Download

Zarządzanie wiedzą






Advertisement
/ 225 []
Download Presentation
Comments
jirair
From:
|  
(681) |   (0) |   (0)
Views: 313 | Added: 18-06-2012
Rate Presentation: 1 0
Description:
Zarządzanie wiedzą. Wykład 9 godzin Ćwiczenia 6 godzin Laboratoria 9 godzin Bogdan Rębiasz pok. 420. Zarządzanie wiedzą - literatura. G. Prost, S. Raub, K. Romhardt (2002), Zarządzanie wiedzą w organizacji, Oficyna Ekonomiczna, Kraków
Zarządzanie wiedzą

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 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -




Slide 1

Zarządzanie wiedzą

Wykład 9 godzin

Ćwiczenia 6 godzin

Laboratoria 9 godzin

Bogdan Rębiasz pok. 420

Slide 2

Zarządzanie wiedzą - literatura

G. Prost, S. Raub, K. Romhardt (2002), Zarządzanie wiedzą w organizacji, Oficyna Ekonomiczna, Kraków

I. Nonaka,, H. Takeuchi (2000) Kreowanie wiedzy w organizacji. Warszawa, Poltext.

Morawski M.: Zarządzanie wiedzą, Organizacja-System-Pracownik. Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 2006

Jashapara A.: Zarządzanie wiedzą, Zintegrowane podejście. PWE, Warszawa 2006.

Z. Chen - „Data Mining and Uncertain Reasoning – An Integrated Approach”, John Wiley & sons, INC, Nowy Jork 2001.

Slide 3

Zarządzanie wiedzą-literatura

Pomocne zasoby w sieci internet:

Gazeta –IT, dział „Zarządzanie wiedzą”:

http://www.gazeta-it.pl/zw.html

Slide 4

Zarządzanie wiedzą - tematy zajęć

Historia i aktualny stan dziedziny

Dane, informacje, wiedza

Zasoby wiedzy organizacji

Zarządzania wiedzą-definicje

Zarządzanie wiedzą - kodyfikacja i personalizacja

Kluczowe procesy zarządzania wiedzą

Mierzenie wartości zasobów wiedzy

Slide 5

Zarządzanie wiedzą-tematy zajęć

Narzędzia informatyczne w zarządzaniu wiedzą

Eksploracja danych

Ontologie w zarządzaniu wiedzą

Slide 6

Zarządzanie wiedzą-historia

Slide 7

Zarządzanie wiedzą-historia

Ikujiro Nonaka. W 1995 r. wspólnie z Hirotaka Takeuchi opublikował książkę The knowledge - creating Company - How Japanese Companies Create the Dynamics of Innovation.

Slide 8

Geneza koncepcji zarządzania wiedzą

  • Niezadawalająca efektywność takich koncepcji jak: TQM, benchmarking, reengineering,

  • Konkurencyjność postrzegana jako umiejętność ciągłego doskonalenia się, wprowadzania nowych pomysłów, produktów i usług, nowoczesnych technologii i rozwiązań organizacyjnych,

  • Źródłem zainteresowania problematyką wiedzy w organizacji były prace autorytetów w dziedzinie zarządzania. Peter Drucker w latach 80. i 90. popularyzował takie pojęcia jak gospodarka bazująca na wiedzy, przywództwo pod względem wiedzy itp..

  • Gwałtowne zmiany w warunkach funkcjonowania przedsiębiorstw w latach 80. i 90. w tym liczne fuzje i przejęcia,

  • Restrukturyzacja przedsiębiorstw, duża liczba zwolnień z pracy,

  • Odejście od tradycyjnych (biurokratycznych) rozwiązań organizacyjnych na rzecz elastycznych sieci wirtualnych, zastąpienie tradycyjnych systemów nakazów i kontroli systemem partycypacyjnym, decentralizowanie dużych jednostek produkcyjnych i ich podział na mniejsze, autonomiczne, stworzenie kultury organizacyjnej opartej na zaufaniu oraz wdrożenie nowoczesnych rozwiązań informatycznych umożliwiających efektywną prace grupową i błyskawiczną wymianę informacji.

  • Próby opracowania nowych standardów rachunkowości, które nie traktowały nakładów na rozwój potencjału intelektualnego pracowników wyłącznie w kategoriach kosztów ale w kategoriach inwestycji oraz które umożliwiały mierzenie tak istotnych elementów „kapitału intelektualnego” przedsiębiorstw jak dobre relacje z klientami czy stopień wykorzystania wiedzy i umiejętności pracowników.

Slide 9

Dane, informacje, wiedza

Słownik języka polskiego mówi, że wiedza to„zespół przekonań zgodnych z rzeczywistością, ogół umiejętności ludzkich albo danego umysłu”, ale też „zasób wiadomości z jakiejś dziedziny”.

Wiedza to ogół wiadomości i umiejętności wykorzystywanych przez jednostki do rozwiązywania problemów. /Probst G./

Slide 10

Dane, informacje, wiedza

Definiując wiedzę posługujemy się często popularną piramidą, na której wiedza znajduje się na szczycie, ponad informacjami, a te z kolei ponad danymi.

Slide 11

Dane, informacje, wiedza

Slide 12

Dane, informacje, wiedza

Pojedyncze znaki, zestawione zgodnie z regułami określonej składni, tworzą dane.

Dane zinterpretowane w konkretnym kontekście dostarczają informacji.

Natomiast informacje, którym zostanie nadana struktura, mogą być już wykorzystane w pewnym obszarze działalności zyskując miano wiedzy.

Slide 13

Dane, informacje, wiedza

Dane

Wiedza

Informacja

12,5 3,7 32,4

43,4 0,0 11,1

76,5 5,6 55,4

Stan magazynu

Nr części stan

105 0

106 12

Zapasy spadły w

stosunku do ubie

głego miesiąca o

10%

Przetworzone dane,

zorganizowane i

zinterpretowane

Zrozumienie lub model

obiektu wywiedziony

z informacji o nim

Liczby reprezentujące

fakty, obserwacje, miary

Slide 14

Zasoby wiedzy organizacji

Czym różnią się „zasoby wiedzy organizacji” od „wiedzy”?

Wiedza jest właściwa dla konkretnego człowieka. Jest czymś indywidualnym, związanym z doświadczeniem, przekonaniami, „jest funkcją szczególnego nastawienia, perspektywy lub intencji”.

Slide 15

Zasoby wiedzy organizacji

Zasoby wiedzy organizacji, to suma wiedzy pojedynczych pracowników oraz zespołów, wszelkie aktywa intelektualne w tym bazy danych i informacji, które organizacja wykorzystuje do działania.

Pracownik zdolny do przekształcania danych w wiedzę i wykorzystywania jej z korzyścią dla firmy jest podstawowym elementem zasobów wiedzy organizacji

Slide 16

Zarządzanie wiedzą - wiedza lepka i wiedza wyciekająca

Lepkość wiedzy to jej wartość jako źródła przewagi konkurencyjnej oraz jednocześnie ogromny problem w przypadku prób współdzielenia wiedzy wewnątrz organizacji. Poprzez lepkość należy rozumieć trudność przeniesienia określonych rozwiązań w inne środowisko. Lepkość wiedzy może tłumaczyć, dlaczego tak trudno kupić wiedzę kupując ludzi. Ludzie oraz ich wiedza są wtopieni w kontekst i kulturę organizacji. Przeniesienie ich w inne środowisko może spowodować, że nie będą już w stanie wykorzystywać swojej wiedzy w taki sposób, w jaki robili to wcześniej. Stąd wielkie przedsiębiorstwa często nie ukrywają swojej działalności, nie chronią się przed wizytami konkurencji..

Slide 17

Zarządzanie wiedzą - wiedza lepka i wiedza wyciekająca

Powiązania ludzi w ich środowiskach pozaorganizacyjnych są często dużo silniejsze niż wewnątrz organizacji. Ludzie często komunikują się. W kontekście przewagi konkurencyjnej przedsiębiorstwa nad innymi jest to rzeczywiście poważny problem. Ponieważ kontakty osobiste wpływają bardzo pozytywnie na wymianę wiedzy, w przypadku kontaktów pracowników konkurujących ze sobą przedsiębiorstw może dochodzić do istotnych zagrożeń dla utrzymania oryginalności pomysłów. Problem wiedzy wyciekającej to także problem pracowników odchodzących z organizacji. O ile wiedza jawna, będąca w ich posiadaniu, może być stosunkowo łatwo skodyfikowana, to wiedza ukryta, którą dysponują, jest zasobem, którego nie da się w prosty sposób odtworzyć (np. poprzez dokształcenie odpowiednich pracowników). Dlatego w przypadku, gdy pewne procesy w organizacji wymagają udziału wiedzy ukrytej pracowników, należy dokładnie im się przyjrzeć i postarać odpowiednio zabezpieczyć przed ewentualną utratą krytycznych pracowników.

Slide 18

Zarządzanie wiedzą - definicje

PricewaterhauseCoopers:

„Zarządzanie wiedzą to sztuka przetwarzania informacji i aktywów intelektualnych w trwałą wartość dla klientów i pracowników organizacji.

Cranfield School of Management w Wielkiej Brytanii:

„Zarządzanie wiedzą to ogół procesów umożliwiających tworzenie, upowszechnianie i wykorzystywanie wiedzy do realizacji celów organizacji”.

Slide 19

Zarządzanie wiedzą - definicje

Ernst & Young

System zaprojektowany, aby pomóc przedsiębiorstwom w zdobywaniu, analizowaniu, wykorzystaniu wiedzy w celu podejmowania szybszych, mądrzejszych i lepszych decyzji dzięki czemu mogą one osiągnąć przewagę konkurencyjną.

Arthur Andersen

Proces identyfikowania, zdobywania i wykorzystywania wiedzy mający na celu poprawę pozycji konkurencyjnej organizacji. Cały proces zarządzania wiedzą jest wspierany przez cztery czynniki: przywództwo, kulturę organizacyjną, technologię i system pomiarowy.

Slide 20

Zarządzanie wiedzą - definicje

Jak dotąd nie powstała definicja zarządzania wiedzą, która byłaby powszechnie akceptowana zarówno w teorii, jak i w praktyce zarządzania. Jednakże należy zawsze uwzględniać, że zarządzanie wiedzą:

  • musi mieć charakter kompleksowy;

  • musi zamieniać aktywa intelektualne organizacji w wynik ekonomiczny;

  • musi być wspierane przez cztery czynniki: przywództwo, kulturę organizacyjną, technologię i system pomiarowy;

  • musi łączyć ze sobą ludzi, a dokładniej tych, którzy posiadają wiedzę z tymi którzy jej potrzebują;

  • musi być hybrydowym połączeniem ludzi i technologii;

  • musi kreować sieć.

Slide 21

Zarządzanie wiedzą - definicje

Definicje zwracają uwagę na konieczność występowania następujących działań:

  • Traktowania zasobów wiedzy jako ważnego zasobu zarówno dla działań strategicznych, długofalowych jak i działań bieżących w ramach całej organizacji,

  • Identyfikacji zasobów wiedzy,

  • Stwarzania środowiska sprzyjającego kreowaniu wiedzy, np. poprzez motywowanie pracowników i tworzenie wzorców pobudzających do generowania nowych rozwiązań,

  • Stymulowania do dzielenia się wiedzą i pomysłami,

  • Zbierania, kodyfikowania i transferu zasobów wiedzy,

  • Ciągłego ich aktualizowania i weryfikowania,

  • Zapewnienia szybkiego i pełnego dostępu do posiadanych zasobów wiedzy,

  • Wykorzystania zasobów wiedzy zapisanej (zgromadzonej) i wiedzy pracowników do poprawy efektywności działań.

    Istotą zarządzania wiedzą jest umiejętne łączenie nowoczesnych rozwiązań informatycznych z kreatywnością, umiejętnością i chęcią uczenia się przez człowieka.

Slide 22

Zarządzanie wiedzą a zarządzanie kapitałem intelektualnym

  • Karle-Erik-Sveiby, Raport Konrada, 1987

  • Celem było opracowanie metody pomiaru całej wartości przedsiębiorstwa łącznie z aktywami niematerialnymi, nierejestrowanymi w żadnym z dotychczasowych sprawozdań.

  • Kapitał intelektualny: kapitał przypisany jednostce (kapitał ludzki) i kapitał strukturalny (przypisany organizacji)

  • Kapitał ludzki składa się z kompetencji i umiejętności pracowników, natomiast kapitał strukturalny obejmuje wszystkie efekty czynności intelektualnych, które zostały zarejestrowane i stanowią własność przedsiębiorstwa – kapitał organizacyjny w postaci procesów, procedur, baz danych itp. oraz kapitał będący efektem dobrych relacji z klientem przedsiębiorstwa.

Slide 23

Zarządzanie wiedzą a zarządzanie kapitałem intelektualnym

  • Kapitał intelektualny według Stewarta jest sumą wszystkiego co każdy w przedsiębiorstwie wie i jest materiałem intelektualnym - wiedzą, informacjami, własnością intelektualną i doświadczeniem, które mogą być wykorzystane w firmie do tworzenia jej bogactwa. Jest sumą wiedzy, która daje firmie przewagę na rynku.

  • Wg Edvinssona kapitał intelektualny to wiedza, praktyczne doświadczenie, technologie i dobre relacje z klientami firmy.

  • Wg Karla-Erika-Sveiby’ego główną różnicą pomiędzy kapitałem intelektualnym a zarządzaniem wiedzą jest to, że kapitał intelektualny jest pojęciem statycznym, natomiast zarządzanie wiedzą jest terminem aktywnym i stanowi sztukę kreowania wartości z niematerialnych aktywów, jakimi dysponuje organizacja.

Slide 24

Kapitał intelektualny

Literatura przedmiotu nie wypracowała jednej, przyjętej ogólnie definicji kapitału intelektualnego (IC).

Slide 25

Zarządzanie wiedzą - kodyfikacja i personalizacja

Z badań przeprowadzonych w ponad 700 firmach amerykańskich wynika, że wiedza przydatna do zarządzania firmą znajduje się zarówno w formalnych dokumentach, jak i umysłach pracowników. Wyniki tych badań przedstawia rysunek .

Źródło: Numann Management Review,[w:] System informacji strategicznej, praca zbiorowa pod red. R. Borowieckiego i M. Romanowskiej, Warszawa 2001.

Slide 26

Zarządzanie wiedzą - kodyfikacja i personalizacja

Podział na wiedzę sformalizowaną, znajdującą się w bazach informacyjnych w postaci danych, informacji i dokumentów elektronicznych oraz wiedzę spersonalizowaną znajdującą się w umysłach pracowników tłumaczy dwa różne podejścia do zarządzania wiedzą. Pierwsze podejście charakteryzuje przykładanie większej uwagi do kodyfikacji, drugie zaś - do personalizacji. Te dwa podejścia do zarządzania wiedzą wyróżniają Hansen, Nohria i Tierney Wybór podejścia zależy od specyfiki firmy. Firmy zajmujące się ustandaryzowanymi produktami wybiorą kodyfikację, podczas gdy organizacje, które zmuszone są do dostosowywania swoich usług czy produktów do potrzeb klienta, lub używają intuicji i wiedzy pracowników do tworzenia nowych produktów powinny położyć nacisk na personalizację. Większość firm używa obu opcji, ale z naciskiem na jedną ze strategii.

Slide 27

Zarządzanie wiedzą - kodyfikacja

Kodyfikacja to podejście oparte na kumulowaniu wiedzy jawnej: tworzenie baz danych, repozytoriów dokumentów. Pracownicy mogą korzystać z pracy wykonanej przez innych wyszukując wśród zgromadzonych materiałów potrzebnych informacji. Przykładem jest tutaj firma konsultingowa Ernest&Young, której pracownicy w szybki i łatwy sposób mogą skorzystać z zasobów wiedzy całej firmy nie kontaktując się z osobą, która stworzyła dany dokument, co niezwykle przyspiesza pracę i pozwala na wykorzystanie raz zdobytej wiedzy bez potrzeby „wyważania otwartych drzwi”. Ralph Poole – dyrektor E&Y – opisuje to następująco: po usunięciu indywidualnych informacji o kliencie tworzymy „obiekty wiedzy” umieszczając kluczowe elementy wiedzy tj. harmonogramy prac, dane porównawcze z rynku, analizy segmentacji rynku w elektronicznych repozytoriach, aby każdy pracownik mógł z nich korzystać.

Slide 28

Zarządzanie wiedzą - personalizacja

Personalizacja - podejście to skupia się przede wszystkim na ułatwieniu komunikacji między ludźmi, zlikwidowaniu barier przestrzennych, czasowych itd. Główną rolę odgrywają tu narzędzia pozwalające na odnalezienie człowieka posiadającego potrzebną wiedzę i proste skontaktowanie się z nim i wymianę wiedzy (książki „telefoniczne”, e-mail, narzędzia videokonferencyjne). Koncepcja ta zakłada, że najistotniejsza wiedza jest trudna lub niemożliwa do skodyfikowania i można ją przekazać tylko w kontakcie osobistym.

Slide 29

Zarządzania wiedzą – wzrastająca rola wiedzy

W większości organizacji aspekt wiedzy jest pomijany przy formułowaniu celów i to zarówno na poziomie strategicznym jak i operacyjnym. Rosnące znaczenie wiedzy, która może być wartością decydująca o sukcesie lub porażce firmy, powinno doprowadzić do włączenia planów zarządzania wiedzą do innych, tradycyjnych planów firmy.

Slide 30

Zarządzania wiedzą – wzrastająca rola wiedzy

Quinn, Drucker i Toffler głoszą pogląd, że ekonomiczna i wytwórcza siła nowoczesnych korporacji tkwi bardziej w ich zdolnościach intelektualnych i usługowych niż w takim majątku produkcyjnym jak ziemia, urządzenia i wyposażenie.

Slide 31

Wiedza jako zasób przedsiębiorstwa – cechy charakterystyczne

Z punktu widzenia zarządzania, wiedza stanowi zasób specyficzny, który nie podlega tym samym regułom, co inne czynniki wytwórcze:

  • niewyczerpywalność– wiedza w przeciwieństwie do innych zasobów nie wyczerpuje się, a wręcz odwrotnie – wraz ze wzrostem częstości używania rosną zasoby wiedzy,

  • symultaniczność – możliwość jednoczesnego wykorzystania wiedzy w tym samym czasie w różnych obszarach przedsiębiorstwa,

  • nieliniowość – relatywnie mała ilość wiedzy, właściwie wykorzystanej przez organizację, może wywołać wielkie zmiany i odwrotnie – duża ilość wiedzy źle użytej może nie wywołać żadnych skutków,

Slide 32

Wiedza jako zasób przedsiębiorstwa – cechy charakterystyczne

  • dominujący charakter – od wykorzystania wiedzy zależy przyszłość firmy, to na wiedzy opiera się przewaga konkurencyjna wielu przedsiębiorstwa

  • niematerialność – wiedza jest nieuchwytna, nie można jej w prosty sposób ująć w ramy i przedstawić za pomocą tradycyjnych miar rachunkowych lub innych wykorzystywanych na co dzień przez przedsiębiorstwo.

Slide 33

Koncepcje zarządzania wiedzą

Trzy podstawowe podejścia:

  • japońskie,

  • zasobowe,

  • procesowe.

Slide 34

Wiedza ukryta i jawna- podejście japońskie

Ikujiro Nonaka i Hirotaka Takeuchi spopularyzowali koncepcję podziału wiedzy na ukrytą (cichą) (tacit knowledge) i jawną (dostępną) (explicite knowledge).

Wiedzę jawną można łatwo wyrazić za pomocą mowy, dokumentów, schematów, symbolo, podręczników itd.. Jest to wiedza łatwa do skodyfikowania, do której mamy dostęp – wiedza teoretyczna, opisy procesów, spisane sposoby wykonywania zadań itp. Jest ona łatwo transferowalna poprzez kanały i nośniki informacji.

Slide 35

Wiedza ukryta i jawna- podejście japońskie

Wiedza ukryta to wiedza, której nie potrafimy wysłowić, określić ani ogarnąć. Nonaka i Takeuchi mówią o „pamięci ciała”. Inni autorzy opisują wiedzę ukrytą przykładami: „wiedza ukryta to ta, którą dysponuje garncarz i dzięki istnieniu której nawet stos przeczytanych książek nie pozwoli zrobić informatykowi równie dobrych garnków. Często zdarza nam się słysząc pytanie: „jak to robisz?” odpowiedzieć „no jak to? Po prostu!”. Jest to wiedza niezwykle trudna do wyartykułowania i zapisu. Wiedza ukryta nierozerwalnie związana jest z osobą, stanowi niepowtarzalną kompilację know-haw, kwalifikacji, umiejętności organizacyjnych czy marketingowych, wypracowanych sposobów postępowania w sytuacjach zawodowych itp.. Powstaje ona w organizacji bardzo często w rezultacie pracy zespołowej.

Slide 36

Wiedza ukryta i jawna- podejście japońskie

Wiedza jawna i ukryta są względem siebie komplementarne. Wiedza jawna szybko traci na aktualności i znaczeniu bez aktywnej obecności osób posiadających wiedzę cichą. Z punktu widzenia przedsiębiorstwa ważna jest umiejętność ciągłej syntezy wiedzy jawnej i cichej, tworzącej przewagę konkurencyjną opartą na niepowtarzalnych kompetencjach.

Slide 37

Wiedza ukryta i jawna- podejście japońskie

Powstająca w procesie organizacyjnego uczenia się strategiczna wiedza przedsiębiorstwa jest czynnikiem sukcesu na rynku, uwarunkowanym znalezieniem sposobów transferu i dzielenia się wiedzą wewnątrz i poza strukturami organizacyjnymi, w tym zorientowanych na konwersję wiedzy cichej w jawną.

Slide 38

Wiedza ukryta i jawna- podejście japońskie

Według podejścia japońskiego kreacja wiedzy i jej rozszerzanie odbywa się poprzez interakcje społeczne między wiedzą ukrytą i jawną. Zostały one nazwane konwersją wiedzy i są uznawane za najbardziej istotny element zarządzania wiedzą.

Slide 39

Tworzenia i konwersja wiedzy –model SECI

Slide 40

Tworzenia i konwersji wiedzy –model SECI

Czterech etapy tworzenia i konwersji wiedzy:

  • eksternalizacja to przeprowadzenie wiedzy ukrytej w jawną.

  • kombinacja (jawna w jawną),

  • internalizacja (jawna w ukrytą),

  • socjalizacja (ukryta w ukrytą).

    Modelu SECI (nazwa pochodzi od pierwszych liter każdego z etapów).

Slide 41

Tworzenia i konwersji wiedzy –model SECI

Wiedza ukryta może zostać „uzewnętrzniona”, co jest w zasadzie równoznaczne z uświadomieniem sobie tego, co wiemy (eksternalizacja). Tak wydobyta wiedza jawna może zostać następnie sklasyfikowana, poddana syntezie, usystematyzowana, porównana i połączona z wiedzą pochodzącą z innych doświadczeń czy dziedzin – ten proces nazwano kombinacją. W procesie uczenia się następuje internalizacja – przyswojenie. I tak wiedza jawna znów staje się ukrytą. Wiedzę ukrytą można „przechwycić” (bez przeprowadzania jej w jawną) w procesie pracy grupowej, wspólnego wykonywania zadań czy poprzez praktyczną naukę pod okiem mentora – czyli poprzez socjalizację.

Slide 42

Tworzenia i konwersji wiedzy –model SECI

Wzajemne oddziaływania wiedzy jawnej i ukrytej powodują systematyczny wzrost poziomu zasobów wiedzy i coraz większą ich jakość (unikatowość). Każdy następny cykl konwersji odbywa się na wyższym poziomie , potęgując zakres interakcji pomiędzy obiema kategoriami wiedzy. Twórcy nazwali to zjawisko „spiralą wiedzy”.

Slide 43

Koło zespołowego uczenia się

Peter Sange – wybitny autorytet w dziedzinie organizacji uczących się – w następujący sposób przedstawia model „koła zespołowego uczenia się”

Slide 44

Koło zespołowego uczenia się

Slide 45

Koło zespołowego uczenia się

Cykl uczenia się jednostki można rozpocząć w dowolnym miejscu. Może się on zacząć od praktycznych zastosowań (działanie, rozstrzyganie lub od poznania teorii (refleksja, powiązanie).

Refleksjato czas na przeanalizowanie poprzednich działań, wyciągnięcie wniosków, zidentyfikowanie błędów

Powiązanie – ten etap można określić jako zdobywanie wiedzy. Szukamy związków pomiędzy tym co wiemy, a tym co znajdujemy w otaczającym nas świecie, budujemy hipotezy na temat świata i jego funkcjonowania.

Rozstrzyganie – to wybór metody działania, określenie jej użyteczności.

Działanie - czyli doświadczenie praktyczne zdobytej wiedzy lub eksperymentowanie.

Slide 46

Koło zespołowego uczenia się

Istota podobieństwa pomiędzy cyklem zespołowego uczenia się a cyklem tworzenia wiedzy wg Nonaki i Takeuchiego leży w interakcjach, które zachodzą podczas uczenia zespołowego. Etap refleksji publicznej pozwala na przedstawienie swoich modeli myślowych, swoich przekonań – tu dochodzi do eksternalizacji. Podczas ustalania wspólnego znaczenia („czym jest to co my wiemy”) ma miejsce kombinacja – członkowie zespołu syntetyzują swoją wiedzę, wymieniają teorie i modyfikują modele. Grupowe działanie, praktyka, pozwala na socjalizację. Współpracując przekazujemy sobie wiedzę ukrytą. Internalizacja natomiast zachodzi podczas refleksji – zarówno indywidualnej jak i grupowej.

Slide 47

Koncepcje zarządzania wiedzą podejście zasobowe

Podejście zasobowe nawiązuje do koncepcji zarządzania strategicznego zakładającej, że głównym źródłem przewagi konkurencyjnej przedsiębiorstwa są jego kompetencje i umiejętności.

Slide 48

Koncepcje zarządzania wiedzą podejście zasobowe

Dla tego podejścia ważnym jest „model źródeł wiedzy” oparty na koncepcji kluczowych kompetencji i kluczowych umiejętności, opracowany przez Dorothy Leonard-Barton z Harvardzkiej Szkoły Biznesu na podstawie badań dotyczących źródeł innowacji w przedsiębiorstwach.

Slide 49

Źródła wiedzy wg Leonard Barton

Slide 50

Koncepcje zarządzania wiedzą podejście zasobowe

Wg tego modelu dla efektywnego zarządzania wiedzą konieczne jest istnienie pięciu elementów:

  • Kluczowych umiejętności, w skład których wchodzą umiejętności i wiedza pracowników, systemy zarządzania, systemy techniczne oraz obowiązujące normy i wartości,

  • Wspólnego rozwiązywania problemów, dzielenia się wiedzą i wspólnego poszukiwania najlepszych rozwiązań,

Slide 51

Koncepcje zarządzania wiedzą podejście zasobowe

  • Implementacji i integracji nowych narzędzi i rozwiązań,

  • Eksperymentowania, czyli poszukiwania lepszych, innowacyjnych rozwiązań,

  • Importowania wiedzy, czyli pozyskiwania wiedzy z otoczenia.

Slide 52

Koncepcje zarządzania wiedzą podejście zasobowe

Poszczególne elementy modelu dotyczą wnętrza przedsiębiorstwa (implementacja i integracja nowych rozwiązań), jego otoczenia (import wiedzy), teraźniejszości (wspólne rozwiązywanie problemów) i przyszłości (eksperymentowanie). Czynnikiem łączącym wszystkie te elementy w jeden sprawny system są kluczowe umiejętności.

Slide 53

Koncepcje zarządzania wiedzą podejście procesowe

Propagatorami podejścia procesowego w zarządzaniu wiedzą są Davenport i Prusak. Zaproponowali oni model zarządzania wiedzą, który składa się z trzech podstawowych procesów:

  • Tworzenie wiedzy poprzez jej import z otoczenia (np. poprzez przejmowanie firm lub najlepszych pracowników) oraz poprzez stwarzanie warunków wewnętrznych sprzyjających powstawaniu wiedzy, takich jak odpowiednia kultura organizacyjna, struktura organizacyjna i style zarządzania,

  • Kodyfikacja wiedzy, czyli ułatwianie dostępu do wiedzy tym osobom, które jej potrzebują, oraz przetwarzanie wiedzy w taki sposób, aby było łatwo ja znaleźć i zrozumieć,

  • Transferu wiedzy poprzez transmisję, czyli wysyłanie lub prezentowanie wiedzy odbiorcy i absorpcję czyli przyswajanie wiedzy w celu jej dalszego wykorzystania.

Slide 54

Koncepcje zarządzania wiedzą podejście procesowe

Podobne podejście do zarządzania wiedzą w przedsiębiorstwie opisują G. Prost, S.Raub, K.Romhardt. Wyróżniają i opisują sześć najważniejszych procesów zarządzania wiedzą. Podejście procesowe jest uznawane za najbardziej funkcjonalne. Bazuje na doświadczeniach i rozwiązaniach stosowanych w praktyce.

Slide 55

Podejście procesowe – elementy zarządzania wiedzą

Slide 56

Cele zarządzania wiedzą

W większości organizacji aspekt wiedzy jest pomijany przy formułowaniu celów i to na wszystkich poziomach: normatywnym, strategicznym i operacyjnym.

Slide 57

Trzy poziomy zarządzania wiedzą

Slide 58

Cele zarządzania wiedzą

Założenia pojawiają się na poziomie normatywnym i dotyczą ogólnej polityki przedsiębiorstwa oraz jego kultury organizacyjnej, plany są opracowywane na poziomie strategicznym i odnoszą się do długoterminowych programów służących realizacji wizji firmy, zadania zaś realizowane na poziomie operacyjnym pozwalają na bieżąco prowadzić proces wdrażania planów strategicznych.

Slide 59

Cele zarządzania wiedzą

Najważniejszym założeniem zarządzania wiedzą powinno być budowanie kultury organizacyjnej opartej na świadomości znaczenia wiedzy.

Jednym z zadań stojących przed zarządzającymi wiedzą na poziomie normatywnym jest zbudowanie atmosfery zaufania, w której - aby pobudzić ducha przedsiębiorczości - tolerowane powinny być nawet błędy pracowników.

Założenia mogą odnosić się do różnych elementów zarządzania wiedzą. Przykładowo, jeżeli firma dotąd niechętnie korzystała z zewnętrznych pomysłów, jednym z przyjętych przez nią założeń powinno stać się większe otwarcie na świat zewnętrzny i wytworzenie gotowości do eksperymentowania i naśladowania cudzych rozwiązań.

Slide 60

Cele zarządzania wiedzą

Wizja i misja firmy powinny wskazywać na znaczenie wiedzy oraz na sposoby korzystania z jej zasobów. Zawierający je dokument powinien być przewodnikiem dla pracowników, wskazywać na preferowany sposób myślenia i skłaniać do rozważania każdej decyzji strategicznej i operacyjnej w kontekście wiedzy.

Slide 61

Wizja i misja firmy Phonak Ltd.

Slide 62

Plany zarządzania wiedzą

Plany zarządzania wiedzą określają, które umiejętności należy rozwijać, które chronić, a które można uznać za zbędne. Mogą również dotyczyć kształtowania struktur organizacyjnych i systemów zarządzania wspomagających rozwój umiejętności.

Slide 63

Plany zarządzania wiedzą

  • ujawniają faktyczny stan kluczowych zasobów wiedzy

  • określają zasoby wiedzy, które będą niezbędne w przyszłości,

  • umożliwiają dopasowanie struktur organizacyjnych i systemów zarządzania do strategii przedsiębiorstwa

Slide 64

Macierz kompetencji

Slide 65

Kluczowe procesy zarządzania wiedzą- lokalizowanie wiedzy

Ograniczony dostęp do zasobów wiedzy jest codziennym problemem wielu organizacji. Brak rozeznania w wewnętrznych zasobach wiedzy i kompetencji związanych z ważnymi obszarami działania występuje przede wszystkim w dużych międzynarodowych firmach.

Jednym z najważniejszych zadań zarządzania wiedzą jest doprowadzenie do właściwej przejrzystości wewnętrznych zasobów wiedzy oraz umożliwienie pojedynczym pracownikom ich zlokalizowania

Slide 66

Kluczowe procesy zarządzania wiedzą- lokalizowanie wiedzy

Rozpoznanie źródeł wiedzy wewnętrznej polega na określeniu jej bieżącego stanu, a więc na uzyskaniu świadomości jakie są możliwości organizacji.

Trzeba poznać zasady dotyczące dzielenia się wiedzą, przepływu informacji i dostępności zasobów wiedzy.Istotne jest, aby jasno zostało określone „kto za to odpowiada”.

Slide 67

Kluczowe procesy zarządzania wiedzą- lokalizowanie wiedzy

Ocena własnych możliwości firmy – benchmarking

Benchmarking jest zestawem teoretycznych i praktycznych metod umożliwiających firmom rozpoznanie własnych słabych stron poprzez porównanie z konkurencją.

Benchmarking wewnętrzny – porównanie dwóch jednostek organizacyjnych w jednej firmie.

Slide 68

Kluczowe procesy zarządzania wiedzą- lokalizowanie wiedzy

Przyczyny braku przejrzystości zasobów wiedzy:

  • Brak osób odpowiedzialnych za zarządzanie wiedzą

  • Organizacje nie dysponują żadnymi centralami kontroli zasobów wiedzy (restrukturyzacja, fluktuacja zatrudnienia, „odchudzanie organizacji, programy decentralizacji – to czynniki potęgujące te problemy)

Slide 69

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Narzędzia lokalizacji wiedzy:

Wykaz ekspertów

Mapy wiedzy

Sieci komunikacji

Społeczności w działaniu

Slide 70

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Wykaz ekspertów – sporządzone w formie książek telefonicznych, posortowane w grupy tematyczne dane o ekspertach pracujących dla firmy

Koncern chemiczny Hoffmann-LaRoche – zebrane dane o ekspertach opublikowano w formir listy podzielonej na kategorie najczęściej pojawiających się problemówzwiązanych z opracowaniem nowych produktów.

Texaco

system informatyczny PeopleNet, który umożliwia pracownikom przygotowanie swych profili osobistych, (charakterystyk) oraz publikowanie ich na stronach www).

System informatyczny KnowledgeMail łączy wspomniany people net i pocztę elektroniczną. Knowledgemail filtruje pocztę służbową pracowników, szukającnajczęściej powtarzających się fraz, które mogłyby świadczyć o wiedzy i umiejętnościach pracowników. Następnie każdy pracownik samodzielnie dokonuje wyboru fraz, które najlepiej jego zdaniem charakteryzują jego wiedzę.

Slide 71

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Mapy wiedzy.

Są graficznym odwzorowaniem wzajemnych zależności między istniejącymi w organizacji aktywami intelektualnymi, źródłami ich pochodzenia oraz zastosowaniami. Mapy wiedzy powstały w celu usystematyzowania istniejących i stale przyrastających zasobów wiedzy a także powiązania zadań z odpowiednimi aktywami intelektualnymi, jakimi dysponuje organizacja.  Wszystkie zawarte w nich informacje mogą być zapisane w formie elektronicznej, organizowane wg różnych kryteriów i prezentowane za pomocą programów graficznych.

Slide 72

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Podział map wiedzy ze względu na ich strukturę:

topograficzne mapy wiedzy – służą do lokalizacji osób posiadających określone umiejętności, a także do prezentacji poziomu ich wiedzy w konkretnej dziedzinie. Narzędzie to pozwala na szybsze określenie, kto i gdzie posiada najodpowiedniejsze kwalifikacje do przeprowadzenia zadania;

mapy zasobów informacji – służą do określenia gdzie (centralna baza danych, archiwum, umysł emerytowanego pracownika itp.) i w jakiej postaci (notatki, pliki tekstowe, prezentacje, pliki multimedialne itp.) znajdują się informacje. Uwzględniają one stopień nagromadzenia zasobów, a także określenie tego, jak do nich dotrzeć i w jaki sposób przetwarzać;

systemy informacji geograficznej (Geographical Information Systems, GIS) mogą posłużyć do prezentacji geograficznego rozmieszczenia zasobów wiedzy. Na przykład mapa obszarów sprzedaży przydaje się do planowania działań marketingowych.

mapy źródeł wiedzy – określają, kto w zespole, w całej organizacji lub w jej otoczeniu dysponuje wartościowymi zasobami wiedzy, które mogą być wykorzystane w konkretnych projektach,

macierze wiedzy - aktywa intelektualne można przedstawić w postaci dwuwymiarowej macierzy. Przedstawiają podział wiedzy na różne kategorie (np.. wewnętrzna, zewnętrzna, jawna, ukryta).

Slide 73

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

  • Cel działań związanych z uzyskaniem przejrzystości wiedzy:

    umożliwienie wykorzystania doświadczenia i intuicji ekspertów wewnętrznych, czyli uzyskanie dostępu do tzw. wiedzy ukrytej czyli nieuśwaidomionej. Wiedza ukryta może być bowiem wykorzystana do innowacji tylko wtedy, gdy jej ukryte elementy zostaną najpierw sformalizowane a potem połączone z pozostałymi składnikami kapitału intelektualnego przedsiębiorstwa.

Slide 74

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Kompetencje organizacji nie mogą być traktowane jako suma kompetencji jednostek. Wiedza organizacji tkwi w sieci wzajemnych relacji, w niepisanych regułach postępowania i we wspólnych wartościach. Jest integralną częścią systemów eksperckich i praw podlegających ochronie.

Wewnątrz każdej organizacji istnieje organizacja nieformalna, za pomocą której odbywa się zbiorowe myślenie.

Nieformalne powiązania w organizacji przedstawiane są za pomocą sieci komunikacji.

Slide 75

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Sieci komunikacji – graficzne przedstawienie nieformalnych kanałów komunikacji w firmie (np. sieć kontaktów doradczych, siec informująca o poziomie zaufania). Jest to bardzo przydatna metoda ułatwiająca dobór składu zespołów zadaniowych. Sieć powinna wskazywać do kogo poszczególni pracownicy zgłaszają się w celach doradczych. Informacje na ten temat można, naturalnie, uzyskać jedynie pytając pracownika, dlatego często mogą być niedokładne, zakłamane – wszystko znów zależy od atmosfery panującej i stosunków pomiędzy tym który pyta, a tym który odpowiada. Dobrze jest jednak znać niepisane zasady panujące w zespołach, gdyż często są one silniejsze od oficjalnych procedur.

Slide 76

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Nadążanie za zmianami w zasobach wiedzy w zewnętrznym otoczeniu organizacji:

  • zewnętrzne źródła wiedzy (eksperci, naukowcy, doradcy, organizacje branżowe a także dostawcy i klienci)

  • firmy doradcze

  • brokerzy wiedzy (wyszukiwanie patentów lub partnerów dla przedsięwzięć joint-venture)

Slide 77

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Sieci zewnętrzne – są to struktury oparte na wspólnym interesie uczestników oraz ich bezpośrednim o dobrowolnym udziale. Relacje pomiędzy uczestnikami sieci polegają na swobodnej wymianie informacji. Sieci pomagają odnaleźć ekspertów oraz źródła wiedzy.

Slide 78

Kluczowe procesy zarządzania wiedzą– lokalizowanie wiedzy

Sieci ekspertów- nieformalne grupy służące odnajdywania potrzebnej wiedzy. Polegają one na dobrowolnym udziale. Wymiana wiedzy jest ogniwem, które łączy członków i sprawia, że są dla siebie wzajemnie użyteczni. Kontakty takie nawiązuje się czasem poprzez działania związane z wykonywanym zadaniem, czasem są zupełnie niezwiązane z pracą. Organizacja nie może stworzyć takiej sieci, ale może starać się je wykryć i wspierać, aby czerpać w ten sposób korzyści.

Przykłady: koła zrzeszające absolwentów wyższych uczelni, stowarzyszenia naukowo-techniczne)

Slide 79

Kluczowe procesy zarządzania wiedzą– pozyskiwanie wiedzy

Znaczna cześć zasobów wiedzy przedsiębiorstw pochodzi ze źródeł zewnętrznych. Są nimi wszelkie kontakty z klientami, dostawcami, firmami konkurencyjnymi, lub w przypadku wspólnych przedsięwzięć kilku firm – kontakty z firmami partnerskimi. Pozyskiwanie wiedzy może odbywać się również poprzez jej zakupienie rozumiane jako zatrudnienie zewnętrznych ekspertów lub przejmowanie całych firm.

Slide 80

Kluczowe procesy zarządzania wiedzą– pozyskiwanie wiedzy

Na rynkach wiedzy przedmiotem obrotu są następujące dobra niematerialne:

  • wiedza zewnętrznych ekspertów,

  • wiedza innych przedsiębiorstw,

  • wiedza różnych grup uczestników rynku, np. klientów,

  • produkty związane z wiedzą

Slide 81

Kluczowe procesy zarządzania wiedzą– pozyskiwanie wiedzy

Cechy rynków wiedzy:

  • Znikoma przejrzystość,

  • Relacje pomiędzy kupującymi i sprzedającymi (oparte są głównie na zaufaniu zbudowanym w trakcie wieloletniej współpracy),

  • Najbardziej poszukiwane dobra mogą wcale nie pojawić się na rynku

Slide 82

Kluczowe procesy zarządzania wiedzą– pozyskiwanie wiedzy

Sposoby pozyskiwania wiedzy:

zatrudnienie ekspertów

korzystanie z usług firma doradcza

Współpraca z innymi przedsiebiorstwami

wykorzystanie produktów związanych z wiedzą.

Slide 83

Kluczowe procesy zarządzania wiedzą– pozyskiwanie wiedzy, współpraca z innymi przedsiębiorstwami

Slide 84

Kluczowe procesy zarządzania wiedzą– pozyskiwanie wiedzy, współpraca z innymi przedsiębiorstwami

Pozyskiwanie wiedzy od innych przedsiębiorstw może mieć różne formy. Począwszy od okazjonalnej wymiany informacji na fuzji kończąc. Wybór odpowiedniej dla firmy strategii zależy od celów i oczekiwanych korzyści. Firmy chcące rozwiązać problem z innowacyjnością czasem posuwają się do przejęć.

Slide 85

Kluczowe procesy zarządzania wiedzą– pozyskiwanie wiedzy, wiedza pochodząca od innych uczestników rynku

Bardzo ważnym źródłem wiedzy jest opinia klientów:

ocena mocnych i słabych stron produktu,

wchodzenie w rolę klienta,

angażowanie klientów w proces rozwoju produktu,

projekty pilotażowe.

Slide 86

Kluczowe procesy zarządzania wiedzą– rozwijanie wiedzy

Rozwijanie wiedzy jest procesem uzupełniającym pozyskiwanie wiedzy z zewnątrz. Obejmuje ono: zdobywanie umiejętności, projektowanie nowych produktów, promowanie innowacji oraz usprawnianie procesów. Rozwijaniem wiedzy można również nazwać wszelkie działania kadry kierowniczej zmierzające do wytworzenia nowych możliwości, które dotychczas nie były dostępne dla firmy. Działania te wiążą się najczęściej z prowadzeniem badań rynkowych oraz przedsięwzięciami działu ds. badań i rozwoju.

Slide 87

Kluczowe procesy zarządzania wiedzą– rozwijanie wiedzy

Zarządzanie procesem rozwijania wiedzy powinno polegać bardziej na kształtowaniu odpowiednich warunków rozwijania wiedzy niż na bezpośredniej kontroli procesu.

Slide 88

Kluczowe procesy zarządzania wiedzą– rozwijanie wiedzy

Przeszkody w rozwijaniu wiedzy:

  • Innowacje oznaczają konflikt między starym a nowym porządkiem wiążą się z porzuceniem starych wzorców i przyzwyczajeń,

  • Innowacje zakłócają rozkład sił w przedsiębiorstwie (osłabiają pozycję osób posiadających tradycyjne umiejętności a wzmacniają pozycję tych, którzy posiedli nowe)

Slide 89

Kluczowe procesy zarządzania wiedzą– rozwijanie wiedzy

Warunki sprzyjające kreatywności pracowników:

  • Swoboda przedstawiania pomysłów, tolerowanie błędów,

  • Autonomia,

  • Zgodność interesów,

  • Niestabilność/twórczy chaos

  • Redundancja

Slide 90

Kluczowe procesy zarządzania wiedzą– rozwijanie wiedzy, od wiedzy indywidualnej do zbiorowej

Warunki wyodrębnienia wiedzy poszczególnych pracowników i włączenia jej w zbiorowy proces rozwijania wiedzy:

  • Komunikacja,

  • Interakcja,

  • Przejrzystość,

  • Integracja (łączenie indywidualnych umiejętności i organizacyjnych zasobów wiedzy w funkcjonalną całość).

    Zbiorowa inteligencja powstaje w procesach za pomocą, których pracownicy wzajemnie na siebie wpływają. Sukces organizacji jest w większym stopniu następstwem relacji, jakie zachodzą między zasobami wiedzy zgromadzonymi w organizacji, niż skutkiem wiedzy tych jednostek.

Slide 91

Kluczowe procesy zarządzania wiedzą -dzielenie się wiedzą i rozpowszechnianie jej

Zasób wiedzy i doświadczeń jest źródłem korzyści dla całej organizacji tylko wtedy, gdy osoby podejmujące decyzję maja do niego dostęp. Dzielenie się wiedza i jej rozpowszechnianie to procesy, dzięki którym pojedyncze, wyizolowane informacje lub umiejętności przekształcane zostają w zasoby wiedzy służące całej organizacji. Powinniśmy odpowiedzieć tutaj na pytania:

  • Kto powinien wiedzieć?. Jak dużo?. Na jaki temat?

  • W jaki sposób usprawnić proces rozpowszechniania wiedzy.

Slide 92

Kluczowe procesy zarządzania wiedzą -dzielenie się wiedzą i rozpowszechnianie jej

Zanikanie warunków sprzyjających naturalnemu dzieleniu się wiedzą:

  • Restrukturyzacja firm, szybki rozwój firm, przejęcia firm naruszają dotychczasowy układ kanałów przepływu informacji,

  • Przekształcanie się tradycyjnych organizacji w organizacje wirtualne

Slide 93

Kluczowe procesy zarządzania wiedzą -dzielenie się wiedzą i rozpowszechnianie jej

W większości firm istnieje system szkoleń, a w prawie każdej pracownik zostaje w jakiś sposób wprowadzony do organizacji – co oznacza, że musi nastąpić proces adaptacyjny, podczas którego przekazywana jest wiedza o kulturze organizacji i najważniejszych procedurach. W najprostszej postaci są to po prostu rozmowy z nowymi kolegami. Ponadto w firmach często istnieją oficjalne procedury spisane w dokumencie dostępnym dla pracowników. Wszystkie wymienione powyżej formy są tylko jedną kategorią dzielenia się wiedzą, a mianowicie powielaniem. Powielanie jest forma centralnego sterowania procesem rozpowszechniania wiedzy.

Slide 94

Kluczowe procesy zarządzania wiedzą - dzielenie się wiedzą i rozpowszechnianie jej

Kolejną kategorią rozpowszechniania wiedzy jest dzielenie się doświadczeniami z wykonywanych dawniej zadań oraz ich dokumentowanie. Pomocne mogą być tutaj narzędzia informatyczne: intranet, narzędzia do pracy zespołowej groupware, systemy eksperckie.

Benchmarking i rozpowszechnianie najlepszych rozwiązań.

Slide 95

Kluczowe procesy zarządzania wiedzą - zachowywanie wiedzy

Zachowywanie wiedzy to nie osobny proces, ale skutek wszystkich poprzednich. Odpowiednio zarchiwizowane dokumenty, wnioski z wykonywanych projektów mogą zapobiec utracie wiedzy nawet po wielu miesiącach zajmowania się czym innym, czy po reorganizacji firmy. Podobnie powielanie wiedzy przez szkolenia, czy rozwijanie wiedzy poprzez eksternalizację i socjalizację zapobiega utracie jej w wyniku odejściu z organizacji pracownika. Nie da się w pełni zastąpić wiedzy ukrytej ekspertów, dlatego rolą działu personalnego jest zbudować taki system motywacyjny,który zapobiegnie utracienajwartościowszych pracowników.

Slide 96

Zarządzanie wiedzą-zachowywanie wiedzy

Trzy podstawowe procesy:

Wybór wiedzy (osób, zdarzeń, procesów), która jest warta zachowania

Nadanie wyselekcjonowanej wiedzy właściwej formy w której ma być przechowywana,

Aktualizacja pamięci organizacji

Slide 97

Kluczowe procesy zarządzania wiedzą – wykorzystanie wiedzy

Priorytetowym zadaniem każdego procesu zarządzania wiedzą powinno być wykorzystanie wiedzy grup i jednostek dla osiągnięcia celów przedsiębiorstwa.

Slide 98

Kluczowe procesy zarządzania wiedzą – wykorzystanie wiedzy

Bariery w wykorzystaniu wiedzy:

  • Bariery natury psychologicznej i organizacyjnej powstrzymują pracowników przed korzystaniem z nowej wiedzy. Nie chcą niczego zmieniać, bo czują się wygodnie i bezpiecznie w dotychczasowym układzie

  • Rutyna (organizacyjna ślepota)

  • Atmosfera i zwyczaje panujące w pracy

  • Sposób udostępniania wiedzy

Slide 99

Kapitał intelektualny, mierzenie wartości zasobów wiedzy

Edvinsson stwierdza, że kapitał intelektualny jest różnicą pomiędzy wartością rynkową a wartością księgową firmy, czyli że Rynkową Wartość Dodaną (MVA) tworzy kapitał Intelektualny:

IC = MVA = (cena rynkowa akcji * liczba akcji) – wartość księgowa

Rynkowa wartość dodana (MVA) w przypadku wielu spółek wielokrotnie przewyższa kapitały własne, co jest szczególnie widoczne w przypadku przedsiębiorstw dla których wiedza jest podstawowym zasobem (branże takie jak IT, konsulting itp.) Istotne stało się więc rozwiązanie kwestii co wpływa na tą wartość i jak można nią sterować. Stąd tak intensywny rozwój modeli monitorowania kapitału intelektualnego, który rozpoczął się w latach 90.

Slide 100

Mierzenie wartości zasobów wiedzy

Problemy z mierzeniem zasobów wiedzy:

Grupa I: Niemożność wyceny niektórych zasobów wiedzy:

  • Niezwykle trudno wyjaśnić, skąd wynika różnica między wartością rynkową firmy a jej wartością księgową. Wiedza niezwykle rzadko uwzględniana jest jako element aktywów – pozostaje zwykle zasobem ukrytym.

  • Wiedza, która ma kluczowe znaczenie dla pozycji konkurencyjnej firmy, nie jest rozpoznawana, lub jest rozpoznawana w niedostatecznym stopniu. Trudno jest ją więc opisać, tym samym trudne jest oszacowanie jej wartości.

  • Nie istnieją system monitorowania, które umożliwiałyby obserwowanie skali zmian zachodzących w poszczególnych procesach zarządzania wiedzą np.. Procesach lokalizowania i rozwijania wiedzy.

Slide 101

Mierzenie wartości zasobów wiedzy

Problemy z mierzeniem zasobów wiedzy:

Grupa II: Nieodpowiedni przedmiot pomiaru:

  • Uwaga skupiona jest tylko na wskaźnikach finansowych, które przedstawiają sytuacje przedsiębiorstwa ale nie przekazują żadnych informacji o istniejących w nich zależnościach przyczynowo-skutkowych.

  • Wykorzystuje się wyłącznie wskaźniki wewnętrzne, co uniemożliwia badania porównawcze rozwoju wiedzy w firmie i w firmach konkurencyjnych.

  • Ocenia się umiejętności i możliwości jednostek, ale zaniedbuje wiedzę zbiorową.

  • Mierzy się nakłady na rozwój wiedzy, ale nikt nie zajmuje się oceną wyników – na przykład określa się wielkość nakładów na szkolenia ale nie bada się korzyści, które wynikają z ich przeprowadzenia.

Slide 102

Mierzenie wartości zasobów wiedzy

Problemy z mierzeniem zasobów wiedzy:

Grupa III: Nieodpowiednie miary:

  • Do aktywów materialnych i niematerialnych przykłada się różne miary.

  • Preferuje się miary ilościowe, miary jakościowe uważa się za drugorzędne. Nie jest to słuszne podejście, gdyż informacje dotyczące zjawisk o charakterze jakościowym, takich jak np.. Zadowolenie klienta mogą mieć większe znaczenie dla rozwoju firmy niż dane i wskaźniki opisujące zjawiska ilościowe.

  • Pomiary wiedzy są dokonywane w sposób odpowiadający specyfice firmy , co uniemożliwia porównanie jej wyników z wynikami fir konkurujących.

Slide 103

Mierzenie wartości zasobów wiedzy

Problemy z mierzeniem zasobów wiedzy:

Grupa IV: Przeprowadzanie pomiarów bez uzasadnionej potrzeby:

  • Mierzy się to , co łatwo zmierzyć, a nie to co powinno być mierzone.

  • Mierzy się takie zmienne, których i tak nie da się zinterpretować.

  • Pomiarów dokonuje się automatycznie – nikt nie zastanawia się nad sposobem wykonania pomiarów, nad ich trafnością czy dostosowaniem systemu pomiarowego do aktualnej strategii firmy.

Slide 104

Mierzenie wartości zasobów wiedzy

W tradycyjnych systemach księgowych wiedza otrzymuje pewien wymiar finansowy dopiero, gdy zostanie wyodrębniona jako składnik produktów lub usług wystawionych na sprzedaż. Aktualnie uwaga jest skupiona nie na pieniężnej wartości wiedzy a na problemach szacowania zasobów wiedzy dzięki któremu możliwa jest kontrola nad procesami prowadzącymi do osiągnięcia celów zarządzania wiedzą.

Slide 105

Mierzenie wartości zasobów wiedzy - zrównoważona karta wyników

Jedną z metod wprowadzenia aspektu wiedzy do procesu formułowania celów i ocen opisali Norton i Kaplan. Zaproponowali oni narzędzie służące do uwzględnienia aspektu wiedzyw procesie formułowania celów przedsiębiorstwa i ocen ich realizacji. Służy do tego zrównoważona karta wyników (Balanced Scorecard - BSC ). Podstawą do stworzenia BSC było zbadanie relacji przyczynowo-skutkowych zachodzących pomiędzy zasobami materialnymi a innowacyjnością i kapitałem intelektualnym. Strategię przedsiębiorstwa rozważa się z czterech perspektyw: finansowej, rynkowej (klient), wewnętrznej (procesy biznesowe) oraz wiedzy i rozwoju. Dekompozycja ta jest następnie kontynuowana poprzez uszczegóławianie zagadnień w ramach wymienionych obszarów. Przykładowo, celem strategicznym dla wymiaru "Finanse" może być: "Poprawa wyników działalności", jego miarą: "Zysk brutto"", a wykonywanym w tym celu zadaniem: "Zwiększenie zysku brutto o 30%". W analogiczny sposób można przełożyć całą strategię przedsiębiorstwa na zrozumiałe, mierzalne cele strategiczne, a następnie na poszczególne zadania operacyjne przypisane konkretnym działom, komórkom, pracownikom.

Slide 106

Mierzenie wartości zasobów wiedzy - zrównoważona karta wyników

Strategia firmy zbudowana przy pomocy zrównoważonej karty wyników musi uwzględniać wszystkie aspekty. Finansowy – jak zaspokoić oczekiwania udziałowców aby osiągnąć sukces finansowy, perspektywę klientów – jak powinien nas widzieć klient, wewnętrznych procesów – jakie procesy usprawnić, aby osiągnąć cele firmy, rozwoju i wzrostu – jak zapewnić możliwość dokonywania zmian i usprawnień.

Slide 107

Mierzenie wartości zasobów wiedzy - zrównoważona karta wyników

Slide 108

Mierzenie wartości zasobów wiedzy - zrównoważona karta wyników

Omawiane podejście pozwala ocenić (i wyrazić liczbowo) np. zadowolenie klientów, czy wiedzę i rozwój zespołu pracowniczego. Pierwszym krokiem przy wprowadzaniu zrównoważonej karty wyników do firmy jest określenie strategicznych celów dla głównych obszarów danego przedsiębiorstwa i opracowanie mierników dla każdego z celów. Następnie tworzone są karty dla poszczególnych komórek. W zależności od specyfiki zadań i celów przyjmowane są różne miary osiągnięć. Formułuje się je w taki sposób, aby pozwalały na jasne porównanie wyników dwóch (lub więcej) zestawianych okresów. Przykładowo, jednym z obranych celów może stać się poprawa jakości obsługi klienta. Zadaniem, które ma przyczynić się do osiągnięcia tego celu jest szkolenie. Jeśli przed szkoleniem kompetencje pracowników w zakresie obsługi klienta zostały ocenione na 3 w skali pięciostopniowej, a po szkoleniu ten wskaźnik wyniesie 4, oznacza to, iż szkolenie było właściwie dobrane. Jednocześnie świadczy to o rozwoju personelu zgodnie z opracowaną strategią.

Slide 109

Mierzenie wartości zasobów wiedzy – Nawigator Skandii

Nawigator Skandii został w 1994 roku po raz pierwszy dodany do raportu finansowego firmy. Był pierwszym raportem na temat kapitału intelektualnego na świecie.

Raport na temat kapitału intelektualnego obejmuje w Skandii 168 wskaźników, z czego 150 znajduje się w obszarach: ludzkim, rozwoju, klientów i procesów, pozostałe dotyczą finansów. Nawigator ma pomagać w sprawnym operowaniu tymi liczbami.

Slide 110

Mierzenie wartości zasobów wiedzy – Nawigator Skandii

Slide 111

Mierzenie wartości zasobów wiedzy – Platforma wartości (Value Platform)

Model opracowany przy współpracy L. Edvinssona, H. Onge’a, Ch. Amstronga oraz G. Petrasha. Kapitał intelektualny składa się z trzech elementów:

kapitał ludzki (human capital)

kapitał kliencki, zwany kapitałem relacji z klientami (customer capital)

kapitał organizacyjny zwany również strukturalnym (organizational/structural capital)

Slide 112

Mierzenie wartości zasobów wiedzy – Platforma wartości (Value Platform)

Slide 113

Mierzenie wartości zasobów wiedzy – Platforma wartości (Value Platform)

Kapitał ludzki – jest nim wiedza, umiejętności i możliwości jednostek mające wartość ekonomiczną dla organizacji

Kapitał organizacyjny – jest to „ta wiedza, która została zdobyta, wszczepiona w strukturę firmy, w jej procesy i kulturę. W tej kategorii zawierają się wszelkie patenty, znaki handlowe, praktyki stosowane w firmie

Kapitał kliencki – „dotyczy on powiązań i relacji organizacji z otoczeniem. Chodzi tu np. o relacje z dostawcami, lojalność klientów, image firmy na rynku

Slide 114

Mierzenie wartości zasobów wiedzy - Monitor aktywów niematerialnych (Intangible Assets Monitor)

Koncepcję tą opracował Karl-Erik Sveiby. Podzielił on aktywa niematerialne (intangible assets) na trzy zbiory: strukturę wewnętrzną, strukturę zewnętrzną i kompetencje.

Struktura wewnętrzna obejmuje kulturę organizacyjną, patenty, modele, bazy danych i systemy wewnętrzne (komputerowe i administracyjne) - elementy, które są własnością przedsiębiorstwa i mogą zostać sprzedane.

Struktura zewnętrzna to związki z otoczeniem – dostawcami, klientami, inwestorami. Jest to reputacja, marka, firma.

Kompetencje – poziom edukacji, umiejętności, doświadczenie pracowników. Kompetencje są wyłączną własnością członków organizacji, co oznacza, że firma traci je gdy pracownik odchodzi. Kosztem, który trzeba ponieść za korzystanie z kompetencji są wynagrodzenia

Model ten ma w prosty sposób pokazywać najistotniejsze wskaźniki zasobów niematerialnych.

Slide 115

Mierzenie wartości zasobów wiedzy - Monitor aktywów niematerialnych (Intangible Assets Monitor)

Slide 116

Mierzenie wartości zasobów wiedzy -Raporty firmy Coloplast

Slide 117

Mierzenie wartości zasobów wiedzy -Raporty firmy Coloplast

Slide 118

Mierzenie wartości zasobów wiedzy -wielowymiarowe systemy pomiaru wiedzy

Wymienione poprzednio systemy pomiaru wiedzy pozwalają uświadomić różnym grupom uczestników rynku istnienie aspektu wiedzy. Są to jednak narzędzia, które w zakresie mierzenia i opisywania zmian w zasobach wiedzy organizacji wykazują wiele mankamentów. Tylko w ograniczonym zakresie nadają się do monitorowania zaplanowanego rozwoju zasobów wiedzy i ukazywania wpływu wiedzy na wyniki przedsiębiorstwa. Jednym z głównych problemów są trudności w rozróżnieniu rodzaju wskaźników. Wskaźniki dotyczące treści wiedzy (aktualnego stanu zasobów wiedzy) są mylone ze wskaźnikami dotyczącymi podejmowanych działań i ich zakresu a także wskaźnikami, które dotyczą transferu rozwiązań (efektów podejmowanych działa) i w końcu klasycznymi wskaźnikami finansowymi.

Slide 119

Wielowymiarowe systemy pomiaru wiedzy - klasyfikacja wskaźników

Slide 120

Wielowymiarowe systemy pomiaru wiedzy- klasyfikacja wskaźników

Wskaźniki grupy I dotyczą stanu zasobów wiedzy organizacji. Wskaźniki należące do grupy II opisują nakłady i procesy traktowane jako wymierne przejawy prób podejmowanych w celu zmodyfikowania zasobów wiedzy. Wskaźniki z grupy III służą do określenie wyników pośrednich i efektów transferu rozwiązań. Wskaźniki grupy IV opisują wyniki działalności.

Slide 121

Pomiar wiedzy a cele zarządzania wiedzą

Slide 122

Pomiar wiedzy na poziomie normatywnym

Test wrażliwości kultury organizacyjnej na wiedzę:

  • Czy pracownicy są zachęcani do dzielenia się wiedzą,

  • Czy w miejscu pracy panuje atmosfera otwartości i zaufania,

  • Czy dobro klienta jest głównym celem zarządzania wiedzą,

  • Czy pracownicy mają koncepcję przyszłości firmy i czy często podejmują dyskusje na ten temat,

  • Czy firma zapewnia pracownikom wystarczająco dużo informacji, zasobów i bodźców aby mogli zdobyć umiejętności, których potrzebują,

  • Czy pracownicy stale doskonalą umiejętności i rozwijają wiedzę,

  • Czy jakość pracy pogarsza się na skutek uprzedzeń lub przywiązania do rutynowych procedur,

  • Czy pracownicy wierzą, że nikt nie będzie ich karał za błędy i że zostaną one potraktowane jako szansa na nauczenie się czegoś nowego,

  • Czy pracownicy starają się doskonalić umiejętności pracy zespołowej, aby poprawić jakość produktów i usług.

Slide 123

Pomiar wiedzy na poziomie strategicznym

  • Strategiczne plany zarządzania wiedzą określają podstawowe zasoby wiedzy organizacji, które tworzą optymalny zestaw jej kompetencji. Ocena zasobów wiedzy dla celów strategicznych musi uwzględniać zmiany dotyczące kluczowych kompetencji firmy.

  • Ze strategicznego punktu widzenia ocena zasobów wiedzy powinna uwzględniać zmiany jakie zaszły w kompetencjach firm konkurencyjnych. Benchmarking strategiczny pozwala ustalić, czy kompetencje przedsiębiorstwa można uznać za najlepsze w swojej klasie.

Slide 124

Pomiar wiedzy na poziomie strategicznym

Slide 125

Pomiar wiedzy na poziomie operacyjnym

  • Pomiar na poziomie operacyjnym to pomiar stopnia realizacji określonych celów.

  • Coaching i mentoring – indywidualne podejście do kontrolowania postępów pracowników.

Slide 126

Wdrażanie zarządzania wiedzą – profil wiedzy przedsiębiorstwa

Slide 127

Wdrażanie zarządzania wiedzą – profil wiedzy przedsiębiorstwa

KMAT (Knowledge Management Assessment Tool) opracowane przez Firmę Arthur Andersen we współpracy z Amerykańskim Centrum Produktywności i Jakości. Jest to kwestionariusz z pytaniami na temat zarządzania wiedzą. Na podstawie odpowiedzi udzielonej przez menedżerów są opracowywane wnioski, które można wykorzystać w celu nadania firmie odpowiedniego kierunku rozwoju w sferach: przywództwa, kultury organizacyjnej, pomiarów i technologii, KMAT obejmuje również elementy benchmarkingu.

Slide 128

Wdrażanie zarządzania wiedzą – struktury organizacyjne

  • Organizacje hipertekstowe, Ikujiro Noaka,

    Współistnienie trzech poziomów strukturalnych: poziomu systemu biznesowego, poziomu zespołów projektowych oraz poziomu zasobów wiedzy.

  • przykład BASF, włączono zespół ds. zarządzania wiedzą do istniejącego działu badawczego. Zadaniem zespołu było oszacowanie potencjalnych korzyści z zarządzania wiedzą i ustalenie jakie działania należy podjąć w pierwszej kolejności.

  • Menedżerowie ds. Zarządzania wiedzą

  • Dyrektor ds. Zarządzania wiedzą,

  • Specjalista ds. Obszarów kompetencji,

  • Specjalista ds. Koordynacji między obszarami kompetencji,

  • Specjalista ds. Przejrzystości wiedzy.

Slide 129

Narzędzia informatyczne wspomagające procesy zarządzania wiedzą

Narzędziainformatyczne wspierające procesy zarządzania wiedząmożna pogrupować według dwóch strategii zarządzania wiedzą. Wyróżnić można narzędzia służące do personalizacji oraz kodyfikacji, lub też łączące w sobie funkcje obu koncepcji zarządzania wiedzą.

Slide 130

Narzędzia informatyczne wspomagające procesy zarządzania wiedzą

Narzędzia będące urzeczywistnieniem koncepcji personalizacji muszą skupiać się na ułatwieniu komunikacji między pracownikami oraz wyszukaniu człowieka posiadającego potrzebną wiedzę. Wymienić tu można:

systemy wspomagania pracy grupowej (groupware),

narzędzia komunikacyjne (workflow)

email

telefonię internetową, wideokonferencje, komunikatory

grupy dyskusyjne, fora dyskusyjne

katalogi ekspertów

Slide 131

Narzędzia informatyczne wspomagające procesy zarządzania wiedzą

Workflow – automatyzacja procesów biznesowych, podczas której dokumenty, informacje lub zadania są przekazywane od jednego uczestnika do następnego, według odpowiednich procedur zarządzających.

Slide 132

Narzędzia informatyczne wspomagające procesy zarządzania wiedzą

Przykładowym narzędziem typu workflow jest OfficeObjects Workflow firmy Rodan System S.A. Składa się on z czterech komponentów. Pierwszy pozwala na stworzenie struktury zadań, które mają być wykonywane, graficzne przedstawienie procesów, zależności, reguł przepływu informacji. Kolejne dwa odpowiadają za realizację zadań, z tym, że jeden z nich obejmuje wszystkie etapy wykonania, służy niejako do koordynacji, a drugi jest modułem użytkowanym bezpośrednio przez pracowników do wykonywania poszczególnych zadań. „Moduł ten jest odpowiedzialny za przedstawienie pracownikowi jego obowiązków, stanu ich realizacji, zaplanowanych terminów i wiadomości. Ostatni element służy do kontroli poprawności i prezentacji wyników i raportów.Inne tego typu programy to LotusWorkflow firmy IBM (wcześniej Domino Workflow), Metasform e-Work firmy DSA, Unity Workflow Manager i wiele innych.

Slide 133

Narzędzia informatyczne wspomagające procesy zarządzania wiedzą

Systemy wspomagania pracy grupowej, umożliwiają swobodny i dzielenie się wiedzą w celu zapewnienia pracownikom dobrej współpracy, która owocuje procesem tworzenia i transferu wiedzy.

Slide 134

Narzędzia informatyczne wspomagające procesy zarządzania wiedzą

Typowymi elementami oprogramowania wspomagającego pracę grupową są:

  • Książka adresowa - udostępnia szczegółowe dane o kontakcie (możliwość wstawienia dokumentu lub zdjęcia), które użytkownik może dalej udostępnić innym osobom lub grupom. Kontakty można pogrupować wg roli, jaką pełnią w danym projekcie.

  • Kalendarz/Terminarz - wpisy mogą być dowolnie konfigurowane - możliwy jest ich podgląd, modyfikacja, usunięcie - opcje te są dostępne dla wybranych użytkowników czy grup. Dostępne są rezerwacje w kalendarzach innych użytkowników, powiadamianie ich na pocztę elektroniczną (z wybranym wyprzedzeniem) o spotkaniu. Wpisy grupowe mogą być poddawane głosowaniu.

  • Moduł do ewidencjonowania problemów - system posiada 4 domyślne stany zaawansowania pracy i 4 typy błędów. Wpisy zawierają przebieg zmian (z odsyłaczami do odpowiednich projektów powiązanych z zadaniami), listę błędów razem ze statystykami, rejestr czasu jaki był potrzebny na korektę błędu.

  • Moduł odpowiedzialny za projekty - daje możliwość podglądu błędów, zdarzeń z terminarza, odsyłaczy do zasobów związanych z projektem. Posiada listę zadań powiązanych z danym projektem, możliwość dołączania dokumentów, a także możliwość wyboru roli dla każdego uczestnika projektu. Dostępna jest opcja śledzenia ilości czasu spędzonego przy projekcie.

  • Graficzny wykaz czasu potrzebnego na realizację danego etapu projektu z podsumowaniem dla każdej pozycji - to ułatwia zarządzanie zadaniami.

  • Dołączanie dokumentów - w dołączonych do projektu dokumentach możliwa jest kontrola wersji, zablokowanie ich oraz historia zmian.

Slide 135

Narzędzia informatyczne wspomagające procesy zarządzania wiedzą

  • Wystawianie faktur - dane w nich zawarte są podstawą do obliczenia kosztu projektu.

  • Obsługi wielu kont pocztowych - opcja ta umożliwia transfer poczty do wybranych katalogów oraz przyporządkowanie danej skrzynki do wybranego projektu lub kontaktu z książki adresowej.

  • Monitorowanie czasu wdrożenia elementów projektu, eliminowania błędów czy przeprowadzania wdrożeń - na podstawie tych danym możliwe jest stworzenie raportu (wykresy, zestawienia)

  • Monitorowanie zmian - każda zmiana dokonana na jakimkolwiek elemencie projektu przez któregokolwiek z użytkowników jest odnotowana w specjalnym dzienniku.

  • Nadzorowanie zmian - użytkownik ma możliwość wskazania tych elementów projektu czy zadania, które go szczególnie interesują, a następnie będzie on powiadamiany ilekroć w systemie zajdzie zmiana we wskazanych przez niego elementach.

  • Obsługa różnych stref czasowych - możliwa jest koordynacja wielu grup znajdujących się w różnych strefach czasowych poprzez uwzględnienie różnic w kalendarzach poszczególnych użytkowników.

  • System uprawnień - pozwala on w dokładny sposób określić poziom dostępu do wybranych danych przez poszczególnych użytkowników czy grupy użytkowników.

Slide 136

Narzędzia informatyczne wspomagające procesy zarządzania wiedzą

Przykładowe systemu wspomagania pracy grupowej

  • E-Groupware

  • PHPGroupware

  • Tutos

Slide 137

Narzędzia informatyczne wspierające procesy zarządzania wiedzą

Narzędzia będące urzeczywistnieniem koncepcji kodyfikacji mają na celu kumulowanie wiedzy jawnej i umożliwienie korzystania z zebranych dokumentów i wiedzy.Należą tu także narzędzia do zarządzania dokumentami. Wymienić tu można następujące narzędzia:

Informatyczne systemy zarządzania (OLTP, MIS, DSS, ES, BI)

Systemy zarządzania dokumentami (Document Management System – DMS)(gromadzenie, klasyfikowanie, wyszukiwanie dokumentów, rejestrowanie przebiegu prac nad dokumentami)

Systemy zarządzania treścią (Content Management Systems - CMS).

FAQ

Mapy myśli (mind mapping)

E-learning

Slide 138

Document Management System – DMS

Zbiór technik i narzędzi poprawiających efektywność przetwarzania wszelkich form dokumentów powstających w organizacjach. Od dokumentów wewnętrznych dotyczących współpracy różnych obszarów funkcjonalnych organizacji, po dokumenty napływające z otoczenia (np. zamówienia od klientów, faktury, listy, i inne.).

Slide 139

Document Management System – DMS

Moduł DMS dostarcza zestawu funkcji pozwalających realizować wiele działań na dokumentach:

  • rejestrowanie,

  • porządkowanie,

  • klasyfikację,

  • zarządzanie wersjami,

  • zarządzanie obiegami,

  • archiwizacja.

  • powiadomienia osobiste bądź dla grup użytkowników o zmianach,

  • monitorowanie plików i folderów,

  • pozwala na pracę na plikach o różnych formatach: txt, doc i pdf,

  • typowe operacje (przenieś, wyślij w obieg, usuń).

    Przykłady systemów: OWL Knowledge Base, KnowledgeTree

Slide 140

Content Management Systems - CMS

Zestaw narzędzi będący rozwinięciem systemów zarządzania dokumentami. Systemy te wspomagają użytkownika przy wprowadzaniu różnorakich treści do systemu, ich organizowanie i klasyfikację, ocenę, oraz prezentację.

Ich zaletą jest skrócenie czasu potrzebnego na wyszukanie i dostęp do pożądanej kategorii informacji. Inną cechą systemów zarządzania treścią jest umożliwienie grupowej pracy nad dokumentami, wspomagając wymianę poglądów na dany temat, umożliwiając przeglądanie różnych wersji dokumentu, itp.

CMS, Content Management System (system zarządzania treścią) jest to jedna lub zestaw aplikacji internetowych pozwalających na łatwą budowę treści serwisu WWW. W zakresie zarządzania wiedzą narzędzie to może być wykorzystywane do wewnętrznych portali informacyjnych udostępniających istotne informacje pracownikom przedsiębiorstwa.

Zadaniem systemu CMS jest kompleksowa administracja portalem internetowym, od publikowania wiadomości i artykułów, poprzez organizację struktury serwisu, aż po zarządzanie kontami użytkowników. Modyfikacja i dodawanie nowych materiałów do serwisu odbywa się za pomocą prostych w obsłudze interfejsów użytkownika, zazwyczaj w postaci stron WWW zawierających rozbudowane formularze.

Przykładowe aplikacje CMS:

  • PHP Nuke

  • Mambo

  • PHPWebSite

  • Drupal

Slide 141

Narzędzia informatyczne wspierające procesy zarządzania wiedzą

On-Line Transaction Processing – OLTPto każdy system informatyczny oferujący możliwość natychmiastowego przetwarzania transakcji. W systemie transakcyjnym przyjmowane są zamówienia, rejestrowani są nowi klienci, przechowywane są należności i zobowiązania.

Slide 142

Narzędzia informatyczne wspierające procesy zarządzania wiedzą

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)

Slide 143

Narzędzia informatyczne wspierające procesy zarządzania wiedzą

Systemy ekspertowe (ES)to systemy wyposażone w bazę wiedzy.

Stosuje się je głównie w finansach (strategie inwestycyjne, doradztwo giełdowe, analizy aplikacji kredytowych, systemy podatkowe), zarządzaniu i administracji (planowanie, wspomaganie decyzji, informowanie kierownictw).

Slide 144

Narzędzia informatyczne wspierające procesy zarządzania wiedzą

Business Intelligence (BI) można zdefiniować jako "szeroki wachlarz aplikacji i technologii służących do zbierania, analizowania i udostępniania danych po to, aby pomóc pracownikom organizacji w podejmowaniu decyzji gospodarczych. Do aplikacji BI możemy zaliczyć systemy raportująco-pytające (Q&R), Online analytical processing (OLAP), eksplorację danych (Data Mining).

Slide 145

Piramida Business Intelligence

Slide 146

Hurtownie danych

Twórca koncepcji hurtowni danych (tzw. Data Warehousing), W. H. Inmon określa hurtownię danych jako "centralne repozytorium wszystkich istotnych danych, które są gromadzone przez poszczególne systemy biznesowe przedsiębiorstwa".

Dane pochodzące z różnych aplikacji OLTP i innych źródeł są selektywnie wydobywane i organizowane w hurtowni danych w celu wykorzystania ich przez aplikacje analityczne i zapytania użytkowników. Technologia hurtowni danych jest nastawiona na uzyskiwanie danych z różnorodnych źródeł dla przeprowadzania użytecznych analiz. Czasem występuje konieczność dostępu do wyspecjalizowanych, lokalnych baz danych. Wtedy powstają tzw. Data Mart. Data Mart jest to wycinek hurtowni danych, skoncentrowany na określonej części biznesu, np. na konkretnym dziale. Np. dział sprzedaży P&G kopiuje dane z hurtowni i tworzy Data Mart, który zawiera tylko dane potrzebne do analizy dokonywanej w tym dziale.

Slide 147

Hurtownie danych

W procesie tworzenia i działania hurtowni danych można wyróżnić trzy podprocesy określane często w skrócie jako ETL (Extraction, Transformation and Loading). Extraction - dane są wydobywane z jednego lub wielu źródeł i kopiowane do hurtowni; często źródłem danych są systemy przetwarzania transakcji. Transformation - dane są następnie transformowane - konwertowane do jednego formatu, agregowane, ujednolicane. Jest to najistotniejszy etap procesu przenoszenia danych ze źródeł operacyjnych do hurtowni danych. Loading - ładowanie do hurtowni - po wydobyciu i oczyszczeniu: dane umieszczane są w hurtowni.

Slide 148

Systemy pytająco-raportujące Q&R

Systemy pytająco-raportujące"Q&R, są najbardziej podstawowym narzędziem analizy danych zawartych w hurtowniach danych. W latach siedemdziesiątych minionego stulecia, miały one postać tzw. >>twardych<< raportów. Obecnie użytkownicy systemów BI mają duży wachlarz narzędzi do wizualizacji, bieżącego przetwarzania danych, które mogą formatować wybrane dane, tworzyć wykresy, drążyć, dokonywać wszelakich przekrojów, wzbogacać, eksportować i dystrybuować te dane. Narzędzia typu Queries and report uzupełniają systemy odpowiadając na pytania >>co się stało?<< stawiane często przez zarząd. Np. >>jaki poziom osiągnęła sprzedaż w danym miesiącu i jak się ma w porównaniu do poprzedniego.<<" Narzędzia Query and Reports są pierwowzorem narzędzi OLAP i Data Minig.

Slide 149

OLAP

The OLAP council definiuje OLAP następująco: On-Line Analitycal Processing (OLAP) jest to technologia oprogramowania, która pozwala analitykom i managerom sprawnie przeglądać dane dzięki szybkiemu, dostępowi do szerokiego zakresu możliwych postaci informacji, które zostały utworzone z surowych danych w celu odzwierciedlenia zachowań otoczenia organizacji w sposób zrozumiały dla użytkownika.

Slide 150

OLAP

Technologia OLAP pozwala użytkownikom przeprowadzać kompleksowe analizy danych poprzez szybki dostęp do wielowymiarowych „widoków” przedsiębiorstwa. OLAPpozwala nie tylko na odpowiedzi na pytania, "kto?", "co?" i "kiedy?", ale również "co jeśli?" i "dlaczego?". Aplikacje OLAP pozwalają na prognozowanie przyszłości na podstawie danych historycznych. Kluczowym wskaźnikiem dobrej aplikacji OLAP jest dostarczenie potrzebnej informacji w jak najkrótszym czasie.

Slide 151

OLAP

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

Slide 152

Data Mining

Data Mining, czyli eksploracja danych służy do wykrywana wzorców i powiązań pomiędzy danymi zawartymi w hurtowni danych.

M. J. A. Berty i G. Linoff w książce "Data Mining Techniques for Marketing, Sales and Customer Suport” podają następującą definicję: "Data minig jest to proces odkrywania i analizy, automatycznie lub półautomatycznie, dużych ilości danych w celu odkrywania znaczących wzorców i reguł„

Według Gartner Group jest to: "proces odkrywania istotnych zależności (korelacji), wzorców i tendencji poprzez przesiewanie dużych ilości danych przechowywanych w repozytoriach za pomocą technik rozpoznawania wzorców oraztechnik statystycznych i matematycznych"

Slide 153

Eksploracja danych

Eksploracja danych jest analizą dużych zbiorów danych metodami statystycznymi i metodami sztucznej inteligencji. Tym samym łączy w sobie trzy niezależne dyscypliny: technologie baz danych, statystykę oraz nurt badań nad sztuczną inteligencją.

Slide 154

Eksploracja danych

Slide 155

Eksploracja danych

Najczęściej spotykanym sposobem podziału technik eksploracji danych jest ich rozróżnienie ze względu na cel przeprowadzonej analizy danych. Na podstawie takiego kryterium wyróżniamy dwa główne nurty, mianowicie:

odkrywanie wiedzy (ang. knowledge discovery)

prognozowanie (ang. prediction).

Obszar zainteresowania pierwszego z nich to wyszukiwanie wzorców opisujących dane. Opisy takie, w postaci modeli deskrypcyjnych, są często używane do wspomagania procesów decyzyjnych. Z drugiej strony mamy prognozowanie, którego działanie prowadzi do uzyskania przyszłych wartości zmiennych poddanych analizie.

Slide 156

Eksploracja danych

Najczęściej eksplorację danych wiąże się z następującymi typami działań:

metody drzew decyzyjnych,

grupowanie (clustering),

kojarzenie (association),

klasyfikowanie (classification)

prognozowanie (prediction)

Slide 157

Grupowanie

Zamiennie używa się takich terminów jak: grupowanie, podział, dyskryminacja, taksonomia, taksonomia numeryczna, taksonometria, analiza skupień (cluster analysis), identyfikacja.

Podstawowe algorytmy metod grupowania powstały w latach pięćdziesiątych i sześćdziesiątych.

Slide 158

Grupowanie – metody statystyczne

Grupowania zbioru A o elementach Ai(i=1,...n) na klasy P1,....Pubędzie spełniać warunki:

zupełności

rozłączności

niepustości

Slide 159

Grupowanie – metody statystyczne

Metody grupowania:

metody hierarchiczne (aglomeracyjne i deglomeracyjne)

metody obszarowe i gęstościowe,

metody optymalizujące wstępny podział zbioru obiektów (metody optymalizacji iteracyjnej).

W praktycznych zastosowaniach metod grupowania w badaniach ekonomicznych szczególne znacznie mają hierarchiczne metody aglomeracyjne. Są one najlepiej opracowane pod względem metodologicznym.

Slide 160

Grupowanie – metody statystyczne

Zalety hierarchicznych metod aglomeracyjnych:

działają wg jednej procedury zwanej centralną procedurą aglomeracyjną

wyniki grupowania przedstawione są w postaci ciągu grupowań (istnieje zatem możliwość kontrolowania procesu grupowania),

wyniki grupowania można przedstawić graficznie w formie dendrogramu (drzewka połączeń) wskazującego na kolejność połączeń między klasami. Uzyskana hierarchia pozwala na dokładne określenie jak wzajemnie usytuowane są poszczególne klasy oraz obiekty w nich zawarte.

są one oprogramowane w podstawowych pakietach statystycznych .

Slide 161

Grupowanie – metody statystyczne

Hierarchiczne metody aglomeracyjne charakteryzują się (w ujęciu klasycznym) następującymi cechami:

Punktem wyjścia jest n klas jednoelementowych (jest tyle klas, ile jest obiektów)

Po każdym kroku klasyfikacji liczba klas zmniejsza się o jeden, przy czym zmniejszenie liczby klas następuje przez połączenie dwóch istniejących.

Istnieje n-1 kroków klasyfikacji; po n-1 krokach otrzymuje się jedną klasę zawierającą wszystkie obiekty.

Slide 162

Grupowanie – metody statystyczne

Hierarchiczne metody aglomeracyjne działają wg centralnej procedury aglomeracyjnej. Algorytm tej procedury jest następujący:

W macierzy odległości szuka się pary klas najbardziej podobnych (najmniej odległych od siebie). Załóżmy, że będą to klasy Pi i Pk

Redukuje się liczbę klas o jeden łącząc klasy Pi i Pkw nową,

przekształca się odległości (stosownie do metody) pomiędzy połączonymi klasami Pi i Pkoraz pozostałymi klasami,

Powtarza się kroki 1-3 do chwili, gdy wszystkie obiekty znajdą się w jednej klasie.

Slide 163

Grupowanie – metody statystyczne

Hierarchiczne metody deglomeracyjne

Klasyfikacja deglomeracyjna zwana też klasyfikacją dedukcyjną, zstępującą lub klasyfikacją przez podział rozpoczyna się od sytuacji, w której punktem wyjścia jest jedna klasa obejmująca wszystkie obiekty badania A1,...,An. W każdym kroku klasyfikacji liczba klas zwiększa się o jeden, przy czym jej zwiększenie następuje przez rozdzielenie jednej z istniejących klas. Po n-1 krokach otrzymuje się liczbę klas równą liczbie obiektów badania, tzn. każdy obiekt tworzy jedną klasę.

Slide 164

Grupowanie – metody statystyczne

Ogólna filozofia metod obszarowych i gęstościowych polega na tym, że wydzielonymi przy ich zastosowaniu klasami są takie obszary w przestrzeni m-wymiarowej, które charakteryzują się większą gęstością obiektów i są oddzielone obszarami o mniejszej gęstości obiektów.

Slide 165

Grupowanie – metody statystyczne

Metody optymalizujące wstępny podział zbioru (metody optymalizacji iteracyjnej).

Punktem wyjścia tych metod jest wstępny podział zbioru obiektów 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 wstępnego podziału zbioru obiektów na s klas.

Slide 166

Grupowanie – metody statystyczne

Metody optymalizacji iteracyjnej działają wg następującego schematu:

Dla każdej klasy wstępnego podziału oblicza się środki ciężkości oraz odległości każdego obiektu od środków ciężkości tych klas,

Zmienia się przyporządkowanie obiektów do klas o najbliższym środku ciężkości,

Oblicza się nowe środki ciężkości dla każdej klasy,

Powtarza się kroki 2 i 3 do chwili gdy nie następują przesunięcia obiektów między klasami.

Po każdej iteracji oblicza się wartość funkcji-kryterium jakości klasyfikacji.

Slide 167

Odkrywanie asocjacji

Ważnym obszarem technik stosowanych w eksploracji danych jest grupa metod zwana odkrywaniem asocjacji. Generalnie, ich działaniepolegana odszukiwaniu tych elementów, które wiążą się z zadanym zdarzeniem lub innym elementem. Wykorzystywane tutaj algorytmy pozwalają odkrywać reguły, które przyjmują postać:

jeśli element A jest składnikiem danego zdarzenia, to w X % przypadków element B jest także składnikiem tego zdarzeniajeśli klient kupuje płatki owsiane, to w 65 % przypadków klient ten kupi mleko

Slide 168

Odkrywanie asocjacji

Zainteresowanie odkrywaniem asocjacji niezwykle wzrosło wrazz upowszechnieniem się w handlu detalicznym czytników kodów paskowych, co pozwala zbierać ogromne ilości danych już „skojarzonych” w koszyku kupującego. Z tego powodu zapewne ten rodzaj analizy jest nazywany niekiedy market-basket analysis. Kojarzenie jest także stosowane do opracowywania kampanii marketingowych czy analizy portfeli inwestycyjnych, a także do planowania rozmieszczenia stoisk sprzedaży w supermarketach. Reguły asocjacji zwykle przybierają formę: Body Head, zwaną także jako LHS  RHS (ang.: left-hand side  right-hand side). Oznacza to, że jeżeli klient zakupi produkt spełniający warunek Body, to zakupi również produkt Head.

Slide 169

Odkrywanie asocjacji

W celu ustalenia siły asocjacji stosowane są dwie miary:

-  Wsparcie. Dla danego zbioru jest to wielkość procentowa transakcji, które zawierają wszystkie rozważane elementy. Jeżeli rozważane są reguły {X & Y  Z}, to wartość s wsparcia określana jest jako prawdopodobieństwo, że transakcje zawierają {X, Y, Z}.

- Ufność. Wartość c tej miary to prawdopodobieństwo warunkowe, że transakcje zawierające reguły {X, Y}, zawierają także regułę {Z}.

Zarówno miara s, jaki i c są wartościami z przedziału [0,1].

Slide 170

Odkrywanie asocjacji- algorytmy horyzontalne

  • Zlicz wystąpienia wszystkich zbiorów jednoelementowych

  • Wybierz jednoelementowe zbiory częste

  • Wygeneruj wszystkie 2 – elementowe kombinacje częstych zbiorów jednoelementowych

  • Zlicz wystąpienia wszystkich wygenerowanych zbiorów dwuelementowych

  • Wybierz dwuelementowe zbiory częste

  • Wygeneruj wszystkie 3 – elementowe kombinacje częstych zbiorów dwuelementowych

  • Zlicz wystąpienia wszystkich wygenerowanych zbiorów 3 – elementowych

  • Wybierz 3 – elementowe zbiory częste

Slide 171

Odkrywanie asocjacji-algorytmy wertykalne

  • Dla każdej pary elementów wyznacz część wspólną ich list identyfikatorów

  • Zlicz identyfikatory na listach i wybierz 2-elementowe zbiory częste

  • Dla każdej pary zbiorów 2-elementowych różniących się na jednej pozycji wyznacz część wspólną ich list identyfikatorów

  • Zlicz identyfikatory na listach i wybierz 3-elementowe zbiory częste

Slide 172

Analiza sekwencji

Z sekwencją zakupów mamy do czynienia, gdy pytamy, co klient kupił dziś, jeżeli poprzednio kupił taki, a nie inny produkt. Na przykład "zakup" rozszerzonej gwarancji następował zwykle będzie po zakupie telewizora, kina domowego, czy innego, większego urządzenia elektronicznego. Taka sekwencja jest dość oczywista, jednak analiza sekwencji pozwoli wykryć odpowiednie skojarzenia nawet, jeśli nie manifestują się one wyraźnie w danych, a są raczej głęboko ukryte w ich strukturze. W wielu dziedzinach nauki i techniki używa się różnorodnych metod wykrywania sekwencji, poczynając właśnie od badania kolejności zakupów, sekwencji połączeń telefonicznych,sekwencji operacji na koncie (fraud detection) ,fluktuacji na rynkach giełdowych, sekwencjonowania DNA, czy analizowania "logów" internetowych, czyli sposobu poruszania się użytkownika po serwisie WWW.

Slide 173

Zintegrowane narzędzia informatyczne wspierające procesy zarządzania wiedzą

Integracja różnych narzędzi zarządzania wiedzą jest możliwa dzięki tzw. zintegrowanym systemom wspomagania efektywności IPSS. Jest to klasa systemów informatycznych ułatwiających dostęp do wiedzy w przedsiębiorstwie, umożliwiających użytkownikowi poszukiwanie odpowiedzi na interesujące go pytania zarówno przez przeszukiwanie baz danych jak i przez wirtualny kontakt ze współpracującymi ekspertami. Oprogramowanie tego typu wciąż się rozwija, większość liczących się na świecie producentów software’u oferuje różne rozwiązania z zakresu Knowledge Management. Ponadto wiele firm konsultingowych oferuje możliwość stworzenia takiego systemu na zamówienie.

Slide 174

Zintegrowane narzędzia informatyczne wspierające procesy zarządzania wiedzą

Projekt ICONS(Intelligent CONtent Management System, Inteligentny System zarządzania Zawartością) to część 5. Programu Ramowego Unii Europejskiej. Został rozpoczęty w 2002r. i trwał dwa lata. Celem projektu ICONS było zaprojektowanie i wykonanie prototypu platformy oferującej jednolity i bazujący na wiedzy dostęp do rozproszonych źródeł informacji występujących w formie stron webowych, istniejących heterogenicznych baz danych, procesów biznesowych i danych operacyjnych, jak również spadkowych systemów informatycznych

Slide 175

Zintegrowane narzędzia informatyczne wspierające procesy zarządzania wiedzą

ICONS ma postać portalu korporacyjnego. Cechą ICONS jest dostępność aplikacji workflow, dostępność systemu zarządzania treścią opartego na dokumentach XML z narzędziami do publikacji przez autorów, dostępność narzędzi sztucznej inteligencji itp..

Slide 176

Zintegrowane narzędzia informatyczne wspierające procesy zarządzania wiedzą

Slide 177

Zintegrowane narzędzia informatyczne wspierające procesy zarządzania wiedzą

Slide 178

Zintegrowane narzędzia informatyczne wspierające procesy zarządzania wiedzą

Możliwości oprogramowaniaSAP Net Weaver:

Infrastruktura portalu – „zunifikowany, spersonalizowany, opraty na rolach dostęp do heterogenicznych środowisk IT”

Kooperacja – fora współpracy, narzędzia do pracy grupowej, czat, kalendarz zespołów, repozytorium, dzielenie aplikacji

Dostęp wielokanałowy – umożliwia pracę mobilną za pomocą przenośnych urządzeń i systemów głosowych

Zarządzanie dokumentami – pliki tekstowe, prezentacje etc., wyszukiwanie, zarządzanie zawartością, publikowanie, workflow

Business Intelligence – narzędzia do sporządzania analiz, raportów i wspomagania decyzji

Zarządzanie danymi podstawowymi – zapewnia integrację danych z systemów transakcyjnych

Broker integracji – komunikacja pomiędzy składnikami aplikacji oparta na formacie XML

Zarządzanie procesami biznesowymi – narzędzia do modelowania i realizacji procesów biznesowych umożliwiające łączenie aplikacji w kompleksowe procesy obejmujące cały łańcuch dostaw.

Zarządzanie cyklem życia produktów – technologia umożliwiająca projektowanie, programowanie, zastosowanie, tworzenie wersji, optymalizację, administrowanie, zarządzanie zmianami

Slide 179

Zintegrowane narzędzia informatyczne wspierające procesy zarządzania wiedzą

Preciseer – Proosto Technologiesto kolejny przykład systemu zarządzania wiedzą. Obejmuje według opisu producenta domeny zarządzania wiedzą, zarządzania zawartością oraz zarządzania uprawnieniami.

Zarządzanie wiedzą realizowane jest poprzez: zarządzanie dokumentami, zarządzanie przepływem wiedzy, mechanizm komunikacji z ekspertami, wyłanianie ekspertów z różnych dziedzin.

CMS (zarządzanie zawartością) obejmuje tu: szybką modyfikację danych na stronach HTML, automatyczne zarządzanie strukturą portalu, wielojęzyczność

Zarządzanie uprawnieniami (UMS) to po prostu możliwość nadawania różnych praw dostępu różnym pracownikom lub grupom pracowników.

Preciseer współpracuje z pakietem MS Office. Ponadto w skład wchodzi rozszerzenie interfejsu Windows (Shell Extension).

Slide 180

Zintegrowane narzędzia informatyczne wspierające procesy zarządzania wiedzą

PYTONto polski system zarządzania wiedzą. Do jego głównych modułów można zaliczyć bazę wiedzy, wyszukiwarkę, zarządzanie szkoleniami e-learningowymi, zarządzanie kompetencjami, procedowanie spraw jednostkowych, zarządzanie treścią i dokumentami. PYTON kładzie nacisk na wyszukiwanie wiedzy. Na zadane pytanie użytkownik otrzymuje w wyniku listę skojarzonych dokumentów (w tym inne podobne pytania z odpowiedziami), listę źródeł zewnętrznych oraz wykaz ekspertów, którym może on zadać pytanie. Odpowiedzi umieszczane są w systemie i są dostępne dla wszystkich pracowników. Najlepsze rozwiązania oznaczane są jako „Najlepsze Praktyki” i służą rozwojowi wiedzy przedsiębiorstwa. Dodatkowo system wyposażony jest w narzędzie wykonujące raporty, easyCMS – narzędzie do publikacji artykułów, easyDMS – zarządzanie dokumentami, notyfikacje e-mailowe, rankingi popularności ekspertów. Konsylium – narzedzie do grupowej dyskusji ekspertów. System PYTON Enterprise integruje ponadto trzy inne systemy: system klasy workflow PYTON Decision Maker, system e-learningowy PYTON Inspector oraz NEToskop Enterprise (wyszukiwarkę internetową oraz zasobów wewnętrznych).

Slide 181

Ontologie w Zarządzaniu Wiedzą

Współczesny słownik Webstera definiuje ontologię jako "dziedzinę metafizyki, która para się badaniem i wyjaśnianiem natury jak i kluczowych właściwości oraz relacji rządzących wszelakimi bytami bądź głównych zasad i przyczyn bytu".  

Slide 182

Ontologie w Zarządzaniu Wiedzą

Ontologia stawia przed sobą pytania "jak można wszystko poklasyfikować?", "jakie klasy bytów są niezbędne do opisu i wnioskowania na temat zachodzących procesów?", "jakie klasy bytu pozwalają wnioskować o prawdzie?", "na podstawie jakich klas bytu można wnioskować o przyszłości?"

Slide 183

Ontologie w Zarządzaniu Wiedzą

Historia ontologii systemów informatycznych sięga zaledwie końca lat sześćdziesiątych ubiegłego wieku. Wtedy to potrzeba zbudowania abstrakcyjnego zewnętrznego modelu rzeczywistości pojawiła się w dwóch odrębnych dziedzinach informatyki: teorii baz danych oraz sztucznej inteligencji. Oznacza on tutaj określony sposób formalizacji wiedzy.

Slide 184

Ontologie w Zarządzaniu Wiedzą

„Michał i Franek umieją programować w C++ i Javie”. Mimo, iż zdanie to jest poprawnie skonstruowane, jego zrozumienie może być wieloznaczne. Ze zdania nie wynika jednoznacznie, iż np. Michał jest programistą C++, a Franek zna język Java. Informację w nim zawartą można również odczytać jako: „zarówno Michał, jak i Franek umieją programować zarówno w C++ jak i w Javie”, lub „Michał umie programować w C++ i Javie, a Franek zna jedynie język Java”.

Slide 185

Ontologie w Zarządzaniu Wiedzą

W każdym języku naturalnym, nawet poprawnie skonstruowane zdanie potrafi przysporzyć odbiorcy wiele problemów.

Pomiędzy wieloma czynnikami wpływającymi na jednoznaczność przekazu dwa zasługują na szczególną uwagę:

kategoryzacja

hierarchizacja

Slide 186

Ontologie w Zarządzaniu Wiedzą

Poprzez kategoryzację należy rozumieć zdolność przyporządkowania symbolu, który pojawia się w komunikacie ("kot") do jakiejś ściśle określonej grupy obiektów, posiadających określone cechy (klasa kotów, pojęcie kot (ang.: concept)). Zestaw tych abstrakcyjnych grup, którymi posługuje się każdy z nas, a które zostały zdefiniowane w procesie kształcenia można określić jako wewnętrzny model pojmowania świata.

Aby zobrazować ten proces, można wykorzystać pojęcie trójkąta znaczeniowego (ang. meaning triangle).

Slide 187

Ontologie w Zarządzaniu Wiedzą

Trójkąt znaczeniowy

Slide 188

Ontologie w Zarządzaniu Wiedzą

Drugim czynnikiem wpływającym na jednoznaczność przekazu jest hierarchizacja. Odbiorca przekazu musi posiadać zdolność do umiejscowienia tej klasy (klasy kotów) w pewnej hierarchicznej strukturze. Bowiem poza oczywistymi charakterystykami, jakie nabywa instancja klasy ("ten kot"), wynikającymi z relacji przynależności do klasy (klasa koty), automatycznie posiada ona także cechy dziedziczone z klas nadrzędnych (np. każdy kot jest także ssakiem, przez co dziedziczy jego cechy).

Slide 189

Ontologie w Zarządzaniu Wiedzą

Hierarchizacja – umiejscowienie określonej klasy w hierarchicznej strukturze. Instancja klasy poza oczywistymi charakterystykami wynikającymi z przynależności do klasy posiada także cechy dziedziczone z klas nadrzędnych.

Slide 190

Ontologie w Zarządzaniu Wiedzą

Trudno uzyskać jednoznaczność przekazu w komunikacji międzyludzkiej. Partycypujący w przekazie nie posługują się bowiem dokładnie takim samem zestawem klas obiektów i nie są one zorganizowane w takie same struktury?

Komunikacja ludzka nie jest doskonała, jest ona jednak niedoścignionym wzorem dla komunikacji autonomicznych systemów informatycznych. Stąd pomysł, by ten abstrakcyjny model świata, który posiada każdy z nas, stał się samodzielnym, wyodrębnionym i sformalizowanym bytem. By mógł on stanowić punkt odniesienia dla stron przekazu, będąc swoistego rodzaju metajęzykiem.Ten model świata znany jest pod nazwą ontologii.

Slide 191

Ontologie w Zarządzaniu Wiedzą

Wg T. Grubber „A translation approach to portable ontology specifications” (1999) - Ontologia jest "formalną specyfikacją wspólnej warstwy pojęciowej"

Teoria dotycząca jakiejś dziedziny (a nawet konkretnych zadań, działań) opisująca pojęcia w sposób hierarchiczny (taksonomia) w celu ustalenia relacji semantycznych w danej dziedzinie.

Slide 192

Ontologie w Zarządzaniu Wiedzą

A. Maedche „Ontology Learning for the Semantic Web (2002). Ontologia jest zdefiniowana poprzez dwa zbiory: definiujący strukturę ontologii oraz leksykon.

Struktura ontologii:

O = {C, R, Hc, rel, A} określa strukturę pojęć, relacje między nimi jak i teorie dotyczącą definiowanego modelu.

C - stanowi zbiór wszystkich pojęć wykorzystanych w modelu. Pojęciem (często zwanym klasą) nazywamy idee reprezentującą pewną grupę obiektów posiadających wspólną charakterystykę, dzięki czemu zalicza się je do tej grupy. Pojęcie w notacji identyfikowane jest przez symbol - najczęściej słowo.

R - jest zbiorem nietaksonomicznych relacji (zwanych też właściwościami, slotami, rolami) definiowanych jako nazwane połączenie między pojęciami (np. jestCzęścią - oznacza, że jedno pojęcie występujące w relacji jest częścią drugiego). Należy w tym miejscu nadmienić, że relacja jest także pojęciem niemniej jednak na potrzeby tej definicji oba zbiory winny być rozłączne.

Slide 193

Ontologie w Zarządzaniu Wiedzą

Hc - stanowi zbiór taksonomicznych relacji pomiędzy konceptami, gdzie w zależności od przyjętego systemu może to być jedna z poniższych relacji:

Rozłączne podklasy

Wyczerpujące rozłączne podklasy

Podklasy

rel - zdefiniowane nietaksonomiczne relacje pomiędzy pojęciami

A - zbiór aksjomatów

Slide 194

Ontologie w Zarządzaniu Wiedzą

Leksykon ontologii

L = {Lc, Lr, F,G} określa leksykon, czyli sposób w jaki należy rozumieć pojęcia, w tym i relacje.

Lc - definicje leksykonu dla zbioru pojęć

Lr - definicje leksykonu dla zbioru relacji

F - referencje dla pojęć

G - referencje dla relacji

Slide 195

Etapy procesu tworzenia ontologii

Istnieje wiele metodyk tworzenia ontologii: TOVE, EnterpriseModel Approach, Methodology, IDEF5, Ontoclean.

Etapy procesu tworzenia ontologii przedstawione zostaną na podstawie metodologii zaproponowanej w 2004 roku przez N. Noy oraz D. McGuinness w pracy „A Guide to Creating Your First Ontology

Slide 196

Etapy procesu tworzenia ontologii

Krok 1. Ustalenie domeny oraz zasięgu ontologii. Należy ustalić:

Dziedzinę (zbiór obiektów) tworzonej ontologii oraz określić zakres jaki będzie brany pod uwagę,

Cel w jakim ma być używana projektowana ontologia,

Na jakie pytania ontologia będzie odpowiadała (pytania wzorcowe),

Kto będzie używał i utrzymywał tworzoną ontologię.

Slide 197

Etapy procesu tworzenia ontologii

Krok 2. Wykorzystanie istniejących ontologii.

Warto rozważyć możliwość wykorzystania w projekcie własnej ontologii gotowej ontologii, stworzonej przez kogoś innego. Wykorzystanie istniejącej ontologii może być wymagane w przypadku, gdy system w którego skład wchodzi tworzona ontologia musi współdziałać z innymi aplikacjami wykorzystującymi daną ontologię.

Slide 198

Etapy procesu tworzenia ontologii

Krok 3. Ustalenie najważniejszych terminów (ang. terms) w projektowanej ontologii.

Należy wyspecyfikować najważniejsze terminy oraz ustalić jakimi własnościami będą charakteryzowały się obiekty przez nie reprezentowane.

Slide 199

Etapy procesu tworzenia ontologii

Krok 4. Definiowanie klas i hierarchii klas

Istnieje wiele różnych podejść do procesu projektowania hierarchii klas:

Góra – dół (ang. top-down development) – w podejściu tym zaczyna się od definicji najbardziej ogólnych pojęć w danej dziedzinie i późniejszym ich uszczegółowianiu. Podejście to zapewnia kontrolę nad stopniem szczegółowości, jaki jest pożądany przez projektanta. Jego mankamentem jednak może być włączanie do ontologii klas nadrzędnych, które niekoniecznie wymagane są przez końcowych użytkowników.

Dół – góra (ang. bottom-up development) – proces ten zaczyna się od definicji najbardziej szczegółowych pojęć. Z kolei następuje ich łączenie w większe grupy – pojęcia bardziej ogólne. Wadą tego podejścia jest zbyt duża ilość detali oraz trudność w znajdowaniu klasy, która może tworzyć nadklasę dla dwóch znacząco różnych klas.

Rozwój kombinowany (ang. combination development) – Podejście to łączy dwa wyżej wymienione procesy. Najpierw definiuje się najistotniejsze pojęcia („najbardziej rzucające się w oczy”), a następnie przechodzi się przez procesy ich uszczegółowiania i uogólniania.

Slide 200

Etapy procesu tworzenia ontologii

Krok 5. Definiowanie relacji (własności) klas

Klasy same w sobie nie dostarczają wystarczającej ilości informacji, aby odpowiedzieć na pytania postawione w kroku 1. Po zdefiniowaniu klas, należy określić ich wewnętrzną strukturę. Część z terminów, określonych kroku 3., utworzy klasy, a pozostałe stanowić będą właściwości tych klas. Właściwości nazywane są również relacjami, rolami bądź slotami.

Istnieje kilka typów właściwości obiektów, które mogą stać się relacjami w ontologii:

Właściwości wewnętrzne (ang. intrinsic),

Właściwości zewnętrzne (ang. extrinsic),

Właściwości typu „części” (ang. parts) – kiedy dany obiekt składa się z części, co należy rozumieć zarówno w sensie fizycznym, jak i abstrakcyjnym,

Stosunki z innymi obiektami – dotyczy to relacji, jakie zachodzą między poszczególnymi obiektami,

Właściwości dziedziczone – wszystkie podklasy danej klasy dziedziczą jej właściwości. Właściwości te powinny być zatem dołączone do najbardziej ogólnej klasy.

Slide 201

Etapy procesu tworzenia ontologii

Krok 6. Definiowanie cech relacji (własności) klasy

Własności klasy posiadają pewne cechy opisujące typ ich wartości: dozwolony ciąg wartości, liczbę wartości oraz inne dodatkowe cechy, które mogą wiązać się z własnościami. Tzw. kardynalność atrybutu (ang. slot cardinality) określa, jak wiele wartości może mieć dana cecha. Niektóry systemy rozróżniają pomiędzy własnością pojedynczą, która może mieć wyłącznie jedną wartość, a własnością wielokrotną, tj. przyjmującą więcej niż jedną wartość. Inne systemy pozwalają na określenie minimalnej oraz maksymalnej liczby dopuszczalnych wartości, co czyni ustalanie kardynalności znacznie bardziej precyzyjnym.

Tzw. fasetowość (dopuszczalnych wartości dla atrybutów) (ang. value-type facet) określa jakiego rodzaju wartości może przybierać dana własność:

Łańcuch tekstowy (ang. string),

Liczba (ang. number)

Wartość logiczna prawda/fałsz (ang. boolean),

Typ wyliczeniowy (ang. enumerated),

Typ instancyjny (ang. instance-type)

Slide 202

Etapy procesu tworzenia ontologii

Krok 7. Tworzenie wystąpień (instancji) klas

Definiowanie indywidualnych wystąpień dla klas wymaga:

Wybrania klasy,

Utworzenia wystąpienia dla klasy,

Określenia własności.

Slide 203

Języki i narzędzia służące do modelowania ontologii

Języki

  • XML(eXtensible Markup Language)

  • RDF(Resource Description Framework)

  • RDF Vocabulary Description Language

    Narzędzia

  • OpenCyc

  • OntoLingua oraz Chimaera

  • Protégé

  • OntoStudio

  • Jena

Slide 204

Tworzenie ontologii „WiedzaIT” - ustalenie domeny oraz zasięgu ontologii

Dziedzina ontologii

Informatyka (ang. computer science, computing science, information technology) – dziedzina nauki i techniki zajmująca się przetwarzaniem informacji – w tym technologiami przetwarzania informacji oraz technologiami wytwarzania systemów przetwarzających informacje

Ontologia „WiedzaIT” stworzona została w celu łatwego zarządzania wiedzą informatyczną. Wykorzystuje do tego ontologie źródeł wiedzy, dziedzin wiedzy informatycznej, a także ontologie „pomocnicze”: osoby czy wydawnictw

Slide 205

Tworzenie ontologii „WiedzaIT” - ustalenie domeny oraz zasięgu ontologii

Pytania wzorcowe

Sformułowanie pytań wzorcowych to jeden ze sposobów na ustalenie zasięgu ontologii. Jest to lista pytań, na które stworzona ontologia powinna dać odpowiedź. Pytania te mogą również służyć do testowania stworzonej ontologii.

Podczas procesu tworzenia ontologii „WiedzaIT” sformułowane zostały następujące pytania wzorcowe:

Jakie są wszystkie źródła wiedzy z danej dziedziny wiedzy?

Pytanie to można rozszerzyć do nadkategorii dziedziny wiedzy.

Jakie są źródła wiedzy danego typu (książka, publikacja, etc.)?

Pytanie to można ograniczyć do źródeł wiedzy obejmujących daną kategorię.

Jakie są wszystkie źródła wiedzy opublikowane przez daną osobę?

Zapytać można również o wydawnictwo oraz datę wydania.

Slide 206

Tworzenie ontologii „WiedzaIT” - ustalenie domeny oraz zasięgu ontologii

Definicja klas

1. ZrodloWiedzy

Jest to klasa bazowa dla wszystkich klas reprezentujących źródła wiedzy informatycznej. Wszystkie klasy reprezentujące źródła wiedzy w ontologii dziedziczą większość swoich atrybutów z tej właśnie klasy.

2. Czlowiek

Instancje klasy Czlowiek reprezentują osoby dysponujące wiedzą informatyczną. Dana osoba może zarówno posiadać wiedzą jako taką i tym samym wystąpić jako instancja klasy Czlowiek, jak również być autorem książki, czy publikacji, stanowiąc instancję klasy Osoba.

3 Ebook

Ebook (ang. e-book) to treść zapisana w formie elektronicznej. Nie istnieje ścisła definicja tego pojęcia. Można jednak przyjąć, że Ebook „jest przeniesieniem klasycznej książki czy czasopisma do świata urządzeń komputerowych, co wyraża się choćby w nazwie”. www.pl.wikipedia.org/wiki/Ebook

Slide 207

Tworzenie ontologii „WiedzaIT” - definiowanie klas oraz hierarchii klas

4. Ksiazka

Klasa Ksiazka reprezentuje książki, czyli dokumenty piśmiennicze w postaci publikacji wielostronicowych o określonej liczbie stron, mające charakter trwały.

5. Publikacja

Podobnie jak w przypadku pojęcia Ebook, nie istnieje ścisła definicja publikacji naukowej. Publikacja, jako instancja klasy w ontologii „WiedzaIT” musi spełniać następujące postulaty:

jest pierwszym publicznym ogłoszeniem danej informacji.

jest szczegółowa w stopniu umożliwiającym innym, równorzędnym naukowcom oszacowanie wartości przeprowadzonych obserwacji, powtórzenie eksperymentu, ocenę poprawności wnioskowania autorów.

nośnik publikacji naukowej czyni ją dostępną ludzkim zmysłom, cechuje się trwałością, jest dla społeczności naukowej dostępny bez ograniczeń, jest regularnie indeksowany przez jeden lub więcej spośród ogólnie uznanych wtórnych źródeł informacji naukowej.

Definicja Publikacji, jako klasy w ontologii „WiedzaIT” zawiera postulaty zdefiniowane przez Towarzystwo Edytorów Naukowych (Council of Science Editors).

Slide 208

Tworzenie ontologii „WiedzaIT” - definiowanie klas oraz hierarchii klas

6. StronaWWW

StronaWWW jako klasa w ontologii „WiedzaIT”, to każda opublikowana w Internecie treść, nie mieszcząca się w ramach definicji klasy Ebook oraz Publikacja.

7. DziedzinaWiedzy

Obiekty tej klasy reprezentują dziedziny wiedzy informatycznej.

Slide 209

Tworzenia ontologii „WiedzaIT” - definiowanie klas oraz hierarchii klas

8. Osoba

Jak wspomniano w punkcie 2. instancja klasy Osoba reprezentuje autora książki, czy publikacji.

9. Wydawnictwo

Wydawnictwo to instytucja organizująca proces wydawniczy. Wydawnictwo jako klasa w ontologii „WiedzaIT” reprezentuje organizacje wydające książki (instancje klasy Książka).

10. Kontakt

Obiekty klasy Kontakt reprezentują dane kontaktowe osoby lub wydawnictwa, takie jak adres, telefon, czy numer konta bankowego.

Slide 210

Tworzenia ontologii „WiedzaIT” - definiowanie klas oraz hierarchii klas

Problematyczne może być jedynie rozróżnienie klas Czlowiek oraz Osoba. Otóż instancje klasy Czlowiek reprezentują osoby dysponujące wiedzą informatyczną. Oprócz relacji dotyczyDziedzinyWiedzy, dzięki której możemy ustalić zakres wiedzy danej osoby, klasa Czlowiek posiada również relację maAutora, która wskazuję na instancję klasy Osoba, opisującą danego człowieka. Opis ten sprowadza się do określenia imienia, nazwiska, daty urodzenia oraz danych kontaktowych danej osoby. Instancjami klasy Osoba mogą być również ludzie nie dysponujący wiedzą informatyczną, stąd rozróżnienie pomiędzy klasami Czlowiek oraz Osoba.

Slide 211

Tworzenia ontologii „WiedzaIT” - definiowanie klas oraz hierarchii klas

Jeżeli klasa A jest nadklasą (ang. superclass) klasy B, to każda instancja klasy B jest również instancją klasy A. W ontologii „WiedzaIT” pojęcia nadklasy, a co za tym idzie hierarchia klas dotyczy wyłącznie klas reprezentujących źródła wiedzy. Klasa ZrodloWiedzy stanowi nadklasę dla następujących klas: Czlowiek, Ebook, Ksiazka, Publikacja, StronaWWW.

Slide 212

Tworzenia ontologii „WiedzaIT” - definiowanie klas oraz hierarchii klas

Hierarchia klas

Slide 213

Tworzenia ontologii „WiedzaIT” - definiowanie relacji klas

Stworzone w trakcie procesu budowy ontologii „WiedzaIT” relacje, przedstawione są w kontekście klas, których dotyczą.

1. ZrodloWiedzy

maNazwe – jest to łańcuch tekstowy określający nazwę źródła wiedzy. Np. dla książki jest to jej tytuł;

maTyp – atrybut ten określa typ źródła wiedzy. Dopuszczalnymi typami są: Czlowiek, Ebook, Ksiazka, Publikacja, StronaWWW;

zawieraKodyZrodlowe – atrybut ten, którego typem jest wartość logiczna, określa czy dane źródło wiedzy zawiera kody źródłowe opisywanych programów, czy procedur;

dotyczyDziedzinyWiedzy – dzięki tej relacji możliwe jest wskazanie dziedziny wiedzy, której dane źródło wiedzy dotyczy.

maAutora – relacja ta, której typem jest Osoba, wskazuje autora danego źródła wiedzy.

Zgodnie z hierarchią klas, wszystkie klasy dla których klasa ZrodloWiedzy jest nadklasą, dziedziczą opisane powyżej atrybuty i relacje;

Slide 214

Tworzenia ontologii „WiedzaIT” - definiowanie relacji klas

2. Czlowiek, Ebook

Klasy Czlowiek oraz Ebook posiadają tylko i wyłącznie relacje odziedziczone po klasie ZrodloWiedzy.

Slide 215

Tworzenia ontologii „WiedzaIT” - definiowanie relacji klas

3. Ksiazka

maNumerISBN – atrybut ten określa numer ISBN danej pozycji literaturowej. Jego typem jest łańcuch tekstowy. Spowodowane jest to sposobem zapisu numerów ISBN, w których cyfry oddzielone są średnikami;

maDateWydania – relacja ta, której typem jest Data, określa datę wydania danej pozycji literaturowej;

maOryginal – relacja ta wskazuje na inną instancję klasy Ksiazka w przypadku, gdy dana pozycja jest tłumaczeniem oryginalnego wydania;

maWydawnictwo – relacja ta wskazuje instytucję, która wydała daną książkę.

Slide 216

Tworzenia ontologii „WiedzaIT” - definiowanie relacji klas

4. Publikacja

maDateWydania – relacja ta, której typem jest Data, określa datę wydania danej publikacji.

5. StronaWWW

maAdres – atrybut ten określa adres internetowy danej strony WWW;

maJezyk – atrybut ten określa język w jakim wyrażona jest treść zawarta na danej stronie WWW;

jestPodstrona – relacja ta wskazuje instancję klasy StronaWWW, stanowiącą stronę główną dla danej strony WWW;

maDateAktualizacji – przy pomocy tej relacji możliwe jest określenie daty aktualizacji danej strony WWW.

Slide 217

Tworzenia ontologii „WiedzaIT” - definiowanie relacji klas

6. DziedzinaWiedzy

maNazwe – atrybut ten określa nazwę dziedziny wiedzy;

maNadkategorie – relacja ta, której typem jest DziedzinaWiedzy, określa nadkategorię dla danej dziedziny wiedzy w hierarchii dziedzin wiedzy.

Slide 218

Tworzenia ontologii „WiedzaIT” - definiowanie relacji klas

7. Data

maDzien – określa dzień miesiąca;

maMiesiac – określa miesiąc w roku;

maRok – określa rok.

Slide 219

Tworzenia ontologii „WiedzaIT” - definiowanie relacji klas

8. Osoba

maImie – atrybut ten określa imię bądź imiona danej osoby;

maNazwisko – atrybut ten określa nazwisko danej osoby;

maDaneKontaktowe – przy pomocy tej relacji, której typem jest Kontakt, możliwe jest określenie danych kontaktowych danej osoby;

maDateUrodzenia – relacja ta określa datę urodzenia danej osoby.

Slide 220

Tworzenia ontologii „WiedzaIT” - definiowanie relacji klas”

9. Wydawnictwo

maNazwe – atrybut ten określa nazwę danego wydawnictwa;

maDaneKontaktowe – dane kontaktowe wydawnictwa.

Slide 221

Tworzenia ontologii „WiedzaIT” - definiowanie cech relacji klas”

10. Kontakt

maAdres – określa adres dla danego kontaktu;

maNumerKonta – określa numer konta bankowego;

maTelefon – określa numer telefonu;

maeMail – określa adres poczty e-mail.

Slide 222

Tworzenia ontologii „WiedzaIT” - definiowanie cech relacji klas”

Relacje klasy posiadają następujące cechy opisujące typ ich wartości:

Kardynalność atrybutu (ang. slot cardinality) – określa, jak wiele wartości może mieć dana cecha;

Fasetowość dopuszczalnych wartości dla atrybutu (ang. value-type facet) – określa jakiego rodzaju wartości może przybierać dana relacja.

Slide 223

Tworzenia ontologii „WiedzaIT” - definiowanie cech relacji klas”

Slide 224

Tworzenia ontologii „WiedzaIT” - definiowanie cech relacji klas”

Ostatnim krokiem w procesie modelowania ontologii jest utworzenie indywidualnych wystąpień klas, ich instancji. Utworzenie instancji klasy sprowadza się do wyboru klasy, utworzenia nowego wystąpienia oraz uzupełnienia atrybutów i relacji.

Slide 225

Tworzenia ontologii „WiedzaIT”


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