Znalostní management
Jeden ze základních pojmů znalostního managementu (knowledge management, KM) – pojem „znalost“ je problematický z několika hledisek.
Oblast znalostního managementu čerpá z anglo-americké literatury, kde pojem „knowledge“ má více významů. Tento pojem lze do češtiny přeložit několika termíny, jako jsou poznatek, znalost, vědomost, poznání a podobně, přičemž někteří čeští autoři je nevnímají jako naprostá synonyma a ve svých pracích je rozlišují. Problémem je také další znak anglického výrazu knowledge, který je vlastně podstatným jménem v množném čísle, takže ho lze přeložit i jako poznání či vědomí. Další komplikací je, že anglo-americká literatura tento pojem vnímá velmi široce a mnozí v Česku mají problém přijmout, že znalostmi jsou v jejím pojetí míněny i schopnosti, dovednosti, intuice, talent či smysl pro humor. Dalším problémem, který pociťují odborníci po celém světě, je nejednoznačné vymezení pojmu znalost. Mnozí autoři si proto pomáhají pojmem informace.
Znalost
Stejně jako informace i znalost se týká významu, tedy obě jsou závislé na kontextech a vztazích. V určitých aspektech jsou si podobné, v jiných odlišné. Informace je více faktická, znalost se týká přesvědčení a subjektivního názoru. 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, zhodnocené 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 již mít nějaké znalosti (ovládat chemii). To je vyjádřeno i ve vzorci: „Znalost = informace + x, kde x představuje souhrn předchozích znalostí, dovedností, zkušeností, mentálních modelů apod.“
Velmi důležitým aspektem přiblížení problematiky knowledge management je úplné porozumění celému obsahu pojmu znalost, kterému napomáhá typologie znalostí. Pro různé oblasti je aspekt dělení odlišný. Z hlediska výzkumu v oblasti umělé inteligence je rozhodně velmi významné členění znalosti na deklarativní („co“) a procedurální („jak“). Z hlediska obecného managementu je důležité odlišit znalosti individuální a kolektivní (např. kultura podniku). Nebo rozlišit 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 relativně jednotně definovány jako znalosti, které jsou kodifikované, respektive strukturované, a lze je snadno vyjádřit písmeny, slovy či znaky. Totéž platí pro jejich komunikaci a sdílení v rámci formálního jazyka, stejně jako jejich zachycení a zobrazení v dokumentech, databázích nebo informačních systémech. Explicitní znalosti lze vyjádřit formálním jazykem včetně gramatických či matematických vyjádření, specifikací a manuálů. Je je tedy možné ukládat do systémů řízení dokumentů, knihovních systémů, marketingových informačních systémů apod.
Implicitní a tacitní znalosti jsou jakýmsi opakem explicitních znalostí. Implicitní znalosti jsou zatím nevyjádřené znalosti získané vzděláváním nebo tréninkem. V případě tacitních znalostí je situace složitější. První zmínku o tacitní (angl. tacit – tichý, mlčenlivý) znalosti najdeme v díle filozofa M. Polanyiho z roku 1966. Polanyi píše: „Můžeme vědět více, než jsme schopni vyslovit“ (10). Takže tacitní znalosti jsou skrytým druhem znalostí, které běžně získáváme socializací s okolím a o jejichž existenci často ani nevíme. Problém nastává při snaze o jejich externalizaci, což často není vůbec možné. Často se jako příklad uvádějí následující situace – představte si, že máte pro někoho vytvořit v podobě dokumentu jakýsi návod na jízdu na kole nebo slovně popsat, jak vypadá zelená či červená barva… Nebo zkuste se zeptat nejlepších designérů, techniků či expertů v organizaci: co je jejich nejcennější znalost? Je to znalost, kterou lze najít v knihách? Zjistili byste, že knihy sice jsou cenné, ale skutečně hodnotná znalost je schopnost přicházet s novými nápady, kreativními řešeními problémů nebo schopnost klást dobré otázky. Pokud byste chtěli zjistit, odkud tato jejich znalost pochází, pravděpodobně by odpověď byla: nevím…
Obecně se v publikacích znalostního managementu často setkáváme s používáním pojmů implicitní a tacitní znalosti jako synonym, což na určité úrovni řešení problémů může být účelné.
Management znalostí
Podobně jako u pojmu znalost, také o pojmu management znalostí bychom mohli v daném slovním spojení polemizovat. Mnoho autorů s tímto termínem nesouhlasí i v zahraničí. Uvádějí, že toto slovní spojení mylně vyvolává představu nějakého manažera, který sedí v obleku a má přístup k lidským mozkům, aby z nich získával znalosti, které pak bude řídit, jako by šlo o součástky automobilu. 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 při vytváření takových podmínek (sociálních i technických), které by podporovaly a motivovaly znalostní manažery k získávání, zachycování, sdílení a využívání znalostí v organizaci.
Možnost jejich zpracování a analyzování dávno přesahuje lidské kapacity. 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 na počátku 90. let minulého století a od té doby roste zájem odborné komunity o tuto problematiku, o čemž svědčí množství konferencí, vznik odborných skupin i vydávání odborných časopisů a dalších publikací věnovaných právě této oblasti.
Objevování znalostí z databází je multidisciplinární oblast, k jejímuž rozvoji kromě metod umělé inteligence přispívají a napomáhají například databázové technologie a statistika. Tyto disciplíny se zpočátku vyvíjely samostatně, až pak nastalo období, kdy rozsah automaticky sbíraných dat začal lidem přerůstat přes hlavu a zároveň 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 musí být platné, dosud neznámé a potenciálně užitečné. Proces objevování znalostí je multidisciplinární (zastoupení více oblastí výzkumu), iterativní a interaktivní. Abychom dosáhli optimálních výsledků, které by pro nás mohly být přínosné, obvykle tento proces není možné plně automatizovat. Právě proto je důležitá asistence člověka, který rozhoduje o volbě vhodných operací, algoritmů, parametrů a v konečném důsledku i o tom, která z objevených znalostí má přínos a měla by být aplikována v praxi. 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 fáze. Podobně je tomu i při objevování znalostí z databází. Některé metodiky stojí za produkty programových systémů (metodika 5A firmy SPSS, metodika SEMMA firmy SAS). Existují snahy o standardizaci procesu KDD. Velký význam v tomto směru má iniciativa CRISP-DM (Cross Industry Standard Process for Data Mining). Výsledkem této iniciativy je nadějný krok 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 upozornit na důvod vzniku této multidisciplinární oblasti – objevování znalostí z databází – a její základní charakteristiku. V dalších příspěvcích se budeme snažit proniknout hlouběji do této problematiky a přinést Vám zajímavé a
Typické aplikační oblasti KDD
- marketing – identifikace různých skupin zákazníků s cílem 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 uvědomit si „Co potřebujeme znát nejlépe, co nejvíce přispěje k cílům naší organizace?“. Nejpodstatnější je vůbec začít, protože pouze to, že začneme, může přinést výsledky. Stačí si vybrat libovolnou aktivitu managementu znalostí, například pracovní schůzky, kde bude probíhat sdílení znalostí před konkrétní akcí, a postupně tuto aktivitu zavádět do praxe. Pak přidávat další aktivity. Postupně budeme model uplatňovat konzistentně – přirozeně, budeme to dělat automaticky, aniž bychom na to museli myslet.
Je také nezbytné vytvořit vhodné prostředí. Efektivní znalostní management vyžaduje vytvoření vhodného prostředí a firemní kultury. Nejčastěji za účelem vytvoření takového prostředí je třeba:
- odstranit technologické bariéry (aby nedocházelo k nekompatibilitě mezi systémy pro sdílení znalostí),
- odstranit bariéry v procesech (procesy jsou často nastavené tak, že není například prostor k zaznamenání znalostí po nějaké akci; vytvoření speciálních procesů pro management znalostí),
- odstranit bariéry lidského chování (požádat o pomoc neznamená slabost; že je člověk zavalen úkoly, neznamená, že nemůže pomoci) – motivace: odměny za poskytnutí pomoci; bariéra strachu, že člověk sdílením informace přijde o svou výhodu,
- aplikovat komunitní přístup (buď společně selžeme, nebo to zvládneme; učit se od ostatních, vytvářet společné hodnoty, zpochybňovat zavedené konvence, jít příkladem ostatním otevřeností a sdílením informací).
Řízení procesů změn při vytváření vhodného prostředí musí být zapojeno všemi zaměstnanci. Zpočátku je důležité usilovat o rychlé výsledky, aby tým byl motivovaný, že to funguje. Vhodný styl vedení je ten, který 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. a 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. a 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 page3). 2002. [online], [cit. 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, str. 135-146. Podle Stenmark, D. Tacit Knowledge: the fundament for knowing (KM page6). [online]. [cit. 2.2.2006]. Dostupné na internetu: http://w3.informatik.gu.se/~dixi/km/chap6.htm.
