Transcript Zarządzanie wiedzą

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
I. Nonaka,, H. Takeuchi (2000) Kreowanie wiedzy w
organizacji. Warszawa, Poltext.
Morawski M.: Zarządzanie wiedzą, OrganizacjaSystem-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.
Zarządzanie wiedzą-literatura
Pomocne zasoby w sieci internet:
Gazeta –IT, dział „Zarządzanie wiedzą”:
http://www.gazeta-it.pl/zw.html
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
Zarządzanie wiedzą-tematy zajęć
 Narzędzia informatyczne w zarządzaniu
wiedzą
 Eksploracja danych
 Ontologie w zarządzaniu wiedzą
Zarządzanie wiedzą-historia
Kiedy
1980
1986
1989
1989
1991
1993
1994
1994
1996+
Kto
Digital Equipment
Corporation, Carnege
Melon University
Dr Karl Wiig
Duże firmy doradcze
Price Waterhouse
Harvard Business Review
(Noaka, Takeuchi)
Dr Karl Wiig
Knowledge Management
Network
Duże firmy doradcze
Różne firmy i praktycy
Co
Jeden z pierwszych komercyjnych systemów eksperckich XCONkonfigurujący podzespoły komputerowe
Użył pojęcia zarządzanie wiedzą w wystąpieniu w ONZ
Zaczynają próby stosowania zarządzania wiedzą
Jako jedna z pierwszych firma włącza zarządzanie wiedzą do swojej
strategii
Jeden z pierwszych artykułów naukowych na temat zarządzania
wiedzą
Jedna z pierwszych książek poświęconych zarządzaniu wiedzą
(Knowledge Management Fundamentals)
Jedna z pierwszych konferencji naukowych na temat zarządzania
wiedzą
Jako pierwsze oferują usługi w zakresie zarządzania wiedzą klientom
Wzrost zainteresowania
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.
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
.
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./
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.
Dane, informacje, wiedza
Hierarchia wiedzy
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.
Dane, informacje, wiedza
Liczby reprezentujące
fakty, obserwacje, miary
Przetworzone dane,
zorganizowane i
zinterpretowane
Zrozumienie lub model
obiektu wywiedziony
z informacji o nim
Dane
Informacja
Wiedza
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%
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”.
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
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..
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.
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”.
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.
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.
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.
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.
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.
Kapitał intelektualny
Literatura przedmiotu nie wypracowała jednej, przyjętej ogólnie definicji
kapitału intelektualnego (IC).
Różne nazwy IC
Źródło: L. Edvinsson, M.S. Malone, Kapitał intelektualny, WN PWN, Warszawa 2001, str.
18
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.
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.
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.
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.
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.
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.
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,
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.
Koncepcje zarządzania wiedzą
Trzy podstawowe podejścia:
 japońskie,
 zasobowe,
 procesowe.
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.
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.
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.
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.
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.
Tworzenia i konwersja wiedzy – model SECI
Konwersja wiedzy
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
pierwszych liter każdego z etapów).
od
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.
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”.
Koło zespołowego uczenia się
Peter Sange – wybitny autorytet w
dziedzinie organizacji uczących się –
w następujący sposób przedstawia
model „koła zespołowego uczenia się”
Koło zespołowego uczenia się
Koło zespołowego uczenia się
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).
Refleksja to 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.
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.
Koncepcje zarządzania wiedzą
podejście zasobowe
Podejście zasobowe nawiązuje
do koncepcji zarządzania
strategicznego zakładającej, że
głównym źródłem przewagi
konkurencyjnej
przedsiębiorstwa są jego
kompetencje i umiejętności.
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.
Źródła wiedzy wg Leonard Barton
Teraźniejszość
Wspólne rozwiązywanie
problemów
Wnętrze
organizacji
Otoczenie
Importowanie wiedzy
Kluczowe
umiejętności
Eksperymentowanie
Przyszłość
Implementacja i
integracja
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,
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.
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.
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.
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.
Podejście procesowe – elementy
zarządzania wiedzą
Cele zarządzania
wiedzą
Ocena wiedzy
Lokalizowanie
wiedzy
Zachowywanie
wiedzy
Pozyskiwanie
wiedzy
Wykorzystanie
wiedzy
Rozwijanie
wiedzy
Dzielenie się
wiedzą
Cele zarządzania wiedzą
W większości organizacji aspekt
wiedzy jest pomijany przy
formułowaniu celów i to na
wszystkich poziomach:
normatywnym, strategicznym i
operacyjnym.
Trzy poziomy zarządzania wiedzą
Struktury
Zarządzanie
normatywne
(założenia)
Zarządzanie
strategiczne
(plany)
Zarządzanie
operacyjne
(zadania)
Działania
Zachowanie
Statut firmy:
- przepisy prawne i ich wpływ na
zarządzanie wiedzą (tajemnica
służbowa itp..)
Polityka firmy:
- wizja i misja firmy (w aspekcie
zasobów wiedzy),
- określenie najważniejszych
obszarów wiedzy
Kultura organizacyjna:
- dążenie do dzielenia się zasobami
wiedzy,
- duch innowacyjności,
- bardzo dobra komunikacja
Struktura organizacyjna:
- zebrania, podział obowiązków,
organizacja działu badań i rozwoju,
grupy wymiany doświadczeń
Systemy zarządzania:
- Enterprise Information System,
Lotus Notes
Programy:
- współpraca,
- tworzenie kluczowych
kompetencji,
- dostarczanie informacji
Podejście do problemów:
- ukirunkowanie na zagadnienia
związane z zarządzaniem wiedzą,
- określenie zasobów wiedzy w
kontekście rozwiązywania
problemów.
Zadania:
Procesy organizacyjne:
- projekty związane z
- kontrolowanie przepływu wiedzy. zarządzaniem wiedzą,
- tworzenie banków danych o
Procesy wykonawcze:
- infrastruktura związana z wiedzą, ekspertach,
- wprowadzanie szkoleń
- dostarczanie nowej wiedzy.
wspomaganych komputerowo.
Wykonanie i współpraca:
- dzielenie się wiedzą,
- wykorzystanie wiedzy w działaniu
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.
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.
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.
Wizja i misja firmy Phonak Ltd.
wykorzystanie
Technologia informatyczna, infrastruktura
Standaryzacja wiedzy (np.programy
symulacyjne)
Struktury
firm powiązanych kapitałowo Koncentracja
wiedzy typu know-haw.
Kultura organizacyjna:
Otwartość, zaufanie, pomysłowość, jako wartości
biorące góre nad władzą i pozycją w hierarchii,
pełna gotowość do dialogu jako metody
rozwiązywania problemów wewnątrz firmy i poza
nią.
Strategia: Przywództwo technologiczne przy
wykorzystaniu własnych zasobów
Wiedza
rozwijanie
5000-8000 klientów rocznie
Dział badań i rozwoju poświęca 40% czasu
pracy na kontakty z klientami
Rodzaj struktur:elastyczne (np. tworzone
tymczasowo grupy robocze) i płaskie
Współpraca na odległośc za pośrednictwem
internetu itp.
Dewiza: Od wiedzy specjalistycznej do
wiedzy ogólnej
Inwestycje: 10% przychodów
przeznaczonych na badania i rozwój, 40%
czasu pracy kierownictwa - na działania
związane z rozwojem firmy.
wewnętrzna
Wydzielenie spółek zależnych w celu jak
najlepszego wykorzystania wiedzy typu
know-haw
Aktywny udział w życiu międzynarodowego
środowiska naukowego
Współpraca z innowacyjnymi organizacjami
Wiedza
zewnętrzna
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.
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
Macierz kompetencji
Macierz kompetencji
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
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”.
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.
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)
Kluczowe procesy zarządzania wiedzą –
lokalizowanie wiedzy
Narzędzia lokalizacji wiedzy:
 Wykaz ekspertów
 Mapy wiedzy
 Sieci komunikacji
 Społeczności w działaniu
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, szukając
najczęściej 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.
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.
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).
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.
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.
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.
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)
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.
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)
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.
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
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
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.
Kluczowe procesy zarządzania wiedzą – pozyskiwanie
wiedzy, współpraca z innymi przedsiębiorstwami
udziały
mniejszościowe
przejęcia
fuzje
wysoki
pełny
stosunkowo wysoki
udziały
większościowe
powiązania
strategiczne
alianse
strategiczne
okazjonalna wymiana
informacji
okazjonalna
współpraca
Stopień współpracy
niski
Dostęp do zasobów
wiedzy firmy
partnerskiej
częściowy
poziom inwestycji
kapitałowych
stosunkowo niski
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.
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.
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.
Kluczowe procesy zarządzania wiedzą – rozwijanie
wiedzy
Zarządzanie procesem rozwijania
wiedzy powinno polegać bardziej
na kształtowaniu odpowiednich
warunków rozwijania wiedzy niż na
bezpośredniej kontroli procesu.
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)
Kluczowe procesy zarządzania wiedzą –
rozwijanie wiedzy





Warunki sprzyjające kreatywności
pracowników:
Swoboda przedstawiania pomysłów,
tolerowanie błędów,
Autonomia,
Zgodność interesów,
Niestabilność/twórczy chaos
Redundancja
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.
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.
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
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.
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.
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
utracie
najwartościowszych
pracowników.
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
Kluczowe procesy zarządzania wiedzą
– wykorzystanie wiedzy
Priorytetowym zadaniem każdego
procesu zarządzania wiedzą
powinno być wykorzystanie wiedzy
grup i jednostek dla osiągnięcia
celów przedsiębiorstwa.
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
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.
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.

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 przyczynowoskutkowych.
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.
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.

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.

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.
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 wiedzy w 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.
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.
Mierzenie wartości zasobów wiedzy zrównoważona karta wyników
Strategiczna karta wyników
Źródło: R.S. Kaplan, D.P. Norton, Strategiczna karta wyników, Warszawa 2001, s. 28
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.
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.
Mierzenie wartości zasobów wiedzy –
Nawigator Skandii
Model wartości rynkowej Skandii
Źródło: L. Edvinsson, M.S. Malone, Kapitał intelektualny, WN PWN, Warszawa 2001, str. 45
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)
Mierzenie wartości zasobów wiedzy – Platforma
wartości (Value Platform)
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
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.
Mierzenie wartości zasobów wiedzy - Monitor
aktywów niematerialnych (Intangible Assets Monitor)
Monitor aktywów niematerialnych
Źródło: Measuring Intangible Assets, Intangible Assets Monitor, Value Based Management.net 2003 [w:]
http://www.valuebasedmanagement.net/methods_iam.html
Mierzenie wartości zasobów wiedzy -Raporty
firmy Coloplast
Model raportowania firmy Coloplast oparty jest na używanym od 1995r. przez tą
firmę Modelu Doskonałości Biznesu (Business Exellence Model).
Business Exellence model w firmie Coloplast
Źródło: Coloplast Annual Report 1999/2000 str. 12
Mierzenie wartości zasobów wiedzy -Raporty
firmy Coloplast
Wskaźniki prezentowane przez firmę Coloplast (poza wskaźnikami finansowymi)
Źródło: D. Dobija, Metodyka szacowania wiedzy [w:] Zarządzanie wiedzą w przedsiębiorstwie, pod red. B.
Wawrzyniaka, Wydawnictwo Wyższej Szkoły Przedsiębiorczości i Zarządzania im. L. Koźmińskiego, Warszawa 2003, str. 296.
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.
Wielowymiarowe systemy pomiaru wiedzy
- klasyfikacja wskaźników
Rodzaj wskaźników
Zasoby wiedzy organizacji
Zastosowanie
Opisują stan (treść) zasobów
wiedzy organizacji w czasie
w sposób jakościowy i
ilościowy
Działania
Opisują procesy i nakłady
(koszty) na modyfikowanie
zasobów wiedzy organizacji
Wyniki pośrednie i efekty
transferu
Opisują bezpośrednie wyniki
działań
Wyniki działalności
Opisują wyniki na koniec
okresu (kwartału, roku
finansowego)
Przykłady
Umiejętności pracowników,
kluczowe kompetencje,
jakość i ilość zewnętrznych
powiązań ze środowiskiem
wiedzy, jakość i ilość
wewnętrznych centrów
kompetencji oraz patentów
Liczba warsztatów
związanych z
opracowywaniem wniosków z
realizacji projektów,
przygotowanie profili
ekspertów, wprowadzenie
„uczenia się przez działanie”
(liczba tego typu szkoleń w
szkoleniach ogółem %)
Publikacje wg sugestii
pracowników dotyczących
doskonalenia, czas reakcji na
zgłoszenie od klienta,
wskaźnik wykorzystania
intranetu, wskaźnik
przejrzystości wiedzy,
Przepływy pieniężne, udziały
w rynku, wizerunek firmy,
zwrot z inwestycji
Wielowymiarowe systemy pomiaru wiedzyklasyfikacja 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.
Pomiar wiedzy a cele zarządzania wiedzą
Działania
*stworzenie
poziom
normatywny
warunków do realizacji
strategicznych planów i zadań
operacyjnych zarządzaniu
* stworzenie kultury organizacyjnej
wrażliwej na wiedzę
* uzyskanie poparcia kadry
menedzerskiej najwyższego
szczebla
Pomiary
*analiza
kultury organizacyjnej
*obserwowanie zachowania kadry
menedzerskiej (np. analiza porządku
obrad)
*analiza wiarygodności (różnic
pomiędzy status squo a stanem
pożądanym)
*wielowymiarowe
poziom
strategiczny
pomiary wiedzy
*ustalenie podstawowych składników (zestawienia bilansowe zasobów
wiedzy, klasyfikacja wskaźników)
wiedzy organizacji
*zdefiniowanie zbioru podstawowych *analiza zbioru kompetencji
kompetencji
*nadzorowanie realizacji
najważniejszych projektów
*wprowadzenie mechanizmów
związanych z zarządzaniem wiedzą
tworzenia kompetencji
*zrównoważona karta wyników
*nadzór nad procesami szkoleniowymi
normatywnych i
ukierunkowanymi na transfer wiedzy,
strategicznych celów zarządzania
*pomiar stopnia wykorzystania
wiedzą na język praktyki,
systemów (np.. Intranetu)
*dopasowanie działań do poziomu na
*tworzenie indywidualnych zestawów
którym są przeprowadzane.
umiejętności
*przełożenie
poziom
operacyjny
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.
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.
Pomiar wiedzy na poziomie strategicznym
duży
Kompetencje niewykorzystane
Kompetencje wyjątkowe
Czy należy je
rozpowszechniać?
Czy można je wykorzystać ?
W jakich obszarach?
W jakich obszarach?
Stopień znaczenia
zasobów wiedzy
dla przewagi
konkurencyjnej
Kompetencje nieistotne
Kompetencje podstawowe
Czy zastosować autsourcing?
Czy zadbano o ich zachowanie?
Jakie będą koszty zatrzymania
kompetencji?
Jakie będą korzyści z autsourcingu?
Jaki jest koszt zwiększenia ich
wartości?
mały
mały
Stopień wykorzystania
zasobów wiedzy
duży
Pomiar wiedzy na poziomie operacyjnym
 Pomiar na poziomie operacyjnym to pomiar
stopnia realizacji określonych celów.
mentoring – indywidualne
podejście
do
kontrolowania
postępów
pracowników.
 Coaching
i
Wdrażanie zarządzania wiedzą – profil wiedzy
przedsiębiorstwa
Obszary kompetencji
rozpoznane, rzadko
odpowiednio wykorzystane
Sprawny system nieformalnej
komunikacji między
pracownikami, inteligentna sieć
intranetowa
Cele zarządzania
wiedzą
Lokalizowanie wiedzy
informacja
zwrotna
Pomiar wiedzy
Zachowywanie wiedzy
Pozyskiwanie wiedzy
Współpraca z ośrodkami
akademickimi, brak zrównoważonej
rekrutacji, niewielkie wykorzystanie
wiedzy licencjonowanej
Szkolenia - kontrolowane, podział
obowiązków niejasny, brak
wskaźników wiedzy
Niedostateczny wkład wiedzy w
nowe produkty, wiedza wyłącznie w
archwach, wiele bezużytecznych
raportów wewnetrznych
Wykorzystanie wiedzy
Rozwijanie wiedzy
Wysoki poziom kreatywnści, wsparcie
ze strony kierownictwa najwyższego
szczebla, koncentracja na wynikach
badań, zbyt mało innowacji
organizacyjnych
Dzielenie się wiedzą i
rozpowszechnianie jej
Bardzo dobra komunikacja
wewnątrz oddziałów, wysepki
wiedzy, nieefektywne zebrania
Brak wniosków z realizacji
projektów, duża rotacja
pracowników, brak wytycznych
dotyczących sporządzania
dokumentacj
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.
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.
Narzędzia informatyczne wspomagające
procesy zarządzania wiedzą
Narzędzia informatyczne wspierające
procesy zarządzania wiedzą można
pogrupować według dwóch strategii
zarządzania wiedzą. Wyróżnić można
narzędzia służące do personalizacji
oraz kodyfikacji, lub też łączące w sobie
funkcje obu koncepcji zarządzania
wiedzą.
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
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.
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 Lotus Workflow firmy
IBM (wcześniej Domino Workflow), Metasform e-Work firmy
DSA, Unity Workflow Manager i wiele innych.
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.
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.
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.
Narzędzia informatyczne wspomagające
procesy zarządzania wiedzą
Przykładowe systemu wspomagania
pracy grupowej
 E-Groupware
 PHPGroupware
 Tutos
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
CMS).
 FAQ
 Mapy myśli (mind mapping)
 E-learning
(Content Management Systems -
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.).
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
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
Narzędzia informatyczne wspierające procesy
zarządzania wiedzą
On-Line Transaction Processing – OLTP
to każdy system informatyczny oferujący
możliwość natychmiastowego przetwarzania
transakcji.
W
systemie
transakcyjnym
przyjmowane są zamówienia, rejestrowani są
nowi klienci, przechowywane są należności
i zobowiązania.
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
Intelligence – BI)
(Business
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).
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).
Piramida Business Intelligence
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.
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.
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.
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.
OLAP
Technologia
OLAP
pozwala
użytkownikom
przeprowadzać
kompleksowe
analizy
danych
poprzez szybki dostęp do wielowymiarowych
„widoków” przedsiębiorstwa. OLAP pozwala 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.
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).
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
oraz technik statystycznych i matematycznych"
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.
Eksploracja danych
DATA
DATA MINING
MINING
Techniki
bazodanowe
Statystyka
Sztuczna
inteligencja
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.
Eksploracja danych





Najczęściej eksplorację danych
się z następującymi typami działań:
metody drzew decyzyjnych,
grupowanie (clustering),
kojarzenie (association),
klasyfikowanie (classification)
prognozowanie (prediction)
wiąże
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.
Grupowanie – metody statystyczne
Grupowania zbioru A o elementach Ai (i=1,...n) na
klasy P1,....Pu będzie spełniać warunki:
 zupełności
u
 rozłączności  P s  A;
s 1
 niepustości
P P
s
P
s
s'


  s, s '  1,..., u; s  s ' ;
  s  1,...., u 
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.
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 .
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.
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 Pk w
nową,
przekształca się odległości (stosownie do metody)
pomiędzy połączonymi klasami Pi i Pk oraz pozostałymi
klasami,
Powtarza się kroki 1-3 do chwili, gdy wszystkie obiekty
znajdą się w jednej klasie.
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.
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.
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.
Grupowanie – metody statystyczne
1.
2.
3.
4.
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.
Odkrywanie asocjacji
Ważnym obszarem technik stosowanych w
eksploracji danych jest grupa metod zwana
odkrywaniem asocjacji. Generalnie, ich
działanie polega na 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 zdarzenia jeśli
klient kupuje płatki owsiane, to w 65 %
przypadków klient ten kupi mleko
Odkrywanie asocjacji
Zainteresowanie odkrywaniem asocjacji
niezwykle
wzrosło wraz
z 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.
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].
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
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
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.
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.
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 2002 r. 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
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..
Zintegrowane narzędzia informatyczne
wspierające procesy zarządzania wiedzą
Zintegrowane narzędzia informatyczne
wspierające procesy zarządzania wiedzą
Zintegrowane narzędzia informatyczne
wspierające procesy zarządzania wiedzą
Możliwości oprogramowania SAP 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
Zintegrowane narzędzia informatyczne
wspierające procesy zarządzania wiedzą




Preciseer – Proosto Technologies to 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).
Zintegrowane narzędzia informatyczne
wspierające procesy zarządzania wiedzą
PYTON to 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).
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".
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?"
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.
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”.
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
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).
Ontologie w Zarządzaniu Wiedzą
Trójkąt
znaczeniowy
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).
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.
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.
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.
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.
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
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
Etapy procesu tworzenia ontologii
Istnieje wiele metodyk tworzenia ontologii:
TOVE,
Enterprise
Model
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
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.
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.
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.
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.
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.
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. valuetype 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)
Etapy procesu tworzenia ontologii
Krok 7. Tworzenie wystąpień (instancji) klas
Definiowanie indywidualnych wystąpień dla
klas wymaga:
 Wybrania klasy,
 Utworzenia wystąpienia dla klasy,
 Określenia własności.
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
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
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.
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
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).
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.
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.
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.
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.
Tworzenia ontologii „WiedzaIT” - definiowanie klas oraz
hierarchii klas
Hierarchia klas
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;
Tworzenia ontologii „WiedzaIT” - definiowanie
relacji klas
2. Czlowiek, Ebook
Klasy Czlowiek oraz Ebook posiadają tylko
i wyłącznie relacje odziedziczone po klasie
ZrodloWiedzy.
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.
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.
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.
Tworzenia ontologii „WiedzaIT” definiowanie relacji klas
7. Data
 maDzien – określa dzień miesiąca;
 maMiesiac – określa miesiąc w roku;
 maRok – określa rok.
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.
Tworzenia ontologii „WiedzaIT” - definiowanie
relacji klas”
9. Wydawnictwo


maNazwe – atrybut ten określa nazwę
danego wydawnictwa;
maDaneKontaktowe – dane kontaktowe
wydawnictwa.
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.
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.
Tworzenia ontologii „WiedzaIT” - definiowanie
cech relacji klas”
Cechy relacji klas w ontologii „WiedzaIT”
Kardynalność
Relacja
Klasa bazowa
Dopuszczalne
atrybutu
wartości
Min
Max
maNazwe
ZrodloWiedzy
string
1
1
maTyp
ZrodloWiedzy
string
1
1
zawieraKodyZrodlowe
ZrodloWiedzy
boolean
1
1
dotyczyDziedzinyWiedzy
ZrodloWiedzy
DziedzinaWiedzy
1
N
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.
Tworzenia ontologii „WiedzaIT”