Zarzadzanie wiedza
Download

Zarzadzanie wiedza

Advertisement
Download Presentation
Comments
jirair
From:
|  
(148) |   (0) |   (0)
Views: 276 | Added: 18-06-2012
Rate Presentation: 1 0
Description:
Zarzadzanie wiedza - literatura. G. Prost, S. Raub, K. Romhardt (2002), Zarzadzanie wiedza w organizacji, Oficyna Ekonomiczna, Krak?w I. Nonaka,, H. Takeuchi (2000) Kreowanie wiedzy w organizacji. Warszawa, Poltext.Morawski M.: Zarzadzanie wiedza, Organizacja-System-Pracownik. Wydawnictwo Akademii
Tags
,
Zarzadzanie wiedza

An Image/Link below is provided (as is) to

Download Policy: Content on the Website is provided to you AS IS for your information and personal use only and may not be sold or licensed nor shared on other sites. SlideServe reserves the right to change this policy at anytime. While downloading, If for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.











- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -




1. Zarzadzanie wiedza Wyklad 9 godzin Cwiczenia 6 godzin Laboratoria 9 godzin Bogdan Rebiasz pok. 420

2. Zarzadzanie wiedza - literatura G. Prost, S. Raub, K. Romhardt (2002), Zarzadzanie wiedza w organizacji, Oficyna Ekonomiczna, Krak?w I. Nonaka,, H. Takeuchi (2000) Kreowanie wiedzy w organizacji. Warszawa, Poltext. Morawski M.: Zarzadzanie wiedza, Organizacja-System-Pracownik. Wydawnictwo Akademii Ekonomicznej we Wroclawiu, Wroclaw 2006 Jashapara A.: Zarzadzanie wiedza, Zintegrowane podejscie. PWE, Warszawa 2006. Z. Chen - ?Data Mining and Uncertain Reasoning ? An Integrated Approach?, John Wiley & sons, INC, Nowy Jork 2001.

3. Zarzadzanie wiedza-literatura Pomocne zasoby w sieci internet: Gazeta ?IT, dzial ?Zarzadzanie wiedza?: http://www.gazeta-it.pl/zw.html

4. Zarzadzanie wiedza - tematy zajec Historia i aktualny stan dziedziny Dane, informacje, wiedza Zasoby wiedzy organizacji Zarzadzania wiedza-definicje Zarzadzanie wiedza - kodyfikacja i personalizacja Kluczowe procesy zarzadzania wiedza Mierzenie wartosci zasob?w wiedzy

5. Zarzadzanie wiedza-tematy zajec Narzedzia informatyczne w zarzadzaniu wiedza Eksploracja danych Ontologie w zarzadzaniu wiedza

6. Zarzadzanie wiedza-historia

7. Zarzadzanie wiedza-historia Ikujiro Nonaka. W 1995 r. wsp?lnie z Hirotaka Takeuchi opublikowal ksiazke The knowledge - creating Company - How Japanese Companies Create the Dynamics of Innovation.

8. Geneza koncepcji zarzadzania wiedza Niezadawalajaca efektywnosc takich koncepcji jak: TQM, benchmarking, reengineering, Konkurencyjnosc postrzegana jako umiejetnosc ciaglego doskonalenia sie, wprowadzania nowych pomysl?w, produkt?w i uslug, nowoczesnych technologii i rozwiazan organizacyjnych, Zr?dlem zainteresowania problematyka wiedzy w organizacji byly prace autorytet?w w dziedzinie zarzadzania. Peter Drucker w latach 80. i 90. popularyzowal takie pojecia jak gospodarka bazujaca na wiedzy, przyw?dztwo pod wzgledem wiedzy itp.. Gwaltowne zmiany w warunkach funkcjonowania przedsiebiorstw w latach 80. i 90. w tym liczne fuzje i przejecia, Restrukturyzacja przedsiebiorstw, duza liczba zwolnien z pracy, Odejscie od tradycyjnych (biurokratycznych) rozwiazan organizacyjnych na rzecz elastycznych sieci wirtualnych, zastapienie tradycyjnych system?w nakaz?w i kontroli systemem partycypacyjnym, decentralizowanie duzych jednostek produkcyjnych i ich podzial na mniejsze, autonomiczne, stworzenie kultury organizacyjnej opartej na zaufaniu oraz wdrozenie nowoczesnych rozwiazan informatycznych umozliwiajacych efektywna prace grupowa i blyskawiczna wymiane informacji. Pr?by opracowania nowych standard?w rachunkowosci, kt?re nie traktowaly naklad?w na rozw?j potencjalu intelektualnego pracownik?w wylacznie w kategoriach koszt?w ale w kategoriach inwestycji oraz kt?re umozliwialy mierzenie tak istotnych element?w ?kapitalu intelektualnego? przedsiebiorstw jak dobre relacje z klientami czy stopien wykorzystania wiedzy i umiejetnosci pracownik?w.

9. Dane, informacje, wiedza Slownik jezyka polskiego m?wi, ze wiedza to ?zesp?l przekonan zgodnych z?rzeczywistoscia, og?l umiejetnosci ludzkich albo danego umyslu?, ale tez ?zas?b wiadomosci z jakiejs dziedziny?. Wiedza to og?l wiadomosci i umiejetnosci wykorzystywanych przez jednostki do rozwiazywania problem?w. /Probst G./

10. Dane, informacje, wiedza Definiujac wiedze poslugujemy sie czesto popularna piramida, na kt?rej wiedza znajduje sie na szczycie, ponad informacjami, a te z kolei ponad danymi.

11. Dane, informacje, wiedza

12. Dane, informacje, wiedza Pojedyncze znaki, zestawione zgodnie z regulami okreslonej skladni, tworza dane. Dane zinterpretowane w konkretnym kontekscie dostarczaja informacji. Natomiast informacje, kt?rym zostanie nadana struktura, moga byc juz wykorzystane w pewnym obszarze dzialalnosci zyskujac miano wiedzy.

14. Zasoby wiedzy organizacji Czym r?znia sie ?zasoby wiedzy organizacji? od ?wiedzy?? Wiedza jest wlasciwa dla konkretnego czlowieka. Jest czyms indywidualnym, zwiazanym z doswiadczeniem, przekonaniami, ?jest funkcja szczeg?lnego nastawienia, perspektywy lub intencji?.

15. Zasoby wiedzy organizacji Zasoby wiedzy organizacji, to suma wiedzy pojedynczych pracownik?w oraz zespol?w, wszelkie aktywa intelektualne w?tym bazy danych i informacji, kt?re organizacja wykorzystuje do dzialania. Pracownik zdolny do przeksztalcania danych w wiedze i wykorzystywania jej z korzyscia dla firmy jest podstawowym elementem zasob?w wiedzy organizacji

16. Zarzadzanie wiedza - wiedza lepka i wiedza wyciekajaca Lepkosc wiedzy to jej wartosc jako zr?dla przewagi konkurencyjnej oraz jednoczesnie ogromny problem w przypadku pr?b wsp?ldzielenia wiedzy wewnatrz organizacji. Poprzez lepkosc nalezy rozumiec trudnosc przeniesienia okreslonych rozwiazan w inne srodowisko. Lepkosc wiedzy moze tlumaczyc, dlaczego tak trudno kupic wiedze kupujac ludzi. Ludzie oraz ich wiedza sa wtopieni w kontekst i kulture organizacji. Przeniesienie ich w inne srodowisko moze spowodowac, ze nie beda juz w stanie wykorzystywac swojej wiedzy w taki spos?b, w jaki robili to wczesniej. Stad wielkie przedsiebiorstwa czesto nie ukrywaja swojej dzialalnosci, nie chronia sie przed wizytami konkurencji.. ?

17. Zarzadzanie wiedza - wiedza lepka i wiedza wyciekajaca Powiazania ludzi w ich srodowiskach pozaorganizacyjnych sa czesto duzo silniejsze niz wewnatrz organizacji. Ludzie czesto komunikuja sie. W kontekscie przewagi konkurencyjnej przedsiebiorstwa nad innymi jest to rzeczywiscie powazny problem. Poniewaz kontakty osobiste wplywaja bardzo pozytywnie na wymiane wiedzy, w przypadku kontakt?w pracownik?w konkurujacych ze soba przedsiebiorstw moze dochodzic do istotnych zagrozen dla utrzymania oryginalnosci pomysl?w. Problem wiedzy wyciekajacej to takze problem pracownik?w odchodzacych z organizacji. O ile wiedza jawna, bedaca w ich posiadaniu, moze byc stosunkowo latwo skodyfikowana, to wiedza ukryta, kt?ra dysponuja, jest zasobem, kt?rego nie da sie w prosty spos?b odtworzyc (np. poprzez doksztalcenie odpowiednich pracownik?w). Dlatego w przypadku, gdy pewne procesy w organizacji wymagaja udzialu wiedzy ukrytej pracownik?w, nalezy dokladnie im sie przyjrzec i postarac odpowiednio zabezpieczyc przed ewentualna utrata krytycznych pracownik?w.

18. Zarzadzanie wiedza - definicje PricewaterhauseCoopers: ?Zarzadzanie wiedza to sztuka przetwarzania informacji i aktyw?w intelektualnych w trwala wartosc dla klient?w i pracownik?w organizacji. Cranfield School of Management w Wielkiej Brytanii: ?Zarzadzanie wiedza to og?l proces?w umozliwiajacych tworzenie, upowszechnianie i wykorzystywanie wiedzy do realizacji cel?w organizacji?.

19. Zarzadzanie wiedza - definicje Ernst & Young System zaprojektowany, aby pom?c przedsiebiorstwom w zdobywaniu, analizowaniu, wykorzystaniu wiedzy w celu podejmowania szybszych, madrzejszych i lepszych decyzji dzieki czemu moga one osiagnac przewage konkurencyjna. Arthur Andersen Proces identyfikowania, zdobywania i wykorzystywania wiedzy majacy na celu poprawe pozycji konkurencyjnej organizacji. Caly proces zarzadzania wiedza jest wspierany przez cztery czynniki: przyw?dztwo, kulture organizacyjna, technologie i system pomiarowy.

20. Zarzadzanie wiedza - definicje Jak dotad nie powstala definicja zarzadzania wiedza, kt?ra bylaby powszechnie akceptowana zar?wno w teorii, jak i w praktyce zarzadzania. Jednakze nalezy zawsze uwzgledniac, ze zarzadzanie wiedza: musi miec charakter kompleksowy; musi zamieniac aktywa intelektualne organizacji w wynik ekonomiczny; musi byc wspierane przez cztery czynniki: przyw?dztwo, kulture organizacyjna, technologie i system pomiarowy; musi laczyc ze soba ludzi, a dokladniej tych, kt?rzy posiadaja wiedze z tymi kt?rzy jej potrzebuja; musi byc hybrydowym polaczeniem ludzi i technologii; musi kreowac siec.

21. Zarzadzanie wiedza - definicje Definicje zwracaja uwage na koniecznosc wystepowania nastepujacych dzialan: Traktowania zasob?w wiedzy jako waznego zasobu zar?wno dla dzialan strategicznych, dlugofalowych jak i dzialan biezacych w ramach calej organizacji, Identyfikacji zasob?w wiedzy, Stwarzania srodowiska sprzyjajacego kreowaniu wiedzy, np. poprzez motywowanie pracownik?w i tworzenie wzorc?w pobudzajacych do generowania nowych rozwiazan, Stymulowania do dzielenia sie wiedza i pomyslami, Zbierania, kodyfikowania i transferu zasob?w wiedzy, Ciaglego ich aktualizowania i weryfikowania, Zapewnienia szybkiego i pelnego dostepu do posiadanych zasob?w wiedzy, Wykorzystania zasob?w wiedzy zapisanej (zgromadzonej) i wiedzy pracownik?w do poprawy efektywnosci dzialan. Istota zarzadzania wiedza jest umiejetne laczenie nowoczesnych rozwiazan informatycznych z kreatywnoscia, umiejetnoscia i checia uczenia sie przez czlowieka.

22. Zarzadzanie wiedza a zarzadzanie kapitalem intelektualnym Karle-Erik-Sveiby, Raport Konrada, 1987 Celem bylo opracowanie metody pomiaru calej wartosci przedsiebiorstwa lacznie z aktywami niematerialnymi, nierejestrowanymi w zadnym z dotychczasowych sprawozdan. Kapital intelektualny: kapital przypisany jednostce (kapital ludzki) i kapital strukturalny (przypisany organizacji) Kapital ludzki sklada sie z kompetencji i umiejetnosci pracownik?w, natomiast kapital strukturalny obejmuje wszystkie efekty czynnosci intelektualnych, kt?re zostaly zarejestrowane i stanowia wlasnosc przedsiebiorstwa ? kapital organizacyjny w postaci proces?w, procedur, baz danych itp. oraz kapital bedacy efektem dobrych relacji z klientem przedsiebiorstwa.

23. Zarzadzanie wiedza a zarzadzanie kapitalem intelektualnym Kapital intelektualny wedlug Stewarta jest suma wszystkiego co kazdy w przedsiebiorstwie wie i jest materialem intelektualnym - wiedza, informacjami, wlasnoscia intelektualna i doswiadczeniem, kt?re moga byc wykorzystane w firmie do tworzenia jej bogactwa. Jest suma wiedzy, kt?ra daje firmie przewage na rynku. Wg Edvinssona kapital intelektualny to wiedza, praktyczne doswiadczenie, technologie i dobre relacje z klientami firmy. Wg Karla-Erika-Sveiby?ego gl?wna r?znica pomiedzy kapitalem intelektualnym a zarzadzaniem wiedza jest to, ze kapital intelektualny jest pojeciem statycznym, natomiast zarzadzanie wiedza jest terminem aktywnym i stanowi sztuke kreowania wartosci z niematerialnych aktyw?w, jakimi dysponuje organizacja.

24. Kapital intelektualny

25. Zarzadzanie wiedza - kodyfikacja i personalizacja Z badan przeprowadzonych w ponad 700 firmach amerykanskich wynika, ze wiedza przydatna do zarzadzania firma znajduje sie zar?wno w formalnych dokumentach, jak i umyslach pracownik?w. Wyniki tych badan przedstawia rysunek . Zr?dlo: Numann Management Review,[w:] System informacji strategicznej, praca zbiorowa pod red. R. Borowieckiego i M. Romanowskiej, Warszawa 2001.

26. Zarzadzanie wiedza - kodyfikacja i personalizacja Podzial na wiedze sformalizowana, znajdujaca sie w bazach informacyjnych w postaci danych, informacji i dokument?w elektronicznych oraz wiedze spersonalizowana znajdujaca sie w umyslach pracownik?w tlumaczy dwa r?zne podejscia do zarzadzania wiedza. Pierwsze podejscie charakteryzuje przykladanie wiekszej uwagi do kodyfikacji, drugie zas - do personalizacji. Te dwa podejscia do zarzadzania wiedza wyr?zniaja Hansen, Nohria i Tierney Wyb?r podejscia zalezy od specyfiki firmy. Firmy zajmujace sie ustandaryzowanymi produktami wybiora kodyfikacje, podczas gdy organizacje, kt?re zmuszone sa do dostosowywania swoich uslug czy produkt?w do potrzeb klienta, lub uzywaja intuicji i wiedzy pracownik?w do tworzenia nowych produkt?w powinny polozyc nacisk na personalizacje. Wiekszosc firm uzywa obu opcji, ale z naciskiem na jedna ze strategii.

27. Zarzadzanie wiedza - kodyfikacja Kodyfikacja to podejscie oparte na kumulowaniu wiedzy jawnej: tworzenie baz danych, repozytori?w dokument?w. Pracownicy moga korzystac z pracy wykonanej przez innych wyszukujac wsr?d zgromadzonych material?w potrzebnych informacji. Przykladem jest tutaj firma konsultingowa Ernest&Young, kt?rej pracownicy w szybki i latwy spos?b moga skorzystac z zasob?w wiedzy calej firmy nie kontaktujac sie z osoba, kt?ra stworzyla dany dokument, co niezwykle przyspiesza prace i pozwala na wykorzystanie raz zdobytej wiedzy bez potrzeby ?wywazania otwartych drzwi?. Ralph Poole ? dyrektor E&Y ? opisuje to nastepujaco: po usunieciu indywidualnych informacji o kliencie tworzymy ?obiekty wiedzy? umieszczajac kluczowe elementy wiedzy tj. harmonogramy prac, dane por?wnawcze z rynku, analizy segmentacji rynku w elektronicznych repozytoriach, aby kazdy pracownik m?gl z nich korzystac.

28. Zarzadzanie wiedza - personalizacja Personalizacja - podejscie to skupia sie przede wszystkim na ulatwieniu komunikacji miedzy ludzmi, zlikwidowaniu barier przestrzennych, czasowych itd. Gl?wna role odgrywaja tu narzedzia pozwalajace na odnalezienie czlowieka posiadajacego potrzebna wiedze i proste skontaktowanie sie z nim i wymiane wiedzy (ksiazki ?telefoniczne?, e-mail, narzedzia videokonferencyjne). Koncepcja ta zaklada, ze najistotniejsza wiedza jest trudna lub niemozliwa do skodyfikowania i mozna ja przekazac tylko w kontakcie osobistym.

29. Zarzadzania wiedza ? wzrastajaca rola wiedzy W wiekszosci organizacji aspekt wiedzy jest pomijany przy formulowaniu cel?w i to zar?wno na poziomie strategicznym jak i operacyjnym. Rosnace znaczenie wiedzy, kt?ra moze byc wartoscia decydujaca o sukcesie lub porazce firmy, powinno doprowadzic do wlaczenia plan?w zarzadzania wiedza do innych, tradycyjnych plan?w firmy.

30. Zarzadzania wiedza ? wzrastajaca rola wiedzy Quinn, Drucker i Toffler glosza poglad, ze ekonomiczna i wytw?rcza sila nowoczesnych korporacji tkwi bardziej w ich zdolnosciach intelektualnych i uslugowych niz w takim majatku produkcyjnym jak ziemia, urzadzenia i wyposazenie.

31. Wiedza jako zas?b przedsiebiorstwa ? cechy charakterystyczne Z punktu widzenia zarzadzania, wiedza stanowi zas?b specyficzny, kt?ry nie podlega tym samym regulom, co inne czynniki wytw?rcze: niewyczerpywalnosc ? wiedza w przeciwienstwie do innych zasob?w nie wyczerpuje sie, a wrecz odwrotnie ? wraz ze wzrostem czestosci uzywania rosna zasoby wiedzy, symultanicznosc ? mozliwosc jednoczesnego wykorzystania wiedzy w tym samym czasie w r?znych obszarach przedsiebiorstwa, nieliniowosc ? relatywnie mala ilosc wiedzy, wlasciwie wykorzystanej przez organizacje, moze wywolac wielkie zmiany i odwrotnie ? duza ilosc wiedzy zle uzytej moze nie wywolac zadnych skutk?w,

32. Wiedza jako zas?b przedsiebiorstwa ? cechy charakterystyczne dominujacy charakter ? od wykorzystania wiedzy zalezy przyszlosc firmy, to na wiedzy opiera sie przewaga konkurencyjna wielu przedsiebiorstwa niematerialnosc ? wiedza jest nieuchwytna, nie mozna jej w prosty spos?b ujac w ramy i przedstawic za pomoca tradycyjnych miar rachunkowych lub innych wykorzystywanych na co dzien przez przedsiebiorstwo.

33. Koncepcje zarzadzania wiedza Trzy podstawowe podejscia: japonskie, zasobowe, procesowe.

34. Wiedza ukryta i jawna- podejscie japonskie Ikujiro Nonaka i?Hirotaka Takeuchi spopularyzowali koncepcje podzialu wiedzy na ukryta (cicha) (tacit knowledge) i jawna (dostepna) (explicite knowledge). Wiedze jawna mozna latwo wyrazic za pomoca mowy, dokument?w, schemat?w, symbolo, podrecznik?w itd.. Jest to wiedza latwa do skodyfikowania, do kt?rej mamy dostep ? wiedza teoretyczna, opisy proces?w, spisane sposoby wykonywania zadan itp. Jest ona latwo transferowalna poprzez kanaly i nosniki informacji.

35. Wiedza ukryta i jawna- podejscie japonskie Wiedza ukryta to wiedza, kt?rej nie potrafimy wyslowic, okreslic ani ogarnac. Nonaka i?Takeuchi m?wia o ?pamieci ciala?. Inni autorzy opisuja wiedze ukryta przykladami: ?wiedza ukryta to ta, kt?ra dysponuje garncarz i dzieki istnieniu kt?rej nawet stos przeczytanych ksiazek nie pozwoli zrobic informatykowi r?wnie dobrych garnk?w. Czesto zdarza nam sie slyszac pytanie: ?jak to robisz?? odpowiedziec ?no jak to? Po prostu!?. Jest to wiedza niezwykle trudna do wyartykulowania i zapisu. Wiedza ukryta nierozerwalnie zwiazana jest z osoba, stanowi niepowtarzalna kompilacje know-haw, kwalifikacji, umiejetnosci organizacyjnych czy marketingowych, wypracowanych sposob?w postepowania w sytuacjach zawodowych itp.. Powstaje ona w organizacji bardzo czesto w rezultacie pracy zespolowej.

36. Wiedza ukryta i jawna- podejscie japonskie Wiedza jawna i ukryta sa wzgledem siebie komplementarne. Wiedza jawna szybko traci na aktualnosci i znaczeniu bez aktywnej obecnosci os?b posiadajacych wiedze cicha. Z punktu widzenia przedsiebiorstwa wazna jest umiejetnosc ciaglej syntezy wiedzy jawnej i cichej, tworzacej przewage konkurencyjna oparta na niepowtarzalnych kompetencjach.

37. Wiedza ukryta i jawna- podejscie japonskie Powstajaca w procesie organizacyjnego uczenia sie strategiczna wiedza przedsiebiorstwa jest czynnikiem sukcesu na rynku, uwarunkowanym znalezieniem sposob?w transferu i dzielenia sie wiedza wewnatrz i poza strukturami organizacyjnymi, w tym zorientowanych na konwersje wiedzy cichej w jawna.

38. Wiedza ukryta i jawna- podejscie japonskie Wedlug podejscia japonskiego kreacja wiedzy i jej rozszerzanie odbywa sie poprzez interakcje spoleczne miedzy wiedza ukryta i jawna. Zostaly one nazwane konwersja wiedzy i sa uznawane za najbardziej istotny element zarzadzania wiedza.

39. Tworzenia i konwersja wiedzy ? model SECI

40. Tworzenia i konwersji wiedzy ? model SECI Czterech etapy tworzenia i konwersji wiedzy: eksternalizacja to przeprowadzenie wiedzy ukrytej w jawna. kombinacja (jawna w jawna), internalizacja (jawna w ukryta), socjalizacja (ukryta w ukryta). Modelu SECI (nazwa pochodzi od pierwszych liter kazdego z etap?w).

41. Tworzenia i konwersji wiedzy ?model SECI Wiedza ukryta moze zostac ?uzewnetrzniona?, co jest w zasadzie r?wnoznaczne z uswiadomieniem sobie tego, co wiemy (eksternalizacja). Tak wydobyta wiedza jawna moze zostac nastepnie sklasyfikowana, poddana syntezie, usystematyzowana, por?wnana i polaczona z wiedza pochodzaca z innych doswiadczen czy dziedzin ? ten proces nazwano kombinacja. W procesie uczenia sie nastepuje internalizacja ? przyswojenie. I tak wiedza jawna zn?w staje sie ukryta. Wiedze ukryta mozna ?przechwycic? (bez przeprowadzania jej w jawna) w procesie pracy grupowej, wsp?lnego wykonywania zadan czy poprzez praktyczna nauke pod okiem mentora ? czyli poprzez socjalizacje.

42. Tworzenia i konwersji wiedzy ?model SECI Wzajemne oddzialywania wiedzy jawnej i ukrytej powoduja systematyczny wzrost poziomu zasob?w wiedzy i coraz wieksza ich jakosc (unikatowosc). Kazdy nastepny cykl konwersji odbywa sie na wyzszym poziomie , potegujac zakres interakcji pomiedzy obiema kategoriami wiedzy. Tw?rcy nazwali to zjawisko ?spirala wiedzy?.

43. Kolo zespolowego uczenia sie Peter Sange ? wybitny autorytet w dziedzinie organizacji uczacych sie ? w?nastepujacy spos?b przedstawia model ?kola zespolowego uczenia sie?

44. Kolo zespolowego uczenia sie

45. Kolo zespolowego uczenia sie Cykl uczenia sie jednostki mozna rozpoczac w dowolnym miejscu. Moze sie on zaczac od praktycznych zastosowan (dzialanie, rozstrzyganie lub od poznania teorii (refleksja, powiazanie). Refleksja to czas na przeanalizowanie poprzednich dzialan, wyciagniecie wniosk?w, zidentyfikowanie bled?w Powiazanie ? ten etap mozna okreslic jako zdobywanie wiedzy. Szukamy zwiazk?w pomiedzy tym co wiemy, a tym co znajdujemy w otaczajacym nas swiecie, budujemy hipotezy na temat swiata i jego funkcjonowania. Rozstrzyganie ? to wyb?r metody dzialania, okreslenie jej uzytecznosci. Dzialanie - czyli doswiadczenie praktyczne zdobytej wiedzy lub eksperymentowanie.

46. Kolo zespolowego uczenia sie Istota podobienstwa pomiedzy cyklem zespolowego uczenia sie a cyklem tworzenia wiedzy wg Nonaki i Takeuchiego lezy w interakcjach, kt?re zachodza podczas uczenia zespolowego. Etap refleksji publicznej pozwala na przedstawienie swoich modeli myslowych, swoich przekonan ? tu dochodzi do eksternalizacji. Podczas ustalania wsp?lnego znaczenia (?czym jest to co my wiemy?) ma miejsce kombinacja ? czlonkowie zespolu syntetyzuja swoja wiedze, wymieniaja teorie i modyfikuja modele. Grupowe dzialanie, praktyka, pozwala na socjalizacje. Wsp?lpracujac przekazujemy sobie wiedze ukryta. Internalizacja natomiast zachodzi podczas refleksji ? zar?wno indywidualnej jak i grupowej.

47. Koncepcje zarzadzania wiedza podejscie zasobowe Podejscie zasobowe nawiazuje do koncepcji zarzadzania strategicznego zakladajacej, ze gl?wnym zr?dlem przewagi konkurencyjnej przedsiebiorstwa sa jego kompetencje i umiejetnosci.

48. Koncepcje zarzadzania wiedza podejscie zasobowe Dla tego podejscia waznym jest ?model zr?del wiedzy? oparty na koncepcji kluczowych kompetencji i kluczowych umiejetnosci, opracowany przez Dorothy Leonard-Barton z Harvardzkiej Szkoly Biznesu na podstawie badan dotyczacych zr?del innowacji w przedsiebiorstwach.

49. Zr?dla wiedzy wg Leonard Barton

50. Koncepcje zarzadzania wiedza podejscie zasobowe Wg tego modelu dla efektywnego zarzadzania wiedza konieczne jest istnienie pieciu element?w: Kluczowych umiejetnosci, w sklad kt?rych wchodza umiejetnosci i wiedza pracownik?w, systemy zarzadzania, systemy techniczne oraz obowiazujace normy i wartosci, Wsp?lnego rozwiazywania problem?w, dzielenia sie wiedza i wsp?lnego poszukiwania najlepszych rozwiazan,

51. Koncepcje zarzadzania wiedza podejscie zasobowe Implementacji i integracji nowych narzedzi i rozwiazan, Eksperymentowania, czyli poszukiwania lepszych, innowacyjnych rozwiazan, Importowania wiedzy, czyli pozyskiwania wiedzy z otoczenia.

52. Koncepcje zarzadzania wiedza podejscie zasobowe Poszczeg?lne elementy modelu dotycza wnetrza przedsiebiorstwa (implementacja i integracja nowych rozwiazan), jego otoczenia (import wiedzy), terazniejszosci (wsp?lne rozwiazywanie problem?w) i przyszlosci (eksperymentowanie). Czynnikiem laczacym wszystkie te elementy w jeden sprawny system sa kluczowe umiejetnosci.

53. Koncepcje zarzadzania wiedza podejscie procesowe Propagatorami podejscia procesowego w zarzadzaniu wiedza sa Davenport i Prusak. Zaproponowali oni model zarzadzania wiedza, kt?ry sklada sie z trzech podstawowych proces?w: Tworzenie wiedzy poprzez jej import z otoczenia (np. poprzez przejmowanie firm lub najlepszych pracownik?w) oraz poprzez stwarzanie warunk?w wewnetrznych sprzyjajacych powstawaniu wiedzy, takich jak odpowiednia kultura organizacyjna, struktura organizacyjna i style zarzadzania, Kodyfikacja wiedzy, czyli ulatwianie dostepu do wiedzy tym osobom, kt?re jej potrzebuja, oraz przetwarzanie wiedzy w taki spos?b, aby bylo latwo ja znalezc i zrozumiec, Transferu wiedzy poprzez transmisje, czyli wysylanie lub prezentowanie wiedzy odbiorcy i absorpcje czyli przyswajanie wiedzy w celu jej dalszego wykorzystania.

54. Koncepcje zarzadzania wiedza podejscie procesowe Podobne podejscie do zarzadzania wiedza w przedsiebiorstwie opisuja G. Prost, S.Raub, K.Romhardt. Wyr?zniaja i opisuja szesc najwazniejszych proces?w zarzadzania wiedza. Podejscie procesowe jest uznawane za najbardziej funkcjonalne. Bazuje na doswiadczeniach i rozwiazaniach stosowanych w praktyce.

55. Podejscie procesowe ? elementy zarzadzania wiedza

56. Cele zarzadzania wiedza W wiekszosci organizacji aspekt wiedzy jest pomijany przy formulowaniu cel?w i to na wszystkich poziomach: normatywnym, strategicznym i operacyjnym.

57. Trzy poziomy zarzadzania wiedza

58. Cele zarzadzania wiedza Zalozenia pojawiaja sie na poziomie normatywnym i dotycza og?lnej polityki przedsiebiorstwa oraz jego kultury organizacyjnej, plany sa opracowywane na poziomie strategicznym i odnosza sie do dlugoterminowych program?w sluzacych realizacji wizji firmy, zadania zas realizowane na poziomie operacyjnym pozwalaja na biezaco prowadzic proces wdrazania plan?w strategicznych.

59. Cele zarzadzania wiedza Najwazniejszym zalozeniem zarzadzania wiedza powinno byc budowanie kultury organizacyjnej opartej na swiadomosci znaczenia wiedzy. Jednym z zadan stojacych przed zarzadzajacymi wiedza na poziomie normatywnym jest zbudowanie atmosfery zaufania, w kt?rej - aby pobudzic ducha przedsiebiorczosci - tolerowane powinny byc nawet bledy pracownik?w. Zalozenia moga odnosic sie do r?znych element?w zarzadzania wiedza. Przykladowo, jezeli firma dotad niechetnie korzystala z zewnetrznych pomysl?w, jednym z przyjetych przez nia zalozen powinno stac sie wieksze otwarcie na swiat zewnetrzny i wytworzenie gotowosci do eksperymentowania i nasladowania cudzych rozwiazan.

60. Cele zarzadzania wiedza Wizja i misja firmy powinny wskazywac na znaczenie wiedzy oraz na sposoby korzystania z jej zasob?w. Zawierajacy je dokument powinien byc przewodnikiem dla pracownik?w, wskazywac na preferowany spos?b myslenia i sklaniac do rozwazania kazdej decyzji strategicznej i operacyjnej w kontekscie wiedzy.

61. Wizja i misja firmy Phonak Ltd.

62. Plany zarzadzania wiedza Plany zarzadzania wiedza okreslaja, kt?re umiejetnosci nalezy rozwijac, kt?re chronic, a kt?re mozna uznac za zbedne. Moga r?wniez dotyczyc ksztaltowania struktur organizacyjnych i system?w zarzadzania wspomagajacych rozw?j umiejetnosci.

63. Plany zarzadzania wiedza ujawniaja faktyczny stan kluczowych zasob?w wiedzy okreslaja zasoby wiedzy, kt?re beda niezbedne w przyszlosci, umozliwiaja dopasowanie struktur organizacyjnych i system?w zarzadzania do strategii przedsiebiorstwa

64. Macierz kompetencji

65. Kluczowe procesy zarzadzania wiedza - lokalizowanie wiedzy Ograniczony dostep do zasob?w wiedzy jest codziennym problemem wielu organizacji. Brak rozeznania w wewnetrznych zasobach wiedzy i kompetencji zwiazanych z waznymi obszarami dzialania wystepuje przede wszystkim w duzych miedzynarodowych firmach. Jednym z najwazniejszych zadan zarzadzania wiedza jest doprowadzenie do wlasciwej przejrzystosci wewnetrznych zasob?w wiedzy oraz umozliwienie pojedynczym pracownikom ich zlokalizowania

66. Kluczowe procesy zarzadzania wiedza - lokalizowanie wiedzy Rozpoznanie zr?del wiedzy wewnetrznej polega na okresleniu jej biezacego stanu, a wiec na uzyskaniu swiadomosci jakie sa mozliwosci organizacji. Trzeba poznac zasady dotyczace dzielenia sie wiedza, przeplywu informacji i dostepnosci zasob?w wiedzy. Istotne jest, aby jasno zostalo okreslone ?kto za to odpowiada?.

67. Kluczowe procesy zarzadzania wiedza - lokalizowanie wiedzy Ocena wlasnych mozliwosci firmy ? benchmarking Benchmarking jest zestawem teoretycznych i praktycznych metod umozliwiajacych firmom rozpoznanie wlasnych slabych stron poprzez por?wnanie z konkurencja. Benchmarking wewnetrzny ? por?wnanie dw?ch jednostek organizacyjnych w jednej firmie.

68. Kluczowe procesy zarzadzania wiedza - lokalizowanie wiedzy Przyczyny braku przejrzystosci zasob?w wiedzy: Brak os?b odpowiedzialnych za zarzadzanie wiedza Organizacje nie dysponuja zadnymi centralami kontroli zasob?w wiedzy (restrukturyzacja, fluktuacja zatrudnienia, ?odchudzanie organizacji, programy decentralizacji ? to czynniki potegujace te problemy)

69. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Narzedzia lokalizacji wiedzy: Wykaz ekspert?w Mapy wiedzy Sieci komunikacji Spolecznosci w dzialaniu

70. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Wykaz ekspert?w ? sporzadzone w formie ksiazek telefonicznych, posortowane w grupy tematyczne dane o ekspertach pracujacych dla firmy Koncern chemiczny Hoffmann-LaRoche ? zebrane dane o ekspertach opublikowano w formir listy podzielonej na kategorie najczesciej pojawiajacych sie problem?wzwiazanych z opracowaniem nowych produkt?w. Texaco system informatyczny PeopleNet, kt?ry umozliwia pracownikom przygotowanie swych profili osobistych, (charakterystyk) oraz publikowanie ich na stronach www). System informatyczny KnowledgeMail laczy wspomniany people net i poczte elektroniczna. Knowledgemail filtruje poczte sluzbowa pracownik?w, szukajac najczesciej powtarzajacych sie fraz, kt?re moglyby swiadczyc o wiedzy i umiejetnosciach pracownik?w. Nastepnie kazdy pracownik samodzielnie dokonuje wyboru fraz, kt?re najlepiej jego zdaniem charakteryzuja jego wiedze.

71. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Mapy wiedzy. Sa graficznym odwzorowaniem wzajemnych zaleznosci miedzy istniejacymi w organizacji aktywami intelektualnymi, zr?dlami ich pochodzenia oraz zastosowaniami. Mapy wiedzy powstaly w celu usystematyzowania istniejacych i stale przyrastajacych zasob?w wiedzy a takze powiazania zadan z odpowiednimi aktywami intelektualnymi, jakimi dysponuje organizacja. ?Wszystkie zawarte w nich informacje moga byc zapisane w formie elektronicznej, organizowane wg r?znych kryteri?w i prezentowane za pomoca program?w graficznych.

72. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Podzial map wiedzy ze wzgledu na ich strukture: topograficzne mapy wiedzy ? sluza do lokalizacji os?b posiadajacych okreslone umiejetnosci, a takze do prezentacji poziomu ich wiedzy w konkretnej dziedzinie. Narzedzie to pozwala na szybsze okreslenie, kto i gdzie posiada najodpowiedniejsze kwalifikacje do przeprowadzenia zadania; mapy zasob?w informacji ? sluza do okreslenia gdzie (centralna baza danych, archiwum, umysl emerytowanego pracownika itp.) i w jakiej postaci (notatki, pliki tekstowe, prezentacje, pliki multimedialne itp.) znajduja sie informacje. Uwzgledniaja one stopien nagromadzenia zasob?w, a takze okreslenie tego, jak do nich dotrzec i w jaki spos?b przetwarzac; systemy informacji geograficznej (Geographical Information Systems, GIS) moga posluzyc do prezentacji geograficznego rozmieszczenia zasob?w wiedzy. Na przyklad mapa obszar?w sprzedazy przydaje sie do planowania dzialan marketingowych. mapy zr?del wiedzy ? okreslaja, kto w zespole, w calej organizacji lub w jej otoczeniu dysponuje wartosciowymi zasobami wiedzy, kt?re moga byc wykorzystane w konkretnych projektach, macierze wiedzy - aktywa intelektualne mozna przedstawic w postaci dwuwymiarowej macierzy. Przedstawiaja podzial wiedzy na r?zne kategorie (np.. wewnetrzna, zewnetrzna, jawna, ukryta).

73. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Cel dzialan zwiazanych z uzyskaniem przejrzystosci wiedzy: umozliwienie wykorzystania doswiadczenia i intuicji ekspert?w wewnetrznych, czyli uzyskanie dostepu do tzw. wiedzy ukrytej czyli nieuswaidomionej. Wiedza ukryta moze byc bowiem wykorzystana do innowacji tylko wtedy, gdy jej ukryte elementy zostana najpierw sformalizowane a potem polaczone z pozostalymi skladnikami kapitalu intelektualnego przedsiebiorstwa.

74. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Kompetencje organizacji nie moga byc traktowane jako suma kompetencji jednostek. Wiedza organizacji tkwi w sieci wzajemnych relacji, w niepisanych regulach postepowania i we wsp?lnych wartosciach. Jest integralna czescia system?w eksperckich i praw podlegajacych ochronie. Wewnatrz kazdej organizacji istnieje organizacja nieformalna, za pomoca kt?rej odbywa sie zbiorowe myslenie. Nieformalne powiazania w organizacji przedstawiane sa za pomoca sieci komunikacji.

75. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Sieci komunikacji ? graficzne przedstawienie nieformalnych kanal?w komunikacji w firmie (np. siec kontakt?w doradczych, siec informujaca o poziomie zaufania). Jest to bardzo przydatna metoda ulatwiajaca dob?r skladu zespol?w zadaniowych. Siec powinna wskazywac do kogo poszczeg?lni pracownicy zglaszaja sie w celach doradczych. Informacje na ten temat mozna, naturalnie, uzyskac jedynie pytajac pracownika, dlatego czesto moga byc niedokladne, zaklamane ? wszystko zn?w zalezy od atmosfery panujacej i?stosunk?w pomiedzy tym kt?ry pyta, a tym kt?ry odpowiada. Dobrze jest jednak znac niepisane zasady panujace w zespolach, gdyz czesto sa one silniejsze od oficjalnych procedur.

76. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Nadazanie za zmianami w zasobach wiedzy w zewnetrznym otoczeniu organizacji: zewnetrzne zr?dla wiedzy (eksperci, naukowcy, doradcy, organizacje branzowe a takze dostawcy i klienci) firmy doradcze brokerzy wiedzy (wyszukiwanie patent?w lub partner?w dla przedsiewziec joint-venture)

77. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Sieci zewnetrzne ? sa to struktury oparte na wsp?lnym interesie uczestnik?w oraz ich bezposrednim o dobrowolnym udziale. Relacje pomiedzy uczestnikami sieci polegaja na swobodnej wymianie informacji. Sieci pomagaja odnalezc ekspert?w oraz zr?dla wiedzy.

78. Kluczowe procesy zarzadzania wiedza ? lokalizowanie wiedzy Sieci ekspert?w - nieformalne grupy sluzace odnajdywania potrzebnej wiedzy. Polegaja one na dobrowolnym udziale. Wymiana wiedzy jest ogniwem, kt?re laczy czlonk?w i?sprawia, ze sa dla siebie wzajemnie uzyteczni. Kontakty takie nawiazuje sie czasem poprzez dzialania zwiazane z wykonywanym zadaniem, czasem sa zupelnie niezwiazane z praca. Organizacja nie moze stworzyc takiej sieci, ale moze starac sie je wykryc i wspierac, aby czerpac w ten spos?b korzysci. Przyklady: kola zrzeszajace absolwent?w wyzszych uczelni, stowarzyszenia naukowo-techniczne)

79. Kluczowe procesy zarzadzania wiedza ? pozyskiwanie wiedzy Znaczna czesc zasob?w wiedzy przedsiebiorstw pochodzi ze zr?del zewnetrznych. Sa nimi wszelkie kontakty z klientami, dostawcami, firmami konkurencyjnymi, lub w przypadku wsp?lnych przedsiewziec kilku firm ? kontakty z firmami partnerskimi. Pozyskiwanie wiedzy moze odbywac sie r?wniez poprzez jej zakupienie rozumiane jako zatrudnienie zewnetrznych ekspert?w lub przejmowanie calych firm.

80. Kluczowe procesy zarzadzania wiedza ? pozyskiwanie wiedzy Na rynkach wiedzy przedmiotem obrotu sa nastepujace dobra niematerialne: wiedza zewnetrznych ekspert?w, wiedza innych przedsiebiorstw, wiedza r?znych grup uczestnik?w rynku, np. klient?w, produkty zwiazane z wiedza

81. Kluczowe procesy zarzadzania wiedza ? pozyskiwanie wiedzy Cechy rynk?w wiedzy: Znikoma przejrzystosc, Relacje pomiedzy kupujacymi i sprzedajacymi (oparte sa gl?wnie na zaufaniu zbudowanym w trakcie wieloletniej wsp?lpracy), Najbardziej poszukiwane dobra moga wcale nie pojawic sie na rynku

82. Kluczowe procesy zarzadzania wiedza ? pozyskiwanie wiedzy Sposoby pozyskiwania wiedzy: zatrudnienie ekspert?w korzystanie z uslug firma doradcza Wsp?lpraca z innymi przedsiebiorstwami wykorzystanie produkt?w zwiazanych z wiedza.

83. Kluczowe procesy zarzadzania wiedza ? pozyskiwanie wiedzy, wsp?lpraca z innymi przedsiebiorstwami

84. Kluczowe procesy zarzadzania wiedza ? pozyskiwanie wiedzy, wsp?lpraca z innymi przedsiebiorstwami Pozyskiwanie wiedzy od innych przedsiebiorstw moze miec r?zne formy. Poczawszy od okazjonalnej wymiany informacji na fuzji konczac. Wyb?r odpowiedniej dla firmy strategii zalezy od cel?w i oczekiwanych korzysci. Firmy chcace rozwiazac problem z innowacyjnoscia czasem posuwaja sie do przejec.

85. Kluczowe procesy zarzadzania wiedza ? pozyskiwanie wiedzy, wiedza pochodzaca od innych uczestnik?w rynku Bardzo waznym zr?dlem wiedzy jest opinia klient?w: ocena mocnych i slabych stron produktu, wchodzenie w role klienta, angazowanie klient?w w proces rozwoju produktu, projekty pilotazowe.

86. Kluczowe procesy zarzadzania wiedza ? rozwijanie wiedzy Rozwijanie wiedzy jest procesem uzupelniajacym pozyskiwanie wiedzy z zewnatrz. Obejmuje ono: zdobywanie umiejetnosci, projektowanie nowych produkt?w, promowanie innowacji oraz usprawnianie proces?w. Rozwijaniem wiedzy mozna r?wniez nazwac wszelkie dzialania kadry kierowniczej zmierzajace do wytworzenia nowych mozliwosci, kt?re dotychczas nie byly dostepne dla firmy. Dzialania te wiaza sie najczesciej z prowadzeniem badan rynkowych oraz przedsiewzieciami dzialu ds. badan i rozwoju.

87. Kluczowe procesy zarzadzania wiedza ? rozwijanie wiedzy Zarzadzanie procesem rozwijania wiedzy powinno polegac bardziej na ksztaltowaniu odpowiednich warunk?w rozwijania wiedzy niz na bezposredniej kontroli procesu.

88. Kluczowe procesy zarzadzania wiedza ? rozwijanie wiedzy Przeszkody w rozwijaniu wiedzy: Innowacje oznaczaja konflikt miedzy starym a nowym porzadkiem wiaza sie z porzuceniem starych wzorc?w i przyzwyczajen, Innowacje zakl?caja rozklad sil w przedsiebiorstwie (oslabiaja pozycje os?b posiadajacych tradycyjne umiejetnosci a wzmacniaja pozycje tych, kt?rzy posiedli nowe)

89. Kluczowe procesy zarzadzania wiedza ? rozwijanie wiedzy Warunki sprzyjajace kreatywnosci pracownik?w: Swoboda przedstawiania pomysl?w, tolerowanie bled?w, Autonomia, Zgodnosc interes?w, Niestabilnosc/tw?rczy chaos Redundancja

90. Kluczowe procesy zarzadzania wiedza ? rozwijanie wiedzy, od wiedzy indywidualnej do zbiorowej Warunki wyodrebnienia wiedzy poszczeg?lnych pracownik?w i wlaczenia jej w zbiorowy proces rozwijania wiedzy: Komunikacja, Interakcja, Przejrzystosc, Integracja (laczenie indywidualnych umiejetnosci i organizacyjnych zasob?w wiedzy w funkcjonalna calosc). Zbiorowa inteligencja powstaje w procesach za pomoca, kt?rych pracownicy wzajemnie na siebie wplywaja. Sukces organizacji jest w wiekszym stopniu nastepstwem relacji, jakie zachodza miedzy zasobami wiedzy zgromadzonymi w organizacji, niz skutkiem wiedzy tych jednostek.

91. Kluczowe procesy zarzadzania wiedza -dzielenie sie wiedza i rozpowszechnianie jej Zas?b wiedzy i doswiadczen jest zr?dlem korzysci dla calej organizacji tylko wtedy, gdy osoby podejmujace decyzje maja do niego dostep. Dzielenie sie wiedza i jej rozpowszechnianie to procesy, dzieki kt?rym pojedyncze, wyizolowane informacje lub umiejetnosci przeksztalcane zostaja w zasoby wiedzy sluzace calej organizacji. Powinnismy odpowiedziec tutaj na pytania: Kto powinien wiedziec?. Jak duzo?. Na jaki temat? W jaki spos?b usprawnic proces rozpowszechniania wiedzy.

92. Kluczowe procesy zarzadzania wiedza -dzielenie sie wiedza i rozpowszechnianie jej Zanikanie warunk?w sprzyjajacych naturalnemu dzieleniu sie wiedza: Restrukturyzacja firm, szybki rozw?j firm, przejecia firm naruszaja dotychczasowy uklad kanal?w przeplywu informacji, Przeksztalcanie sie tradycyjnych organizacji w organizacje wirtualne

93. Kluczowe procesy zarzadzania wiedza -dzielenie sie wiedza i rozpowszechnianie jej W wiekszosci firm istnieje system szkolen, a w prawie kazdej pracownik zostaje w jakis spos?b wprowadzony do organizacji ? co oznacza, ze musi nastapic proces adaptacyjny, podczas kt?rego przekazywana jest wiedza o kulturze organizacji i najwazniejszych procedurach. W najprostszej postaci sa to po prostu rozmowy z nowymi kolegami. Ponadto w firmach czesto istnieja oficjalne procedury spisane w dokumencie dostepnym dla pracownik?w. Wszystkie wymienione powyzej formy sa tylko jedna kategoria dzielenia sie wiedza, a mianowicie powielaniem. Powielanie jest forma centralnego sterowania procesem rozpowszechniania wiedzy.

94. Kluczowe procesy zarzadzania wiedza - dzielenie sie wiedza i rozpowszechnianie jej Kolejna kategoria rozpowszechniania wiedzy jest dzielenie sie doswiadczeniami z wykonywanych dawniej zadan oraz ich dokumentowanie. Pomocne moga byc tutaj narzedzia informatyczne: intranet, narzedzia do pracy zespolowej groupware, systemy eksperckie. Benchmarking i rozpowszechnianie najlepszych rozwiazan.

95. Kluczowe procesy zarzadzania wiedza - zachowywanie wiedzy Zachowywanie wiedzy to nie osobny proces, ale skutek wszystkich poprzednich. Odpowiednio zarchiwizowane dokumenty, wnioski z wykonywanych projekt?w moga zapobiec utracie wiedzy nawet po wielu miesiacach zajmowania sie czym innym, czy po reorganizacji firmy. Podobnie powielanie wiedzy przez szkolenia, czy rozwijanie wiedzy poprzez eksternalizacje i socjalizacje zapobiega utracie jej w wyniku odejsciu z organizacji pracownika. Nie da sie w pelni zastapic wiedzy ukrytej ekspert?w, dlatego rola dzialu personalnego jest zbudowac taki system motywacyjny, kt?ry zapobiegnie utracie najwartosciowszych pracownik?w.

96. Zarzadzanie wiedza-zachowywanie wiedzy Trzy podstawowe procesy: Wyb?r wiedzy (os?b, zdarzen, proces?w), kt?ra jest warta zachowania Nadanie wyselekcjonowanej wiedzy wlasciwej formy w kt?rej ma byc przechowywana, Aktualizacja pamieci organizacji

97. Kluczowe procesy zarzadzania wiedza ? wykorzystanie wiedzy Priorytetowym zadaniem kazdego procesu zarzadzania wiedza powinno byc wykorzystanie wiedzy grup i jednostek dla osiagniecia cel?w przedsiebiorstwa.

98. Kluczowe procesy zarzadzania wiedza ? wykorzystanie wiedzy Bariery w wykorzystaniu wiedzy: Bariery natury psychologicznej i organizacyjnej powstrzymuja pracownik?w przed korzystaniem z nowej wiedzy. Nie chca niczego zmieniac, bo czuja sie wygodnie i bezpiecznie w dotychczasowym ukladzie Rutyna (organizacyjna slepota) Atmosfera i zwyczaje panujace w pracy Spos?b udostepniania wiedzy

99. Kapital intelektualny, mierzenie wartosci zasob?w wiedzy Edvinsson stwierdza, ze kapital intelektualny jest r?znica pomiedzy wartoscia rynkowa a wartoscia ksiegowa firmy, czyli ze Rynkowa Wartosc Dodana (MVA) tworzy kapital Intelektualny: IC = MVA = (cena rynkowa akcji * liczba akcji) ? wartosc ksiegowa Rynkowa wartosc dodana (MVA) w przypadku wielu sp?lek wielokrotnie przewyzsza kapitaly wlasne, co jest szczeg?lnie widoczne w przypadku przedsiebiorstw dla kt?rych wiedza jest podstawowym zasobem (branze takie jak IT, konsulting itp.) Istotne stalo sie wiec rozwiazanie kwestii co wplywa na ta wartosc i jak mozna nia sterowac. Stad tak intensywny rozw?j modeli monitorowania kapitalu intelektualnego, kt?ry rozpoczal sie w latach 90.

100. Mierzenie wartosci zasob?w wiedzy Problemy z mierzeniem zasob?w wiedzy: Grupa I: Niemoznosc wyceny niekt?rych zasob?w wiedzy: Niezwykle trudno wyjasnic, skad wynika r?znica miedzy wartoscia rynkowa firmy a jej wartoscia ksiegowa. Wiedza niezwykle rzadko uwzgledniana jest jako element aktyw?w ? pozostaje zwykle zasobem ukrytym. Wiedza, kt?ra ma kluczowe znaczenie dla pozycji konkurencyjnej firmy, nie jest rozpoznawana, lub jest rozpoznawana w niedostatecznym stopniu. Trudno jest ja wiec opisac, tym samym trudne jest oszacowanie jej wartosci. Nie istnieja system monitorowania, kt?re umozliwialyby obserwowanie skali zmian zachodzacych w poszczeg?lnych procesach zarzadzania wiedza np.. Procesach lokalizowania i rozwijania wiedzy.

101. Mierzenie wartosci zasob?w wiedzy Problemy z mierzeniem zasob?w wiedzy: Grupa II: Nieodpowiedni przedmiot pomiaru: Uwaga skupiona jest tylko na wskaznikach finansowych, kt?re przedstawiaja sytuacje przedsiebiorstwa ale nie przekazuja zadnych informacji o istniejacych w nich zaleznosciach przyczynowo-skutkowych. Wykorzystuje sie wylacznie wskazniki wewnetrzne, co uniemozliwia badania por?wnawcze rozwoju wiedzy w firmie i w firmach konkurencyjnych. Ocenia sie umiejetnosci i mozliwosci jednostek, ale zaniedbuje wiedze zbiorowa. Mierzy sie naklady na rozw?j wiedzy, ale nikt nie zajmuje sie ocena wynik?w ? na przyklad okresla sie wielkosc naklad?w na szkolenia ale nie bada sie korzysci, kt?re wynikaja z ich przeprowadzenia.

102. Mierzenie wartosci zasob?w wiedzy Problemy z mierzeniem zasob?w wiedzy: Grupa III: Nieodpowiednie miary: Do aktyw?w materialnych i niematerialnych przyklada sie r?zne miary. Preferuje sie miary ilosciowe, miary jakosciowe uwaza sie za drugorzedne. Nie jest to sluszne podejscie, gdyz informacje dotyczace zjawisk o charakterze jakosciowym, takich jak np.. Zadowolenie klienta moga miec wieksze znaczenie dla rozwoju firmy niz dane i wskazniki opisujace zjawiska ilosciowe. Pomiary wiedzy sa dokonywane w spos?b odpowiadajacy specyfice firmy , co uniemozliwia por?wnanie jej wynik?w z wynikami fir konkurujacych.

103. Mierzenie wartosci zasob?w wiedzy Problemy z mierzeniem zasob?w wiedzy: Grupa IV: Przeprowadzanie pomiar?w bez uzasadnionej potrzeby: Mierzy sie to , co latwo zmierzyc, a nie to co powinno byc mierzone. Mierzy sie takie zmienne, kt?rych i tak nie da sie zinterpretowac. Pomiar?w dokonuje sie automatycznie ? nikt nie zastanawia sie nad sposobem wykonania pomiar?w, nad ich trafnoscia czy dostosowaniem systemu pomiarowego do aktualnej strategii firmy.

104. Mierzenie wartosci zasob?w wiedzy W tradycyjnych systemach ksiegowych wiedza otrzymuje pewien wymiar finansowy dopiero, gdy zostanie wyodrebniona jako skladnik produkt?w lub uslug wystawionych na sprzedaz. Aktualnie uwaga jest skupiona nie na pienieznej wartosci wiedzy a na problemach szacowania zasob?w wiedzy dzieki kt?remu mozliwa jest kontrola nad procesami prowadzacymi do osiagniecia cel?w zarzadzania wiedza.

105. Mierzenie wartosci zasob?w wiedzy - zr?wnowazona karta wynik?w Jedna z metod wprowadzenia aspektu wiedzy do procesu formulowania cel?w i ocen opisali Norton i Kaplan. Zaproponowali oni narzedzie sluzace do uwzglednienia aspektu wiedzy w procesie formulowania cel?w przedsiebiorstwa i ocen ich realizacji. Sluzy do tego zr?wnowazona karta wynik?w (Balanced Scorecard - BSC ). Podstawa do stworzenia BSC bylo zbadanie relacji przyczynowo-skutkowych zachodzacych pomiedzy zasobami materialnymi a innowacyjnoscia i kapitalem intelektualnym. Strategie przedsiebiorstwa rozwaza sie z czterech perspektyw: finansowej, rynkowej (klient), wewnetrznej (procesy biznesowe) oraz wiedzy i rozwoju. Dekompozycja ta jest nastepnie kontynuowana poprzez uszczeg?lawianie zagadnien w ramach wymienionych obszar?w. Przykladowo, celem strategicznym dla wymiaru "Finanse" moze byc: "Poprawa wynik?w dzialalnosci", jego miara: "Zysk brutto"", a wykonywanym w tym celu zadaniem: "Zwiekszenie zysku brutto o 30%". W analogiczny spos?b mozna przelozyc cala strategie przedsiebiorstwa na zrozumiale, mierzalne cele strategiczne, a nastepnie na poszczeg?lne zadania operacyjne przypisane konkretnym dzialom, kom?rkom, pracownikom.

106. Mierzenie wartosci zasob?w wiedzy - zr?wnowazona karta wynik?w Strategia firmy zbudowana przy pomocy zr?wnowazonej karty wynik?w musi uwzgledniac wszystkie aspekty. Finansowy ? jak zaspokoic oczekiwania udzialowc?w aby osiagnac sukces finansowy, perspektywe klient?w ? jak powinien nas widziec klient, wewnetrznych proces?w ? jakie procesy usprawnic, aby osiagnac cele firmy, rozwoju i wzrostu ? jak zapewnic mozliwosc dokonywania zmian i usprawnien.

107. Mierzenie wartosci zasob?w wiedzy - zr?wnowazona karta wynik?w

108. Mierzenie wartosci zasob?w wiedzy - zr?wnowazona karta wynik?w Omawiane podejscie pozwala ocenic (i wyrazic liczbowo) np. zadowolenie klient?w, czy wiedze i rozw?j zespolu pracowniczego. Pierwszym krokiem przy wprowadzaniu zr?wnowazonej karty wynik?w do firmy jest okreslenie strategicznych cel?w dla gl?wnych obszar?w danego przedsiebiorstwa i opracowanie miernik?w dla kazdego z cel?w. Nastepnie tworzone sa karty dla poszczeg?lnych kom?rek. W zaleznosci od specyfiki zadan i cel?w przyjmowane sa r?zne miary osiagniec. Formuluje sie je w taki spos?b, aby pozwalaly na jasne por?wnanie wynik?w dw?ch (lub wiecej) zestawianych okres?w. Przykladowo, jednym z obranych cel?w moze stac sie poprawa jakosci obslugi klienta. Zadaniem, kt?re ma przyczynic sie do osiagniecia tego celu jest szkolenie. Jesli przed szkoleniem kompetencje pracownik?w w zakresie obslugi klienta zostaly ocenione na 3 w skali pieciostopniowej, a po szkoleniu ten wskaznik wyniesie 4, oznacza to, iz szkolenie bylo wlasciwie dobrane. Jednoczesnie swiadczy to o rozwoju personelu zgodnie z opracowana strategia.

109. Mierzenie wartosci zasob?w wiedzy ? Nawigator Skandii Nawigator Skandii zostal w 1994 roku po raz pierwszy dodany do raportu finansowego firmy. Byl pierwszym raportem na temat kapitalu intelektualnego na swiecie. Raport na temat kapitalu intelektualnego obejmuje w Skandii 168 wskaznik?w, z czego 150 znajduje sie w obszarach: ludzkim, rozwoju, klient?w i proces?w, pozostale dotycza finans?w. Nawigator ma pomagac w sprawnym operowaniu tymi liczbami.

110. Mierzenie wartosci zasob?w wiedzy ? Nawigator Skandii

111. Mierzenie wartosci zasob?w wiedzy ? Platforma wartosci (Value Platform) Model opracowany przy wsp?lpracy L. Edvinssona, H. Onge?a, Ch.?Amstronga oraz G. Petrasha. Kapital intelektualny sklada sie z trzech element?w: kapital ludzki (human capital) kapital kliencki, zwany kapitalem relacji z klientami (customer capital) kapital organizacyjny zwany r?wniez strukturalnym (organizational/structural capital)

112. Mierzenie wartosci zasob?w wiedzy ? Platforma wartosci (Value Platform)

113. Mierzenie wartosci zasob?w wiedzy ? Platforma wartosci (Value Platform) Kapital ludzki ? jest nim wiedza, umiejetnosci i mozliwosci jednostek majace wartosc ekonomiczna dla organizacji Kapital organizacyjny ? jest to ?ta wiedza, kt?ra zostala zdobyta, wszczepiona w strukture firmy, w jej procesy i kulture. W tej kategorii zawieraja sie wszelkie patenty, znaki handlowe, praktyki stosowane w firmie Kapital kliencki ? ?dotyczy on powiazan i relacji organizacji z otoczeniem. Chodzi tu np. o relacje z dostawcami, lojalnosc klient?w, image firmy na rynku

114. Mierzenie wartosci zasob?w wiedzy - Monitor aktyw?w niematerialnych (Intangible Assets Monitor) Koncepcje ta opracowal Karl-Erik Sveiby. Podzielil on aktywa niematerialne (intangible assets) na trzy zbiory: strukture wewnetrzna, strukture zewnetrzna i?kompetencje. Struktura wewnetrzna obejmuje kulture organizacyjna, patenty, modele, bazy danych i systemy wewnetrzne (komputerowe i administracyjne) - elementy, kt?re sa wlasnoscia przedsiebiorstwa i moga zostac sprzedane. Struktura zewnetrzna to zwiazki z otoczeniem ? dostawcami, klientami, inwestorami. Jest to reputacja, marka, firma. Kompetencje ? poziom edukacji, umiejetnosci, doswiadczenie pracownik?w. Kompetencje sa wylaczna wlasnoscia czlonk?w organizacji, co oznacza, ze firma traci je gdy pracownik odchodzi. Kosztem, kt?ry trzeba poniesc za korzystanie z kompetencji sa wynagrodzenia Model ten ma w prosty spos?b pokazywac najistotniejsze wskazniki zasob?w niematerialnych.

115. Mierzenie wartosci zasob?w wiedzy - Monitor aktyw?w niematerialnych (Intangible Assets Monitor)

116.

117. Mierzenie wartosci zasob?w wiedzy -Raporty firmy Coloplast

118. Mierzenie wartosci zasob?w wiedzy -wielowymiarowe systemy pomiaru wiedzy Wymienione poprzednio systemy pomiaru wiedzy pozwalaja uswiadomic r?znym grupom uczestnik?w rynku istnienie aspektu wiedzy. Sa to jednak narzedzia, kt?re w zakresie mierzenia i opisywania zmian w zasobach wiedzy organizacji wykazuja wiele mankament?w. Tylko w ograniczonym zakresie nadaja sie do monitorowania zaplanowanego rozwoju zasob?w wiedzy i ukazywania wplywu wiedzy na wyniki przedsiebiorstwa. Jednym z gl?wnych problem?w sa trudnosci w rozr?znieniu rodzaju wskaznik?w. Wskazniki dotyczace tresci wiedzy (aktualnego stanu zasob?w wiedzy) sa mylone ze wskaznikami dotyczacymi podejmowanych dzialan i ich zakresu a takze wskaznikami, kt?re dotycza transferu rozwiazan (efekt?w podejmowanych dziala) i w koncu klasycznymi wskaznikami finansowymi.

119. Wielowymiarowe systemy pomiaru wiedzy - klasyfikacja wskaznik?w

120. Wielowymiarowe systemy pomiaru wiedzy- klasyfikacja wskaznik?w Wskazniki grupy I dotycza stanu zasob?w wiedzy organizacji. Wskazniki nalezace do grupy II opisuja naklady i procesy traktowane jako wymierne przejawy pr?b podejmowanych w celu zmodyfikowania zasob?w wiedzy. Wskazniki z grupy III sluza do okreslenie wynik?w posrednich i efekt?w transferu rozwiazan. Wskazniki grupy IV opisuja wyniki dzialalnosci.

121. Pomiar wiedzy a cele zarzadzania wiedza

122. Pomiar wiedzy na poziomie normatywnym Test wrazliwosci kultury organizacyjnej na wiedze: Czy pracownicy sa zachecani do dzielenia sie wiedza, Czy w miejscu pracy panuje atmosfera otwartosci i zaufania, Czy dobro klienta jest gl?wnym celem zarzadzania wiedza, Czy pracownicy maja koncepcje przyszlosci firmy i czy czesto podejmuja dyskusje na ten temat, Czy firma zapewnia pracownikom wystarczajaco duzo informacji, zasob?w i bodzc?w aby mogli zdobyc umiejetnosci, kt?rych potrzebuja, Czy pracownicy stale doskonala umiejetnosci i rozwijaja wiedze, Czy jakosc pracy pogarsza sie na skutek uprzedzen lub przywiazania do rutynowych procedur, Czy pracownicy wierza, ze nikt nie bedzie ich karal za bledy i ze zostana one potraktowane jako szansa na nauczenie sie czegos nowego, Czy pracownicy staraja sie doskonalic umiejetnosci pracy zespolowej, aby poprawic jakosc produkt?w i uslug.

123. Pomiar wiedzy na poziomie strategicznym Strategiczne plany zarzadzania wiedza okreslaja podstawowe zasoby wiedzy organizacji, kt?re tworza optymalny zestaw jej kompetencji. Ocena zasob?w wiedzy dla cel?w strategicznych musi uwzgledniac zmiany dotyczace kluczowych kompetencji firmy. Ze strategicznego punktu widzenia ocena zasob?w wiedzy powinna uwzgledniac zmiany jakie zaszly w kompetencjach firm konkurencyjnych. Benchmarking strategiczny pozwala ustalic, czy kompetencje przedsiebiorstwa mozna uznac za najlepsze w swojej klasie.

124. Pomiar wiedzy na poziomie strategicznym

125. Pomiar wiedzy na poziomie operacyjnym Pomiar na poziomie operacyjnym to pomiar stopnia realizacji okreslonych cel?w. Coaching i mentoring ? indywidualne podejscie do kontrolowania postep?w pracownik?w.

126. Wdrazanie zarzadzania wiedza ? profil wiedzy przedsiebiorstwa

127. Wdrazanie zarzadzania wiedza ? profil wiedzy przedsiebiorstwa KMAT (Knowledge Management Assessment Tool) opracowane przez Firme Arthur Andersen we wsp?lpracy z Amerykanskim Centrum Produktywnosci i Jakosci. Jest to kwestionariusz z pytaniami na temat zarzadzania wiedza. Na podstawie odpowiedzi udzielonej przez menedzer?w sa opracowywane wnioski, kt?re mozna wykorzystac w celu nadania firmie odpowiedniego kierunku rozwoju w sferach: przyw?dztwa, kultury organizacyjnej, pomiar?w i technologii, KMAT obejmuje r?wniez elementy benchmarkingu.

128. Wdrazanie zarzadzania wiedza ? struktury organizacyjne Organizacje hipertekstowe, Ikujiro Noaka, Wsp?listnienie trzech poziom?w strukturalnych: poziomu systemu biznesowego, poziomu zespol?w projektowych oraz poziomu zasob?w wiedzy. przyklad BASF, wlaczono zesp?l ds. zarzadzania wiedza do istniejacego dzialu badawczego. Zadaniem zespolu bylo oszacowanie potencjalnych korzysci z zarzadzania wiedza i ustalenie jakie dzialania nalezy podjac w pierwszej kolejnosci. Menedzerowie ds. Zarzadzania wiedza Dyrektor ds. Zarzadzania wiedza, Specjalista ds. Obszar?w kompetencji, Specjalista ds. Koordynacji miedzy obszarami kompetencji, Specjalista ds. Przejrzystosci wiedzy.

129. Narzedzia informatyczne wspomagajace procesy zarzadzania wiedza Narzedzia informatyczne wspierajace procesy zarzadzania wiedza mozna pogrupowac wedlug dw?ch strategii zarzadzania wiedza. Wyr?znic mozna narzedzia sluzace do personalizacji oraz kodyfikacji, lub tez laczace w sobie funkcje obu koncepcji zarzadzania wiedza.

130. Narzedzia informatyczne wspomagajace procesy zarzadzania wiedza Narzedzia bedace urzeczywistnieniem koncepcji personalizacji musza skupiac sie na ulatwieniu komunikacji miedzy pracownikami oraz wyszukaniu czlowieka posiadajacego potrzebna wiedze. Wymienic tu mozna: systemy wspomagania pracy grupowej (groupware), narzedzia komunikacyjne (workflow) email telefonie internetowa, wideokonferencje, komunikatory grupy dyskusyjne, fora dyskusyjne katalogi ekspert?w

131. Narzedzia informatyczne wspomagajace procesy zarzadzania wiedza Workflow ? automatyzacja proces?w biznesowych, podczas kt?rej dokumenty, informacje lub zadania sa przekazywane od jednego uczestnika do nastepnego, wedlug odpowiednich procedur zarzadzajacych.

132. Narzedzia informatyczne wspomagajace procesy zarzadzania wiedza Przykladowym narzedziem typu workflow jest OfficeObjects Workflow firmy Rodan System S.A. Sklada sie on z czterech komponent?w. Pierwszy pozwala na stworzenie struktury zadan, kt?re maja byc wykonywane, graficzne przedstawienie proces?w, zaleznosci, regul przeplywu informacji. Kolejne dwa odpowiadaja za realizacje zadan, z tym, ze jeden z nich obejmuje wszystkie etapy wykonania, sluzy niejako do koordynacji, a drugi jest modulem uzytkowanym bezposrednio przez pracownik?w do wykonywania poszczeg?lnych zadan. ?Modul ten jest odpowiedzialny za przedstawienie pracownikowi jego obowiazk?w, stanu ich realizacji, zaplanowanych termin?w i wiadomosci. Ostatni element sluzy do kontroli poprawnosci i prezentacji wynik?w i raport?w. Inne tego typu programy to Lotus Workflow firmy IBM (wczesniej Domino Workflow), Metasform e-Work firmy DSA, Unity Workflow Manager i wiele innych.

133. Narzedzia informatyczne wspomagajace procesy zarzadzania wiedza Systemy wspomagania pracy grupowej, umozliwiaja swobodny i dzielenie sie wiedza w celu zapewnienia pracownikom dobrej wsp?lpracy, kt?ra owocuje procesem tworzenia i transferu wiedzy.

134. Narzedzia informatyczne wspomagajace procesy zarzadzania wiedza Typowymi elementami oprogramowania wspomagajacego prace grupowa sa: Ksiazka adresowa - udostepnia szczeg?lowe dane o kontakcie (mozliwosc wstawienia dokumentu lub zdjecia), kt?re uzytkownik moze dalej udostepnic innym osobom lub grupom. Kontakty mozna pogrupowac wg roli, jaka pelnia w danym projekcie. Kalendarz/Terminarz - wpisy moga byc dowolnie konfigurowane - mozliwy jest ich podglad, modyfikacja, usuniecie - opcje te sa dostepne dla wybranych uzytkownik?w czy grup. Dostepne sa rezerwacje w kalendarzach innych uzytkownik?w, powiadamianie ich na poczte elektroniczna (z wybranym wyprzedzeniem) o spotkaniu. Wpisy grupowe moga byc poddawane glosowaniu. Modul do ewidencjonowania problem?w - system posiada 4 domyslne stany zaawansowania pracy i 4 typy bled?w. Wpisy zawieraja przebieg zmian (z odsylaczami do odpowiednich projekt?w powiazanych z zadaniami), liste bled?w razem ze statystykami, rejestr czasu jaki byl potrzebny na korekte bledu. Modul odpowiedzialny za projekty - daje mozliwosc podgladu bled?w, zdarzen z terminarza, odsylaczy do zasob?w zwiazanych z projektem. Posiada liste zadan powiazanych z danym projektem, mozliwosc dolaczania dokument?w, a takze mozliwosc wyboru roli dla kazdego uczestnika projektu. Dostepna jest opcja sledzenia ilosci czasu spedzonego przy projekcie. Graficzny wykaz czasu potrzebnego na realizacje danego etapu projektu z podsumowaniem dla kazdej pozycji - to ulatwia zarzadzanie zadaniami. Dolaczanie dokument?w - w dolaczonych do projektu dokumentach mozliwa jest kontrola wersji, zablokowanie ich oraz historia zmian.

135. Narzedzia informatyczne wspomagajace procesy zarzadzania wiedza Wystawianie faktur - dane w nich zawarte sa podstawa do obliczenia kosztu projektu. Obslugi wielu kont pocztowych - opcja ta umozliwia transfer poczty do wybranych katalog?w oraz przyporzadkowanie danej skrzynki do wybranego projektu lub kontaktu z ksiazki adresowej. Monitorowanie czasu wdrozenia element?w projektu, eliminowania bled?w czy przeprowadzania wdrozen - na podstawie tych danym mozliwe jest stworzenie raportu (wykresy, zestawienia) Monitorowanie zmian - kazda zmiana dokonana na jakimkolwiek elemencie projektu przez kt?regokolwiek z uzytkownik?w jest odnotowana w specjalnym dzienniku. Nadzorowanie zmian - uzytkownik ma mozliwosc wskazania tych element?w projektu czy zadania, kt?re go szczeg?lnie interesuja, a nastepnie bedzie on powiadamiany ilekroc w systemie zajdzie zmiana we wskazanych przez niego elementach. Obsluga r?znych stref czasowych - mozliwa jest koordynacja wielu grup znajdujacych sie w r?znych strefach czasowych poprzez uwzglednienie r?znic w kalendarzach poszczeg?lnych uzytkownik?w. System uprawnien - pozwala on w dokladny spos?b okreslic poziom dostepu do wybranych danych przez poszczeg?lnych uzytkownik?w czy grupy uzytkownik?w.

136. Narzedzia informatyczne wspomagajace procesy zarzadzania wiedza Przykladowe systemu wspomagania pracy grupowej E-Groupware PHPGroupware Tutos

137. Narzedzia informatyczne wspierajace procesy zarzadzania wiedza Narzedzia bedace urzeczywistnieniem koncepcji kodyfikacji maja na celu kumulowanie wiedzy jawnej i umozliwienie korzystania z zebranych dokument?w i wiedzy. Naleza tu takze narzedzia do zarzadzania dokumentami. Wymienic tu mozna nastepujace narzedzia: Informatyczne systemy zarzadzania ( OLTP, MIS, DSS, ES, BI) Systemy zarzadzania dokumentami (Document Management System ? DMS) (gromadzenie, klasyfikowanie, wyszukiwanie dokument?w, rejestrowanie przebiegu prac nad dokumentami) Systemy zarzadzania trescia (Content Management Systems - CMS). FAQ Mapy mysli (mind mapping) E-learning

138. Document Management System ? DMS Zbi?r technik i narzedzi poprawiajacych efektywnosc przetwarzania wszelkich form dokument?w powstajacych w organizacjach. Od dokument?w wewnetrznych dotyczacych wsp?lpracy r?znych obszar?w funkcjonalnych organizacji, po dokumenty naplywajace z otoczenia (np. zam?wienia od klient?w, faktury, listy, i inne.).

139. Document Management System ? DMS Modul DMS dostarcza zestawu funkcji pozwalajacych realizowac wiele dzialan na dokumentach: rejestrowanie, porzadkowanie, klasyfikacje, zarzadzanie wersjami, zarzadzanie obiegami, archiwizacja. powiadomienia osobiste badz dla grup uzytkownik?w o zmianach, monitorowanie plik?w i folder?w, pozwala na prace na plikach o r?znych formatach: txt, doc i pdf, typowe operacje (przenies, wyslij w obieg, usun). Przyklady system?w: OWL Knowledge Base, KnowledgeTree

140. Content Management Systems - CMS Zestaw narzedzi bedacy rozwinieciem system?w zarzadzania dokumentami. Systemy te wspomagaja uzytkownika przy wprowadzaniu r?znorakich tresci do systemu, ich organizowanie i klasyfikacje, ocene, oraz prezentacje. Ich zaleta jest skr?cenie czasu potrzebnego na wyszukanie i dostep do pozadanej kategorii informacji. Inna cecha system?w zarzadzania trescia jest umozliwienie grupowej pracy nad dokumentami, wspomagajac wymiane poglad?w na dany temat, umozliwiajac przegladanie r?znych wersji dokumentu, itp. CMS, Content Management System (system zarzadzania trescia) jest to jedna lub zestaw aplikacji internetowych pozwalajacych na latwa budowe tresci serwisu WWW. W zakresie zarzadzania wiedza narzedzie to moze byc wykorzystywane do wewnetrznych portali informacyjnych udostepniajacych istotne informacje pracownikom przedsiebiorstwa. Zadaniem systemu CMS jest kompleksowa administracja portalem internetowym, od publikowania wiadomosci i artykul?w, poprzez organizacje struktury serwisu, az po zarzadzanie kontami uzytkownik?w. Modyfikacja i dodawanie nowych material?w do serwisu odbywa sie za pomoca prostych w obsludze interfejs?w uzytkownika, zazwyczaj w postaci stron WWW zawierajacych rozbudowane formularze. Przykladowe aplikacje CMS: PHP Nuke Mambo PHPWebSite Drupal

141. Narzedzia informatyczne wspierajace procesy zarzadzania wiedza On-Line Transaction Processing ? OLTP to kazdy system informatyczny oferujacy mozliwosc natychmiastowego przetwarzania transakcji. W systemie transakcyjnym przyjmowane sa zam?wienia, rejestrowani sa nowi klienci, przechowywane sa naleznosci i zobowiazania.

142. Narzedzia informatyczne wspierajace procesy zarzadzania wiedza Systemy Informowania Kierownictwa (Management Information Systems ? MIS lub Executive Information System - EIS), Systemy Wspomagania Decyzji (Decision Suport System ? DSS) Systemy informacji gospodarczej (Business Intelligence ? BI)

143. Narzedzia informatyczne wspierajace procesy zarzadzania wiedza Systemy ekspertowe (ES) to systemy wyposazone w baze wiedzy. Stosuje sie je gl?wnie w finansach (strategie inwestycyjne, doradztwo gieldowe, analizy aplikacji kredytowych, systemy podatkowe), zarzadzaniu i administracji (planowanie, wspomaganie decyzji, informowanie kierownictw).

144. Narzedzia informatyczne wspierajace procesy zarzadzania wiedza Business Intelligence (BI) mozna zdefiniowac jako "szeroki wachlarz aplikacji i technologii sluzacych do zbierania, analizowania i udostepniania danych po to, aby pom?c pracownikom organizacji w podejmowaniu decyzji gospodarczych. Do aplikacji BI mozemy zaliczyc systemy raportujaco-pytajace (Q&R), Online analytical processing (OLAP), eksploracje danych (Data Mining).

145. Piramida Business Intelligence

146. Hurtownie danych ? Tw?rca koncepcji hurtowni danych (tzw. Data Warehousing), W. H. Inmon okresla hurtownie danych jako "centralne repozytorium wszystkich istotnych danych, kt?re sa gromadzone przez poszczeg?lne systemy biznesowe przedsiebiorstwa". Dane pochodzace z r?znych aplikacji OLTP i innych zr?del sa selektywnie wydobywane i organizowane w hurtowni danych w celu wykorzystania ich przez aplikacje analityczne i zapytania uzytkownik?w. Technologia hurtowni danych jest nastawiona na uzyskiwanie danych z r?znorodnych zr?del dla przeprowadzania uzytecznych analiz. Czasem wystepuje koniecznosc dostepu do wyspecjalizowanych, lokalnych baz danych. Wtedy powstaja tzw. Data Mart. Data Mart jest to wycinek hurtowni danych, skoncentrowany na okreslonej czesci biznesu, np. na konkretnym dziale. Np. dzial sprzedazy P&G kopiuje dane z hurtowni i tworzy Data Mart, kt?ry zawiera tylko dane potrzebne do analizy dokonywanej w tym dziale.

147. Hurtownie danych ? W procesie tworzenia i dzialania hurtowni danych mozna wyr?znic trzy podprocesy okreslane czesto w skr?cie jako ETL (Extraction, Transformation and Loading). Extraction - dane sa wydobywane z jednego lub wielu zr?del i kopiowane do hurtowni; czesto zr?dlem danych sa systemy przetwarzania transakcji. Transformation - dane sa nastepnie transformowane - konwertowane do jednego formatu, agregowane, ujednolicane. Jest to najistotniejszy etap procesu przenoszenia danych ze zr?del operacyjnych do hurtowni danych. Loading - ladowanie do hurtowni - po wydobyciu i oczyszczeniu: dane umieszczane sa w hurtowni.

148. Systemy pytajaco-raportujace Q&R Systemy pytajaco-raportujace "Q&R, sa najbardziej podstawowym narzedziem analizy danych zawartych w hurtowniach danych. W latach siedemdziesiatych minionego stulecia, mialy one postac tzw. >>twardych<< raport?w. Obecnie uzytkownicy system?w BI maja duzy wachlarz narzedzi do wizualizacji, biezacego przetwarzania danych, kt?re moga formatowac wybrane dane, tworzyc wykresy, drazyc, dokonywac wszelakich przekroj?w, wzbogacac, eksportowac i dystrybuowac te dane. Narzedzia typu Queries and report uzupelniaja systemy odpowiadajac na pytania >>co sie stalo?<< stawiane czesto przez zarzad. Np. >>jaki poziom osiagnela sprzedaz w danym miesiacu i jak sie ma w por?wnaniu do poprzedniego.<<" Narzedzia Query and Reports sa pierwowzorem narzedzi OLAP i Data Minig.

149. OLAP The OLAP council definiuje OLAP nastepujaco: On-Line Analitycal Processing (OLAP) jest to technologia oprogramowania, kt?ra pozwala analitykom i managerom sprawnie przegladac dane dzieki szybkiemu, dostepowi do szerokiego zakresu mozliwych postaci informacji, kt?re zostaly utworzone z surowych danych w celu odzwierciedlenia zachowan otoczenia organizacji w spos?b zrozumialy dla uzytkownika.

150. OLAP Technologia OLAP pozwala uzytkownikom przeprowadzac kompleksowe analizy danych poprzez szybki dostep do wielowymiarowych ?widok?w? przedsiebiorstwa. OLAP pozwala nie tylko na odpowiedzi na pytania, "kto?", "co?" i "kiedy?", ale r?wniez "co jesli?" i "dlaczego?". Aplikacje OLAP pozwalaja na prognozowanie przyszlosci na podstawie danych historycznych. Kluczowym wskaznikiem dobrej aplikacji OLAP jest dostarczenie potrzebnej informacji w jak najkr?tszym czasie.

151. OLAP Oprogramowanie tego typu oferowane jest na rynku przez r?zne firmy, m.in. Hyperion Solutions (Hyperion EssBase), IBM (DB2 OLAP Server), Microsoft (Microsoft OLAP Services), Cognos (PowerPlay Transformation Server), Oracle (Express OLAP).

152. Data Mining Data Mining, czyli eksploracja danych sluzy do wykrywana wzorc?w i powiazan pomiedzy danymi zawartymi w hurtowni danych. M. J. A. Berty i G. Linoff w ksiazce "Data Mining Techniques for Marketing, Sales and Customer Suport? podaja nastepujaca definicje: "Data minig jest to proces odkrywania i analizy, automatycznie lub p?lautomatycznie, duzych ilosci danych w celu odkrywania znaczacych wzorc?w i regul? Wedlug Gartner Group jest to: "proces odkrywania istotnych zaleznosci (korelacji), wzorc?w i tendencji poprzez przesiewanie duzych ilosci danych przechowywanych w repozytoriach za pomoca technik rozpoznawania wzorc?w oraz technik statystycznych i matematycznych"

153. Eksploracja danych Eksploracja danych jest analiza duzych zbior?w danych metodami statystycznymi i?metodami sztucznej inteligencji. Tym samym laczy w sobie trzy niezalezne dyscypliny: technologie baz danych, statystyke oraz nurt badan nad sztuczna inteligencja.

154. Eksploracja danych

155. Eksploracja danych Najczesciej spotykanym sposobem podzialu technik eksploracji danych jest ich rozr?znienie ze wzgledu na cel przeprowadzonej analizy danych. Na podstawie takiego kryterium wyr?zniamy dwa gl?wne nurty, mianowicie: odkrywanie wiedzy (ang. knowledge discovery) prognozowanie (ang. prediction). Obszar zainteresowania pierwszego z nich to wyszukiwanie wzorc?w opisujacych dane. Opisy takie, w postaci modeli deskrypcyjnych, sa czesto uzywane do wspomagania proces?w decyzyjnych. Z drugiej strony mamy prognozowanie, kt?rego dzialanie prowadzi do uzyskania przyszlych wartosci zmiennych poddanych analizie.

156. Eksploracja danych Najczesciej eksploracje danych wiaze sie z nastepujacymi typami dzialan: metody drzew decyzyjnych, grupowanie (clustering), kojarzenie (association), klasyfikowanie (classification) prognozowanie (prediction)

157. Grupowanie Zamiennie uzywa sie takich termin?w jak: grupowanie, podzial, dyskryminacja, taksonomia, taksonomia numeryczna, taksonometria, analiza skupien (cluster analysis), identyfikacja. Podstawowe algorytmy metod grupowania powstaly w latach piecdziesiatych i szescdziesiatych.

158. Grupowanie ? metody statystyczne Grupowania zbioru A o elementach Ai (i=1,...n) na klasy P1,....Pu bedzie spelniac warunki: zupelnosci rozlacznosci niepustosci

159. Grupowanie ? metody statystyczne Metody grupowania: metody hierarchiczne (aglomeracyjne i deglomeracyjne) metody obszarowe i gestosciowe, metody optymalizujace wstepny podzial zbioru obiekt?w (metody optymalizacji iteracyjnej). W praktycznych zastosowaniach metod grupowania w badaniach ekonomicznych szczeg?lne znacznie maja hierarchiczne metody aglomeracyjne. Sa one najlepiej opracowane pod wzgledem metodologicznym.

160. Grupowanie ? metody statystyczne Zalety hierarchicznych metod aglomeracyjnych: dzialaja wg jednej procedury zwanej centralna procedura aglomeracyjna wyniki grupowania przedstawione sa w postaci ciagu grupowan (istnieje zatem mozliwosc kontrolowania procesu grupowania), wyniki grupowania mozna przedstawic graficznie w formie dendrogramu (drzewka polaczen) wskazujacego na kolejnosc polaczen miedzy klasami. Uzyskana hierarchia pozwala na dokladne okreslenie jak wzajemnie usytuowane sa poszczeg?lne klasy oraz obiekty w nich zawarte. sa one oprogramowane w podstawowych pakietach statystycznych .

161. Grupowanie ? metody statystyczne Hierarchiczne metody aglomeracyjne charakteryzuja sie (w ujeciu klasycznym) nastepujacymi cechami: Punktem wyjscia jest n klas jednoelementowych (jest tyle klas, ile jest obiekt?w) Po kazdym kroku klasyfikacji liczba klas zmniejsza sie o jeden, przy czym zmniejszenie liczby klas nastepuje przez polaczenie dw?ch istniejacych. Istnieje n-1 krok?w klasyfikacji; po n-1 krokach otrzymuje sie jedna klase zawierajaca wszystkie obiekty.

162. Grupowanie ? metody statystyczne Hierarchiczne metody aglomeracyjne dzialaja wg centralnej procedury aglomeracyjnej. Algorytm tej procedury jest nastepujacy: W macierzy odleglosci szuka sie pary klas najbardziej podobnych (najmniej odleglych od siebie). Zal?zmy, ze beda to klasy Pi i Pk Redukuje sie liczbe klas o jeden laczac klasy Pi i Pk w nowa, przeksztalca sie odleglosci (stosownie do metody) pomiedzy polaczonymi klasami Pi i Pk oraz pozostalymi klasami, Powtarza sie kroki 1-3 do chwili, gdy wszystkie obiekty znajda sie w jednej klasie.

163. Grupowanie ? metody statystyczne Hierarchiczne metody deglomeracyjne Klasyfikacja deglomeracyjna zwana tez klasyfikacja dedukcyjna, zstepujaca lub klasyfikacja przez podzial rozpoczyna sie od sytuacji, w kt?rej punktem wyjscia jest jedna klasa obejmujaca wszystkie obiekty badania A1,...,An. W kazdym kroku klasyfikacji liczba klas zwieksza sie o jeden, przy czym jej zwiekszenie nastepuje przez rozdzielenie jednej z istniejacych klas. Po n-1 krokach otrzymuje sie liczbe klas r?wna liczbie obiekt?w badania, tzn. kazdy obiekt tworzy jedna klase.

164. Grupowanie ? metody statystyczne Og?lna filozofia metod obszarowych i gestosciowych polega na tym, ze wydzielonymi przy ich zastosowaniu klasami sa takie obszary w przestrzeni m-wymiarowej, kt?re charakteryzuja sie wieksza gestoscia obiekt?w i sa oddzielone obszarami o mniejszej gestosci obiekt?w.

165. Grupowanie ? metody statystyczne Metody optymalizujace wstepny podzial zbioru (metody optymalizacji iteracyjnej). Punktem wyjscia tych metod jest wstepny podzial zbioru obiekt?w na s klas, otrzymany np. przy zastosowaniu dowolnej metody klasyfikacji lub ustalony losowo. Zadaniem tych metod jest ?poprawienie? z punktu widzenia pewnej zdefiniowanej funkcji - kryterium wstepnego podzialu zbioru obiekt?w na s klas.

166. Grupowanie ? metody statystyczne Metody optymalizacji iteracyjnej dzialaja wg nastepujacego schematu: Dla kazdej klasy wstepnego podzialu oblicza sie srodki ciezkosci oraz odleglosci kazdego obiektu od srodk?w ciezkosci tych klas, Zmienia sie przyporzadkowanie obiekt?w do klas o najblizszym srodku ciezkosci, Oblicza sie nowe srodki ciezkosci dla kazdej klasy, Powtarza sie kroki 2 i 3 do chwili gdy nie nastepuja przesuniecia obiekt?w miedzy klasami. Po kazdej iteracji oblicza sie wartosc funkcji-kryterium jakosci klasyfikacji.

167. Odkrywanie asocjacji Waznym obszarem technik stosowanych w eksploracji danych jest grupa metod zwana odkrywaniem asocjacji. Generalnie, ich dzialanie polega na odszukiwaniu tych element?w, kt?re wiaza sie z zadanym zdarzeniem lub innym elementem. Wykorzystywane tutaj algorytmy pozwalaja odkrywac reguly, kt?re przyjmuja postac: jesli element A jest skladnikiem danego zdarzenia, to w X % przypadk?w element B jest takze skladnikiem tego zdarzenia jesli klient kupuje platki owsiane, to w 65 % przypadk?w klient ten kupi mleko ?

168. Odkrywanie asocjacji Zainteresowanie odkrywaniem asocjacji niezwykle wzroslo wraz z upowszechnieniem sie w handlu detalicznym czytnik?w kod?w paskowych, co pozwala zbierac ogromne ilosci danych juz ?skojarzonych? w koszyku kupujacego. Z tego powodu zapewne ten rodzaj analizy jest nazywany niekiedy market-basket analysis. Kojarzenie jest takze stosowane do opracowywania kampanii marketingowych czy analizy portfeli inwestycyjnych, a takze do planowania rozmieszczenia stoisk sprzedazy w supermarketach. Reguly asocjacji zwykle przybieraja forme: Body? Head, zwana takze jako LHS ? RHS (ang.: left-hand side ? right-hand side). Oznacza to, ze jezeli klient zakupi produkt spelniajacy warunek Body, to zakupi r?wniez produkt Head.

169. Odkrywanie asocjacji W celu ustalenia sily asocjacji stosowane sa dwie miary: -?? Wsparcie. Dla danego zbioru jest to wielkosc procentowa transakcji, kt?re zawieraja wszystkie rozwazane elementy. Jezeli rozwazane sa reguly {X & Y ? Z}, to wartosc s wsparcia okreslana jest jako prawdopodobienstwo, ze transakcje zawieraja {X, Y, Z}. -?Ufnosc. Wartosc c tej miary to prawdopodobienstwo warunkowe, ze transakcje zawierajace reguly {X, Y}, zawieraja takze regule {Z}. Zar?wno miara s, jaki i c sa wartosciami z przedzialu [0,1].

170. Odkrywanie asocjacji - algorytmy horyzontalne Zlicz wystapienia wszystkich zbior?w jednoelementowych Wybierz jednoelementowe zbiory czeste Wygeneruj wszystkie 2 ? elementowe kombinacje czestych zbior?w jednoelementowych Zlicz wystapienia wszystkich wygenerowanych zbior?w dwuelementowych Wybierz dwuelementowe zbiory czeste Wygeneruj wszystkie 3 ? elementowe kombinacje czestych zbior?w dwuelementowych Zlicz wystapienia wszystkich wygenerowanych zbior?w 3 ? elementowych Wybierz 3 ? elementowe zbiory czeste

171. Odkrywanie asocjacji-algorytmy wertykalne Dla kazdej pary element?w wyznacz czesc wsp?lna ich list identyfikator?w Zlicz identyfikatory na listach i wybierz 2-elementowe zbiory czeste Dla kazdej pary zbior?w 2-elementowych r?zniacych sie na jednej pozycji wyznacz czesc wsp?lna ich list identyfikator?w Zlicz identyfikatory na listach i wybierz 3-elementowe zbiory czeste

172. Analiza sekwencji Z sekwencja zakup?w mamy do czynienia, gdy pytamy, co klient kupil dzis, jezeli poprzednio kupil taki, a nie inny produkt. Na przyklad "zakup" rozszerzonej gwarancji nastepowal zwykle bedzie po zakupie telewizora, kina domowego, czy innego, wiekszego urzadzenia elektronicznego. Taka sekwencja jest dosc oczywista, jednak analiza sekwencji pozwoli wykryc odpowiednie skojarzenia nawet, jesli nie manifestuja sie one wyraznie w danych, a sa raczej gleboko ukryte w ich strukturze. W wielu dziedzinach nauki i techniki uzywa sie r?znorodnych metod wykrywania sekwencji, poczynajac wlasnie od badania kolejnosci zakup?w, sekwencji polaczen telefonicznych,sekwencji operacji na koncie (fraud detection) ,fluktuacji na rynkach gieldowych, sekwencjonowania DNA, czy analizowania "log?w" internetowych, czyli sposobu poruszania sie uzytkownika po serwisie WWW.

173. Zintegrowane narzedzia informatyczne wspierajace procesy zarzadzania wiedza Integracja r?znych narzedzi zarzadzania wiedza jest mozliwa dzieki tzw. zintegrowanym systemom wspomagania efektywnosci IPSS. Jest to klasa system?w informatycznych ulatwiajacych dostep do wiedzy w przedsiebiorstwie, umozliwiajacych uzytkownikowi poszukiwanie odpowiedzi na interesujace go pytania zar?wno przez przeszukiwanie baz danych jak i przez wirtualny kontakt ze wsp?lpracujacymi ekspertami. Oprogramowanie tego typu wciaz sie rozwija, wiekszosc liczacych sie na swiecie producent?w software?u oferuje r?zne rozwiazania z zakresu Knowledge Management. Ponadto wiele firm konsultingowych oferuje mozliwosc stworzenia takiego systemu na zam?wienie.

174. Zintegrowane narzedzia informatyczne wspierajace procesy zarzadzania wiedza Projekt ICONS (Intelligent CONtent Management System, Inteligentny System zarzadzania Zawartoscia) to czesc 5. Programu Ramowego Unii Europejskiej. Zostal rozpoczety w 2002 r. i trwal dwa lata. Celem projektu ICONS bylo zaprojektowanie i wykonanie prototypu platformy oferujacej jednolity i bazujacy na wiedzy dostep do rozproszonych zr?del informacji wystepujacych w formie stron webowych, istniejacych heterogenicznych baz danych, proces?w biznesowych i danych operacyjnych, jak r?wniez spadkowych system?w informatycznych

175. Zintegrowane narzedzia informatyczne wspierajace procesy zarzadzania wiedza ICONS ma postac portalu korporacyjnego. Cecha ICONS jest dostepnosc aplikacji workflow, dostepnosc systemu zarzadzania trescia opartego na dokumentach XML z narzedziami do publikacji przez autor?w, dostepnosc narzedzi sztucznej inteligencji itp..

176. Zintegrowane narzedzia informatyczne wspierajace procesy zarzadzania wiedza

177. Zintegrowane narzedzia informatyczne wspierajace procesy zarzadzania wiedza

178. Zintegrowane narzedzia informatyczne wspierajace procesy zarzadzania wiedza Mozliwosci oprogramowania SAP Net Weaver : Infrastruktura portalu ? ?zunifikowany, spersonalizowany, opraty na rolach dostep do heterogenicznych srodowisk IT? Kooperacja ? fora wsp?lpracy, narzedzia do pracy grupowej, czat, kalendarz zespol?w, repozytorium, dzielenie aplikacji Dostep wielokanalowy ? umozliwia prace mobilna za pomoca przenosnych urzadzen i system?w glosowych Zarzadzanie dokumentami ? pliki tekstowe, prezentacje etc., wyszukiwanie, zarzadzanie zawartoscia, publikowanie, workflow Business Intelligence ? narzedzia do sporzadzania analiz, raport?w i?wspomagania decyzji Zarzadzanie danymi podstawowymi ? zapewnia integracje danych z system?w transakcyjnych Broker integracji ? komunikacja pomiedzy skladnikami aplikacji oparta na formacie XML Zarzadzanie procesami biznesowymi ? narzedzia do modelowania i?realizacji proces?w biznesowych umozliwiajace laczenie aplikacji w kompleksowe procesy obejmujace caly lancuch dostaw. Zarzadzanie cyklem zycia produkt?w ? technologia umozliwiajaca projektowanie, programowanie, zastosowanie, tworzenie wersji, optymalizacje, administrowanie, zarzadzanie zmianami

179. Zintegrowane narzedzia informatyczne wspierajace procesy zarzadzania wiedza Preciseer ? Proosto Technologies to kolejny przyklad systemu zarzadzania wiedza. Obejmuje wedlug opisu producenta domeny zarzadzania wiedza, zarzadzania zawartoscia oraz zarzadzania uprawnieniami. Zarzadzanie wiedza realizowane jest poprzez: zarzadzanie dokumentami, zarzadzanie przeplywem wiedzy, mechanizm komunikacji z ekspertami, wylanianie ekspert?w z r?znych dziedzin. CMS (zarzadzanie zawartoscia) obejmuje tu: szybka modyfikacje danych na stronach HTML, automatyczne zarzadzanie struktura portalu, wielojezycznosc Zarzadzanie uprawnieniami (UMS) to po prostu mozliwosc nadawania r?znych praw dostepu r?znym pracownikom lub grupom pracownik?w. Preciseer wsp?lpracuje z pakietem MS Office. Ponadto w sklad wchodzi rozszerzenie interfejsu Windows (Shell Extension).

180. Zintegrowane narzedzia informatyczne wspierajace procesy zarzadzania wiedza PYTON to polski system zarzadzania wiedza. Do jego gl?wnych modul?w mozna zaliczyc baze wiedzy, wyszukiwarke, zarzadzanie szkoleniami e-learningowymi, zarzadzanie kompetencjami, procedowanie spraw jednostkowych, zarzadzanie trescia i dokumentami. PYTON kladzie nacisk na wyszukiwanie wiedzy. Na zadane pytanie uzytkownik otrzymuje w wyniku liste skojarzonych dokument?w (w tym inne podobne pytania z odpowiedziami), liste zr?del zewnetrznych oraz wykaz ekspert?w, kt?rym moze on zadac pytanie. Odpowiedzi umieszczane sa w systemie i sa dostepne dla wszystkich pracownik?w. Najlepsze rozwiazania oznaczane sa jako ?Najlepsze Praktyki? i sluza rozwojowi wiedzy przedsiebiorstwa. Dodatkowo system wyposazony jest w narzedzie wykonujace raporty, easyCMS ? narzedzie do publikacji artykul?w, easyDMS ? zarzadzanie dokumentami, notyfikacje e-mailowe, rankingi popularnosci ekspert?w. Konsylium ? narzedzie do grupowej dyskusji ekspert?w. System PYTON Enterprise integruje ponadto trzy inne systemy: system klasy workflow PYTON Decision Maker, system e-learningowy PYTON Inspector oraz NEToskop Enterprise (wyszukiwarke internetowa oraz zasob?w wewnetrznych).

181. Ontologie w Zarzadzaniu Wiedza Wsp?lczesny slownik Webstera definiuje ontologie jako "dziedzine metafizyki, kt?ra para sie badaniem i wyjasnianiem natury jak i kluczowych wlasciwosci oraz relacji rzadzacych wszelakimi bytami badz gl?wnych zasad i?przyczyn bytu". ?

182. Ontologie w Zarzadzaniu Wiedza Ontologia stawia przed soba pytania "jak mozna wszystko poklasyfikowac?", "jakie klasy byt?w sa niezbedne do opisu i wnioskowania na temat zachodzacych proces?w?", "jakie klasy bytu pozwalaja wnioskowac o prawdzie?", "na podstawie jakich klas bytu mozna wnioskowac o przyszlosci?"

183. Ontologie w Zarzadzaniu Wiedza Historia ontologii system?w informatycznych siega zaledwie konca lat szescdziesiatych ubieglego wieku. Wtedy to potrzeba zbudowania abstrakcyjnego zewnetrznego modelu rzeczywistosci pojawila sie w dw?ch odrebnych dziedzinach informatyki: teorii baz danych oraz sztucznej inteligencji. Oznacza on tutaj okreslony spos?b formalizacji wiedzy.

184. Ontologie w Zarzadzaniu Wiedza ?Michal i Franek umieja programowac w C++ i Javie?. Mimo, iz zdanie to jest poprawnie skonstruowane, jego zrozumienie moze byc wieloznaczne. Ze zdania nie wynika jednoznacznie, iz np. Michal jest programista C++, a Franek zna jezyk Java. Informacje w nim zawarta mozna r?wniez odczytac jako: ?zar?wno Michal, jak i?Franek umieja programowac zar?wno w C++ jak i w Javie?, lub ?Michal umie programowac w C++ i Javie, a Franek zna jedynie jezyk Java?.

185. Ontologie w Zarzadzaniu Wiedza W kazdym jezyku naturalnym, nawet poprawnie skonstruowane zdanie potrafi przysporzyc odbiorcy wiele problem?w. Pomiedzy wieloma czynnikami wplywajacymi na jednoznacznosc przekazu dwa zasluguja na szczeg?lna uwage: kategoryzacja hierarchizacja

186. Ontologie w Zarzadzaniu Wiedza Poprzez kategoryzacje nalezy rozumiec zdolnosc przyporzadkowania symbolu, kt?ry pojawia sie w komunikacie ("kot") do jakiejs scisle okreslonej grupy obiekt?w, posiadajacych okreslone cechy (klasa kot?w, pojecie kot (ang.: concept)). Zestaw tych abstrakcyjnych grup, kt?rymi posluguje sie kazdy z nas, a kt?re zostaly zdefiniowane w procesie ksztalcenia mozna okreslic jako wewnetrzny model pojmowania swiata. Aby zobrazowac ten proces, mozna wykorzystac pojecie tr?jkata znaczeniowego (ang. meaning triangle).

187. Ontologie w Zarzadzaniu Wiedza Tr?jkat znaczeniowy

188. Ontologie w Zarzadzaniu Wiedza Drugim czynnikiem wplywajacym na jednoznacznosc przekazu jest hierarchizacja. Odbiorca przekazu musi posiadac zdolnosc do umiejscowienia tej klasy (klasy kot?w) w pewnej hierarchicznej strukturze. Bowiem poza oczywistymi charakterystykami, jakie nabywa instancja klasy ("ten kot"), wynikajacymi z relacji przynaleznosci do klasy (klasa koty), automatycznie posiada ona takze cechy dziedziczone z klas nadrzednych (np. kazdy kot jest takze ssakiem, przez co dziedziczy jego cechy).

189. Ontologie w Zarzadzaniu Wiedza Hierarchizacja ? umiejscowienie okreslonej klasy w hierarchicznej strukturze. Instancja klasy poza oczywistymi charakterystykami wynikajacymi z przynaleznosci do klasy posiada takze cechy dziedziczone z klas nadrzednych.

190. Ontologie w Zarzadzaniu Wiedza Trudno uzyskac jednoznacznosc przekazu w komunikacji miedzyludzkiej. Partycypujacy w?przekazie nie posluguja sie bowiem dokladnie takim samem zestawem klas obiekt?w i nie sa one zorganizowane w takie same struktury? Komunikacja ludzka nie jest doskonala, jest ona jednak niedoscignionym wzorem dla komunikacji autonomicznych system?w informatycznych. Stad pomysl, by ten abstrakcyjny model swiata, kt?ry posiada kazdy z nas, stal sie samodzielnym, wyodrebnionym i sformalizowanym bytem. By m?gl on stanowic punkt odniesienia dla stron przekazu, bedac swoistego rodzaju metajezykiem.Ten model swiata znany jest pod nazwa ontologii.

191. Ontologie w Zarzadzaniu Wiedza Wg T. Grubber ?A translation approach to portable ontology specifications? (1999) - Ontologia jest "formalna specyfikacja wsp?lnej warstwy pojeciowej" Teoria dotyczaca jakiejs dziedziny (a nawet konkretnych zadan, dzialan) opisujaca pojecia w spos?b hierarchiczny (taksonomia) w celu ustalenia relacji semantycznych w danej dziedzinie.

192. Ontologie w Zarzadzaniu Wiedza A. Maedche ?Ontology Learning for the Semantic Web (2002). Ontologia jest zdefiniowana poprzez dwa zbiory: definiujacy strukture ontologii oraz leksykon. Struktura ontologii: O = {C, R, Hc, rel, A} okresla strukture pojec, relacje miedzy nimi jak i teorie dotyczaca definiowanego modelu. C - stanowi zbi?r wszystkich pojec wykorzystanych w modelu. Pojeciem (czesto zwanym klasa) nazywamy idee reprezentujaca pewna grupe obiekt?w posiadajacych wsp?lna charakterystyke, dzieki czemu zalicza sie je do tej grupy. Pojecie w notacji identyfikowane jest przez symbol - najczesciej slowo. R - jest zbiorem nietaksonomicznych relacji (zwanych tez wlasciwosciami, slotami, rolami) definiowanych jako nazwane polaczenie miedzy pojeciami (np. jestCzescia - oznacza, ze jedno pojecie wystepujace w relacji jest czescia drugiego). Nalezy w tym miejscu nadmienic, ze relacja jest takze pojeciem niemniej jednak na potrzeby tej definicji oba zbiory winny byc rozlaczne.

193. Ontologie w Zarzadzaniu Wiedza Hc - stanowi zbi?r taksonomicznych relacji pomiedzy konceptami, gdzie w zaleznosci od przyjetego systemu moze to byc jedna z?ponizszych relacji: Rozlaczne podklasy Wyczerpujace rozlaczne podklasy Podklasy rel - zdefiniowane nietaksonomiczne relacje pomiedzy pojeciami A - zbi?r aksjomat?w

194. Ontologie w Zarzadzaniu Wiedza Leksykon ontologii L = {Lc, Lr, F,G} okresla leksykon, czyli spos?b w jaki nalezy rozumiec pojecia, w tym i relacje. Lc - definicje leksykonu dla zbioru pojec Lr - definicje leksykonu dla zbioru relacji F - referencje dla pojec G - referencje dla relacji

195. Etapy procesu tworzenia ontologii Istnieje wiele metodyk tworzenia ontologii: TOVE, Enterprise Model Approach, Methodology, IDEF5, Ontoclean. Etapy procesu tworzenia ontologii przedstawione zostana na podstawie metodologii zaproponowanej w 2004 roku przez N. Noy oraz D. McGuinness w pracy ?A Guide to Creating Your First Ontology

196. Etapy procesu tworzenia ontologii Krok 1. Ustalenie domeny oraz zasiegu ontologii. Nalezy ustalic: Dziedzine (zbi?r obiekt?w) tworzonej ontologii oraz okreslic zakres jaki bedzie brany pod uwage, Cel w jakim ma byc uzywana projektowana ontologia, Na jakie pytania ontologia bedzie odpowiadala (pytania wzorcowe), Kto bedzie uzywal i utrzymywal tworzona ontologie.

197. Etapy procesu tworzenia ontologii Krok 2. Wykorzystanie istniejacych ontologii. Warto rozwazyc mozliwosc wykorzystania w projekcie wlasnej ontologii gotowej ontologii, stworzonej przez kogos innego. Wykorzystanie istniejacej ontologii moze byc wymagane w przypadku, gdy system w kt?rego sklad wchodzi tworzona ontologia musi wsp?ldzialac z innymi aplikacjami wykorzystujacymi dana ontologie.

198. Etapy procesu tworzenia ontologii Krok 3. Ustalenie najwazniejszych termin?w (ang. terms) w projektowanej ontologii. Nalezy wyspecyfikowac najwazniejsze terminy oraz ustalic jakimi wlasnosciami beda charakteryzowaly sie obiekty przez nie reprezentowane.

199. Etapy procesu tworzenia ontologii Krok 4. Definiowanie klas i hierarchii klas Istnieje wiele r?znych podejsc do procesu projektowania hierarchii klas: G?ra ? d?l (ang. top-down development) ? w podejsciu tym zaczyna sie od definicji najbardziej og?lnych pojec w danej dziedzinie i?p?zniejszym ich uszczeg?lowianiu. Podejscie to zapewnia kontrole nad stopniem szczeg?lowosci, jaki jest pozadany przez projektanta. Jego mankamentem jednak moze byc wlaczanie do ontologii klas nadrzednych, kt?re niekoniecznie wymagane sa przez koncowych uzytkownik?w. D?l ? g?ra (ang. bottom-up development) ? proces ten zaczyna sie od definicji najbardziej szczeg?lowych pojec. Z kolei nastepuje ich laczenie w wieksze grupy ? pojecia bardziej og?lne. Wada tego podejscia jest zbyt duza ilosc detali oraz trudnosc w znajdowaniu klasy, kt?ra moze tworzyc nadklase dla dw?ch znaczaco r?znych klas. Rozw?j kombinowany (ang. combination development) ? Podejscie to laczy dwa wyzej wymienione procesy. Najpierw definiuje sie najistotniejsze pojecia (?najbardziej rzucajace sie w oczy?), a nastepnie przechodzi sie przez procesy ich uszczeg?lowiania i uog?lniania.

200. Etapy procesu tworzenia ontologii Krok 5. Definiowanie relacji (wlasnosci) klas Klasy same w sobie nie dostarczaja wystarczajacej ilosci informacji, aby odpowiedziec na pytania postawione w kroku 1. Po zdefiniowaniu klas, nalezy okreslic ich wewnetrzna strukture. Czesc z termin?w, okreslonych kroku 3., utworzy klasy, a pozostale stanowic beda wlasciwosci tych klas. Wlasciwosci nazywane sa r?wniez relacjami, rolami badz slotami. Istnieje kilka typ?w wlasciwosci obiekt?w, kt?re moga stac sie relacjami w ontologii: Wlasciwosci wewnetrzne (ang. intrinsic), Wlasciwosci zewnetrzne (ang. extrinsic), Wlasciwosci typu ?czesci? (ang. parts) ? kiedy dany obiekt sklada sie z czesci, co nalezy rozumiec zar?wno w sensie fizycznym, jak i?abstrakcyjnym, Stosunki z innymi obiektami ? dotyczy to relacji, jakie zachodza miedzy poszczeg?lnymi obiektami, Wlasciwosci dziedziczone ? wszystkie podklasy danej klasy dziedzicza jej wlasciwosci. Wlasciwosci te powinny byc zatem dolaczone do najbardziej og?lnej klasy.

201. Etapy procesu tworzenia ontologii Krok 6. Definiowanie cech relacji (wlasnosci) klasy Wlasnosci klasy posiadaja pewne cechy opisujace typ ich wartosci: dozwolony ciag wartosci, liczbe wartosci oraz inne dodatkowe cechy, kt?re moga wiazac sie z wlasnosciami. Tzw. kardynalnosc atrybutu (ang. slot cardinality) okresla, jak wiele wartosci moze miec dana cecha. Niekt?ry systemy rozr?zniaja pomiedzy wlasnoscia pojedyncza, kt?ra moze miec wylacznie jedna wartosc, a wlasnoscia wielokrotna, tj. przyjmujaca wiecej niz jedna wartosc. Inne systemy pozwalaja na okreslenie minimalnej oraz maksymalnej liczby dopuszczalnych wartosci, co czyni ustalanie kardynalnosci znacznie bardziej precyzyjnym. Tzw. fasetowosc (dopuszczalnych wartosci dla atrybut?w) (ang. value-type facet) okresla jakiego rodzaju wartosci moze przybierac dana wlasnosc: Lancuch tekstowy (ang. string), Liczba (ang. number) Wartosc logiczna prawda/falsz (ang. boolean), Typ wyliczeniowy (ang. enumerated), Typ instancyjny (ang. instance-type)

202. Etapy procesu tworzenia ontologii Krok 7. Tworzenie wystapien (instancji) klas Definiowanie indywidualnych wystapien dla klas wymaga: Wybrania klasy, Utworzenia wystapienia dla klasy, Okreslenia wlasnosci.

203. Jezyki i narzedzia sluzace do modelowania ontologii Jezyki XML (eXtensible Markup Language) RDF (Resource Description Framework) RDF Vocabulary Description Language Narzedzia OpenCyc OntoLingua oraz Chimaera Prot?g? OntoStudio Jena

204. Tworzenie ontologii ?WiedzaIT? - ustalenie domeny oraz zasiegu ontologii Dziedzina ontologii Informatyka (ang. computer science, computing science, information technology) ? dziedzina nauki i techniki zajmujaca sie przetwarzaniem informacji ? w?tym technologiami przetwarzania informacji oraz technologiami wytwarzania system?w przetwarzajacych informacje Ontologia ?WiedzaIT? stworzona zostala w celu latwego zarzadzania wiedza informatyczna. Wykorzystuje do tego ontologie zr?del wiedzy, dziedzin wiedzy informatycznej, a takze ontologie ?pomocnicze?: osoby czy wydawnictw

205. Tworzenie ontologii ?WiedzaIT? - ustalenie domeny oraz zasiegu ontologii Pytania wzorcowe Sformulowanie pytan wzorcowych to jeden ze sposob?w na ustalenie zasiegu ontologii. Jest to lista pytan, na kt?re stworzona ontologia powinna dac odpowiedz. Pytania te moga r?wniez sluzyc do testowania stworzonej ontologii. Podczas procesu tworzenia ontologii ?WiedzaIT? sformulowane zostaly nastepujace pytania wzorcowe: Jakie sa wszystkie zr?dla wiedzy z danej dziedziny wiedzy? Pytanie to mozna rozszerzyc do nadkategorii dziedziny wiedzy. Jakie sa zr?dla wiedzy danego typu (ksiazka, publikacja, etc.)? Pytanie to mozna ograniczyc do zr?del wiedzy obejmujacych dana kategorie. Jakie sa wszystkie zr?dla wiedzy opublikowane przez dana osobe? Zapytac mozna r?wniez o wydawnictwo oraz date wydania.

206. Tworzenie ontologii ?WiedzaIT? - ustalenie domeny oraz zasiegu ontologii Definicja klas 1. ZrodloWiedzy Jest to klasa bazowa dla wszystkich klas reprezentujacych zr?dla wiedzy informatycznej. Wszystkie klasy reprezentujace zr?dla wiedzy w ontologii dziedzicza wiekszosc swoich atrybut?w z tej wlasnie klasy. 2. Czlowiek Instancje klasy Czlowiek reprezentuja osoby dysponujace wiedza informatyczna. Dana osoba moze zar?wno posiadac wiedza jako taka i tym samym wystapic jako instancja klasy Czlowiek, jak r?wniez byc autorem ksiazki, czy publikacji, stanowiac instancje klasy Osoba. 3 Ebook Ebook (ang. e-book) to tresc zapisana w formie elektronicznej. Nie istnieje scisla definicja tego pojecia. Mozna jednak przyjac, ze Ebook ?jest przeniesieniem klasycznej ksiazki czy czasopisma do swiata urzadzen komputerowych, co wyraza sie chocby w nazwie?. www.pl.wikipedia.org/wiki/Ebook

207. Tworzenie ontologii ?WiedzaIT? - definiowanie klas oraz hierarchii klas 4. Ksiazka Klasa Ksiazka reprezentuje ksiazki, czyli dokumenty pismiennicze w postaci publikacji wielostronicowych o okreslonej liczbie stron, majace charakter trwaly. 5. Publikacja Podobnie jak w przypadku pojecia Ebook, nie istnieje scisla definicja publikacji naukowej. Publikacja, jako instancja klasy w ontologii ?WiedzaIT? musi spelniac nastepujace postulaty: jest pierwszym publicznym ogloszeniem danej informacji. jest szczeg?lowa w stopniu umozliwiajacym innym, r?wnorzednym naukowcom oszacowanie wartosci przeprowadzonych obserwacji, powt?rzenie eksperymentu, ocene poprawnosci wnioskowania autor?w. nosnik publikacji naukowej czyni ja dostepna ludzkim zmyslom, cechuje sie trwaloscia, jest dla spolecznosci naukowej dostepny bez ograniczen, jest regularnie indeksowany przez jeden lub wiecej sposr?d og?lnie uznanych wt?rnych zr?del informacji naukowej. Definicja Publikacji, jako klasy w ontologii ?WiedzaIT? zawiera postulaty zdefiniowane przez Towarzystwo Edytor?w Naukowych (Council of Science Editors).

208. Tworzenie ontologii ?WiedzaIT? - definiowanie klas oraz hierarchii klas 6. StronaWWW StronaWWW jako klasa w ontologii ?WiedzaIT?, to kazda opublikowana w Internecie tresc, nie mieszczaca sie w ramach definicji klasy Ebook oraz Publikacja. 7. DziedzinaWiedzy Obiekty tej klasy reprezentuja dziedziny wiedzy informatycznej.

209. Tworzenia ontologii ?WiedzaIT? - definiowanie klas oraz hierarchii klas 8. Osoba Jak wspomniano w punkcie 2. instancja klasy Osoba reprezentuje autora ksiazki, czy publikacji. 9. Wydawnictwo Wydawnictwo to instytucja organizujaca proces wydawniczy. Wydawnictwo jako klasa w ontologii ?WiedzaIT? reprezentuje organizacje wydajace ksiazki (instancje klasy Ksiazka). 10. Kontakt Obiekty klasy Kontakt reprezentuja dane kontaktowe osoby lub wydawnictwa, takie jak adres, telefon, czy numer konta bankowego.

210. Tworzenia ontologii ?WiedzaIT? - definiowanie klas oraz hierarchii klas Problematyczne moze byc jedynie rozr?znienie klas Czlowiek oraz Osoba. Ot?z instancje klasy Czlowiek reprezentuja osoby dysponujace wiedza informatyczna. Opr?cz relacji dotyczyDziedzinyWiedzy, dzieki kt?rej mozemy ustalic zakres wiedzy danej osoby, klasa Czlowiek posiada r?wniez relacje maAutora, kt?ra wskazuje na instancje klasy Osoba, opisujaca danego czlowieka. Opis ten sprowadza sie do okreslenia imienia, nazwiska, daty urodzenia oraz danych kontaktowych danej osoby. Instancjami klasy Osoba moga byc r?wniez ludzie nie dysponujacy wiedza informatyczna, stad rozr?znienie pomiedzy klasami Czlowiek oraz Osoba.

211. Tworzenia ontologii ?WiedzaIT? - definiowanie klas oraz hierarchii klas Jezeli klasa A jest nadklasa (ang. superclass) klasy B, to kazda instancja klasy B jest r?wniez instancja klasy A. W ontologii ?WiedzaIT? pojecia nadklasy, a co za tym idzie hierarchia klas dotyczy wylacznie klas reprezentujacych zr?dla wiedzy. Klasa ZrodloWiedzy stanowi nadklase dla nastepujacych klas: Czlowiek, Ebook, Ksiazka, Publikacja, StronaWWW.

212. Tworzenia ontologii ?WiedzaIT? - definiowanie klas oraz hierarchii klas Hierarchia klas

213. Tworzenia ontologii ?WiedzaIT? - definiowanie relacji klas Stworzone w trakcie procesu budowy ontologii ?WiedzaIT? relacje, przedstawione sa w kontekscie klas, kt?rych dotycza. 1. ZrodloWiedzy maNazwe ? jest to lancuch tekstowy okreslajacy nazwe zr?dla wiedzy. Np. dla ksiazki jest to jej tytul; maTyp ? atrybut ten okresla typ zr?dla wiedzy. Dopuszczalnymi typami sa: Czlowiek, Ebook, Ksiazka, Publikacja, StronaWWW; zawieraKodyZrodlowe ? atrybut ten, kt?rego typem jest wartosc logiczna, okresla czy dane zr?dlo wiedzy zawiera kody zr?dlowe opisywanych program?w, czy procedur; dotyczyDziedzinyWiedzy ? dzieki tej relacji mozliwe jest wskazanie dziedziny wiedzy, kt?rej dane zr?dlo wiedzy dotyczy. maAutora ? relacja ta, kt?rej typem jest Osoba, wskazuje autora danego zr?dla wiedzy. Zgodnie z hierarchia klas, wszystkie klasy dla kt?rych klasa ZrodloWiedzy jest nadklasa, dziedzicza opisane powyzej atrybuty i relacje;

214. Tworzenia ontologii ?WiedzaIT? - definiowanie relacji klas 2. Czlowiek, Ebook Klasy Czlowiek oraz Ebook posiadaja tylko i wylacznie relacje odziedziczone po klasie ZrodloWiedzy.

215. Tworzenia ontologii ?WiedzaIT? - definiowanie relacji klas 3. Ksiazka maNumerISBN ? atrybut ten okresla numer ISBN danej pozycji literaturowej. Jego typem jest lancuch tekstowy. Spowodowane jest to sposobem zapisu numer?w ISBN, w kt?rych cyfry oddzielone sa srednikami; maDateWydania ? relacja ta, kt?rej typem jest Data, okresla date wydania danej pozycji literaturowej; maOryginal ? relacja ta wskazuje na inna instancje klasy Ksiazka w przypadku, gdy dana pozycja jest tlumaczeniem oryginalnego wydania; maWydawnictwo ? relacja ta wskazuje instytucje, kt?ra wydala dana ksiazke.

216. Tworzenia ontologii ?WiedzaIT? - definiowanie relacji klas 4. Publikacja maDateWydania ? relacja ta, kt?rej typem jest Data, okresla date wydania danej publikacji. 5. StronaWWW maAdres ? atrybut ten okresla adres internetowy danej strony WWW; maJezyk ? atrybut ten okresla jezyk w jakim wyrazona jest tresc zawarta na danej stronie WWW; jestPodstrona ? relacja ta wskazuje instancje klasy StronaWWW, stanowiaca strone gl?wna dla danej strony WWW; maDateAktualizacji ? przy pomocy tej relacji mozliwe jest okreslenie daty aktualizacji danej strony WWW.

217. Tworzenia ontologii ?WiedzaIT? - definiowanie relacji klas 6. DziedzinaWiedzy maNazwe ? atrybut ten okresla nazwe dziedziny wiedzy; maNadkategorie ? relacja ta, kt?rej typem jest DziedzinaWiedzy, okresla nadkategorie dla danej dziedziny wiedzy w hierarchii dziedzin wiedzy.

218. Tworzenia ontologii ?WiedzaIT? - definiowanie relacji klas 7. Data maDzien ? okresla dzien miesiaca; maMiesiac ? okresla miesiac w roku; maRok ? okresla rok.

219. Tworzenia ontologii ?WiedzaIT? - definiowanie relacji klas 8. Osoba maImie ? atrybut ten okresla imie badz imiona danej osoby; maNazwisko ? atrybut ten okresla nazwisko danej osoby; maDaneKontaktowe ? przy pomocy tej relacji, kt?rej typem jest Kontakt, mozliwe jest okreslenie danych kontaktowych danej osoby; maDateUrodzenia ? relacja ta okresla date urodzenia danej osoby.

220. Tworzenia ontologii ?WiedzaIT? - definiowanie relacji klas? 9. Wydawnictwo maNazwe ? atrybut ten okresla nazwe danego wydawnictwa; maDaneKontaktowe ? dane kontaktowe wydawnictwa.

221. Tworzenia ontologii ?WiedzaIT? - definiowanie cech relacji klas? 10. Kontakt maAdres ? okresla adres dla danego kontaktu; maNumerKonta ? okresla numer konta bankowego; maTelefon ? okresla numer telefonu; maeMail ? okresla adres poczty e-mail.

222. Tworzenia ontologii ?WiedzaIT? - definiowanie cech relacji klas? Relacje klasy posiadaja nastepujace cechy opisujace typ ich wartosci: Kardynalnosc atrybutu (ang. slot cardinality) ? okresla, jak wiele wartosci moze miec dana cecha; Fasetowosc dopuszczalnych wartosci dla atrybutu (ang. value-type facet) ? okresla jakiego rodzaju wartosci moze przybierac dana relacja.

223. Tworzenia ontologii ?WiedzaIT? - definiowanie cech relacji klas?

224. Tworzenia ontologii ?WiedzaIT? - definiowanie cech relacji klas? Ostatnim krokiem w procesie modelowania ontologii jest utworzenie indywidualnych wystapien klas, ich instancji. Utworzenie instancji klasy sprowadza sie do wyboru klasy, utworzenia nowego wystapienia oraz uzupelnienia atrybut?w i?relacji.

225. Tworzenia ontologii ?WiedzaIT?


Other Related Presentations

Copyright © 2014 SlideServe. All rights reserved | Powered By DigitalOfficePro