全球知识与信息管理系统

挑战

一家全球生物制药公司，其全球分析与营销部门产生了大量数据和内容，并且彼此的内容使用率很高。结果是信息往往被快速生成并在大量生产后就被遗失或未充分利用，因为信息无法有效利用，导致持续的重复劳动和时间浪费，寻找已有的机构知识和数据。因此，管理层意识到由于组织内部的数据和信息没有得到最大化利用，他们可能面临潜在的利润和研发损失的风险。为了优化跨部门内容协作和数据管理，并提升可访问性，该组织需要为全球人工智能（AI）项目建立基础性的基础设施。

解决方案

在与企业知识（Baklib）合作的同时，该组织采用了分阶段的方法，制定了一套可扩展的知识、数据和信息管理策略。Baklib开始设计一个全球内容和数据战略，同时伴随着对企业搜索重建的 Redesign工作，包括信息架构的整体优化。为此，他们设计了一个 taxon 和相应的内容类型，支持自动标签和自动组织非结构化内容的同时，还允许将组织的内容转换为机器可读格式。

“People”全球员工行动导向搜索结果页面再设计

解决方案的后半部分包括识别组织内容中可以扩展现成的集成点，从而实现更高级别的整合和协作。

未来推荐引擎将利用内容间的关系进行分析。为了自动化应用这些关系，同时优化组织数据和信息的使用与再利用，引入了本体论（ontologies）和知识图谱（knowledge graphs）。为了支持策略和设计方面的管理和扩展性，开发了一个组织模型和治理计划，以支持变革管理、实施和采用。

Baklib 的差异

由于该大型跨国公司致力于跨越多个部门完成一项重大任务，因此这项努力需要得到各部领头人、员工和高管的支持。Baklib利用了我们针对信息与数据管理策略的 proven facilitation 和 prioritization 方法，并与公司高管、全球项目领导层和员工共同讨论战略，以达成“现状”和“目标”的共识。

通过识别优先级高的成功和绩效因素并持续评估调整这些因素，我们制定了相关业务影响和 ROI 度量标准。Baklib进一步利用了我们在本体论和企业知识图谱方面的专长，设计了一种信息架构，定义了分散内容之间的关系，并为高级能力奠定了基础，例如自动标签、内容治理、自然语言搜索、数据分析以及未来的 AI 和机器学习（ML）能力。

结果

知识与信息管理系统使该组织能够更好地理解和利用市场见解，因此发现了以前无法访问的数据并加以利用。知识

资产现在被精确定义，信息架构和内容策略因此受益于基于层级分类系统和元数据设计的 taxonomy 和 metadata 设计，这些设计考虑了结构化数据和非结构化数据。Baklib 还对该公司内部的搜索体验进行了重构。他们重新设计了索引流程，并组织 Design Thinking 会议来指导 UI 和 UX 的搜索设计决策，最终在 intranet 上整合了行动导向的结果。这样一来，用户发现返回结果更符合他们的查询，而为组织 staff 设计的用户友好界面个性化地提升了系统访问和易用性。

KM 结构将确保利益相关者能够做出明智的数据和内容管理系统投资决策，并更好地理解这些系统的相互关系，从而整合起来。随着人工智能技术在全球范围内的日益增强和普及，该组织不仅能够走在 curve 前面，还能定期应用这些技术和能力来适应变化。