【內容精解】

2.1 咨詢信息管理

咨詢工程師開展咨詢工作需要掌握豐富的信息與知識，工作過程就是選用適當的方法、手段與工具，對信息進行采集、分析、處理的過程。工程咨詢信息主要有七類：法律、法規、規章；各類規劃與政策；標準與規范；自然與資源資料；行業統計信息；投資與項目信息；區域社會與經濟狀況。

咨詢企業信息管理的任務是了解使用信息的具體需要，對信息進行收集、篩選、分析、整理和存儲，以便工程咨詢和決策人員使用。

2.2 信息采集途徑和方法

調查方法分為普查與抽樣調查兩大類，主要有四種：文案調查、實地調查、問卷調查、實驗調查等方法。不同的調查方法有不同的特點和要求（表2-1），可根據收集信息的能力、調查研究的成本、時間要求、樣本控制和人員效應的控制程度來選擇適用的方法。

2.3 信息鑒別

信息鑒別就是篩選甄別出真實、可靠、重要、完整且有用的信息。

常用方法有四種：溯源法、比較法、佐證法、邏輯法，具體內容見表2-2。

2.4 數據分析與挖掘

一、數據分析

數據分析是信息分析的一部分，是通過建立模型來揭示數據中隱含的規律、趨勢等信息。分析的數據有兩種，時間序列和截面數據，分析方法有統計分析、時間序列分析和空間數據分析。空間數據分析在第3章中有介紹。

（一）統計分析法

統計分析是通過建立適當的模型，計算樣本的數字特征，進而做出預測。主要工作步驟是：選擇數字特征，收集并整理數據，計算數字特征，建立模型，檢驗模型誤差，利用模型預測，評價統計與預測結果。

（二）時間序列分析方法

時間序列數據是同一現象中按日、月、季度、年等時序排列的一組觀察值。它通常是四種周期成分疊加產生的變動，如趨勢、季節變動、規則波動和不規則波動。時間序列分析就是通過識別數據變化的趨勢與波動（可稱為“模式”），用適當的曲線擬合。

時間序列分析也可稱為建模過程，主要工作步驟是：取得時間序列樣本；將樣本點畫成圖，進行相關分析；模式識別與擬合；預測未來。常用模型有ARMA模型和回歸模型。

二、數據挖掘

（一）基本含義

數據挖掘就是從大數據中挖掘出可為人理解的關系、模式、趨勢和其他有用信息，并建立模型，用于預測、判斷或決策。

數據挖掘不同于數據分析，對比見表2-3。

（二）數據挖掘方式

按挖掘對象，數據挖掘分為數據庫與數據倉庫挖掘和網絡挖掘兩種。

1）數據庫與數據倉庫挖掘有八個步驟：信息收集、數據集成、數據規約、數據清理、數據變換、數據挖掘、模式評估和知識表示。

其中數據規約、數據清理、數據變換合稱為數據預處理，至少60%的費用花費在信息收集階段，而至少60%的時間和精力花在數據預處理上。

2）網絡信息挖掘有四個步驟：確立目標樣本、提取特征信息、網絡信息獲取、信息特征匹配。

2.5 工程咨詢知識管理

一、工程咨詢企業知識管理的含義

咨詢企業需要通過規劃、實施和控制等一系列知識管理行為，加強對知識的獲取、提煉、創造、共享和積累，由此提高咨詢企業的競爭力。

構建知識管理體系應具備的特征是：以人為本；以無形資產為主要對象；不間斷的“積累—創造—應用—再積累—再創造—再應用”的循環過程；以提煉隱性知識為主；以創新為目標；建立學習型組織。

二、建立知識管理系統的步驟

一般包括認知、規劃、試點、投入使用與建立新制度五個階段。

1）認知：統一企業對知識管理的認識，評價企業知識管理現狀，提出策略。

2）規劃：在認知的基礎上，制訂詳細的實施計劃。

3）試點：選取適當部門和業務試行知識管理。

4）投入使用：知識管理計劃試點并經完善之后，應全面推廣。

5）建立新制度：建立適合于知識管理與企業發展的新制度，準確評估知識管理為企業帶來的價值。