知识库 (Knowledge base)是用于知识管理的一种特殊的数据库 ,以便于有关领域知识的采集、整理以及提取。 -- 维基百科
在这个信息大爆炸的时代,每天充斥着太多的信息在我们的脑海中,但是我们能吸收的却很少,很快就忘了。知识是有用的信息,有价值的信息才成为知识。无论是个人还是公司都需要建设自己的知识库,形成自己的数字资产。
市面上已经有很多比较成熟的产品存在,比如:个人使用的印象笔记,语雀,有道笔记等,公司使用的wiki等都可以理解为建设知识库的过程,将有用的信息落地,想要查看的时候随时打开即可。那么企业如果想要自建知识库系统该怎么做,笔者将从自身经历阐述建设知识库的过程和遇到的问题。
内容
- 建设知识库的价值?
- 建设过程是什么样?
- 遇到的问题有哪些?
建设知识库的价值
知识碎片化
现实中知识会有以下特点:
- 碎片化,不集中,零碎的知识散落在各个地方,查找起来费劲
- 私有化,不共享,他人已有的经验分享不了
- 临时性,不持久,在职的时候记录的东西离职的时候就丢弃了,没有价值了
- 重复性,不复杂,大部分的问题都是重复的,答案也是重复的
所以,建设知识库的价值:
- 线上化
- 共享
- 持久
- 降本提效
知识库的建设过程
知识库建设是一个持续的过程,不是一蹴而就的。
知识库业务闭环
知识采集
专业的人才拥有专业的知识,所以知识需要从专业人员那里进行采集。大的公司业务会遍布全国各地,而且不同的地方业务规则或知识是不一样的,所以采集人员需要和各个城市联系好对接人,由对接人员统一采集后汇总,由采集人员进行知识生产。
知识生产
这是最重要的一环,没有数据一切都是空谈。知识生产是将数据进行线上化的一环,通常是在专门的知识库管理后台进行操作。
首先我们看下知识的结构定义:
知识库结构
1个业务知识库对应多个分类(分类即目录是有层级的),一个知识又挂在一个分类上,一个分类对应多条知识。
由此可见,每个业务方都可以新建一个业务知识库,生产的知识也都放到这个业务知识库下方的分类上。各个业务知识库间既是隔离的,又是可以关联的,不同的知识库的知识之间又可以做关联或引用。这是一个比较大的结构划分,那么知识点本身的结构是什么样的呢?
知识点表结构
知识点信息包括基础信息和扩展信息:
- 基础信息只包括知识点本身的属性,包括标题,内容,附件,标签等等
- 扩展属性是知识点附加属性,包括适用范围,PV,UV等等
这里面有一点很重要,那就是“知识内容”,通用来说知识内容是富文本格式,所以需要有富文本编辑器,这个各大公司的体验差距就出来了,编辑器的好用与否直接决定了用户的使用爱好,富文本编辑器的水很深,市面上能把编辑器做好的没有几家(语雀算一家)。
知识生产的方式也可以是批量生产,这就需要有批量导入的功能,通常是导入word或excel(没有图片)。
知识点的数据会落地数据库,通常来说数据生产这块会用到双写,一边写入到数据库,一边写入到ES,ES的数据用于查询使用(性能考虑),所以数据同步和一致性这块也需要考虑好。
知识审核
质量是立足之本,这里包含两个点:质和量。
通常来说知识越多效果会越好,但是生产的知识只有审核过后没问题才能上线。审批流的实现方式有很多种,常用的一种就是BPM,这个有开源,感兴趣的可以深入了解一下。
应用场景
知识库应用场景就太多了,你应该见过 “帮助中心”, “猜你想问”,“常见问题”,“智能客服” ,“培训”,“考试”之类的,大多都会用到知识库
帮助中心
智能客服
“智能机器人” 这个应用场景,大部分公司还是基于Q&A知识库进行实现的,通过将用户的query进行分词匹配答案,复杂一点的会做标准问相似问和知识挂接,然后通过NLP技术进行处理。这些有个缺点是只能单轮问答,要想实现多轮对话,就需要更复杂的技术,比如:多轮对话流程管理,知识图谱等。
运营
个人觉得这是知识系统建设过程中很重要的一环
知识库系统是一个长期的过程,且是一个重运营的系统。知识生产之前需要运营和各个业务方去聊平时过程中遇到的痛点,然后怎么样把知识线上化;知识生产之后运营需要去推广,去收集用户反馈,根据线上业务数据分析对知识推动复审,对业务提出新需求。
运营的方式有很多种,适当的对用户做一些奖励活动也是可以的,业务上要做到收口,聚焦核心应用,及时及持续观察用户反馈和业务数据。
遇到的问题
知识库建设过程中可能会遇到很多问题,其中最重要的有以下几点:
1.数据线上化
数据是立足之本,没有数据都是空谈。那怎么样推动公司各个部门去做线上化,去生产知识,数据线上化之后更新机制也要做好,不然数据就变成“僵尸数据”,这其实是一个很难的过程。
2.运营
上面我们说了,运营是一个很重要的环节,但是知识库建设是一个长期的过程,运营人员承受的压力比较大,所以需要公司投入一定的运营成本,这个就得看领导层是否愿意。
3.用户体验
有了数据,有了产品,那用户体验就很重要,知识匹配度,知识解决率等指标会很容易看出问题所在,这个环节也是降本提效的重要环节。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请通知我们,一经查实,本站将立刻删除。