ACTA UNIVERSITATIS LO D ZIEN SIS FOLIA OECONOM1 157, 2002
Jan M ańka ’ Wojciech Krupa Kazim ierz Krupa
Z A R Z Ą D Z A N I E W I E D Z Ą I A K C E L E R A T O R E K S P A N S J I
W iedza zg r o m a d zo n a w o r g a n iza c ja c h g o s p o d a r c z y c h n a le ż y d o w a żn ych a k ty w ó w . W z a r zą d za n iu n ią w y ró żn ia m y stra te g ie : k o d y fik a c ji i p e łn e j p e rs o n a liz a c ji. W ła ściw a k u ltu r a o r g a n iz a c y j na p o z w a la na s k u te c zn e k o rz y sta n ie z c a ły c h z a s o b ó w d o s tę p n e j w ie d zy o ra z n a u r u c h o m ie n ie a k c e le ra to r a eksp a n sji.
W ied za o rg a n iza cji p rze m y sło w y c h
W iedza organizacji przem ysłow ych to ogół treści utrw alonych w um ysłach pracow ników lub dokum entach firmowych. Powstaje ona w efekcie grom adze nia inform acji, kum ulow ania dośw iadczenia oraz uczenia się. W iedza je st zaso bem, bogactw em i kapitałem . Pow szechnie dzielim y j ą na: utylitarną, teoretycz ną, osobow ą, bezosobową. Aktualnie obserwujem y szybki przyrost zasobów wiedzy, pow oduje go rozwój technik inform acyjnych, doskonalenie narzędzi przechow yw ania wiedzy, powstanie nowych generacji zintegrow anych syste mów inform atycznych, wzrost skuteczności inteligentnych narzędzi do przetw a rzania inform acji. W ydaje się, że m ożna rozszerzyć sform ułow aną przez K. W ick selľa koncepcję capital - intensive na know ledge intelligence i mówić już w łaściw ie o kom pleksowej gospodarce wiedzy. Roehl e zalicza w iedzę do aktywów „niew idzialnych” i przekonuje, że są one najpow ażniejszym i zasobam i w spółczesnych organizacji przem ysłow ych. Badania w skazują, że ju ż 1996 roku z sektorów G.O.W . (G ospodarka O parta na W iedzy) pochodziło około 60% nowo pow stałych produktów [4 s. 34]. P. Strassem an przekonuje, że w św iecie coraz pow szechniej uznaje się znaczącą rolę wartości niem aterialnych opartych na wiedzy i energicznie rozw ija badania w zakresie K now ledge C apital.
Opra-FW POLM O
** .
Uniwersytet Kardynała Stefana Wyszyńskiego Uniwersytet Rzeszowski, E-mail: kkrupa@pf.pl
cow ał on ju ż oryginalne wskaźniki pom iaru tego kapitału. S ą to: w artość dodana kierow nictw a (m anagem ent value added), stopa zwrotu kierow nictw a (return on managem ent). Kolejne propozycje w tym zakresie to: koszty stałe do kapitału wiedzy, akcelerator ekspansji.
Davis S. uzasadnia, że w organizacjach przem ysłow ych najw ażniejszym i źródłam i wiedzy są:
> zatrudniony personel,
> zasób informacji o ofercie rynkowej, > pakiet wiedzy o rynku i klientach.
W ydaje się jednak, że równie ważnym źródłem są dokum enty, procedury, instrukcje. Zaliczam y je do zasobów wiedzy bezosobow ej. W iedza podm iotów gospodarczych pow inna być:
> łatwo dostępna dla członków organizacji,
> ciągle pow iększana z źródeł wewnętrznych i zew nętrznych,
> przedm iotem obróbki z w ykorzystaniem najnow szych inteligentnych narzę dzi,
> kw antyfikow ana, > oceniana (audit wiedzy).
Profesjonalne zarządzanie całymi zasobam i wiedzy nie jest łatwe. Zdaniem Nancy M. D ixon1 proces tw orzenia wiedzy w wyniku w spółpracy zespołów składa się z czterech kroków (rys. 1):
1. Zespół angażuje się w realizację jednego zadania, trw a to okresow o przez tydzień lub miesiąc.
2. Pracujący zespół uzyskuje w wyniku pracy sukces lub rozczarow anie.
3. Zespół posiada wiedzę jak budować połączenia pom iędzy uczestnikam i i jak uzyskać wynik.
4. Praca zespołu zgodnie z pragnieniam i trw a niewiele dni lub m iesięcy jeśli zadanie tego wymaga. Praca jest m odyfikow ana w całym okresie działania, bazując na zdobytej wiedzy.
1 Nancy M. Dixon: Common Knowledge. How Companies Thrive by Sharing Wliai They Know. Harvard Business School Press, 2000 s. 39
Rys. 1 Tworzenie wspólnej wiedzy.
Źródło: Opracowanie własne na podstawie [5 s. 5]
Proces ten posiadający elem enty autopoitec, m oże być połączony z dźw i gnią (rys. 2), której moc zależy od:
1. Znalezienia metody transferu wiedzy grupy do indyw idualnego użytkow ni ka.
2. Tłum aczenia co jest w środku pom iędzy uczeniem a form ą u żyw an ą przez innych.
3. Przyjęcia przez zespół i adaptow ania indywidualnej wiedzy w trakcie party kularnych kontekstów.
4. Pow tarzania procesu i przyjęcia przez zespół akcji w now ym zadaniu. Tworzenie i dźwignia wspólnej wiedzy pow stają w wyniku transferu. Nancy M. Dixon wyróżnia pięć typów transferów wiedzy :
1. Przybliżony. 2. Odległy. 3. Strategiczny. 4. Ekspertow y. 5. Etapowy. 2 Ibid., s. 41
s __ X Wynik jest osiągnięty Zespól spełnia zadanie Zespól eksploatuje relacje powiązane pomiędzy akcją i wynikiem Wspólna wiedza jest osiągnięta Sy stem p rz e tw arza n ia i selek cji w ied zy
Rys. 2 M echanizm dźwigni wiedzy.
Źródło: Opracowanie własne na podstawie [5 s. 6]
Tw ierdzi również, że należy spoglądać i analizow ać te transfery w poprzek i budow ać integracyjny system transferu. John Seely Brown i Paul D uguid kładą akcent na w spółdzielenie wysiłków w tw orzeniu wiedzy. P rzyjm ują oni, że eks perym enty w budow ie wiedzy i dużo kolektyw nej pracy oraz kooperacji w przedsięw zięciach powoduje, że pow staje kapitał dyspozycyjności i trend zaciekaw ienia [5 s. 12 - 15].
W y b ra n e p rob lem y za rz ą d za n ia w ied zą
Istotę głównych elem entów zarządzania w iedzą w podm iotach gospodar czych należy analizow ać z perspektywy:
^ determ inantów teoretycznych, > kom pleksow ych procesów,
> koniecznych do w ykorzystania technologii, > kom pletnych aspektów organizacyjnych, > zintegrow anego zarządzania,
Jackson C. przew odniczący APQC uważa, że zarządzanie w iedzą należy uznać za strategiczny cel ekspansyw nych organizacji przem ysłow ych. W an ’a T. przedstaw ia metodykę implementacji zarządzania wiedzą, która składa się z 10 elem entów . Każdy z nich jest szczegółowy. Elem enty te w spom agane są przez 24 napędy (drivery) zgrupowane w 6 kategoriach. T w órca tej m etodyki przeko nuje, że zapew nia ona pow odzenie trudnego procesu w drażania KM. Interesują cą koncepcję proponują także Appelehans, Globe i Langero 11 s. 78]. W wyniku kom pleksow ych analiz i badań w organizacjach przem ysłow ych autorzy ci przedstaw ili siedem etapów wdrażania. Są to między innym i m apow anie pow ią zań sieci wiedzy, definiow anie pięter w ejścia wiedzy oraz budow a technicznej architektury dla KM. Ich zdaniem na etap technicznej architektury składa się sześć warstw:
1. Przygotow anie dostępu do wiedzy (access).
2. Tw orzenie interfejsów sprzęgających źródła z bazą wiedzy.
3. W ybór i im plem entacja inteligentnych narzędzi do w spom agania KM. 4. Zdefiniow anie konfiguracji do transm isji.
5. Ustalenie procedur oraz budowa narzędzi zapew nienia w łaściw ego poziom u bezpieczeństw a i odpow iedzialności za KM.
6. Stw orzenie warunków dla spraw nego przepływu strum ienia w ied z y 1
W warunkach naszych organizacji przem ysłow ych spójny proces zarządza nia w iedzą pow inien obejmować:
> budow anie jej zasobów z źródeł wewnętrznych, > pozyskiw anie wiedzy z źródeł zewnętrznych, > inteligentne przetw arzanie,
> w ykorzystyw anie wiedzy w celu zw iększenia zakresu realizacji strategii, > transm isję:
a. d la p o trzeb p r a c o w n ik ó w d z ia łó w o p e r a c y jn y c h , b. d o partnerów ,
c. w w y b ra n y m z a k r e sie d o in n y ch ź ró d eł, > bezpieczne przechowyw anie.
Koncepcję strumieni wiedzy opracował K.Erik Sveiby (A. Fazlagic: Budowanie strategii przed siębiorstwa opartego o wiedzę■ W Zarządzanie wiedzą w przedsiębiorstwie. PFPK, W arszawa, 2001 s. 72]. Zobacz również L.J. Williams: Organizational Research Methods. W The Research Methods Division of the Academy o f Management. Sage Publications Inc. NY, 2001
W ydaje się, że obecny stan narzędzi w spom agających um ożliw ia zarządza nie w iedzą bezosobow ą jedynie w ograniczonym zakresie. P otw ierdzają to rów nież badania Ch. C hong’a, T. H olden’a, R. S ch m id ťa z których wynika, że około 2/3 przedsiębiorstw listy FTSE objętych badaniam i rozpoczęło w prow a dzanie procedur zarządzania wiedzą, a tylko 23% z nich skoncentrow ało się na kodyfikacji i dzieleniu się w iedzą [2 s. 6]. Em auelsson M. i S urgarde N. tw ier dzą, że naw et w firmach, które określałyby się jak o kn o w intensive m ożna zaob serw ow ać konflikty pom iędzy w iedzą form alną a kreatyw nością. W C o m paq ’u Knowledge M anagem ent stworzony przez S. G arfielď a mimo w ykorzystania zaaw ansow anych rozwiązań między innymi N onStop e ’Business i Expeditor, jest oceniany jako trudny w eksploatacji4 [9]. Główne zadania które w C om paqu przydzielono dla systemu zarządzania wiedzą, czyli:
> zw iększenie wartości intelektualnej tkwiącej w pracow nikach,
> udostępnienie tych wartości klientom, nie zostały zrealizowane jeszcze w zadawalającym zakresie.
Przeciętny, typowy koszt uruchom ienia KM w organizacji przem ysłow ej średniej w ielkości przekracza kilkanaście m ilionów dolarów . Dotyczy to szcze gólnie KM z kliszą projektow ą posiadająca głębokie pasm o przekazu (band depth) reprezentow aną przez model D onoghue i dynam iczną koncepcję Harissa.
K a p ita ł n iem a teria ln y i a k celera to r ek sp a n sji
Próby pom iaru kapitału niem aterialnego podejm ow ano ju ż w ielokrotnie. W ykorzystuje się do tego metody pośrednie. Zazwyczaj są to specjalnie dla tego celu zbudow ane procedury, które jednocześnie pozw alają w yelim inow ać zjaw i sko „m etkow ania” wiedzy.
Sobolewski P. z Compaq Polska mówi. że setki portali i miliony dokumentów dostępne w kor poracyjnym KM, powodują wyjątkowy gąszcz informacyjny i nawet nowoczesne technologie są mało skuteczne a samo zarządzanie wiedzą mało naturalne [9 s. 12].
Tabela 1. Karla akceleratora ekspansji przedsiębiorstw przem ysłu maszy nowego.
Źródło: Opracowanie własne
Lp. Grupa Wskaźnik Wykorzystywane narzę
dzia Znaczenie5 Wagi'1
St. wyko rzystania7 1 Wiedza bezosobo wa > procedury. > marszruty, > dokumentacja badaw cza, r wynalazki, > sprawozdania: z współpracy, badań, rozmów biznesowych, > doniesienia branżowe. 1. Bazy wiedzy. 2.Workflow. 3.Listy dyskusyjne. 4.Pakiety ekspertowe. 5.Portale. 6 . Strony W W W . 7.Sieci neuronowe. 8. Algorytmy genetyczne. 2 Poiencjal badawczy > wynalazki, > wdrożenia, > projekty badawcze, > współpraca: a/ jaka ? b/ z kim ? 1. CAD. 2. CAM. 3. ARIS. 4. CASE. 5. Listy dyskusyjne, 3 Potencjał wytwórczy i organiza cyjny > nowoczesność, > elastyczność, > metody zarządzania, > systemy motywacyj ne. 1.CIM 2. ERP. 3. MRP II. 4. CRM. 5. SCM. 6. Łańcuch procesów. 7.Outsourcing. 8. Reengineering, JiT, Logistyka. 4 Personel > kreatywność, > przedsiębiorczość, > doskonalenie zawo dowe. > stopień utożsamiania z firmą. 1. Benchmarki wewnętrz ne i zewnętrzne. 2. Punktowe systemy oce
ny.
3. Gry decyzyjne. 4.Programy kariery za
wodowej. 5.Programy lojalności. 5 Oferowane rozwiązania (pakiety wyrobów i usług) > kompleksowość roz
wiązania (oferty ryn kowej), > znaczenie dla sektora, > pozycje w rankingach. > opinie odbiorców. 1 . Notowania rynkowe. 2. Indeksy klasy Standard&Poor. 3. Analizy statystyczne branży. 4. Analizy wewnętrzne. 5.Opinie prasy fachowej.
5 Wielkości rejestruje się w trakcie badań empirycznych 6 Wielkości rejestruje się w trakcie badań empirycznych 7 Wielkości rejestruje się w trakcie badań empirycznych
Ich skuteczność i znaczenie zależą głównie od trafności przyjętych kwanty- fikatorów oraz adekw atności wag i miar. M imo staranności w doborze narzędzi pom iar jest trudny, bow iem kapitał niem aterialny jakim dysponuje podm iot go spodarczy, nie jest jednorodny. Najstarszym i stosunkow o prostym narzędziem pom iaru kapitału niem aterialnego jest M arket-to-B ook Ratio (stosunek wartości rynkowej do wartości księgowej)*. Podobnym w konstrukcji logicznej w skaźni kiem jest EVA (ekonom iczna wartość dodana). EVA w ykorzystuje się czasem do pom iaru IK (wartości kapitału intelektualnego).
Do bardziej rozbudow anych analitycznych narzędzi należy N avigator L. E dvisson’a oraz Intengible Assets M onitor (m onitor aktyw ów niew idzial nych) opracow any w Celem i. Kolejną propozycją z tego zakresu są dobrze zlo kalizow ane Karty A kceleratora Ekspansji (KAE). Każda KAE musi być mocno pow iązana z branżą w której działa podm iot gospodarczy oraz z rynkiem w któ rym jest on aktyw ny9. Doświadczenie wskazuje, że dobrą adekw atność badań uzyskuje się stosując jed n ą z kilku w yprofilow anych wg wyżej w ym ienionych kryteriów kart.
Prezentow ana w tabeli 1 karta10 posiada instrum ent do autom atycznego po zyskiw ania danych w ściśle określonych okresach. Korzysta z bazy wiedzy w której znajdują się dane o podm iotach z branży i tworzy listy benchm arkin- gowe. Przew iduje się, że w przyszłości będzie tworzyć trendy postępów.
A kcelerator ekspansji (AE) jest jednym z głów nych elem entów pow odzenia na konkurencyjnym ry n k u ". Um ożliwia rów nież uzyskanie przew agi lub pozy cji dom inującej (rys. 3). W ielkość (siła oddziaływ ania) akceleratora zależy od w spółczynnika użyteczności zgrom adzonej wiedzy (p w ) oraz w spółczynnika użyteczności w ykorzystyw anych inform acji (pi) (w zór 1).
8 Obecnie widać, że miernik ten jest mocno związany z opiniami i decyzjami inw estorów giełdo wych. Z tego powodu jego znaczenie szybko maleje.
9 Istotne jest również jaką tam odgrywa rolę.
10 Kartę przygotowano dla producenta ciężkich maszyn budowlanych.
11 Zobacz również K. Krupa: M etodyka STBWO i akcelerator ekspansji. Red. P. W. Fuglewicz, J.K. Grabara. W Informatyka w gospodarce wiedzy. WNT, W arszawa 2001 s. 130 - 131
AE = [pi(S I)+ pw (S W )]w m (1) gdzie:
AE - akcelerator ekspansji
pi - w spółczynnik użyteczności informacji w ykorzystyw anych do uzy skania ekspansji
SI - sum a inform acji
pw - współczynnik użyteczności zgromadzonej wiedzy SW - sum a wiedzy
wm - w spółczynnik motywacji
W ielkość pi zależy w dużym zakresie od poziom u technologicznego i w y tw órczego (CIM , E R P )12, inteligentnych BI i OLAP, kultury organizacyjnej oraz w spom agania podejm ow ania decyzji przez zintegrow ane system y inform atyczne (MIS, DSS). W spółczynnik pi uzyskuje wartości m niejsze od 1.
Rys. 3 Akcelerator ekspansji Źródło: Opracowanie własne
Sum a wiedzy (SW ) to wiedza w łasna i zew nętrzna grom adzona i w ykorzy stana w pełnym, koniecznym w danym okresie czasu i rozw iązyw anym proble
12 Na poziom siły oddziaływań technologii i wytwórczości zasadniczy wpływ ma stopień wdro żenia systemów informatycznych [8].
mie, zakresie. Do grom adzenia wiedzy i jej przetw arzania może być czasem niezbędny Grid C om puting13 (GC). R osnące wykładniczo zasoby inform acji w ym agają coraz częściej rów nież m eta-przetw arzania (m eta com puting).
W spółczynnik użyteczności zgrom adzonej wiedzy (p w ) zależy w zasadni czym stopniu od elem entów "miękkich" m ierzonych:
У w skaźnikiem kreatyw ności personelu, > poziom em inteligencji em ocjonalnej, У przy pom ocy modelu SEU,
У napięciem em ocjonalnym , У w artością gratyfikacyjną У m odelem Vroom a,
> w skaźnikiem m otywacji Lawlera, Portera, У m odelem H erzberga
i w wielu przypadkach uzyskuje wartość w iększą od I.
S tym ulow anie wielkości wskaźnika AB należy do istotnych strategicznych zadań. Jego wzrost m ożna osiągnąć stosując: specjalne system y m otyw ow ania, które popraw iają w spółczynnik m otywacji (wm), w łaściw e instrum enty kiero w ania oraz profesjonalne narzędzia zarządzania personelem .
W n iosk i (wybrane)
1. KM wym aga dużych środków, które konieczne są w całym cyklu funkcjo nowania.
2. K onieczne są systemy m otyw acyjne w procesie dzielenia się w iedzą przez pracowników.
3. Należy zbudow ać procedury gw arantujące korzystanie z wiedzy przy po dejm ow aniu decyzji.
4. Profilow aną bazę należy system atycznie zasilać w iedzą z otoczenia ze wnętrznego.
5. K onieczne jest skonstruow anie m echanizm ów pom iaru i oceny wpływu w iedzy na funkcjonow anie organizacji przem ysłow ych.
6. System KM powinien posiadać procedury do wym iany wiedzy.
L< GC to zestaw technologii pozwalający tworzyć moc obliczeniow ą rozproszonych superkom puterów do rozwiązywania problemów, wymagających dużych zasobów obliczeniowych.
Ź ród ła
1. Applehans W., Globe A., Langero G.: Managing Knowledge. A Practical W eb-Based A p proach. Addison-W esley Information Technology Series, 1998
2. Chong Ch. W., Holden T., Schmidt R. A.: Where Does Knowledge M anagem ent A dd Value? Journal of Intellectual Capital. Vol. 1, no 4, 2(X)<)
3. Davenport Th. H„ Prusak L.: Working Knowledge: How O rganizations M anage what they Know. Harvard Business School Press, 1998
4. Knowledge Gap. The Economist. Oct 14‘\ 1999
5. Organizational Research Methods. Ed. L.J. Williams. In The Research M ethods Division of the Academy of Management. Sage Publications, Inc., 2000
6. Rosenberg M. J. : E-learning. Strategies fo r Delivering Knowledge in the D igital Age. McGrow-Hill, 2000
7. Sparrow J.: Knowledge in Organizations. University o f Central England, Birmingham, UK, 2000
8. Santosus M., Surmacz J.: The A B C is o f Knowledge Management. Harvard Business School Press, 2000
9. Tannenbaum S., Alliger G. M.: Knowledge Management. Clarifying the Key Issues. IHRIM, 2000
10. Thieraut R. J ; Knowledge M anagement Systems fo r Business. Quorum Books, 1999 11. Intp://www.compau.com
12. Wake S.: Earned Value Booklet. 3 Edition. Steve wake Projects Ltd., London, 1998
13. Williams L. J.: Organizational Research Methods. W. The Research M ethods Division o f the Academy o f Management. Sage Publications Inc. NY. 2001