實(shí)現(xiàn)探囊取物般輕松查找數(shù)據(jù)的夢想

企業(yè)搜索技術(shù)使得查找數(shù)據(jù)如同探囊取物

3年前，中國電信研究院工程師陳勇還是一家軟件公司的項(xiàng)目經(jīng)理，當(dāng)時(shí)，他曾主持過一家德國輪軸制造企業(yè)在華分公司的知識管理系統(tǒng)的設(shè)計(jì)與實(shí)施。那時(shí)，這家公司開始加大對中國市場的投資力度，不僅千里迢迢把研發(fā)中心搬到了中國，還一口氣實(shí)施了知識管理系統(tǒng)、erp系統(tǒng)和產(chǎn)品數(shù)據(jù)管理（Product Data Management，PDM）系統(tǒng)。

時(shí)隔3年，當(dāng)陳勇回訪那家企業(yè)時(shí)，發(fā)現(xiàn)這家企業(yè)隨著業(yè)務(wù)量和數(shù)據(jù)量的增大，出現(xiàn)了一系列當(dāng)初大家始料未及的問題：盡管它在IT建設(shè)上投入了大筆資金，但企業(yè)內(nèi)部卻出現(xiàn)了數(shù)據(jù)混亂的局面，誰也不知道整個(gè)公司的信息系統(tǒng)中存放了多少數(shù)據(jù)，這些數(shù)據(jù)又具體在哪個(gè)系統(tǒng)里，又有多少數(shù)據(jù)間存在沖突，至于是否存在未經(jīng)授權(quán)就使用數(shù)據(jù)的情況就更沒人知道了。

“現(xiàn)在，企業(yè)內(nèi)部的數(shù)據(jù)越來越多，每個(gè)信息系統(tǒng)里都有大量的數(shù)據(jù)，但想從這些系統(tǒng)里尋找想要的數(shù)據(jù)，簡直像大海撈針一樣?！标愑抡f。一個(gè)花了大價(jià)錢進(jìn)行信息化建設(shè)的企業(yè)，并且還是一貫嚴(yán)謹(jǐn)?shù)牡聡髽I(yè)竟然出現(xiàn)了這樣的情形，多少有些尷尬和無奈。

孤島效應(yīng)

其實(shí)，這家德國企業(yè)碰到的尷尬，很多企業(yè)都正在面對。一家全球網(wǎng)絡(luò)安全軟件服務(wù)商的工程師Victor就為無法全文檢索公司內(nèi)部的信息而頭痛。“我們公司的文檔管理系統(tǒng)是自己研發(fā)的，全球各分公司和研究中心的文件、報(bào)告、會議記錄都由這個(gè)系統(tǒng)來統(tǒng)一管理。這個(gè)系統(tǒng)雖然可以提供文檔分類和資源檢索的功能，但只能提供文檔標(biāo)題的查詢，想全文檢索信息就無能為力了。”他說。因此Victor所在的項(xiàng)目組每次接到新項(xiàng)目后，都要花相當(dāng)大的精力把公司文檔管理系統(tǒng)中所有的相關(guān)資料先下載到項(xiàng)目組的服務(wù)器上，然后再按工程師的不同需求分配到個(gè)人電腦上?！斑@樣，文檔管理系統(tǒng)、項(xiàng)目組服務(wù)器和個(gè)人電腦中就出現(xiàn)了一份文檔的多份拷貝，我們經(jīng)常不知道哪份文檔已經(jīng)更新了，需要重新下載?！盫ictor抱怨道：“如果項(xiàng)目中途出現(xiàn)人員變動(dòng)，新的組員往往要重做一遍文檔下載工作。這不僅加大了時(shí)間成本，還使得工作效率大打折扣?！?/P>

美國全文檢索和智力資產(chǎn)服務(wù)公司Verity大中華區(qū)首席代表黃浩說：“如今，很多企業(yè)和機(jī)構(gòu)都有大量的信息資產(chǎn)，它們以各種形式存儲在數(shù)據(jù)庫、文件服務(wù)器、Web服務(wù)器及CRM、ERP等各種應(yīng)用系統(tǒng)中，因?yàn)槿狈τ行У墓芾?，這些信息散落在大小‘信息孤島’上，不但沒有體現(xiàn)出其應(yīng)有的價(jià)值，有時(shí)反而會成為企業(yè)的一種負(fù)擔(dān)?！?/P>

上文提到的那家德國輪軸公司在信息化過程中，由于信息系統(tǒng)之間是相互孤立的，所以數(shù)據(jù)也被分割在不同的“信息孤島”上。“這樣，它就無法對公司信息資產(chǎn)進(jìn)行整體的掌控?！?/P>

百度企業(yè)軟件運(yùn)營總監(jiān)王嘯認(rèn)為，這些企業(yè)中的信息存放在多個(gè)不同的信息源中，一旦查找起來，就要不停地在各個(gè)系統(tǒng)中切換，不僅無法實(shí)現(xiàn)全文檢索，更做不到將檢索后的信息進(jìn)行自動(dòng)分類整理?！凹词乖谀切┦种匾晹?shù)據(jù)管理的企業(yè)里，CIO要求員工們在橫跨多個(gè)業(yè)務(wù)平臺工作時(shí)，時(shí)刻給文檔加上詳細(xì)的標(biāo)簽，以便日后檢索。但實(shí)際上這種做法收效甚微，難以滿足信息查找的要求。”

據(jù)IDC從2001到2004的調(diào)查表明，信息孤島使得海量的數(shù)據(jù)沉睡在無人知曉的角落，這給企業(yè)帶來了巨大的經(jīng)濟(jì)損失。以一個(gè)擁有1000個(gè)知識工作者的企業(yè)為例，其每年因?yàn)閱T工查找不到企業(yè)中已經(jīng)存在的信息所帶來的額外花費(fèi)可達(dá)600萬美元之多。這無疑大大增加了企業(yè)的支出。

企業(yè)搜索

面對企業(yè)進(jìn)行信息資產(chǎn)查詢、管理的各種困難，如何將數(shù)據(jù)、信息有效地結(jié)合起來，使這些數(shù)據(jù)、信息、知識、經(jīng)驗(yàn)發(fā)揮最大的價(jià)值，一個(gè)能夠?qū)ζ髽I(yè)內(nèi)各種信息進(jìn)行匯聚、分類、檢索、分析的搜索平臺顯得非常有意義。

黃浩希望企業(yè)搜索技術(shù)能幫助那家德國輪軸企業(yè)的CEO化解他在IT投入上的尷尬——“每天早上，他到達(dá)辦公室時(shí)，按照他的需求，相關(guān)信息已經(jīng)從各個(gè)業(yè)務(wù)部門提取出來并整理分類，以報(bào)表的形式展示在他的電腦里。如果他想進(jìn)一步了解某個(gè)數(shù)據(jù)或分析結(jié)果，只需在電腦的搜索框里輸入關(guān)鍵字，就能把所有企業(yè)內(nèi)網(wǎng)中的關(guān)聯(lián)信息逐個(gè)找出來?！?

企業(yè)搜索是一種面向組織的搜索技術(shù)，它能幫助企業(yè)和各種機(jī)構(gòu)有效地管理信息資產(chǎn)。有了它的幫助，企業(yè)查找想要的數(shù)據(jù)就能像探囊取物一般容易。企業(yè)搜索還是一個(gè)可以整合企業(yè)中所有信息資源的平臺，它構(gòu)建于原有的信息系統(tǒng)之上，既能夠準(zhǔn)確及時(shí)地找到已知的、存在的信息，還能揭示、發(fā)現(xiàn)未知的信息，并提供各種信息的分析和評估報(bào)告。

據(jù)統(tǒng)計(jì)，目前大約85%的企業(yè)信息是非結(jié)構(gòu)化數(shù)據(jù)，包括紙張文件、報(bào)告、傳真、視頻、音頻、圖片?！皞鹘y(tǒng)的信息處理技術(shù)無法對這么復(fù)雜的數(shù)據(jù)進(jìn)行有效處理?！蓖鯂[說。企業(yè)搜索不同于人們熟知的互聯(lián)網(wǎng)搜索，特別是在文件的類型上，互聯(lián)網(wǎng)搜索所需要處理的文件類型一般只有十幾種，而企業(yè)搜索可能要面對幾百種數(shù)據(jù)類型。要對幾百種不同格式的文件進(jìn)行檢索，這就要依靠非結(jié)構(gòu)化搜索引擎（Unstructured Search Engine）。它有點(diǎn)類似于互聯(lián)網(wǎng)搜索引擎，不過是面向企業(yè)用戶中各種各樣的數(shù)據(jù)源，其最主要的功能是全文檢索Office文件、音頻、視頻、郵件、圖片等非結(jié)構(gòu)化數(shù)據(jù)，并可以嵌入到OA系統(tǒng)或ERP等系統(tǒng)中，提供搜索服務(wù)。

整合原有信息系統(tǒng)是企業(yè)搜索的另一個(gè)技術(shù)難題，智能網(wǎng)關(guān)在這里就可以派上用場了。智能網(wǎng)關(guān)就如同一組接通各個(gè)系統(tǒng)數(shù)據(jù)庫的“橋”，利用這一組“橋”，企業(yè)搜索平臺可以直接訪問數(shù)據(jù)庫、內(nèi)容管理、CRM、ERP、文件服務(wù)器、Web服務(wù)器以及各種應(yīng)用系統(tǒng)中的數(shù)據(jù)并加以提取。

不過，僅具備了全文檢索和整合功能還不能稱為真正的企業(yè)搜索。黃浩指出：“在搜索框里輸入關(guān)鍵字，返回上千甚至上萬個(gè)查詢結(jié)果，要使用者在其中分辨出有用的信息是一個(gè)繁重的工作?！逼髽I(yè)搜索必須對查詢結(jié)果具有分析功能——信息歸類功能，它可以對各種信息進(jìn)行整理和歸類，既可以按照部門、地域、內(nèi)容來進(jìn)行人工分類，也可以通過語義聚類的方式對雜亂無章的數(shù)據(jù)進(jìn)行智能識別?！癈EO、CIO、CFO以及其他職員希望看到的信息側(cè)重點(diǎn)不一樣，企業(yè)搜索技術(shù)可以按照不同的需求來進(jìn)行人工分類。在每個(gè)分類下，還可以利用語義聚類的智能識別功能讓計(jì)算機(jī)整理資料。”這樣，人工分類的靈活性和機(jī)器識別的高效性都同時(shí)得到了使用。

目前，已經(jīng)有不少組織部署了企業(yè)搜索技術(shù)來解決信息資產(chǎn)的管理問題。美國國務(wù)院就有一個(gè)這樣的搜索系統(tǒng)，工作人員只要登錄系統(tǒng)就可以從2500多萬份檔案中查找并檢索信息。這些檔案包括1973年以來美國國務(wù)院與其在世界各地的辦事機(jī)構(gòu)之間的來往電報(bào)和電子郵件。

中國新華通訊社也部署了一個(gè)多媒體數(shù)據(jù)庫。現(xiàn)在，每位新華社記者在采訪前或?qū)懜鍟r(shí)，都有一個(gè)龐大的數(shù)據(jù)平臺做支撐，各種新聞背景、各地法規(guī)、人物、公報(bào)、最新事件、文獻(xiàn)資料、新華社及各類報(bào)刊發(fā)稿情況等都可以從這個(gè)平臺中查詢到，記者既可以從分類項(xiàng)目中找到，也可以通過關(guān)鍵詞全文檢索獲得，而且這些資料隨時(shí)處于變動(dòng)更新狀態(tài)。

技術(shù)背后

根據(jù)英國咨詢顧問公司Ovum的預(yù)測，2006年全球企業(yè)搜索平臺的市場將達(dá)10億美元。雖然IT廠商為企業(yè)搜索應(yīng)用描繪了一幅美好的藍(lán)圖，然而實(shí)現(xiàn)企業(yè)級搜索應(yīng)用并不是一件輕而易舉的事，不愿共享信息是實(shí)施企業(yè)搜索系統(tǒng)的組織遇到的最大阻力。一位電子商務(wù)網(wǎng)站技術(shù)總監(jiān)對企業(yè)搜索技術(shù)的憂慮便來自這個(gè)阻力——“我們的市場人員都有自己的客戶群，那是他們個(gè)人長期積累的資源，怎么可能輕易拿出來和同事們共享呢？”

一家全球移動(dòng)通信網(wǎng)絡(luò)供應(yīng)商在華研究機(jī)構(gòu)的工程師同時(shí)碰上了同事“獨(dú)享”技術(shù)帶來的困擾：有時(shí)，中國工程師遇上解決不了的問題時(shí)，不得不請美國的工程師來現(xiàn)場指導(dǎo)，但是問題解決了，知識卻沒有共享?！安簧俟こ處煻加幸粋€(gè)筆記本，上面記滿了‘獨(dú)門秘籍’，不愿意公開，如果別的工程師遇上了同樣的問題，只有再讓美國工程師來現(xiàn)場。”

另外，安全性也是企業(yè)搜索技術(shù)要面對的一個(gè)很重要的挑戰(zhàn)。和互聯(lián)網(wǎng)搜索相比，企業(yè)內(nèi)部的數(shù)據(jù)資源一般都必須有相應(yīng)的授權(quán)才可以訪問，如果任何人都可以無限制地訪問所有的信息資源，“那就亂套了”?！捌鋵?shí)，安全性在技術(shù)上是可以保證的，企業(yè)只要有嚴(yán)格的信息授權(quán)就可以解決安全問題?！秉S浩說。