如何有效利用数据挖掘获取的知识，弥补知识管理实施中遇到的问题，尚未引起学者足够的重视。数据挖掘获取的知识是将隐藏在数据库和互联网中的规律，通过深入挖掘分析而得到的，它很难用显性知识或隐性知识来描述其特征。因此，当前知识管理理论和方法还没有探讨如何有效地管理上述由数据挖掘获取的知识。而数据挖掘领域的专家大都把数据建模后得到知识作为数据挖掘流程的结束，对获取的知识如何有效选择、运用没有进行足够的分析研究。知识管理和数据挖掘的智能融合研究对持续提高组织的决策水平，提升企业的核心竞争力有着重要的意义。

智能知识管理将探讨如何利用可能的技术手段，构筑一套系统化方案，使信息爆炸转化为知识的智能化个性服务，从而提升组织及个人的信息利用能力，提高决策水平。传统的智能知识管理从算法、过程、结构等方面，强调以IT为工具对现有知识的管理，研究对象是“智能的知识管理系统”，研究的侧重点侧重于管理平台功能的智能性，缺乏对从大量数据和信息中获取知识并进行管理的系统研究和知识整合利用的方法的设计，忽视知识本身的智能化。当知识数量巨大时，这种智能的知识管理平台难以胜任，必须让知识自身具备一定的智能，进行自我管理。

因此，从知识本身入手，参考复杂性科学理论，研究数据挖掘获取的知识的特点和统一表达，使知识本身具备记忆、学习、识别等智能性，是减轻知识管理平台压力，降低信息爆炸的一条新路。智能知识是指通过数据挖掘技术得到的，通过人机交互的处理后具有记忆、识别、自我更新和消亡等智能特征的有价值的知识。

智能知识管理（Intelligent KnowledgeManagement，IKM）是引入心理学、复杂系统、人工智能等理论和技术，对通过数据挖掘技术获取的原始知识（粗糙知识）与主体知识（规范知识、经验、领导意图、企业情境等因素）相结合，并对其进行过滤、筛选、提取、存储、转化和利用，以智能地支持企业有效管理决策的管理过程。它是在有用知识的基础上进行智能化处理，孵化出自身具有智能特点的知识并实现自我更新和智能应用等过程的管理，使知识能在需要的时间将需要的知识传送给需要的人，从而促进数据挖掘获取的知识的实用性，减少信息爆炸，提高知识管理水平。2100433B