Znalostní management
Jedním ze základních pojmů znalostního managementu (knowledge management, KM) je pojem „znalost“, který je problematický z několika hledisek.
Oblast znalostního managementu vychází z anglo-americké literatury, kde pojem „knowledge“ má více významů. Tento pojem lze do češtiny přeložit několika termíny, jako jsou poznatek, znalost, vědomost, poznání apod., přičemž někteří čeští autoři je nevnímají jako plná synonyma a ve svých pracích je diferencují. Problémem je také vlastnost anglického výrazu knowledge, který je v množném čísle, takže se může překládat i jako poznání či vědomí. Dalším problémem je, že anglo-americká literatura vnímá tento pojem velmi široce a mnozí v Česku přijímají s obtížemi fakt, že znalostí jsou v jejím pojetí i schopnosti, dovednosti, intuice, talent či smysl pro humor. Dalším problémem, který pociťují odborníci na celém světě, je nejednoznačné vymezení pojmu znalost. Mnozí autoři proto využívají pojem informace jako pomocný.
Znalost
Jak informace, tak i znalost se týkají významu, tedy jsou závislé na kontextech a vztazích. V určitých aspektech jsou si podobné a v jiných odlišné. Informace je více faktická, znalost zahrnuje přesvědčení a subjektivní názor. Navíc znalost je vždy spojena s činností a měla by být použita.
Mnozí autoři definují znalost na základě hierarchické posloupnosti data – informace – znalosti. Znalosti jsou:
- hodnotné informace z lidské mysli,
- ověřené, vyhodnocené informace v kontextu,
- odvozené z informací pomocí určité posloupnosti formálních pravidel (porovnávání, třídění, analyticko-syntetické vyhodnocování, ověřování apod.).
K přeměně informací (odborná kniha z chemie) na znalosti (realizace výzkumu) často potřebujeme mít již určité znalosti (ovládat chemii). Toto je vyjádřeno také ve vzorci: „Znalost = informace + x, kde x představuje souhrn předchozích znalostí, dovedností, zkušeností, mentálních modelů apod.“.
Velmi důležitým aspektem přiblížení problematiky knowledge management je plné porozumění celému obsahu pojmu znalost, kterému napomáhá typologie znalostí. Pro různé oblasti je aspekt dělení odlišný. Z hlediska výzkumu v oblasti umělé inteligence je velmi důležité rozdělení znalostí na deklarativní („co“) a procedurální („jak“). Z hlediska všeobecného managementu je významné rozlišit znalosti individuální a kolektivní (např. kultura podniku). Nebo znalosti typu: know-what, know-how, know-where, know-why, know-who.
Explicitní, implicitní a tacitní znalosti
Z hlediska znalostního managementu je nejvýznamnějším aspektem dělení znalostí jejich možnost vyjádření, podle čehož rozlišujeme znalosti:
- explicitní,
- implicitní,
- tacitní.
Explicitní znalosti jsou poměrně jednotně definovány jako znalosti, které jsou kodifikované, resp. strukturované a lze je snadno vyjádřit písmeny, slovy či symboly. Stejně snadná je jejich komunikace a sdílení ve formálním jazyce, stejně jako jejich zachycení a znázornění v dokumentech, databázích nebo informačních systémech. Explicitní znalosti lze vyjádřit formálním jazykem včetně gramatických či matematických výrazů, specifikací a manuálů. Je tedy možné je ukládat do systémů řízení dokumentů, knihovních systémů, marketingových informačních systémů apod.
Implicitní a tacitní znalosti jsou jakýmsi opakem explicitních znalostí. Implicitní znalosti jsou dosud nevyjádřené znalosti získané vzděláváním nebo tréninkem. V případě tacitních znalostí je situace složitější. První zmínku o tacitní (angl. tacit – tichý, mlčenlivý) znalosti nalezneme v díle filosofa M. Polanyiho z roku 1966. Polanyi píše: „Můžeme vědět více, než jsme schopni vyslovit“ (10). Tacitní znalosti jsou tedy skrytým druhem znalostí, které běžně získáváme socializací s okolím a o jejich existenci často ani nevíme. Problém nastává při snaze o jejich externalizaci, což často není vůbec možné. Často se uvádějí jako příklady následující situace – představte si, že musíte někomu v podobě dokumentu vytvořit návod na jízdu na kole nebo slovně popsat, jak vypadá zelená či červená barva… Nebo se zeptejte nejlepších designérů, techniků či expertů v organizaci – co je jejich nejcennější znalost? Je to znalost, kterou lze nalézt v knihách? Zjistíte, že knihy sice jsou hodnotné, ale skutečně cenná znalost je schopnost přicházet s novými nápady, kreativními řešeními problémů nebo schopnost klást dobré otázky. Pokud byste chtěli zjistit, odkud tato jejich znalost pochází – pravděpodobná odpověď bude: nevím…
Obecně se v publikacích znalostního managementu často setkáváme s tím, že implicitní a tacitní znalosti se používají jako synonyma, což na určité úrovni řešení problémů může být účelné.
Management znalostí
Stejně jako u pojmu znalost, i o pojmu management znalostí lze v daném slovním spojení diskutovat. Mnoho autorů s tímto označením nesouhlasí i v zahraničí. Uvádějí, že tento výraz mylně evokuje představu nějakého manažera, který sedí v obleku a má přístup do lidských mozků, aby z nich získával znalosti, které pak bude řídit, jako by šlo o součástky auta. Přesto toto slovní spojení již bylo všeobecně přijato komunitou vědců i lidí z praxe.
Význam knowledge management spočívá v úsilí teoreticky porozumět a prakticky pomáhat vytvářet takové podmínky (sociální i technické), které by podporovaly a motivovaly znalostní manažery k získávání, zachycování, sdílení a využívání znalostí v organizaci.
Možnost jejich zpracování a analyzování už dávno přesahuje lidské schopnosti. A právě tuto problematiku se snaží řešit metody objevování znalostí. Jejich cílem je získávat nové, platné a potenciálně užitečné znalosti z rozsáhlých dostupných dat.
O objevování znalostí z databází se začalo v odborných kruzích hovořit počátkem 90. let minulého století a od té doby roste zájem odborné komunity o tuto problematiku, což dokládá i množství konferencí, vznik odborných skupin, ale také vydávání odborných časopisů a dalších publikací právě věnovaných této oblasti.
Objevování znalostí z databází je multidisciplinární oblast, přičemž k jejímu rozvoji kromě metod umělé inteligence přispívají a pomáhají i databázové technologie a statistika. Tyto disciplíny se zprvu vyvíjely samostatně, dokud nenastal okamžik, kdy rozsah automaticky sbíraných dat začal lidem přerůstat přes hlavu, a současně vznikla potřeba využívat data pro podporu rozhodování.
Jak již bylo zmíněno, objevování znalostí z databází (KDD – Knowledge Discovery in Databases) je proces extrakce znalostí z databází, přičemž extrahované znalosti musejí být: platné, dosud neznámé a potenciálně užitečné. Proces objevování znalostí je multidisciplinární (s účastí několika oblastí výzkumu), iterativní a interaktivní. Abychom dosáhli optimálních výsledků, které by pro nás mohly být přínosné, obvykle není možné tento proces plně automatizovat. Proto je důležitá asistence člověka, který rozhoduje o výběru vhodných operací, algoritmů, parametrů a v konečném důsledku také o tom, která z objevených znalostí je přínosem a měla by se aplikovat do praxe. Více informací zde: http://smartvia.sk/?p=459
Využití knowledge management
Stejně jako v jiných oblastech a procesech existuje několik modelů a metodik pro jednotlivé procesy. Podobně je tomu i při objevování znalostí z databází. Za některými metodikami stojí výrobci programových systémů (metodika 5A od firmy SPSS, metodika SEMMA od firmy SAS). Existují snahy o standardizaci procesu KDD. Velký význam má v tomto směru iniciativa CRISP-DM (Cross Industry Standard Process for Data Mining). Výsledkem této iniciativy je nadějný krok směrem k definování standardní metodologie objevování znalostí. Právě na této metodologii se pokusím popsat jednotlivé fáze procesu Knowledge Discovery in Databases již v dalším příspěvku.
Cílem tohoto článku bylo poukázat na důvod vzniku této multidisciplinární oblasti – objevování znalostí z databází – a její základní charakteristiku. V dalších příspěvcích se budeme snažit hlouběji proniknout do této problematiky a přinést Vám zajímavé a
Typické aplikační oblasti KDD
- marketing – identifikace různých zákazníků za účelem segmentace trhu (např. Amazon.com),
- odhalování podvodů – transakce s kreditními kartami, mobilní telekomunikační sítě,
- individuální reklama – na základě sledování osobního chování na webu (New York Times zdarma po registraci osobních údajů),
- astronomie – objevování astronomicky relevantních objektů (SKICAT – rozhodovací stromy pro automatickou klasifikaci objektů),
- investice – finanční analýzy s cílem definovat portfolio s požadovanými vlastnostmi; predikce určitých indexů.
Aplikace znalostního managementu
Jako první je důležité si uvědomit „Co potřebujeme vědět nejlépe, co nejvíce přispěje k cílům naší organizace?“. Nejpodstatnější je vůbec začít, protože jen to, že začneme, může přinést výsledky. Stačí si vybrat libovolnou aktivitu managementu znalostí, například schůzky, kde bude docházet ke sdílení znalostí před akcí, a postupně tuto aktivitu zavádět do praxe. Poté přidávat další aktivity. Později budeme aplikovat model konzistentně – přirozeně, budeme to dělat automaticky, aniž bychom na to museli myslet.
Je rovněž nutné vytvořit vhodné prostředí. Efektivní znalostní management vyžaduje vytvoření vhodného prostředí a firemní kultury. Nejčastěji je z hlediska vytvoření vhodného prostředí potřeba:
- odstranit technologické bariéry (aby nevznikala nekompatibilita mezi systémy sdílení znalostí),
- odstranit bariéry v procesech (procesy jsou často nastaveny tak, že například není prostor na to, aby po akci byly zaznamenány znalosti; vytvořit speciální procesy pro management znalostí),
- odstranit bariéry lidského chování (požádat o pomoc neznamená slabost člověka. To, že je daný člověk zahlcen úkoly, neznamená, že nedokáže pomoci) – motivace: odměny za poskytnutou pomoc. Bariérou může být strach z poskytnutí informace, aby člověk nepřišel o svou výhodu,
- uplatnit komunitní přístup (buď společně klesneme ke dnu, nebo to zvládneme; učit se od ostatních, vytvořit společné hodnoty, zpochybňovat zavedené konvence, jít příkladem druhým otevřeností a sdílením informací).
Do řízení procesů změn při vytváření vhodného prostředí musí být zapojeni všichni zaměstnanci. Na začátku je důležité dbát na rychlé výsledky, aby tým mohl být motivován, že to funguje. Vhodný styl vedení podporuje učení a sdílení. Více informací zde: http://www.riadenie.sk/znalostny-manazment-collison/
- http://itlib.cvtisr.sk/archiv/2009/4/znalostny-manazment.html?page_id=1060
- DAVENPORT, T. H. 1997. Information Ecology: Mastering the Information and Knowledge Environment. Oxford University Press: New York, NY. 288 s. ISBN: 0195111680.
- DAVENPORT, T. H. and PRUSAK, L. (1998) Working Knowledge: How Organizations Manage What They Know. Harvard Business School Press, Boston, 1998. ISBN 978-1-57851-301-7.
- VYMĚTAL, J. – DIAČIKOVÁ, A. – VÁCHOVÁ, M. 2005. Informační a znalostní management v praxi. Praha: LexisNexis CZ, 2005. 399 s. ISBN 80-86920-01-1.
- NONAKA, I. and TAKEUCHI, H. 1995. The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation, Oxford University Press, New York, NY. Podle Stenmark, Dick: Data, Information, and Knowledge (KM page 3). 2002. [online], [citováno 12.5.2006]. Dostupné na internetu: http://w3.informatik.gu.se/~dixi/km/chap3.htm.
- POLANYI, M. 1966/1967. The Tacit Dimension, in Prusak, L. (Ed.) Knowledge in Organizations, Butterworth-Heinemann, Newton, MA, pp. 135-146. Podle Stenmark, D. Tacit Knowledge: The Fundament for Knowing (KM page 6). [online]. [citováno 2.2.2006]. Dostupné na internetu: http://w3.informatik.gu.se/~dixi/km/chap6.htm.
