Содержание
Введение
1. Знания – сила
2. Информационный поиск
3. Добыча знаний
4. Классификация систем Data Mining
5. Добытчик на все руки
6. Data Mining в Бизнесе
7. Крупнейшая онлайноваясеть научной и технической информации
8. Управление знаниями
8.1 Технологическиеосновы
8.2 Что дает управление знаниями
8.3 Компоненты управлениязнаниями
8.4 Концепция управлениязнаниями
8.5 Инструментыуправления знаниями
Выводы
Список использованных электронных ресурсов
Введение
Тема контрольной работы «Добыча знаний и управление ими».
Наряду с активами любой компании, которые отражаются в балансах иподдаются оцениванию, сегодня все чаще говорят еще об одном, хотя и неосязаемомфизически, активе — знаниях. Из-за трудности формализованного подхода киспользованию знаний до сих пор большинство компаний не управляло этим активом.Именно с появлением новых информационных технологий появилась и возможностьуправления знаниями. Это особенно важно для компаний, оперирующих более высокимуровнем знаний по сравнению со стоимостью сырья (консалтинговые компании,производители ПО, исследовательские лаборатории, высокотехнологичные отрасли,издательства и др.).
Еще в 1940 году Герберт Уэллс высказал мысль относительно знаний,накопленных человечеством: «Огромное и все возрастающее богатство знанийразбросано сегодня по всему миру. Этих знаний, вероятно, было бы достаточно длярешения всего громадного количества трудностей наших дней, но они рассеяны инеорганизованы. Нам необходима очистка мышления в своеобразной мастерской, гдеможно получать, сортировать, суммировать, усваивать, разъяснять и сравниватьзнания и идеи». Именно эти слова могут стать лейтмотивом современногоуправления знаниями (knowledge management — KM).
1. Знания- сила
Что же такое знания?
Энциклопедический словарь Webster дает следующееопределение: knowledge (знания) — сущ.
1) понимание, приобретаемое фактическим опытом (например, знаниеслесарного ремесла, врачевания, менеджмента и др.);
2) А: состояние осведомленности о чем-то или обладаниеинформацией, Б: диапазон информированности или осведомленности;
3) акт понимания: ясное восприятие истины;
4) нечто понятое и держащееся в уме.
Но, кромеэтого определения, имеется еще множество оригинальных и ценных определений.Пожалуй, самое точное определение знаниям было дано Фрэнсисом Бэконом. Егознаменитое выражение «знания — сила» стало девизом интеллектуальнойдеятельности человечества.
Современный бизнес определяет знания как «ценную информацию»,систематическое приобретение, синтез, обмен и использование информации, идей иопыта для получения конкурентных преимуществ. Для бизнеса это своего родавалюта, а поэтому, чтобы ее получать, знаниями нужно управлять, как и любымбизнес-процессом.
В настоящее время в индустриально развитых странах материальноепроизводство становится вторичным по отношению к производству информации изнаний. Поэтому здесь происходят изменения в структуре занятости населения.Теперь главной производственной силой становятся работники знаний (knowledge worker).
Работник знаний отличается от индустриального работника тем, чтоон безраздельно владеет своими «средствами производства»:интеллектом, памятью, знаниями, инициативой, личным опытом, которые, в явномвиде «скрыты» от других. В связи с этим владельцы предприятийозабочены тем, как и каким образом отчуждать эти скрытые знания и превращать ихв «явные», зафиксированные и перенесенные на те или иные типыносителей. Кроме того, возникает сложность с тем, что, уходя из компании,работник уносит с собой свои знания.
В то же время работник знаний может эффективно работать только всоставе коллектива, он соучастник общего корпоративного дела, продуктом которогоявляются знания.
Это обусловило появление концепции «интеллектуальногокапитала». Томас Стюарт и его единомышленники доказали, что капиталпрактически любого современного предприятия в основном нематериален. Так, вбиржевой стоимости высокотехнологических компаний до 95 % составляет именно этачасть. Поэтому, если из высокотехнологичной компании уходят все основныесотрудники, то потери стоимости ее акций будут равны величине интеллектуальногокапитала.
Экономические предпосылки развития управления знаниями связаны смногочисленными, но не всегда успешными попытками обосновать экономическуюцелесообразность информационных технологий. Как правило, для оценкиэкономической эффективности используется показатель «возврат от инвестиций»(return on investment — ROI), который не применим кИТ, хотя бы из-за их нематериальности.
Так, Пол Страссман (www.strassmann.com) в своей книге «The Squandered Computer» (Разоряющийкомпьютер) доказал, что никакой явной связи между размером инвестиций в ИТ иприбыльностью предприятия не существует. Основной вывод, который он сделалнесколько лет назад, состоит в том, что экономическая оценка информационныхтехнологий должна строиться иначе, чем в других отраслях: «сами по себеинформационные технологии не прибыльны — прибыль приносят операции над знаниями».
2. Информационный поиск
Движущей силой современного общества являютсяинтеллектуально-информационные ресурсы, т. е. знания и информация. Где ихнайти? Достаточно условно накопление интеллектуально-информационных ресурсов разделитьна две задачи:
— поиск информации;
— добыча знаний.
С поиском информации нам приходится сталкиваться практически вовсех компьютерных и Интернет-приложениях. Для этих целей используютсявстроенные в офисные пакеты и бизнес-приложения поисковые механизмы, средствагруппирования и сортировки данных. Поисковые машины Интернета (например, AltaVista, Google, HotBot, АПОРТ, Яndex, МЕТА идругие) с помощью специальных роботов позволяют по запросам пользователейнаходить различную информацию в киберпространстве. Аналогичные средства имеютсяи на большинстве сайтов, позволяя их посетителям «разобраться» вимеющихся информационных ресурсах.
Как правило, поисковые механизмы скрыты от пользователей и нетребуют знания логики их работы. Пользователям нужно ввести слова и некоторыесимволы-заменители, которых можно узнать из справочной системы программы или поисковоймашины Интернета, в поле «Поиск», «Найти», «Пошук, „Search“ и т. д.
На достаточно больших Интернет-ресурсах используются системыреферирования. Искусство реферирования (составления аннотаций) обеспечиваетизвлечение наиболее важных или характерных фрагментов из одного или многихисточников информации. Для этих целей можно применять такие инструменты, какфункция AutoSumma-rize в Microsoft Office, системы IBM Intelligent Text Miner, Oracle Context и Inxight Summarizer (компонент поисковоймашины AltaVista), хотя они и имеют некоторые ограничения. Они применимы толькодля текстов.
Для поиска нужной информации в текстах применяется несколькотехнологий.
Технология автоматического анализа текста на основеассоциативно-статистической модели обеспечивает повышение качества векторныхмоделей, представляющих текст набором составляющих слов, за счеткоррелированности появления слов в тексте с помощью семантических связей.
Технология автоматического анализа текста положена в основу такихпрограммных продуктов, как Russian Context Optimizerи Oracle InterMedia. Здесь интеллектуальнаяобработка текста (тематическая классификация, аннотирование) сочетается споисковыми возможностями, доступными при работе с реляционными базами данных.Большинство возможностей InterMedia оказывается доступно в полной мере лишь дляанглийского языка и в меньшей мере еще для ряда европейских ивосточно-азиатских языков.
Адаптацию технологий Oracle к русскоязычным базам данных выполнилароссийская компания Гарант-Парк-Интернет, которая выпускает продукт Russian Context Optimizer (RCO). Используемое в RCO лингвистическоеобеспечение позволяет приводить к нормальной форме все грамматические формыслов русского языка, сводить воедино различные части речи, а такжеотождествлять близкие по смыслу словосочетания.
Визуализация информационных массивов в Интернете обеспечиваетудобное представление для пользователя найденной информации. Для этих целейиспользуются тематические сети TopNet и самоорганизующиеся тематические карты TopSOM.
Для поиска информации в хранилищах данных используются механизмы OLAP-систем, позволяющиеполучать кубы и их срезы.
3. Добыча знаний
Получить информацию не всегда означает получить знания.Специалисты выделяют три стратегии получения знаний:
— приобретение знаний (способ автоматизированного наполнения базызнаний);
— извлечение знаний (процедура взаимодействия с источникомзнаний);
— обнаружение знаний в базах данных, (knowledge discovery in databases — KDD) — процесс получения из „сырых“данных потенциально полезной информации.
Благодарябыстрому развитию хранилищ данных, в которых данные предметно ориентированы,интегрированы и хранятся в хронологической последовательности, обнаружениезнаний в базах данных вышло на первый план. KDD предполагает накопление „сырых“данных, их отбор, подготовку, преобразование, поиск закономерностей и ихобобщение, тем самым превращая информацию (данные) в знания.
Аналитические инструменты, обеспечивающие добычу знаний, относят кобласти технологий Data Mining (раскопки данных). В их основу положенаконцепция шаблонов и зависимостей, отражающих многоаспектные связи в данных.Нетривиальность разыскиваемых шаблонов позволяет отражать неочевидныезакономерности в данных, составляющие так называемые скрытые знания.
4. Классификация систем DataMining
Сегодня ведется много споров о том, какие системы относить к Data Mining. В той или иной степеник Data Mining можно отнести системы,поддерживающие алгоритмическое обеспечение, описанное ниже.
Статистические пакеты. В современных статистических пакетах,наряду с классическим методиками (корреляционный, регрессионный, факторныйанализ), имеют место и элементы Data Mining (http://isl.cemi.rssi.ru). Серьезный недостаток статистических пакетов,ограничивающий их применение в Data Mining, — это статистическая парадигма, построенная наусредненных характеристиках выборки, которые не всегда подходят приисследовании реальных сложных жизненных явлений.
В качестве примеров наиболее распространенных статистическихпакетов можно назвать SAS, SPSS, STATGRAPICS, STATISTICA, STADIA, цена которых составляет от $1000 до $15000.
Нейронныесети.
Это большойкласс систем, архитектура которых имеет некую аналогию с построением нервнойткани из нейронов. На нейроны самого нижнего слоя подаются значения входныхпараметров, на основе которых нужно принимать какие-то решения илипрогнозировать развитие ситуации. Эти значения рассматриваются как сигналы,передающиеся в следующий слой, ослабляясь или усиливаясь в зависимости отчисловых значений (весов), приписываемых межнейронным связям. В результате навыходе нейрона самого верхнего слоя вырабатывается некоторое значение, котороерассматривается как реакция всей сети на значения входных параметров. Основнымнедостатком нейросетевой парадигмы является необходимость иметь очень большойобъем обучающей выборки. К нейросетевым системам относятся BrainMaker, NeuroShell, OWL, thought (Cognos) и SENN Sales (Siemens Nixdorf). Стоимость их довольнозначительна ($1500-8000).
CBR-системы.
Для того, чтобы сделать прогноз на будущее или выбрать правильноерешение, CBR-системы (case based reasoning) находят в прошломблизкие аналоги имеющей место ситуации и выбирают тот же ответ, который был дляних правильным. Основным недостатком этих систем считается то, что они вообщене создают каких-либо моделей или правил, обобщающих предыдущий опыт. К ним относятся KATE tools(Acknosoft), Pattern Recognition Workbench (США).
Деревья решений.
Эти системы создают иерархическую структуру классифицирующихправил типа „ЕСЛИ… ТО...“ (if-then), имеющую вид дерева.Популярность подхода связана с наглядностью и понятностью, но деревья решенийпринципиально не способны находить оптимальные, или лучшие (наиболее полные иточные), правила в данных. Они реализуют простой принцип последовательногопросмотра признаков, создавая лишь иллюзию логического вывода. Наиболееизвестными системами на основе дерева решений являются See5/C5.0 (RuleQuest), Clementine (Integral Solutions), SIPINA (University of Lyon), IDIS (Information Discovery, KnowledgeSeeker (ANGOSS).
Эволюционное программирование.
Российская разработка PolyAnalyst позволяет строить гипотезы о видезависимости целевой переменной от других переменных в виде программ нанекотором внутреннем языке программирования. В системе „выращивается“несколько генетических линий программ, которые „конкурируют“ междусобой в точности выражения искомой зависимости. Специальный модуль системы PolyAnalyst переводит найденныезависимости с внутреннего языка системы на понятный пользователю язык(математические формулы, таблицы и пр.). Кстати, с помощью этой системыделаются попытки управления портфелем ГКО-ОФЗ. Модель, рассчитанная системой PolyAnalyst, выполняющейпериодический пересчет формул индексов привлекательности разных бумаг,импортируется в систему торгов SmartBroker.
Ограниченный перебор.
Эти алгоритмы вычисляют частоты комбинаций простых логическихсобытий в подгруппах данных. Наиболее ярким современным представителем этогоподхода является система WizWhy (WizSoff).
5. Добытчик на все руки
Система MineSet от Silicon Graphics представляет собойинструментарий для интеллектуального анализа данных на основе мощной визуальнойоболочки. Ее особенностью является использование нескольких взаимодополняющихстратегий добычи, анализа и интерпретации данных. Архитектура MineSet имеет открытый характер,что позволяет работать с информационным хранилищем, построенном на основереляционных баз данных или „плоских“ ASCII-файлах. Процесс анализаначинается с выборки некоторого подмножества данных для дальнейшегоисследования, которые могут преобразовываться. Тем самым создаетсяинформационная модель в виде, наиболее подходящем для последующего изучения.
Набор инструментальных средств MineSet состоит из 3 основныхмодулей:
— управляющего модуля. Он включает в себя графический интерфейспользователя, который называется Tool Manager, и базирующийся на сервере процесс — DataMover;
— модуля аналитического Data Mining, находящегося на сервереи имеющего четыре интеллектуальных инструмента;
— модуля визуального Data Mining, находящегося наклиентской машине и состоящего из пяти инструментов.
Менеджер инструментов (Tool Manager) предоставляетинтерактивный графический интерфейс, с помощью которого пользователь получаетдоступ ко всем возможностям и инструментам MineSet в единой интегрированнойсреде. С его помощью пользователь получает доступ к данным.
Процесс DataMover осуществляет доступ к данным, производит ихвыборку и преобразования, инициализирует работу запускаемых на сервереинструментов аналитического data mining и возвращает данные на клиентскую станцию дляраспределения их по визуальным инструментам.
К инструментам аналитического Data Mining относят четыревзаимодополняющих инструмента аналитической добычи данных, основанных наметодах искусственного интеллекта с использованием машинного обучения. ЭтоГенератор ассоциативных связей (Association Rule Generator), Генератор Дереварешений (Decision Tree Inducer), Генератор свидетельств (Evidence Inducer) и утилита определенияЗначимости признаков (Column Importance).
MineSet содержит пятьинструментов для визуального Data Mining, позволяющих выполнять интерактивное визуальноепредставление и исследование данных. Это Ландшафтный визуализатор (Map Visual-izer), Визуализатор дисперсии(Scatter Visualizer), Визуализатор деревьев(Tree Visualizer), Визуализатор правил (Rule Visualizer) и Визуализаторсвидетельств (Evidence Visualizer).
6. DataMiningв Бизнесе
С помощью Data Mining предприятия розничной торговли могут выполнятьанализ покупательской корзины, знание которой необходимо для улучшения рекламы,выработки стратегии создания запасов товаров и способов их раскладки в торговыхзалах. Исследование временных шаблонов помогает торговым предприятиям приниматьрешения о создании товарных запасов, а создание прогнозирующих моделей даетвозможность торговым предприятиям узнавать характер потребностей различныхкатегорий клиентов с определенным поведением.
Достижения технологии Data Mining в банковском делепозволят выявлять мошенничество с кредитными карточками, сегментироватьклиентов по категориям, а также прогнозировать изменения клиентуры.
В области телекоммуникаций методы Data Mining помогают компаниям болееэнергично продвигать свои программы маркетинга и ценообразования (анализзаписей о подробных характеристиках вызовов и выявление лояльности клиентов).
Data Mining может применяться во множестве других областей.Например, в автомобильной промышленности при сборке автомобилей производителидолжны учитывать требования каждого отдельного клиента, поэтому нужнавозможность прогнозирования популярности определенных характеристик и знаниетого, какие характеристики обычно заказываются вместе. Авиакомпании могут выявлятьклиентов, которых поощрительными мерами можно побудить летать больше.
7. Крупнейшая онлайновая сеть научной и технической информации
Общепризнаннымисточником научной и технической информации является международная сеть научнойи технической информации STN International (Scientific & Technical Information Network). Она находится всовместном управлении германского Специализированного информационного центраФИЦ Карлсруэ (Fachinformationszentrum (FIZ) Karlsruhe), Реферативной службы по химии Американскогохимического общества (Chemical Abstracts Service (CAS), American Chemical Society) и Информационногоцентра по науке и технике Японской научно-технической корпорации (Information Center for Science and Technology (JICST), Japan Science and Technology Corporation). В настоящее время сетьSTN International обеспечивает онлайновыйдоступ к более чем 200 базам данных во всех областях науки и техники (см. табл.1).
После нахождения нужных публикаций или документов можно заказатьих полные тексты, используя систему автоматизированной доставки через Интернет- FIZ AutoDoc/ChemPort. Многие известныемеждународные библиотеки и издательства уже сегодня связаны с системой FIZ AutoDoc/ChemPort, и их численностьпостоянно увеличивается.
Чтобы иметь доступ к FIZ AutoDoc, необходимозарегистрироваться, получить идентификатор для подключения и пароль (www.fiz-karlsruhe.de/autodoc).
Таблица 1.Наиболее крупные базы данных STNБазы данных Количество документов, млн. BEILSTEIN 7,7 BIOSIS 12,0 CA/CAPLUS 16,1 COMPENDEX 4,4 EMBASE 8,0 INPADOC 30,0 INSPEC 6,5 INVESTEXT 9,4 JAPIO 6,3 MEDLINE 11,0 PROMT 7,9 REGISTRY 23,3 SCISEARCH 17,7 WORLDCAT 41,0 WPINDEX 9,5
8. Управление знаниями
8.1 Технологические основы
Современные сферы применения компьютеров и информационныхтехнологий можно разделить на три уровня:
— Computation — выполнение вычислений;
— Communication — это, прежде всего, Интернет и все, что с ней связано;
— Cognition — еще толькозарождающийся уровень, ориентированный на поддержку интеллектуальной деятельностии знаний.
Сегодня достаточно хорошо освоены и проработаны два первых уровня.Именно для них разработаны основные технологии, поддерживающие управлениезнаниями:
— добыча данных и текстов (Data mining, Text Mining) — распознаваниеобразов, выделение значимых закономерностей из данных, находящихся в хранилищахили входных или выходных потоках;
— системы управления документооборотом (Document management) — хранение,архивирование, индексирование, разметка и публикация документов;
— средства для организации совместной работы (Collaboration) — сети intranet, технологии групповойработы, синхронные и асинхронные конференции;
— корпоративные порталы знаний и обучения;
— средства, поддерживающие принятие решений (Decision support) — экспертные системы,системы, поддерживающие дискуссионные группы и т. д.
8.2 Что дает управление знаниями
Управление знаниями — это процесс использования того, что известнолюдям, на новом уровне с целью наращивания потенциала компании. Умениеуправлять знаниями обеспечит ряд преимуществ:
— появление большего числа идей и сокращение их „жизненногоцикла“;
— снижение затрат, вызванных дублированием усилий и повторениемпрошлых ошибок;
— более быстрое превращение служащего в квалифицированногоспециалиста;
— оперативность при реализации изменений в бизнесе;
— повышение эффективности за счет возможности получитьсвоевременный доступ к информации;
— выработка новых решений на основе уже существующих и за счетприменения коллективных идей.
Предприятие готово управлять знаниями, если:
— сформирована культура взаимодействия;
— создана методика изучения нового знания;
— имеются различные способы обмена информацией;
— нет страха перед появлением нового знания;
— есть понимание важности и необходимости;
— сформированы процессы генерации и передачи знаний;
— произведенаинтеграция необходимых информационных ресурсов;
— определена мотивация управления знаниями;
— создана технология управления ключевыми процессами управлениязнаниями.
8.3 Компоненты управления знаниями
Управление знаниями — это распространение и поиск опыта людей иактуальной информации в среде связанных между собой людей или групп людей.Самое главное — это знания людей и взаимодействие между людьми.
Ключом к управлению знаниями является доставка нужных знаний людямв пределах группы людей и организации в целом и в конкретное время. Цельуправления знаниями заключается в том, чтобы помочь людям лучше работатьвместе, используя возрастающие объемы информации. Выделяют три основныхкомпонента управления знаниями:
— Люди.
Это обладатели знаний, им передается опыт для создания новых идей.
— Процессы.
Нужны для совместного использования и распространения информации.
— Технологии.
Необходимы для быстрой и эффективной работы людей и процессов.
После того, как идея создается человеком и осуществляется напрактике, она проходит фазу оценки и усовершенствования. Затем идея или решениесохраняется для использования в будущем этим человеком или другими людьми.
Взаимное распространение и использование персональных знаний(знаний, принадлежащих одному человеку) и общих для организации знаний (знаний,собираемых организацией) способствует появлению нововведений и производствуновых продуктов. Здесь возникает проблема: как изменить корпоративную культурутипа „знания — сила“ на „коллективное знание — сила“? Этапроблема вызвана пониманием того, что чем больше знаний мы сохраняем для себя,тем более „ценными“ мы становимся.
Поэтому сегодня внедряются соответствующие процессы и технологии,направленные на распространение и совместное использование знаний. Но тутвозникает вопрос о поиске знаний, так как знания постоянно развиваются. Приэтом нужно помнить о следующем.
Поискомданных занимаются многие низкоуровневые булевы поисковые механизмы. Они нерешают проблему управления знаниями, а только создают перенасыщенныеинформацией потоки.
При поиске информации не используется контекст и пониманиесущества запроса. Информация всегда связана с какими-либо данными, широко распространена,может зависеть от контекста, может генерироваться людьми и компьютерами, легковоспринимается и легко передается, может быть легко взаимосвязана с другойинформацией, в принципе, может использоваться кем угодно и когда угодно.
Поиск знаний осуществляется тогда, когда поисковые механизмывысокого уровня доставляют только информацию, действительно актуальную для нуждлюдей. Поиск знаний представляет собой высшую форму поиска информации и данных,поскольку должен обладать интеллектуальным доступом к информации и искать любыетипы данных, наиболее адекватных запросу. Знания имеют отношения к данным иинформации, но не всегда с ними связаны, дефицитны, их непросто добывать, онивсегда связаны с каким-то контекстом, существуют в его рамках, генерируютсятолько людьми, трудны для восприятия, обладают скоростью передачи и восприятия,для успешного восприятия требуют четких границ их понимания, могут быть оченьдороги, обладают сроком и целью использования.
8.4 Концепция управления знаниями
Сегодня принято говорить о концепции управления знаниями от Lotus и IBM, которая определяетчетыре основные задачи бизнеса: инновация, быстрота реагирования,производительность и компетенция.
Компания, которая хочет остаться компетентной, должна заботиться оразвитии своих сотрудников. Компетенция предполагает развитие деловых навыков иприумножение профессиональных знаний сотрудников путем обучения в режиме on-line, на рабочем месте иудаленно.
Инновация — главное условие достижения превосходства надконкурентами. Перед многими компаниями встает проблема преодоления физических ивременных границ, разделяющих сотрудников, для осуществления совместных „мозговыхштурмов“, обмена идеями при производстве новых продуктов и услуг.
Восприимчивость (быстрота реагирования) предоставляет людям доступк необходимой информации в нужный момент, чтобы они быстрее решили проблемызаказчиков, принимали оптимальные решения и адаптировались к изменяющимсяусловиям рынка.
Нахождение имногократное использование оптимальных решений и других знаний, направленных насокращение циклов производства, исключение двойной работы позволяют повыситьпроизводительность. Поэтому важным фактором управления знаниями является документирование,каталогизация и распространение корпоративных информационных ресурсов.
При этом компетенция и инновация относятся, в основном, к областисоздания знаний, а производительность и восприимчивость относятся к областииспользования имеющихся знаний.
8.5 Инструменты управления знаниями
Предлагаемая компанией Autonomy (www.autonomy.com) технология поискасоответствий готовым шаблонам позволяет ставить уникальную „подпись“в документах для их идентификации и кодирования. Программные агенты затем ищути находят аналогичные концепции в архивах электронной почты, источникахновостей или на Web-узлах, автоматически обрабатывая, индексируя и связываяинформацию. Для новых мультимедиа-приложений Autonomy предлагает программы Portal-in-a-Box, Content Server, Guardian Server и Daily Briefing.
Сервер Plumtree Server(www.lumtree.com) предназначен специальнодля разработки корпоративных порталов в intranet, для автоматическойорганизации ссылок на электронные документы, отчеты баз данных, сообщенияэлектронной почты, данные групповой работы и другую информацию в intranet-иерархии. Кроме того,компания регулярно предоставляет пользователям модернизации, рассылая их поэлектронной почте или публикуя в Web, а также готовит комментарии по всей информации,которая была добавлена в сеть.
Hyperknowledge Builder(www, hyperknowledge.com) представляет собойпрограммную среду для создания моделей совместного использования знаний наплатформе Windows. Это программное обеспечение собирает критически важные знания иопыт, в первую очередь неформализованные знания, так что все участники могутточно представлять себе, что они делают, как и почему.
Основной пакет компании Glyphica (www.glyphica.com) PortalWareпозволяет легкоразвертывать и поддерживать узлы с корпоративными порталами, которые доставляютинформацию. Кроме того, эта компания также предлагает сервисы сканированиядокументов для интеграции информации, хранимой в бумажном виде.
Система Introspect Knowledge Server(www.intraspect.com) представляет собойприложение для корпоративных порталов, служащее для организации доступа,контроля и совместного использования корпоративных данных. Информация можетпоступать с настольных систем, в частности из текстовых процессоров,электронных таблиц и электронной почты, параллельно с информацией, размещеннойв Web. Этот продукт такжеподдерживает данные, получаемые из основных корпоративных источников, таких каксистемы знаний, системы планирования корпоративных ресурсов, хранилища данных иприложения управления взаимосвязями с потребителями.
Основной продукт компании Open Text (www.opentext.com) Live-linkпредставляет собойпрограммный пакет для совместной работы виртуальной группы, автоматизациибизнес-процессов, управления библиотеками знаний и извлечения информации.
И конечно же, пальму первенства в сфере управления знаниямиследует отдать Lotus (ныне IBM). Lotus Notesявляется идеальной платформой для управлениязнаниями, потому что превосходно справляется с решением двух задач. Во-первых,предоставляет возможности сотрудничества, повышающие качество бизнес-процессов.Во-вторых, помогает выявлять „неявные“ знания и делать их доступнымидля использования остальными сотрудниками организации.
Выводы
1. По оценкам аналитиков Arthur Andersen, объем знаний, которыми располагаетчеловечество, удваивается каждые пять лет. В 2020 году знания человечествабудут удваиваться каждые 72 дня. Еще одна интересная формула, предложенная тойже компанией, состоит в следующем: знания — это есть люди плюс информация,возведенные в степень средств распространения этой информации.
2. По оценке GartnerGroup, технологии управления знаниями способны ужесейчас дать 20 % повышение продуктивности работы организаций.
3. По данным консалтинговой компании KPMG, в среднем 40 %сотрудников компаний проработали в своей организации меньше года, еще 40 %собираются уходить. Вклад „новобранцев“ в работу фирмы обычноневелик. Те, кто собирается уходить, предпочитают уносить информацию с собой. Врезультате 80% информации компании остается неосвоенной. При уходе ведущихсотрудников компании потери компаний распределяются следующим образом:
— нарушение отношений с ключевыми клиентами/поставщиками — 43 %;
— потеря знаний о передовом опыте в специфической области — 49 %;
— потеряважной для ведения бизнеса информации — 14 %; существенная потеря прибыли — 13%.
Списокиспользованных электронных ресурсов
www.aup.ru
www.iis.ru
www.bizcom.ru
www.infocity.kiev.ua
www.bizon.ru
www.interface.ru
www.botik.ru
www.iteam.ru
www.ccc.ru
www. internetbook. ru
www.ci.ru
www.isuct.ru
www.citforum.ru
www.ixbt.com
www.comin.org.ua
www.management.com.ua
www.computer.library.ru
www.markbook.chat.ru
www.dis.ru
www.marketing-mix.ru
www.docflow.ru
www.marketing.spb.ru
www.erp.ru
www.mka.ru
www.eup.ru
www.oborot.ru
www.fiber-optica.ru
www.osp.ru
www.hpc.ru
www.
plcsystems. kiev.ua
www.hrm.ru
www.promo.ru
www.i2r.ru
www.rusdoc.ru
www.ibo.ru
www.web-support.ru
www.projectmanagement.ru
www.hub.ru