务场景也就都覆盖到了。

那些能解决让业务部门头痛的问题，又可以让知识管理发挥其用武之地的，就可以作为首选的知识应用的场景进行优先构建。

比如以下这些都是典型的实际业务场景：

• “培养新人，角色转变，进阶成长”的场景

• “打造部门知识空间”的场景

• “项目工作的知识管理”的场景

• “业务协同、组织协同”的场景

• “营销拓客打单维护二次开发”的场景

• “质量失效分析”的场景

• “制度体系统一发布查询”的场景

• “提高产品模块化以复用”的场景

• “情报收集与分析，提高洞察”的场景

• “最佳实践推广”的场景

• ……

具体的场景还有很多，大场景下还有很多小场景，很多时候还要考虑场景的组合、相互作用与闭环。要始于需求，持续满足，以见效为始终。只知道重要，要管理，不知道依托的场景，不知道怎么引导发挥价值，缺少跟场景的结合和依托，很容易沦为无源之水，无本之木。

02.基于场景分析业务，还原业务活动的流程、操作步骤，搭建泳道

业务场景就是知识的一亩三分地，三尺讲台，确定好业务场景的“领域”后，则需要针对该场景对涉及其中的部门角色、业务活动、先后关系等进行梳理和分析，搭建泳道。让业务价值沿着泳道一步步实现。这其实就是企业的业务流程，在具体表达时，可以采用泳道图、EPC流程图、UML用例图等多种形式来进行展现。但许多公司，在这一方面水平参差不齐，是看似有，实则经不起推敲，细问，各有各的做法，缺少标准规范统一，很多东西没有具象化、编码化、标准化，很多好的经验做法没有识别萃取出来，没有固化于制，没有进一步推广应用。一旦剖开来细看，还是会存在诸多可以提升改进的空间，而这些都是知识管理价值集中，可以发挥作用的地方。

业务分析及流程建模这件事，本身就是一项永无止境的艰巨工程，同时也是能够反映一个公司精细化管理水平的客观量尺，是企业业务运作的骨架以及价值通道所在。通过业务梳理分析，其最终的产出物，无论是业务流程图、业务指导手册，还是SOP、作业指导书等还是业务执行中产生的经验，新的做法以及外部的标杆对标等等，其实都是组织里非常重要、有价值的知识资产，是组织KMer必须投入精力去关注的地方。同时在进行业务梳理过程中，如果发现其中有不合理之处，可以同步优化，一定程度上这也是在做“业务流程重构BPR”的工作，也是以知识驱动业务流程改进。

03.基于场景梳理知识，知识结构支撑，体系完善，以知识流水滋养实时响应满足助力业务实现

许多公司经常会发动员工提交知识，组织的知识库里也存储堆积了大量的知识。看似在持续积累，有量，有重点在输出，但具体这些知识怎么发挥作用，在哪发挥作用，发挥什么作用，不甚清楚，导致知识与业务的距离感，隔离感，两张皮。因为这些散乱的知识没有同业务的主线脉络串联融合起来，存着等着被动调取应用，纯靠自觉性、主动性，在传统的知识文档模型下，往往只关注到知识内容本身，对于其知识应用场景建模表达不够，存在业务粘性弱、人工投入多、被动应用、响应性、支撑性不足，应用深度浅，推广难等问题，很难发挥出应有的价值和效用来。

而面向业务场景驱动的知识管理，面向知识的业务对象、岗位角色、业务活动、用户画像的建模以动态表达，动态满足，实时响应，从而可以提升知识和业务的粘性、贴合度、降低知识运营成本、加深知识应用的深度和广度、增强知识服务能力，更好实现场景驱动型知识管理。

场景驱动型知识管理，从源头解决知识的定义、定位与寻源、知识响应支撑、知识运营、知识操作等问题，毕竟知识若在产生的现场没有发挥最大的效用，在其他方面发挥效用的可能性是有但不能过多假设，做知识管理肯定不能把希望寄托在这种情形。

基于场景梳理知识，需要企业有比较稳定的业务模型，清晰的任务场景与业务描述，也就是统一的业务动作与语言，待“业务模型”建立或稳定后，就可以基于此开始知识梳理与组织呈现的工作了。这一步，其实是知识管理工作者真正体现其专业价值的时候，也是实现“知识-业务-人”之间的一体化融合应用的关键。后面才可基于此实现“业务知识模型”以及后续的“角色能力模型”以及“人才知识综合画像”等深度应用。

也就是在目标的牵引下，缩短知识与绩效的差距，在一个个任务场景中，以知识、数据驱动支撑价值实现兑现对应的绩效。

基于场景进行知识梳理首要的就是从业务场景出发，为不同的活动事项拆解寻源对应的知识支撑与产出以对知识进行盘点梳理组织，从有的和要有的两大视角盘点，从供需视角，从已产出满足，未满足进行盘点，从有系统承接和没系统承载盘点，盘点时要考虑存量知识也要考虑增量知识，不能局限于已有知识的点检收纳。

基于知识资产化让存量知识从分散到集中，对历史积累存在的大量多模态知识内容进行盘活和再利用，存量要有机制，定向持续产生，产生即沉淀，规则运行，自动流转。

基于要有的重要有价值的知识持续审视，查缺补漏增强，聚焦核心知识产出，需要按照标准规范和结构化模板沉淀和复用，或外购，或内部悬赏征集、个人开发、团体共创等，补缺口强应用，实现主题化知识运营，主旨化开发。

基于场景拉通知识，如何基于业务场景去识别梳理对应的知识，此时就需要根据之前的业务梳理分析结果，需要基于业务活动，明确对应场景下对应业务活动的规范、要求、支撑，找出挂载其上的一个一个知识点以及明确对应的知识管理要求，让这些知识成结构、搭体系，融业务、赋成长、深满足，高效益。

此时可以借助知识历程图，对业务活动所涉及的工作、资源、工具以及各类知识资源，活动中可求助的专家进行梳理。如基于主价值链创造过程及辅助管理支撑流程，梳理出流程的知识点，并通过流程进行知识应用，实现知识从流程中来，到流程中去。

具体而言，我们可以基于SIPOC模型，围绕该业务活动，分析其所涉及的供方（Supplier）、输入（Input）、流程（Process）、输出（Output）、需方（Customer），通过知识历程图模版，梳理出挂载其上的知识点来，各流程活动节点的显性知识和隐性知识，并将梳理出来的知识内容指导员工将其应用到日常工作中，实现“知识从流程中来，到流程中去”。其中首要的是明确依托的业务，参与的人员以及涉及的知识对象类型及其依存对照关系与管理应用要求。

• 在输入侧，我们可以重点梳理做该业务活动时所需要的知识，如基础知识、任务书、作业指导书、checklist、表单模板、样例、使用的软件工具等；

• 在输出侧，我们可以重点梳理业务活动完成后所产出的知识，如报告、纪要、分析数据、软件程序、总结、经验教训、案例、奖惩兑现等；

• 针对该业务活动（What），还需要考虑其它的约束条件，如涉及角色（Who）、什么时间（When）、什么地点（Where）、相关知识（Which）、推荐规则（How）、可求助专家同行协助（Whom）等。

也就是在办理某事时的此时此刻，所能调用依托的资源工具有哪些，相应的知识输入支撑有哪些，知识输出要求是哪些，有哪些人可以寻求帮助，以及能不能进一步实现业务自动执行，业务伴随支撑，全面赋能支撑，全面提效提质。这些知识梳理出来后要考虑业务知识结构以及让这些知识成体系，让之能够嵌入还原到业务过程中去，自动执行，自动满足。

其次知识与知识是有关联关系的，特定的知识关联对应的业务对象、活动、步骤、以及要素，在知识梳理与结构体系呈现时，也有四大层级，即知识的点线面体，知识点即文档化，知识线即模板化、知识面即知识主题化、知识体即知识体系化、图谱化。知识要关联起来，各模型要实现联动，我们的知识文档模型要跟业务对象模型和业务活动模型要相互嵌套，相互支撑，共同演进。

在具体基于场景拉通知识进行知识梳理、审视时，需明确业务活动以及人员成长要哪些知识，具体的知识类型对象，有价值的知识点，这些知识的状态，哪些有，哪些没有，使用频次，有无沉淀、是否需要收集、有无系统支撑并在系统运作流转。因此需要对知识的状态进行评估以匹配对应的知识运营策略。

• 知识编码度：是否具象、是否编码、是否标准化、模块化，持续将过程程序化，程序经验化，经验案例化，案例工具化，工具产品化，产品智能化。有价值的重要知识要识别出来并明确对应的知识Owner选择相应的方式在规定的时间内进行开发，不仅是知识化，也要考虑知识工具化、产品化、服务化、智能化。

• 知识扩散度：知识就该在它发挥应用价值的地方，在那出现，在那产出，在那收割，流向每一个需要它的人，全景覆盖，满足随时随地应用需求。可以考虑借助智能助手的自助服务，全程服务随时触达。

• 知识掌握度：需要哪些人掌握，哪些人掌握，哪些人未掌握，具体的掌握程度是否达到要求，掌握能否实现对应的输出与绩效，是否有落差，落差的行为模式、认知模式以及对应的知识技能差异是什么，结合进行针对性的导入与补缺强化。

这样，就可以形成基于该业务场景下业务活动的一系列业务知识清单以及对应的知识状态。这份业务知识清单，是跟业务强相关、强耦合的。对于后续的知识推荐等应用，也是非常精准的。为此，需要尤其关注。具体可针对业务知识清单中的每一项知识，通过红绿灯评估其状态，然后制定相应的行动计划。

• 绿灯态：该项知识已经存在，并且质量尚可，只需要收集、整理即可；需考虑业务知识化闭环，植入机制，实现自动沉淀，自动采集。

• 黄灯态：该项知识已经存在，但质量不高，需要有人负责进行萃取、加工，知识提质复用。

• 红灯态：该项知识尚不存在，需要指派专门的知识Owner进行创作、产出。知识查缺补漏，定采集产出共创策略。

再者，对于业务知识清单中的每一项知识，让其归位，除了主体分类维度外，还可以考虑增加对应的多维属性作为辅助分类，以及对对应的知识点进行特征标签标注。

• 若完全匹配：能够完全匹配组织定义的多维知识分类体系，不需要额外的增补，做知识点的更新、补充与迭代。

• 若不完全匹配：需要自定义新的知识分类维度，需提交对应主题维护人员，看是否有必要更新公司级的多维知识分类体系，做知识体系更新。

知识管理不是静态的，也不能仅仅停留在文档管理以及文档协同方面，也要注重现场隐性知识的挖掘与应用，实现将知识与业务以及每个人在工作中的角色和知识进行精密结合、匹配，实现场景化响应，实时满足，结构化应用，而非响应式的临时需求被动满足。

场景拉通知识，就在于明业务主干，让知识沿着业务活动支撑全程随行，随业务框架一同管理，定机制，明规则，自动采集沉淀，按照标准规范和结构化模板输出，基于节点、任务、场景、知识关联性等进行知识推荐，场景主动响应式的实时满足，知识不仅成结构，成体系，同时语义编织成图谱，动态可视精准可信满足。

知识就应在它发挥价值作用的地方，所见即所得，所得能所用。基于业务知识模型，角色能力模型让知识流向匹配每一个需要它的人，满足随时随地的知识应用需要，成体系的学习成长需要，实现知识与人的实时响应与满足，全景满足，以知识驱动成长、业务实现。

04.基于知数融合助决策，图模结合提高认知智能显效用

知识是有价值的信息，知识与知识也是有联系的，是动态的，要的是语义理解下的元知识应用、原子化应用、体系化应用、结构化应用、图谱化应用、模型化应用。而非单纯的知识文档模型。要让知识跟业务融为一体，实现业知一体化，相互嵌入、相互补充，能够实现基于知识（业务数据知识化）、业务（业务对象化、业务活动要素化）、人（岗位角色能力、个人用户模型）的相互嵌套与动态协同演进。

从DIKW模型看，知识管理管理的是DIKW的整个转化过程，其中的单纯的知识管理仅仅是其中的一部分。同时随着数字化转型的深入，采集留存产生接触到的结构化数据与非结构化数据越来越多，治理水平大幅提升，数据管理、信息管理、知识管理、智能管理走向融合，不再割裂，智能化路径走通：业务活动化，活动要素化，要素数据化，数据知识化，知识资产化，资产服务化，服务产品化，产品智能化。数据、知识要素得到充分的应用，资产价值得以发挥。

如何发挥，基于知数融合助决策，对产品、技术、项目、客户、市场、售后、生产、售后、人员等业务对象构建领域图谱，进行360°刻画，以此融合数据、信息、直觉、经验，知识洞察，实现数据理性与直觉经验的统一，为业务决策人员辅助决策能力。

而当下的AIGC与知识管理的融合被认为是最具有落地价值的场景之一。随着AI等技术与知识管理的进一步融合以及市场对于知识管理认知的提升，企业将投入更多专项资源来构建私有可信的知识管理底座，推动内外部多模态知识整合创造、知识无缝协作、知识无界触达、知识深刻赋能、智慧激发、知识智能工作，实现数知融合，AI赋智。

如何实现，需以向量知识库让知识富于语义，以知识图谱增强知识表示，以领域知识编织的知识图谱加载大模型，让知识图谱的可靠性和模型的涌现能力相集合，提升认知智能水平，提高知识的可信可靠程度，智慧涌现服务化应用效果，以及在其他AI原生应用的加持下，可实现知识工作、业务活动、知识管理、组织协同融合一体，实现数据驱动、知识驱动、创新驱动，助力智慧企业的实现。

具体应用如语义理解交互问答成数字员工智能助手、文档辅助编写提炼启迪提效、业务伴随全程服务支撑，自动执行、千人千面个性呈现、知识专家智能推荐、同行协助全程在线、人员业务画像针对性教练学习成长、业务推理辅助决策直觉与理性的统一，融合知识工作与知识管理以及知识辅助决策于一体。

AI并非替代，而是人机协同，未来属于会正确熟练使用AI的人，但并非一切，还要注重直觉、经验、技巧、灵感等隐性知识和精专知识，并要知识工程化封装成软件、程序、产品等，自动化执行，智慧集成结晶。更要让知识扩散触达到每一个需要它的人，而知识不传播，不触达到人，不深刻掌握，只是涌现出来也是难以解决能不能、行不行，干不干得出的问题。越是知识爆发，越要知乎所以，知其然知其所以然，解决学习训练的苦，思想的乏，行动的差，实现知行合一。

05.推动后续知识运营，需要什么、满足什么、掌握什么、实现什么持续运营，持续满足，持续见效能

首先，定义知识，明确是什么，识别需求，要管什么，要满足什么，由此进一步识别知识对象类型并寻源产出导入，产出成结构并落在体系上，体系上的知识点串联成图谱，识别应用场景精准针对性满足，常态运营持续满足。

可以根据上面梳理出来的业务知识清单，明确好对应知识的知识Owner，知识Owner是几大Owner：单一知识点的Owner，模块领域知识的Owner，知识项目的Owner，整体知识管理组织的Owner，可结合具体知识、具体模块知识的沉淀、采集、体系化与应用满足情况并制定出后续的知识开发、萃取、完善的行动计划。该计划可以纳入到员工平时的工作计划中，成为业务工作的一部分。知识Owner需按照规范进行输出高质量的知识产物，在输出时可以群体共创，也可以结合AI等工具实现模板化应用，格式化生成，深刻化输出，效益化工作，快速出成果，推进工作。

其次回归现场，尊重激发现场智慧，知识在现场，高手在民间，智慧在涌现。要以现场的问题实践激发引导知识的产出与收割，进行广泛的连接对话输出，以持续的新知进行刷新组织知识资产。缩短知识与绩效的差距，用于指导践行行动，取得成效。

再者知识管理规范解决知识不全，质量不佳，更新不及时，员工不愿等问题，为何？没制度，没执行，执行什么，执行规范，什么规范，知识体系规范，体现为什么，知识的产出、管理、应用与创新全链路。怎么保证，运营保证，哪方面保证，内容运营、活动运营、数据运营、平台运营，形成运营闭环促落实。

最后推动知识传播共享促知识消费应用反馈闭环。没应用，没反馈，没反馈，没闭环，知识是点线面体要成网，是网络是通道亦是流水可滋养业务。可基于业务、知识、人构建起某人（岗位角色）、其事（业务活动）、具知（输入、输出、有价值的知识点）强耦合的立体网络后，基于此能够提前运筹制定KMplan，针对特定的知识受众群体，考虑将业务场景中的知识，精准封装推送给需要的知识受众，满足随时随地，所需即所见，所见即所得，所得即所用，所用能所出（知识成果的产出，业务成果的实现）。知识流向每一个需要它的人，它的地方，自流转、自满足、自驱动。如节点任务活动的自动程序化执行，也就是知识的智慧化涌现，业务的智能化。大家在参与与使用时，也要给予正向反馈，持续提高知识的可用度、易用度，提高知识管理的用户体验水平。