编者按：很多企业已经建立了如ERP、CRM、OA等以业务为核心的系统，但随着企业管理水平的提高和市场竞争的加剧，在信息化建设上又有了很多新的需求，例如如何通过知识管理系统的建立形成知识型企业？通过建立竞争情报管理系统更好地进行企业战略规划、危机预警甚至是竞争分析？如何对客户的反馈和管理进行分析从而更好地制定营销战略？这些管理上的需求反映在IT上，就是内容管理系统。内容管理有哪些新的发展趋势呢？

企业中有价值信息，真正能够以数据的形式被数据库管理的部分是非常有限的，调研估计仅占到15% 到20%，而大量的信息都是以非结构化形式散落在企业的各个角落，包括企业的各种报表、账单、电子文档、网站的各种元素、图片、传真、扫描影像，以及大量的多媒体的音频、视频信息等等。对这些非结构化信息的管理正是传统的企业内容管理的定义。但随着企业应用整合、技术的突破以及各种新的沟通手段的不断出现，内容管理一正呈现出四大发展趋势：从专注非结构化信息的管理到对整合的异构信息的管理；内容管理手段更加智能化；内容管理环节将更丰富，同时内容管理应用正在从Web 内容管理发展到企业内容管理。

从非结构化到异构化
“如果说传统意义上的内容管理是指对非结构化信息的管理，而未来的内容管理则是对异构化信息的管理，未来不仅会将对结构化信息的管理加入内容管理中来，同时需要实现内容管理与业务系统的集成，并统一对企业的所有信息资源进行集中管理。”TRS市场总监何东炯表示。

每个企业都有许多信息用来支持业务交易和业务决策支持，而目前这些信息通常都散布在企业内的各种存储库中，并且没有单一界面去查询和将这些信息进行整合，从信息系统功能的角度看，内容管理就是对其包含的数据和元数据在整个生命周期——采集、加工、发布——中的管理，目的就是使信息能够更快速、无缝地集成到企业的信息基础设施中来，这就要求内容管理产品平台能够很好地与企业已有的应用系统进行交互，如ERP、CRM 等应用系统，并能处理来自这些应用的数据，因此应用集成技术是内容管理的关键技术之一。

“现在企业很多系统都是独立的，例如业务系统、网站、影像系统、流媒体、文档等，对这些内容的管理也是单独进行的，而未来的趋势是应用走向整合，如实现网站与后端的业务系统、CRM、营销等系统的整合，因而内容管理也要整合所有这些内容，实现对这些异构信息的集成管理。”

事实上，从内容管理方案看，目前这种整合的管理已经实现。例如TRS 的全文数据库产品就通过代理技术实现结构化数据与非结构化数据的集成管理，并实现了索引同步管理，在新华社的案例中已经采用。IBM 提供的面向内容的信息整合(II for Content) 是一套能连接和访问不同存储库中信息的中间件软件，通过II for Content能实时和同步地访问所有的存储库， 包括C M ， C MOndemand，CM ImagePlus forOS/390 和Lotus Domino.Doc，它也提供了访问W e b 站点和N o t e s 数据库的能力，II f o rContent 也能连接到DB2，以及通过ODBC、JDBC访问其他数据库，通过Data Joiner 也能同步访问许多关系数据库和IMS 数据库。

Interwoven 的内容管理产品是建立在对象储存库 (object repository) 中，可储存并管理各种类型的信息，其中包括文件、档案、图形、影像、网页、声音、视频，产品数据、研发文件、数据库表格、应用程序代码、合约等结构化或非结构化数据。同时Interwoven 推出的采用SOA架构的内容管理平台TeamSite，能方便地将内容管理服务程序整合至既有的企业应用程序中。并可将包括档案系统、验证检查、版本控制、工作流程与关键词检索服务等，开放给多种应用程序使用，如入口网站、客户关系管理系统、人力资源管理、财务管理，或是以开放标准所自行研发的应用程序。

内容管理走向智能化
内容管理的另一个趋势就是智能管理。目前并不是一个信息匮乏的时代，而是一个信息过剩的时代，面对海量信息，如何找到有价值的信息并转化为知识是人们最关心的问题。而企业内部各种业务信息（包括文字、图片、业务数据等），其本身仅仅代表业务处理的记录。而通过智能化管理，可实现信息从原始存储状态到不同服务类型的自动组织、归类。同时，内容的智能化管理，也将为实现知识管理提供内容基础。另外，由于非结构化信息比结构化信息更难标准化和理解，所以对其进行存储、检索、发布以及利用也就需要更加智能化的IT 技术，比如海量存储、智能检索、知识挖掘、内容保护、信息的增值开发利用等等。

TRS 将内容管理的智能化体现在各个环节，包括信息的采集、处理、发布等 。例如其智能挖掘技术包括自动分类、自动摘要、文本聚类和相似性检索等功能，有效解决目前普遍存在的信息过量、信息丢失、信息无关等问题。在实际应用中，智能化的内容管理系统可根据使用者的不同身份和个性化应用习惯，为其展示个性化的信息，并进一步产生知识，进行知识挖掘。而聚类可将相关的热点话题同时展现出来，为新闻线索的发现以及市场预警提供帮助等。