Dotychczasowe w ieloletnie stosowanie określenia zarządzania w iedzą dowodzi, iż nadal je st niewłaściwie definiowane oraz używane w odniesieniu do niewłaściwych sytuacji. N a ogół - skądinąd słusznie - kojarzone jest z koncepcjami zarządzania zm ianą sam ouczących się organizacji, reengineringu oraz systemów opartych o bazę wiedzy, co jednak nie do końca wyczerpuje istotę problemu.
Istota tego pojęcia odnosi się do przypadku, w którym po analizie sytuacji, w jakiej znalazła się organizacja, podejmowana je st optymalna decyzja ze zbioru wszystkich dostępnych decyzji, podjętych w przeszłości w podobnych w arunkach (czyli została wcześniej wykreow ana dla rozwiązania podobnej klasy problem ów baza wiedzy, która w momencie zaistnienia podobnego zdarzenia jest wykorzystywana).
W ynikające stąd podstawowe koncepcje zarządzania w iedzą sprow adzają się do określenia je j jako:
• kwantum infonnacji, intuicji i doświadczeń umożliwiających poprawę efektów działania organizacji, wartych do zastosowania i dystrybuowania poprzez inform atyczne systemy wspomagania organizacji1,
1 Turban E.: D ecision Support and Expert Systems. M anagem ent Support System s, John W iley&Sons. Inc., NY, 1993
25
• nowej trójpłaszczyznowej architektury systemów w spom agania organizacji:
informacyjnej - zawierającej nowe języki komunikacji, nowe kategorie i metafory dla identyfikacji i oceny umiejętności i kompetencji;
technicznej - zawierającej elementy społeczne, o strukturze bardziej przejrzystej, otwartej, elastycznej i zorientowanej na pojedynczego użytkownika;
aplikacyjnej - zorientowanej na rozwiązywanie problem ów i reprezentację danych, nie na generacje raportów i przetwarzanie transakcji“,
• odwzorowania „kapitału intelektualnego” (zebranie wiedzy, dokumentów, raportów badawczych itp.) w systemach informatycznych firm y3,
• um iejscowienia „instytucjonalnej pam ięci” w bazie wiedzy oraz jej dystrybucji przez intranet, specjalizowane archiwa lub systemy poczty elektronicznej do pracowników firmy4,
• odzwierciedlenia i gromadzenia informacji o umiejętnościach i procedurach działania poszczególnych członków personelu (w tym kadry kierowniczej) w bazach wiedzy firmy5,
• zrozum ienia i ukształtowania w postaci oprogram owania m odułów systemów inform atycznych relacji wzajemnych pomiędzy danymi, identyfikacja oraz udokum entowanie zasad zarządzania danymi, zapewnienie ich przystawalności do problemu i integralności bazy danych6,
• zbioru zasad praktycznych (mechanizmów bazy wiedzy) zarządzających identyfikacją i lokalizacją intelektualnych zasobów wew nątrz organizacji, generujących now ą wiedzę dla zapewnienia przewagi konkurencyjnej, zapewniających szeroki dostęp do zbiorowej informacji, udostępnienie najlepszych rozwiązań praktycznych oraz wspom agających najnowsze strategie i technologie zarządzania7,
• podejścia do masowej informacji zawierające zasady jej logicznej organizacji i udostępniającą j ą właściwym ludziom we właściwym czasie za pom ocą oprogram owania systemów wspomagających zarządzanie8.
Powyższe teoretyczno-filozoficznc koncepcje są realizowane w określonych konstrukcjach technologicznych.
Jednym z najtrudniejszych problemów przed jakim i staje obecnie organizacja w zarządzaniu w iedzą je st gromadzenie i selekcja danych.
Dzieje się tak z powodów następujących :
‘ M anville B. D irector o f K nowledge M anagem ent fin n y M cKinsey& Com pany, (za: )W W W Virtual Library on KM; http://w w w .brint.com /km /
Davenport T. H.: Process Innovation: Reengineering W ork T hrough Inform ation Technology, Harvard Business School Press, Boston, 1993
4 D avenport T., Prusak L.: W orking Knowledge: How O rganizations M anage W hat They Know, Harvard B usiness School Press, 1998
5 Kendall K.; Kendall J.: System s Analysis and Design, Prentice Hall, New Jersey, 1999
6 Koulopoulos T.: Spinello R., Tom s W.: Corporate Instinct: Building a Knowing Enterprise f o r the 21" C entiny, V an N ostrad Reinhold, 1997,
7 M alhotra Y .: K nowledge M anagem ent for the New W orld o f Business, B rint.com Institute, 1998 8 Davenport T., Prusak L.: W orking Knowledge: How Organizations M anage W hat They Know, Harvard Business School Press, 1998
• ilość danych rośnie obecnie wykładniczo, wiele z nich musi być przechow yw anych przez długi czas, ciągle i w sposób masowy są dodawane nowe dane,
• tylko mała część z nich je st używana dla podejmowania określonych decyzji,
• istotny w pływ na decyzje zewnętrzne ma coraz większa ilość informacji napływających z zewnątrz,
• niezbędne dla podejmowania decyzji dane m ogą być grom adzone w różnych system ach kom puterowych, bazach danych, formatach i językach zarówno program owania, jak i ludzkich,
• w ym agania prawne związane z gromadzeniem danych są różne w różnych krajach i bardzo często ulegają zmianie,
• występuje ogrom na ilość narzędzi wspomagających selekcję danych dla celów zarządzania,
• bezpieczeństw o, jakość i integralność danych w systemie stanow ią krytyczny czynnik sukcesu implementacji systemów w rzeczywistości gospodarczej.
Transform acja danych w wiedzę - w istocie potrzebną do podejm ow ania decyzji - może się odbywać bardzo różnymi drogami. Uogólniony sposób transformacji przedstawiono na ry s.l. Początkowo dane są gromadzone w bazie danych. N astępnie po wstępnym przetworzeniu umieszcza się je w hurtowniach danych. W celu umożliwienia w ykorzystania w iedzy w nich zawartej do celów zarządzania dane te przechodzą przez proces transformacji, przygotowujący je do analizy szczegółowej. Analiza ta dokonywana je st narzędziami automatycznego wyszukiwania danych (data-mining).
Ostatecznym krokiem przetworzenia jest porównanie wyszukanych danych ze wzorcami (zachowań, reakcji) przechowywanym i w inteligentnych systemach, pozwalających na interpretacje uzyskanych porównań. Rezultatem ostatecznym tych porównań jest uzyskanie oceny przydatności uogólnionej informacji dla celów zarządzania oraz jej zgromadzenie, razem z danymi w bazie wiedzy.
9 C hm ielarz W.: “ Rola tendencji integracyjnych w kształtow aniu system ów inform atycznych zarządzania”, rozdział III książki pod red. N aukową T. Kasprzaka “ Integracja i architektury system ów inform acyjnych przedsiębiorstw ” , Katedra Informatyki G ospodarczej i A naliz Ekonom icznych W ydziału N auk Ekonomicznych UW, W arszawa, 2000,
27
Przekształcanie danych w wiedzę
Rys. 1
H u r t o w n i a d a n y c h A n a H z a d a n v c h
G r o m a d z c n i c d a n y c h
S e l e k c j a . v - ; \
d a n y c h *V s l ą p n c
r / e t w o r z e n i c T r a n s f o r m a c j a
Dane
z g r o m a d z o n e
U ż y t k o w n i k
Dane
d o c e l o w e
D a n e D a n e
w s t e p n i e p r/. c t r a n s f o r m o w a n c
W l e d / . a
B a z a w i e d z y
Źródło: opracow anie własne
Proces w ydobywania użytecznej wiedzy z danych m asowych nazywa się zarządzaniem wiedzą. Zarządzanie wiedzą jest to efektywne w ykorzystanie przez użytkownika m echanizm ów manipulacji inform acją w celu uspraw nienia procesów kierowania organizacją. W swojej historii przechodził on cztery podstaw ow e stadia, przedstawione w tab. 1.
Najbardziej efektywnym narzędziem zarządzania w iedzą je st automatyczne wyszukiwanie informacji (data-mining). Data-M ining je st to proces automatycznej ekstrakcji użytecznej, wartościowej i uprzednio nieznanej w iedzy z dużych baz danych.
Ujawnione w ten sposób ukryte trendy, korelacje i w zorce w danych w spom agać m ogą procesy decyzyjne w przedsiębiorstwie.
Podstawa zarządzania w iedzą w bazach danych wym aga grom adzenia masowych danych, potężnych mocy przetworzeniowych i skutecznych algorytm ów w yszu
kiwawczych. Data-mining polega głównie na automatycznym przew idyw aniu trendów na podstawie danych uzyskanych z baz przemysłowych oraz autom atycznym odkrywaniu nieznanych uprzednio wzorców zależności i zachowań. Spowodowane je st to faktem, że w wielkich bazach danych niezbędne dla zarządzania dane są głęboko ukryte oraz faktem, że dane dotyczące organizacji mogą być konsolidowane lub trzym ane na serwerach intranetowych lub internetowych. Skutkiem działania „poszukiw acza danych”
- użytkow nika końcowego - je st wyabstrahowanie niezbędnej informacji z baz danych
Etapy rozwoju zarządzania wiedzą
Tablica 1
Stopień rozwoju Dostępne technologie Charakterystyka danych Grom adzenie danych
Data-mining powoduje powstanie pięciu typów informacji wynikających z relacji pomiędzy danymi uzyskanymi z bazy danych: asocjacji (skojarzenia), sekwencji (kolejności), klasyfikacji (segregowanie), klasteryzacji (gromadzenie, grupowanie), prognozowania (przewidywanie).
Opiera się na technikach wnioskowania na podstawie przypadku, badania sieci neuronowych, algorytmów genetycznych, elektronicznych agentów (Intelligent Agents), drzew decyzyjnych, metod najbliższego sąsiedztwa itp. Elementy heurystyki - oparte na analizie częstości korzystania z informacji - przyspieszają procesy wyszukiwawcze.
Jednym z najprzydatniejszych zakresów działań gospodarczych, gdzie wykorzystuje się narzędzia inteligentnego wyszukiwania danych je st handel elektroniczny.
2. N arzędzia handlu elektronicznego w kontaktach z klientem