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, Organizacja-

System-Pracownik.

Wydawnictwo

Akademii

Ekonomicznej we Wrocławiu, Wrocław 2006



Jashapara A.: Zarządzanie wiedzą, Zintegrowane

podejście. PWE, Warszawa 2006.



Z. Chen - „Data Mining and Uncertain

Reasoning – An Integrated Approach”, John

Wiley & sons, INC, Nowy Jork 2001

.

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

Kto

Co

1980

Digital Equipment

Corporation, Carnege

Melon University

Jeden z pierwszych komercyjnych systemów eksperckich XCON-

konfigurujący podzespoły komputerowe

1986

Dr Karl Wiig

Użył pojęcia zarządzanie wiedzą w wystąpieniu w ONZ

1989

Duże firmy doradcze

Zaczynają próby stosowania zarządzania wiedzą

1989

Price Waterhouse

Jako jedna z pierwszych firma włącza zarządzanie wiedzą do swojej

strategii

1991

Harvard Business Review

(Noaka, Takeuchi)

Jeden z pierwszych artykułów naukowych na temat zarządzania

wiedzą

1993

Dr Karl Wiig

Jedna z pierwszych książek poświęconych zarządzaniu wiedzą

(Knowledge Management Fundamentals)

1994

Knowledge Management

Network

Jedna z pierwszych konferencji naukowych na temat zarządzania

wiedzą

1994

Duże firmy doradcze

Jako pierwsze oferują usługi w zakresie zarządzania wiedzą klientom

1996+

Różne firmy i praktycy

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

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%

Liczby

reprezentujące

fakty, obserwacje,

miary

Przetworzone dane,

zorganizowane i

zinterpretowane

Zrozumienie lub

model

obiektu

wywiedziony

z informacji o nim

Dane, informacje, wiedza

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

Różne nazwy IC

Źródło: L. Edvinsson, M.S. Malone, Kapitał intelektualny, WN PWN, Warszawa 2001, str.

18

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

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 od

pierwszych liter każdego z etapów).

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

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

W większości organizacji aspekt

wiedzy jest pomijany przy

formułowaniu celów i to na

wszystkich poziomach:

normatywnym, strategicznym i

operacyjnym.

Trzy poziomy zarządzania
wiedzą

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.

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

zarz

ą

dzania wiedz

ą

-

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

zarz

ą

dzania wiedz

ą

-

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

zarz

ą

dzania wiedz

ą

-

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

zarz

ą

dzania wiedz

ą

-

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

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 wiedz

ą

– 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 wiedz

ą

– 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 wiedz

ą

– rozwijanie wiedzy

Zarządzanie procesem rozwijania

wiedzy

powinno

polegać

bardziej

na

kształtowaniu

odpowiednich

warunków

rozwijania

wiedzy

niż

na

bezpośredniej kontroli procesu

.

Kluczowe procesy zarządzania

wiedz

ą

– 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

wiedz

ą

– rozwijanie wiedzy

Warunki sprzyjające kreatywności

pracowników:



Swoboda przedstawiania pomysłów,
tolerowanie błędów,



Autonomia,



Zgodność interesów,



Niestabilność/twórczy chaos



Redundancja

Kluczowe procesy zarządzania wiedz

ą

– 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

wiedz

ą

-dzielenie się wiedz

ą

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 zarz

ą

dzania wiedz

ą

- dzielenie si

ę

wiedz

ą

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 zarz

ą

dzania wiedz

ą

- 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 zarz

ą

dzania wiedz

ą

–

wykorzystanie

wiedzy

Priorytetowym zadaniem

każdego procesu zarządzania

wiedzą powinno być

wykorzystanie wiedzy grup i

jednostek dla osiągnięcia

celów przedsiębiorstwa.

Kluczowe procesy zarz

ą

dzania

wiedz

ą

–

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,

ż

e kapitał intelektualny jest ró

ż

nic

ą

pomi

ę

dzy warto

ś

ci

ą

rynkową a wartości

ą

księgową firmy,

czyli

ż

e Rynkow

ą

Wartość Dodan

ą

(MVA) tworzy kapitał

Intelektualny:

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

wartość księgowa

Rynkowa warto

ść

dodana (MVA) w przypadku wielu spółek

wielokrotnie przewy

ż

sza 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 rozwi

ą

zanie kwestii co wpływa na

t

ą

wartość i jak można ni

ą

sterować. Stąd tak intensywny

rozwój modeli monitorowania kapitału intelektualnego, który
rozpocz

ą

ł si

ę

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
przyczynowo-skutkowych.



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



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



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

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 narz

ę

dzie służ

ą

ce 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

pomi

ę

dzy

zasobami

materialnymi a innowacyjnością i kapitałem intelektualnym.

Strategi

ę

przedsiębiorstwa rozwa

ż

a się z czterech perspektyw:

finansowej, rynkowej (klient), wewn

ę

trznej (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

uwzgl

ę

dniać wszystkie aspekty. Finansowy –

jak zaspokoić oczekiwania udziałowców aby

osiągnąć sukces finansowy, perspektywę

klientów – jak powinien nas widzieć klient,
wewn

ę

trznych procesów – jakie procesy

usprawnić, aby osiągn

ąć

cele firmy, rozwoju i

wzrostu

–

jak

zapewnić

możliwość

dokonywania zmian i usprawnie

ń

.

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

maj

ą

ce

wartość

ekonomiczn

ą

dla organizacji

Kapitał organizacyjny – jest to „ta wiedza,

która została zdobyta, wszczepiona w strukturę

firmy, w jej procesy i kultur

ę

. W tej kategorii

zawierają si

ę

wszelkie patenty, znaki handlowe,

praktyki stosowane w firmie

Kapitał kliencki – „dotyczy on powiąza

ń

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: struktur

ę

wewn

ę

trzną, struktur

ę

zewnętrzn

ą

i kompetencje.



Struktura wewnętrzna obejmuje kulturę organizacyjną,

patenty, modele, bazy danych i systemy wewnętrzne

(komputerowe i administracyjne) - elementy, które s

ą

własności

ą

przedsiębiorstwa i mog

ą

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

Wielowymiarowe systemy

pomiaru wiedzy- klasyfikacja

wskaźników

Wskaźniki grupy I dotyczą stanu

zasobów wiedzy organizacji. Wskaźniki
należące do grupy II opisują nakłady i
procesy traktowane jako wymierne
przejawy prób podejmowanych w celu
zmodyfikowania

zasobów

wiedzy.

Wskaźniki z grupy III służą do określenie
wyników pośrednich i efektów transferu
rozwiązań. Wskaźniki grupy IV opisują
wyniki działalności.

Pomiar wiedzy a cele

zarządzania wiedzą

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

Pomiar wiedzy na poziomie

operacyjnym



Pomiar na poziomie operacyjnym to
pomiar stopnia realizacji określonych
celów.



Coaching i mentoring – indywidualne
podejście do kontrolowania postępów
pracowników.

Wdrażanie zarządzania wiedzą – profil

wiedzy przedsiębiorstwa

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.

Narz

ę

dzia 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

.

Narz

ę

dzia 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

Narz

ę

dzia 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.

Narz

ę

dzia 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.

Narz

ę

dzia 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.

Narz

ę

dzia 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.

Narz

ę

dzia 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.

Narz

ę

dzia informatyczne

wspomagające procesy

zarządzania wiedzą

Przykładowe systemu

wspomagania pracy grupowej



E-Groupware



PHPGroupware



Tutos

Narz

ę

dzia informatyczne

wspieraj

ą

ce procesy zarządzania

wiedzą

Narzędzia

będące

urzeczywistnieniem

koncepcji

kodyfikacji mają na celu kumulowanie wiedzy jawnej i

umożliwienie korzystania z zebranych dokumentów i

wiedzy. Należą tu także narzędzia do zarządzania

dokumentami. Wymienić tu można następujące narzędzia:



Informatyczne systemy zarządzania ( OLTP, MIS,

DSS, ES, BI)



Systemy zarządzania dokumentami

(Document

Management System – DMS

)

(gromadzenie, klasyfikowanie, wyszukiwanie dokumentów,

rejestrowanie przebiegu prac nad dokumentami)



Systemy zarządzania treścią

(Content Management

Systems - CMS).



FAQ



Mapy myśli (mind mapping)



E-learning

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

Narz

ę

dzia informatyczne

wspieraj

ą

ce 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.

Narz

ę

dzia informatyczne

wspieraj

ą

ce procesy

zarządzania wiedzą



Systemy

Informowania

Kierownictwa

(Management Information Systems –

MIS lub Executive Information System - EIS),



Systemy Wspomagania Decyzji

(

Decision Suport System – DSS)



Systemy informacji gospodarczej

(Business Intelligence – BI)

Narz

ę

dzia informatyczne

wspieraj

ą

ce 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).

Narz

ę

dzia informatyczne

wspieraj

ą

ce 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

Techniki

bazodanowe

Statystyka

Sztuczna

inteligencja

DATA MINING

DATA MINING

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 wiąże
się z następującymi typami działań:



metody drzew decyzyjnych,



grupowanie (clustering),



kojarzenie (association),



klasyfikowanie (classification)



prognozowanie (prediction)

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 A

i

(i=1,...n) na klasy P

1

,....P

u

będzie spełniać

warunki:



zupełności



rozłączności



niepustości

;

1

A

u

s

s

P











;

;

,...,

1

,

'

'

'

s

s

u

s

s

P

P

s

s















u

s

P

s

,....,

1







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 P

i

i P

k



Redukuje się liczbę klas o jeden łącząc klasy P

i

i

P

k

w nową,



przekształca się odległości (stosownie do

metody) pomiędzy połączonymi klasami P

i

i P

k

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 A

1

,...,A

n

. 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

Metody

optymalizacji

iteracyjnej

działają

wg

następującego schematu:

1.

Dla każdej klasy wstępnego podziału oblicza się środki

ciężkości oraz odległości każdego obiektu od środków

ciężkości tych klas,

2.

Zmienia się przyporządkowanie obiektów do klas o

najbliższym środku ciężkości,

3.

Oblicza się nowe środki ciężkości dla każdej klasy,

4.

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 narz

ę

dzia

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 narz

ę

dzia

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 narz

ę

dzia

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 narz

ę

dzia

informatyczne wspierające

procesy zarządzania wiedzą

Struktura ICONS

Zintegrowane narz

ę

dzia

informatyczne wspierające

procesy zarządzania wiedzą

SAP Net Weaver określany jest jako platforma integracyjna i aplikacyjna. Jest to

jedno z wcieleń wizji systemu zarządzania wiedzą. Obejmuje on następujące komponenty

i narzędzia:

SAP Net Weaver

Zintegrowane narz

ę

dzia

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 narz

ę

dzia

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 narz

ę

dzia

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.

value-type facet) określa jakiego rodzaju wartości może

przybierać dana własność:



Łańcuch tekstowy (ang. string),



Liczba (ang. number)



Wartość logiczna prawda/fałsz (ang. boolean),



Typ wyliczeniowy (ang. enumerated),



Typ instancyjny (ang. instance-type)

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”

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”