Смотрите также:

Управление знаниями - Лабоцкий

 

К основным концепциям управления, поддерживающим современные тенденции развития бизнеса, можно отнести "процессный подход", методологии Balanced Scorecard, EVA, ABC, электронную коммерцию, информационные порталы и управление знаниями, которая, в ближайшее время станет пропуском в лидеры, технологией mainstream, т.е. ключевой технологией, определяющий парадигму менеджмента в целом. JI. Тероу утверждает, что технология управления знаниями делает их единственным источником стойкого конкурентного преимущества. Все остальное выпадает из уравнения конкуренции.

 

 

 

Несмотря на то, что тема управления знаниями уже активно эксплуатируется наиболее продвинутыми компаниями ясность в ответе на вопросы "что же скрывается под этим понятием и в чем состоит польза от его применения" пока отсутствует.

В мировой экономике успешность бизнеса начала определяться нематериальными факторами их принято обозначать термином "знания". Если раньше стоимость компаний составляли финансовый капитал, здания, оборудование и другие материальные ценности, то в новой, постиндустриальной эпохе главным источником богатства становится интеллектуальный капитал (систематизированные и уникальные знания).

Знание единственный вид ресурса, существенно отличающий один бизнес от другого, ресурс который не поддается быстрому воспроизводству конкурентами, что позволяет компаниям, умеющим им управлять, получить уникальные и устойчивые преимущества.

Понимание того, что отличает компанию от ее конкурентов и последующее применение этой информации является ключом к созданию успешной бизнес-политики. Прежде всего, данные должны быть превращены в пригодную для использования информацию, в случае необходимости объединенную с информацией, взятой из различных неструктурированных источников, таких как интернет, электронная почта, документы и т.д. Стратегия предполагает максимальную объективизацию знаний, извлечение их из традиционных источников, каковыми являются отдельные сотрудники компании, с соответствующей системой мотивации. Нужные знания должны быть извлечены и предоставлены нужным сотрудникам, в нужное время и в нужном месте, таким образом, должно быть организовано совместное использование знаний, их зашита и интеграция в цепочку бизнес-процессов. Только тогда могут быть достигнуты эффективные преимущества перед конкурентами и минимизированы затраты. Подобная технология известна как управление знаниями (Knowledge Management, KM).

Собственно технология управления знаниями включает:

управление знаниями как организационную функцию, регулирующую порядок движения, накопления. навигации и использования внутрикорпоративной информации и знаний:

управление знаниями как технобазис, обеспечивающий процессы организационной функции.

Если подробно детализировать структуру технического обеспечения технологии управления знаниями, то можно выделить несколько основных блоков, которые призваны обеспечивать полный цикл работы со знаниями в компании. Это:

электронная почта, корпоративные сети и Интернет-сервисы:

базы и хранилища данных (Data Warehousing DW);

системы управления документооборотом (Document Management);

средства для организации совместной работы (Collaboratuion) сети Intranet, технологии групповой работы, синхронные и асинхронные конференции:

системы бизнес аналитики, специализированные программы обработки данных и поиска скрытых закономерностей (Data Mining -DM);

средства поддержки принятия решений (Decision Support):

экспертные системы и базы знаний.

Фундаментом для этой системы (системы управления знаниями) служит комплекс мощных баз данных (хранилища данных) с хорошо продуманной структурой. Кроме того, в арсенале средств анализа информации содержатся программы подготовки отчетов, специализированные средства формирования нерегламентнрованных запросов, реализованных на основе технологии OLAP (OnLine Analytical Processing) и технологии Data Mining.

Выделяют следующие основные типы закономерностей, которые позволяют выявлять методы Data Mining: ассоциация, последовательность, классификация, кластеризация и прогнозирование.

Ассоциация (association, иногда используют термин affinity, означающий сходство, структурную близость) — выделение структур, повторяющихся во временной последовательности. Обнаруживает правила, по которым присутствие одного набора элементов коррелирует с другим. Этот метод часто применяется для анализа рыночной корзины пакетов продуктов, при разработке каталогов, перекрестном маркетинге, информация может использоваться для модификации расположения полок и последовательности товаров в торговом зале.

Анализ временных рядов (последовательные ассоциации) (sequence-based analysis, другое название — sequential association) — позволяет найти временные закономерности между транзакциями. Например, можно ответить на вопрос, покупки каких товаров предшествуют покупке данного вида продукции. Используется при анализе целевых рынков, управлении гибкостью цен. управлении циклом работы с заказчиком (Customer Lifecycle Management).

Классификация (classification) — отнесение записи к одному из заранее определенных классов. Используется, например, при оценке рисков при выдаче кредита.

Кластеризация (clustering) — группировка записей, имеющих одинаковые характеристики, например, по близости значений полей. Используется для сегментации рынка и сегментации заказчиков. Кластеризация часто рассматривается как первый необходимый шаг для дальнейшего анализа данных.

Прогнозирование (forecasting) позволяет предсказать поведение системы в будущем. Основой служит историческая информация, хранящаяся в БД в виде временных рядов. Если удается построить или найти шаблоны, адекватно отражающие динамику поведения целевых показателей, есть вероятность, что с их помощью можно предсказать и поведение системы.

Интеллектуальные средства анализа данных используют следующие основные методы: нейронные сети. деревья решений, системы рассуждения на основе аналогичных случаев, генетические алгоритмы, эволюционное программирование, логическую регрессию, нечеткую логику, алгоритмы ограниченного перебора, визуализация данных. Иногда применяется комбинация перечисленных методов.

Для современного специалиста в области информационных технологий знание статистических методов обработки информации абсолютно необходимо. Социологические и маркетинговые исследования, политический анализ, прогнозирование, управление качеством, решение различных экономических задач невозможно без хорошего знания математической и экономической статистики и использования современных статистических пакетов. В качестве базовой была выбрана система STATISTIСА 6.0 по следующим причинам:

наличие русскоязычной версии пакета, что существенно облегчает освоение сложных методов статистического анализа:

наличие качественной литературы на русском языке:

высокое качество пакета и высокая репутация производящей его фирмы, полноценный набор статистических методов, необходимых для менеджера, социолога, политолога, экономиста.

Эксперты предсказывают значительное увеличение объемов продаж компьютерных программ в области управления знаниями. Это связано с тем, что все большее количество компаний прибегает к использованию программ по управлению знаниями с целью увеличения эффективности их работы. Ожидается, что к 2006 г. товарооборот на рынке управления знаниями достигнет 4.2 млрд. евро, т.е. ежегодный прирост (2001-2006 гг.) составит 24%. Растущая заинтересованность компаний в появлении новых технологий способствует привлечению огромных инвестиций на разработку различных видов программного обеспечения, а также расширению спектра услуг на рынке управления знаниями

Скачать книгу

Комментарии  

 
+2 #6 Olga 27.10.2011 11:04
Полезнаю вещь
Ждем еще по дата-майнингу! ;-)
Цитировать
 
 
+3 #5 Стат 09.09.2011 11:22
Большое спасибо!
Цитировать
 
 
+6 #4 asdf 01.08.2011 10:02
Очень выручили, хотел уже пкупать
Цитировать
 
 
+5 #3 АЛЛОЧКА 14.07.2011 10:19
Цитирую обязательное:
спасибо за Лабоцкого. выкладывайте побольше плиз по анализу данных

+1 поддерживаю ;-)
Цитировать
 
 
+5 #2 аристарх 06.07.2011 12:09
Отлично! Так держать 8)
Цитировать
 
 
+9 #1 обязательное 29.06.2011 13:33
спасибо за Лабоцкого. выкладывайте побольше плиз по анализу данных
Цитировать
 

Добавить комментарий


Защитный код
Обновить

Краткое содержание

Вход для слушателей