前面三篇文章我们把以中台思维构建知识管理体系的设想和方法做了相对详细的探讨，解决了为什么需要知识中台、知识中台建设关键点和知识中台能力如何组件化这三个关键问题。接下来我们进入实战篇，深入到知识中台具体模块和组件中，看每个组件化能力如何构建出来，应用场景，对企业知识管理体系的作用和价值，用搭积木的方式逐步把知识中台能力搭建出来。
我们先从知识采集组件（图1）开始，这个组件提供的是知识管理体系中最基础的能力，包括知识采集流程，管理职责分工、审核发布机制等。
图1：知识采集组件
知识采集组件的核心是知识管理流程，打通从企业内外部各类信息源的知识收集、加工、审核、发布应用的通路，并且让这个通路能顺畅、高效的运转。搭建这个采集流程前，我们需要先统一一下对信息和知识的认知，也就是我们通过知识管理流程到底在管理什么？
提出这个问题是因为在着手做流程设计前应该多花一些时间理解我们的客户和员工需要的知识和信息是什么，基于这个理解，才能确定这些知识将以什么形式、颗粒、载体、在哪里呈现。进而在流程设计时着重考虑如何匹配这些需求，框定信息采集的范围和界限，与信息来源通过流程和机制达成关于知识保障的职责分工、工作环节、时限要求、知识格式等共识。在流程设计时除了实现与信息来源的对接确保知识保障团队能顺畅高效获取信息外，还需要关注依据客户/员工需求触发的反向流程，即根据实际服务场景中的需要，主动向信息源发起信息采集动作，这里分享一些分析判断客户和员工对知识信息的需求的方法：
与员工和客户交流调研，搞清楚他们在日常服务交付中的高频场景，在这些场景中客户关注哪些产品、经常问到哪些问题、知识信息对这些问题的支持能力如何？这里员工的范围应包含企业所有面向客户提供服务的职能，包括客服中心、营业网点、客户经理、外部合作商等，甚至延展至最终客户，了解不同类型客户在服务交互中对解决方案的诉求和痛点。
对官网、APP等自助服务渠道，在信息查询、售后申请、业务办理等场景中客户的服务历程和数据进行分析，了解客户在这些自助场景的服务触点，在页面或提示框中是否能够便捷、适当的获得服务交互所需要的信息。如业务办理场景中，能清晰展现办理业务后生效时间、计费规则、使用方法和注意事项等，业务办理成功后进入人工服务寻求帮助的占比，以此判断自助服务渠道知识信息对服务交付的支撑能力和优化方向。
智能机器人、智能辅助等最擅长的服务场景是什么，需要什么类型和颗粒的支持，能够帮助智能客服在不降低客户体验的前提下，提高服务交付能力，扩展业务和场景覆盖范围。如根据无人客服在满意度评价和转人工率，具体分析该场景中如何根据意图判断所需要的知识信息和表达方式，提高智能客服的解决能力。
做这些调研和分析的目的，在于改变传统单纯以公司产品/业务上新或变更触发采集、发布、培训应用的知识管理方式。而是把策略调整为根据客户和员工的需求触发信息采集动作，所以在设计知识管理流程时，最优先考虑的是前台服务场景的需求，即客户、员工、智能机器人需要什么样知识，这些知识包含哪些信息，如何处理才能成为可用的知识？这里涉及到两个概念，即信息和知识，它们所处的层级是不一样的，这里借用一下知识阶层图（图2）来加深大家对数据、信息、知识和智慧之间关系的理解。
图2：知识阶层图
从图2中我们可以看出，信息是知识的基础，信息要成为知识需要经过加工提炼。信息只有通过知识生产岗位根据客户、员工需要进行归纳、演绎、组合等方法加工处理之后，使其有价值的部分沉淀下来，并与已存在的知识体系结合，不同源头的信息才被转化成对客户服务交付有价值的知识。例如，7月1-31日面向特定区域客户开展预存话费送手机活动，知识保障团队拿到这样一条信息后，基于对服务交付和客户体验的理解，把这条信息加工总结成服务应答话术、智能机器人问答对，自助页面活动说明等，成为各服务渠道交付解决方案可用的知识。
从知识的来源看（图3），一般来说会分为显性和隐性两个大类。显性知识比较好理解，如产品文档、业务知识、业务规则、活动信息，通常以书面文字、图表和数学公式表述，比如文档、图表、PPT等。隐性知识是指非显性化存在的知识，如优秀员工的技能、经验、认知等，隐性知识需要积累并逐渐显性化以发挥其价值，沉积在员工身上的优质经验、技巧作为知识资产的重要组成部分，通过流程、职责和奖励机制推动隐性知识的沉淀和应用，如通过论坛、小组业务讨论、专题攻关项目等方式，鼓励员工贡献和分享自己的经验和技巧，并配合相应的奖励政策。
图3：知识管理正向、反向流程
1、信息来源：
前台服务渠道的服务交付会覆盖从产品售前咨询、售中购买指引、售后业务办理和客诉处置等多种多样的场景，在这些具体的场景中理解客户意图并提供解决方案需要大量的信息支持，这就要求知识保障团队与内、外部信息源建立双向对接机制，收集整合各类信息转换为服务客户可用的知识。外部信息源包括产品部门的商品信息、销售部门的销售政策、市场部门的营销活动，运营部门的流程规则、售后部门的售后维修，还包括后端支持，如财务、法务、物流等。客服内部信息包括客服中心基于客户热点难点问题处置思路，服务应答话术、客户关键流程规范、典型服务案例等，甚至于存在于外部论坛/公网的客户操作经验等内容也可以纳入到信息采集范围中来。
2、信息收集：
把这些不同来源的信息汇聚成能支持前台服务场景完成高效服务交付的知识，知识保障团队需要与信息来源约定信息收集形式、时限要求和操作规范。并根据约定和达成质量对信息来源的对接质量做评价。正向信息流转之外的沟通和考评机制也同样重要，一方面要与信息源建立紧密的沟通机制，如工作群组、热线等，在对接过程中一旦出现异常状况，双方可及时沟通对信息查缺补漏；另一方面知识保障团队作为知识管理的责任方，也要争取对信息收集环节的考评权限，当信息来源发生因信息推送不及时造成的客户争议或影响客户体验时，对信息责任部门的对接质量进行考核，保障知识保障团队能及时、准确获取到服务客户所需的信息。如销售部门开展营销活动，需提前2个工作日将活动信息报备至知识保障团队，这个动作可以用知识报备率评价各类信息来源的信息对接质量。同样的，对于由知识保障团队根据客户和员工需求发起的反向向信息来源做信息收集和知识准确性审核等动作，可以用知识反馈处理/审核及时率评价信息来源处理知识反馈和审核的时效。
知识保障体系建设和运转是一个持续的过程，在人工坐席或者智能机器人的知识应用过程中一旦遇到信息覆盖不全、信息差误、更新不及时等，需要给出流程和接口做问题收集，知识保障团队对收集到的反馈进行评估和后续处置。应用知识反馈流程可解决知识体系信息未覆盖、不正确、不详尽、过期未停用等问题，同时对积极参与客服人员也可以评估其反馈的有效性和价值给予奖励，激励员工参与知识运营和反馈的热情，形成持续优化机制。
3、知识生产：
知识生产是知识保障团队接收到各类信息后，基于对各服务场景和客户体验的理解，将信息加工处理成可供各前台服务渠道调用的知识，包括根据信息属性进行分类，依据信息属性和模板对信息进行结构化和客户化转化，在内容和形式上满足各前台服务渠道调用需求。知识生产职责主要由知识保障团队承担，可以用知识生产及时性、准确性、规范性等指标来评价知识采集/生产岗位的工作质量。知识生产及时性主要评价从信息收集环节到完成编辑的过程是否满足时限性要求，如知识采集/生产岗位需要接收到信息的4小时内完成知识编辑并提交审核；知识准确性和规范性用来评价知识生产的质量，可通过信息来源的准确性审核、各前台服务渠道满意度评价和质检抽检等方式检核评价。
4、知识审核发布：
完成编辑的知识需反馈至信息源进行准确性审核，校验知识编辑过程中对对信息做删减、颗粒拆分、知识关联、客户化转化等加工是否存在因知识生产岗位理解造成的偏差。知识保障团队内部也需设置审核岗位，对知识内容进行准确性、规范性审核，以审议生产的知识是否满足各前台服务场景对于知识内容颗粒、表达方式、知识格式、客户化描述等方面的要求，通过两级审核后的知识一般发布在知识库人工座席、智能机器人、自助服务页面等渠道或场景调用；知识审核、发布环节需管控时效和准确性，可以通过审核及时性、准确性、知识满意度等指标观测和评价知识保障团队、信息来源部门在对接交互中的表现（图4）。
图4：知识的审核机制
5、知识管理职责分工
搭建起包含信息采集、知识生产、知识审核发布的知识管理流程后，就需要配置明确的岗位和职责分工，明确知识保障团队、后台信息来源、前台服务渠道等角色在知识中台建设中的职责分工、定位和收益，通过组织和分工让知识管理流程能舒畅高效运营（图5）。
知识保障团队作为企业知识管理的收口职责，主要负责知识保障体系的规划建设、日常运营。具体工作包括根据各前台服务渠道需求对接各信息来源进行信息收集、知识生产发布、知识应用的数据监控、知识支撑能力审议优化等。根据工作职责在岗位设置上需包括知识采集/生产岗、知识审核/发布岗、知识应用/分析岗，各岗位选拔人员可以侧重在人员业务理解掌握能力、沟通推进能力、语言问题表达能力等，筛选具备各岗位能力要求的人员搭建知识保障团队。
图5：知识保障团队的组织架构
信息来源作为知识后台，基于客户服务体验和业务拓展诉求，根据各自职能和业务与知识中台对接，设置内部信息对接责任人，当所涉及的产品资料、业务规则、营销活动、系统功能、操作手册、通知公告等发生新增、变更、废止时，按照知识采集组件传递至至知识保障团队触发信息收集，生产、发布至各前台服务渠道供客户、员工调用，同时也许提供知识保障团队反向的信息核实、知识审核支持需求。
各前台服务渠道作为面向客户提供服务交付的界面，是知识中台能力调用的主要需求方，在人工客服、智能机器人、智能辅助人工、IVR语音、自助服务页面等服务渠道的具体服务场景中，根据服务解决方案对知识或信息的需求，调用知识管理流程、知识内容、数据分析、系统接口等知识中台能力，根据渠道特点完成知识展现和解决方案交付，并根据客户评价反馈和体验分析，推动知识保障团队优化知识中台支持能力。
