技术人如何进行知识管理？
极客时间编辑部
讲述：初明明大小：4.03M时长：04:24
此前，Domino 数据实验室在其官方博客发表了一篇关于数据科学家做好知识管理的文章，内容及方法对其他技术人同样有参考价值，在此分享给你，具体内容如下。
什么是知识管理？
知识管理的目标就是捕获洞察力，这可以定义为“更好的理解”。因此，洞察力是相对的：它不断地改进之前的想法。洞察力往往被视为“孤独天才”的专利，事实上，大多数洞察力来自于与他人的合作和对现有想法的拓展。
而创建这种”洞察力“需要一种获取知识的方法，一种供用户遵循的框架，以及通过反馈改进的机制。未来，随着更多算法和基础设施得到广泛的应用，数据科学人才库不断增长，数据共享需求不断扩大，捕获和增强独特洞察力的能力将成为一个关键的差异化因素。
为何知识管理如此困难？
知识管理的一些挑战困扰着每个行业，比如：
提前组织知识很困难。分类往往过于死板，因为你不知道将来什么才是重要的。
几乎没有参与的动机。
这是一个典型的集体行动问题。没有人想成为第一个在文档上花费时间的人，当知识被捕获时，人们很难知道如何将其付诸行动。
系统总是落后于现实。如果知识管理需要额外的时间，并且是在与核心工作不同的系统中进行的，那么它的质量势必会受到影响。
其他障碍则是数据科学团队独有的，比如：
人们使用不同的工具。当团队中一些成员使用 R 语言，而另一些成员使用 Python；当一些成员在 GitHub 中存储代码，而另一些人在电子邮件中存储代码时，知识管理就变得更加困难了。而且，由于人员流动率较高，培训人员使用相同的系统就变成了一桩难事。
单个项目的组成部分是分散的。
如果你有代码，但这并不意味着你可以重新运行这段代码。例如对 600 篇计算机研究论文进行的元分析发现，只有 20% 的代码可以重新运行。其中，许多第二次尝试的结果略有不同。
如何提高知识管理水平
有四个步骤可以帮助数据科学领导者改进其企业组织中的知识管理水平：
1. 在一个地方尽可能多地获取知识。
你不希望人们在边缘工作，一个包含核心工作和知识管理的公共平台是确保完成工作并将负担最小化的关键。如果你不能捕捉一切信息，那就从最有价值的模型或知识开始，尽可能多的捕捉信息，然后围绕它构建一个系统。
2. 选择一个允许发现、来源、重用和模块化的知识管理系统。
关于发现： 数据科学家耗费大量时间来搜索信息，从而降低了工作效率。团队必须做出决定是采用管理知识（Yahoo 方法）还是索引知识（Google 方法）。当领域相对稳定时，内容管理就有意义了。当领域是流动的时候，索引和搜索是最好的方案，而且你也不可能事先知道分类法应该是什么样子的。
关于来源：使用一个平台，让人们可以重点关注他们的工作，而不必跟踪他们使用的软件版本。
关于重用： 如果它不能运行，那么就不会被重用。这不仅需要访问代码，还需要访问数据集的历史版本。
关于分解与模块化： 确保人们有动机和工具来创建可重用、构建的构件块。
3. 确定正确的知识单元
复合系统依赖于知识单元。在学术界中，这些都是书籍和论文；而在软件中，这些都是代码。在数据科学中，模型是组织的正确选择，因为它是数据科学家所做的事情。模型包括数据、代码、参数和结果。
4. 超越技术进行思考
人员和流程层面的变化也很重要。人们应该花更少的时间去做事，花更多的时间去整理和学习。另外，虽然知识管理应该被视为每个人的工作，但一些组织为管理或促进知识创造了新的角色。在组织中，团队成员的合作也非常重要，知识管理与团队合作在一定程度上是相辅相成的。
以上就是今天的内容，希望对你有所帮助。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
道正有没有一些知识管理工具/平台推荐
收起评论