2. Data, informace, znalosti

Prezentace na téma: "2. Data, informace, znalosti"— Transkript prezentace:

1 2. Data, informace, znalosti
KIP - KM 2. Data, informace, znalosti

2 Definice znalosti - 1 Znalost je proměnlivou směsí uspořádaných zkušeností, hodnot, do souvislostí zasazených informací, názorů expertů a podložené intuice, která vytváří prostředí a rámec pro vyhodnocování a začleňování nových zkušeností a informací. Vzniká a je používána v mysli znalostních pracovníků. V organizacích je často zabudována nejen v dokumentech a archivech, ale i v organizačních postupech, procesech, praktikách a normách. P.R.Gamble, J.Blackwell: Knowledge manegement, Kogan Page, 2001 KIP/KM - 2

3 Definice znalosti - 2 Znalost je informace, která byla zorganizována a analyzována tak, aby byla srozumitelná a použitelná pro řešení problémů nebo rozhodování a učení Organizační znalost je zpracovaná informace začleněná do postupů a procesů. Kap. 1 - Knowledge Management Handbook, ed.1 J.Liebowitz, CRC Press, 1999 KIP/KM - 2

4 Uložení znalostí paměťová média: lidská mysl - často obtížný přístup
organizace - často rozptýlená dokument - od volného textu až po strukturované tabulky a grafy počítač - formalizovaná, lze sdílet, často dobře strukturovaná a organizovaná KIP/KM - 2

5 Od dat k informacím ČSN 369001:
Údaj (data): obraz vlastností objektu, vhodně formalizovaný pro přesnost, interpretaci nebo zpracování prostřednictvím lidí nebo automatů Informace je význam, který příjemce přisuzuje údajům (datům) Zpráva je nositelem informace, pokud přináší něco nového Čím více zpráva snižuje nejistotu, tím silnější je korelace mezi vstupem a výstupem komunikačního kanálu. KIP/KM - 2

6 Teorie informace Informace je mírou redukce nejistoty, k níž dojde při přijetí zprávy. Pojem přesně definoval Claude Shannon z Bell Labs roku Její jednotkou je jeden bit, což je snížení nejistoty, k němuž dojde, pokud zjistíte, že došlo k něčemu, co má pravděpodobnost 1/2. Měří se v jednotkách záporného logaritmu se základem 2: -log2(p). Podle této definice zpráva o události s pravděpodobností 1/4 přináší dva bity informace, událost s pravděpodobností 1/8 tři bity atd. Zvláštností informačních toků je to, že pouze informace mohou přejít z A do B a současně zůstat v A - informace zpracováním neubývá. (kopírka by nebyla k ničemu, kdybyste si nemohli nechat originál) KIP/KM - 2

7 Hierarchie 1 Data text, fakta, obrazy, zvuk + význam + struktura = 2
Informace Organizovaná, strukturovaná, interpretovaná a shrnutá data + zdůvodnění + abstrakce + vztahy + aplikace 3 Znalosti Případ, pravidlo, proces, model + výběr + zkušenost + principy + omezení + učení se = 4 Odbornost Rychlá a přesná rada, vysvětlení a zdůvodnění výsledků a postupů + integrace + distribuce + navigace = 5 Způsobilost Organizační odbornost: sklady znalostí, integrovaný systém podpory výkonnosti, klíčové dovednosti KIP/KM - 2

8 Informace Teprve v procesu interpretace získává informace hodnotu
Kvalitní informace je: přesná - neobsahuje chyby, je jasná a reflektuje význam dat, na kterých je založena včasná: potřebná informace je k dispozici ve vhodném čase relevantní: odpovídá na otázky Co? Proč? Kde? Kdy? Kdo? Jak? přiměřená (s jistou mírou redundance) a srozumitelná KIP/KM - 2

9 Znalosti Znalosti lze transformovat přechodem z nižšího stupně hierarchie na vyšší (i naopak, ale tím se zde nezabýváme :) jsou využívány v procesech výběru, interpretace a rozhodování v procesu učení se mění, přetvářejí a rozvíjejí jsou základem pro práci s informacemi, vyhledávání datových zdrojů a jejich využívání. KIP/KM - 2

10 Principy práce se znalostmi 1
sdílené a formalizované znalosti jsou klíčem k výkonnosti, aktivitě a úspěchu organizace aby měly znalosti pro organizaci velký význam, musejí být formalizovány; pouze formalizované informace lze reprezentovat digitálně, přenášet, sdílet a efektivně používat mít znalosti jak získané zkušeností, tak metodologické, je cennější než mít pouze jedny; praxi je nutné integrovat s metodami a modely učit se ze zkušenosti je živější (vivid), ale není příliš efektivní. Lidé mají rovněž tendenci nadměrně zobecňovat na základě jedné nebo několika málo zkušeností. Pokud je to možné, může být výhodnější učit se od expertů, z knih a v kursech. Často je efektivnější učit se ze zkušenosti a z chyb jiných. KIP/KM - 2

11 Principy práce se znalostmi 2
Je třeba vyvážit sběr a organizaci dostupných znalostí s učením se a vytvářením nových znalostí. Abyste vytvořili pro organizaci přidanou hodnotu, integrujte management znalostí a organizační učení Znalost je aplikace informací a dat za účelem vytvoření správných závěrů. Odbornost znamená velkou schopnost uvažovat s využitím znalostí za účelem provádění úkolů, řešení problémů, rozhodování a učení se novým znalostem. KIP/KM - 2

12 Management znalostí (MZ, KM)
Termín MZ zavedl Karl Wiig v r MZ používá systematické přístupy k vyhledávání, porozumění a užití znalostí za účelem tvorby hodnot. MZ je formalizací přístupu ke zkušenostem a znalostem, vytváří nové schopnosti, umožňuje skvělé výkony, podporuje inovace a zvyšuje hodnotu pro zákazníka. KIP/KM - 2

13 Hnací síly MZ Získání konkurenční výhody a/nebo zvýšení efektivity díky lepšímu a rychlejšímu učení se a tvorby nových znalostí Zvýšení inovačního potenciálu Zlepšení vztahů se zákazníky Sdílení „good practice“ KIP/KM - 2

14 Některé důvody pro zavedení KM
Zpřístupnění znalostí při vývoji a produkci nových výrobků a služeb Zkrácení cyklu vývoje nových výrobků Podpora a řízení organizační inovace a učení se Využití zkušeností lidí v celé organizaci Výhoda „síťového efektu“, větší spokojenost jednotlivců i týmů Řízení toků dat a informací v komplexním prostředí, umožnění rychlého přístupu Správa intelektuálního kapitálu a aktiv Přenos znalostí, zkušeností, know-how klíčových pracovníků při jejich odchodu z organizace Rychlejší výcvik nově příchozích zaměstnanců KIP/KM - 2

15 Management znalostí vs. znalostní management
Někdy rozdíl v českém překladu Knowledge Management Znalostní management – management založený na znalostech Management znalostí – metody, techniky, nástroje práce se znalostmi srv. Project Management – projektové řízení vs. řízení projektů KIP/KM - 2

16 Principy MZ MZ je drahý (ale nevědomost také!)
Efektivní MZ vyžaduje řešení, která zahrnují jak lidi, tak technologie. MZ je strategickou záležitostí. Pro MZ jsou třeba manažeři znalostí. MZ staví více na mapách než modelech, více na trzích než na hierarchiích. Sdílení a užívání znalostí často nejsou přirozenými činnostmi. MZ znamená zdokonalování pracovních procesů. Přístup ke znalostem je pouze začátkem. MZ nikdy nekončí. MZ vyžaduje ochranu znalostí (např. ochranu duševních práv). KIP/KM - 2

17 Typy znalostí - 1 Tacitní (implicit, embodied, tacit): vnitřní znalost, převážně v hlavách lidí; intuice – „víme víc, než dokážeme říci“ Explicitní Representovaná, kodifikovaná: dokumenty, databáze, záznamy Embedded: zabudovaná v procesech, produktech, postupech KIP/KM - 2

18 Neuvědomělá neznalost
Víme, co víme (nevíme)? Stav znalosti Co víme Co nevíme Stav poznání Víme Explicitní znalost Vědomá neznalost Nevíme Tacitní znalost Neuvědomělá neznalost KIP/KM - 2

19 Příklad: hudba Před vynálezem notace se bylo možné naučit hrát jen odposloucháním od mistra Středověká notace umožnila záznam, který bylo možné reprodukovat Od vynálezu fonografu, gramofonu až k CD je možné hudbu „zabudovat“ do nosiče, někdo ji poslouchá a začne si broukat melodii a kruh se uzavírá. KIP/KM - 2

20 Příklad: regulace průtoku
Mládková KIP/KM - 2

21 Transformace znalostí
SECI NA Tacitní Explicitní Z Socializace (individuální  skupinová) Externalizace Internalizace Kombinace (dílčí  systematická) KIP/KM - 2

22 Spirála znalostí (Nonaka)
KIP/KM - 2

23 Socializace: vytváření skupinové tacitní znalosti sdílenou zkušeností
Socializace: vytváření skupinové tacitní znalosti sdílenou zkušeností. Podmínka – prostředí, v němž jednotlivci sdílejí zkušenosti a prostor ve stejnou dobu a tak se vytváří nevyslovené poznání nebo „vestavěné“ dovednosti. Příklad – učedník, chirurg, architekt Externalizace: vyjádření tacitních znalostí v explicitní formě (koncepty, diagramy); časté použití metafor, analogií, náčrtků. Podmínka – dialog zaměření na tvorbu konceptů. Příklad – vytvoření konceptu nového výrobku. KIP/KM - 2

24 Kombinace: „skládání“ nových a stávajících tacitních znalostí a vytváření systemizovaných znalostí. Příklad: soubor specifikací prototypu nového výrobku Internalizace: „vestavění“ tacitní znalosti do formy tacitní, operativní znalosti (know-how) – učit se děláním. Dokumentované explicitní znalosti (text, zvuk, video, manuály) podporují internalizaci. KIP/KM - 2

25 Ba Nonaka: Ba je místo, kde dochází k dynamické konverzi znalostí a vytváření vztahů Originating Ba: prostor, v němž jednotlivci sdílejí pocity, emoce, zkušenosti, mentální modely Interacting Ba: Prostor, v němž se tacitní znalost pžetváří na explicitní; klíčovými faktory jsou dialog a metafory Cyber Ba: Prostor interakce ve virtuálním světě; kombinace nových a stávajících explicitních znalostí za účelem vytváření nových explicitních znalostí na úrovni organizace Exercising Ba: Prostor, který usnadňuje konverzi explicitních znalostí na tacitní KIP/KM - 2

26 SECI a Ba Socializace Face-to-face Externalizace Peer-to-peer
Internalizace On-the-site Kombinace Group-to-group Originating Ba Interacting Ba Exercising Ba Cyber Ba KIP/KM - 2

27 Důležitost Ba Znalost je závislá na kontextu
Každý proces tvory znalostí vyžaduje odpovídající Ba – prostředí, organizace si toho musí být vědoma a věnovat pozornost vytváření Ba (fyzický – virtuální prostor) KIP/KM - 2

28 Typy znalostí - 2 Procedurální: vědět jak Deklarativní: vědět co
Individuální Kolektivní KIP/KM - 2

29

30 Individuální znalostní schopnosti
ambice; dovednosti; chování; metody, nástroje a techniky; management času; osobní znalosti. KIP/KM - 2

31 Co a jak Ambice je nutnou podmínkou motivace k účasti na znalostních procesech. Většina sdílení znalostí probíhá na dobrovolném základě! Vědět, jak transformovat tacitní znalosti na explicitní Posilovat sdílení znalostí – aktivní naslouchání Opakovat, co jsme slyšeli – kontrola správného porozumění Jak sdělovat své znalosti ostatním Jak znalosti strukturovat a srozumitelně dokumentovat Jak formulovat efektivní strategie vyhledávání a správně interpretovat výsledky hledání Jak vybírat a používat externí znalosti KIP/KM - 2

32 Organizační znalostní schopnosti
Mise, vize, strategie; Kultura; Procesy & organizace; Měření; Technologie & Infrastructura; Znalostní aktiva. KIP/KM - 2

33 Řízení znalostních procesů
Vnímání Poslech Zachycení Internalizace Porozumění Tvorba nových znalostí Organizování Kategorizace Personalizace Socializace Sdílení Spolupráce KIP/KM - 2

34 Rozhodnutí jak a kdy použít - použití
Matice KM Vnitřní Kodifikovaná Zabudovaná Vnímání Pozorování Sběr Vytváření hypotéz Organizace Vyhledávání souvislostí Kategorizace Mapování Socializace Sdílení Šíření Simulace Internalizace Rozhodnutí jak a kdy použít - použití KIP/KM - 2

35 Vnímání Vnitřní - Pozorování Kodifikovaná - Sběr
Přehledy znalostí Workshopy/interview Analýza sítí Kodifikovaná - Sběr Business Intelligence Data mining Inteligentní agenti Zabudovaná - Vytváření hypotéz Analýza trhu/zákazníků/konkurence Nástroje modelování/odvozování Reverse engineering KIP/KM - 2

36 Organizace Vnitřní - Vyhledávání souvislostí
Focus groups Expertní průvodci Koordinátoři znalostí Kodifikovaná - Kategorizace Taxonomie znalostí Knihovny Datová tržiště (Data Marts) Zabudovaná - Mapování Návrh pracovních míst (jobs, workplace) Analýza pracovních toků Míry výkonnosti KIP/KM - 2

37 Socializace Vnitřní - Sdílení Kodifikovaná - Šíření, diseminace
Mentorování, koučování CoP (Communities of Practice) Konferenční nástroje, groupware Kodifikovaná - Šíření, diseminace Internet/intranet/ Distanční učení, e-learning Aplikační systémy Zabudovaná - Simulace Plánování scénářů Kontrola po provedení činnosti Řízení výcviku/kvalifikace KIP/KM - 2

38 Proces MZ 1 Identifikace Určení klíčových oblastí 2 Sběr
Formalizace existujících znalostí 3 Výběr Hodnocení relevance, hodnoty a přesnosti znalostí 4 Uložení Reprezentace znalostí organizace v archívu znalostí 5 Sdílení Automatická distribuce znalostí k uživatelům. Spolupráce virtuálních týmů 6 Aplikace Vyhledání a použití znalostí při rozhodování, řešení problémů, automatizaci nebo podpoře pracovních činností, výcvik 7 Vytvoření Objevy nových znalostí výzkumem, experimenty a kreativním myšlením 8 Prodej Vývoj a uvedení na trh nových výrobků a služeb založených na znalostech KIP/KM - 2

39 Reprezentace znalostí
Expertní systémy: případy, pravidla, modely Dedukce založená na případech: reprezentace znalostí získaných zkušeností(události, specifické případové studie a řešení. Dedukce založená na pravidlech: znalosti přeložené do pravidel, která experti často používají při řešení složitých problémů Dedukce založená na modelech: objektová technologie reprezentace a organizace znalostí, používající atributů, chování a vztahů objektů a simulaci procesů předmětné oblasti KIP/KM - 2

40 Archiv znalostí on-line sklad zkušeností, znalostí, dokumentace o určité předmětné oblasti při vytváření archivu znalostí jsou znalosti sbírány, sumarizovány a integrovány. KIP/KM - 2

41 Typy znalostních struktur
Obrazy: obrázky a video Zvuky a signály Text: normální nebo hypertext Data: relační databáze Dokumenty: formuláře/šablony/zprávy/grafy/interfejsy Případové studie Pravidla Objekty Procesy: hierarchie, zdroje, výkonové charakteristiky Modely KIP/KM - 2

42 Charakteristiky znalostní organizace
Vysoce výkonná Orientovaná na zákazníka, zdokonalování a prvotřídnost Vysoká pružnost a přizpůsobivost Vysoká úroveň zkušeností a znalostí Vysoká rychlost učení se a inovací Proaktivní a futuristická Oceňuje zkušenosti a sdílení znalostí KIP/KM - 2

43 KM a organizační kultura
Zdravá organizační kultura je podmínkou úspěchu MZ. Byrokratické kultury trpí nedostatkem důvěry a neschopností odměňovat a prosazovat spolupráci. Bez důvěry a správně motivované pracovní síly se znalosti zřídka sdílejí nebo používají, zastaví se inovace a riskování, neexistuje spolupráce. Většina byrokratických organizací není schopna agilního, inovačního chování, které by vedlo k budoucímu úspěchu KIP/KM - 2

44 Inovace a motivace Ačkoliv chování, které je podporováno, bývá následováno, často systémy odměňování spíše než individualistické, riziko podstupující charakteristiky inovátorů podporují bezpečné, byrokratické chování. Inovátoři nejlépe reagují na směs finančních a nefinančních pobídek. Většina talentovaných lidí potřebuje mít pocit dobrodružství, uznání tvrdé práce a dosažených úspěchů. Chtějí být hodnoceni, aby mohli prokázat to, čeho dosáhli. Inovátoři jsou nejvíce motivováni následujícími faktory: Výzva Osobní uznání Svoboda činnosti Finanční odměna Je třeba vytvořit systém odměňování, který, v němž úspěch jedince či skupiny znamená i úspěch jejich kolegů. KIP/KM - 2

45 KM a odměňování Organizace by měla odměňovat: Uspokojení zákazníka
Vysoký výkon Osobní znalosti a zkušenosti Týmovou práci, sdílení znalostí a zkušeností Vytváření nových a rozvíjení existujících znalostí a zkušeností Používání znalostí z archívu znalostí Proaktivní řešení problémů a prevence vzniku problémů Organizace by neměla odměňovat: Svalování odpovědnosti na jiné Loajalitu k šéfovi Konformitu a servilnost, pasivní rezistenci Vnitřní konkurenci Byrokratické chování Touhu po moci, honbu za postavením KIP/KM - 2

46 Evolution of Knowledge Economies
“Enterprise Value in the Knowledge Economy” (Paris) “Knowledge Wave Initiative” (New Zealand) Global Knowledge Partnership I (Toronto, Canada) “US State Dept Briefing on Russia” (Washington, DC - USA) Global Knowledge Partnership II (Kuala Lumpur, Malaysia,) “IC Statements: Towards a Guideline” (Copenhagen, Denmark,) “Western Hemisphere Knowledge Partnership” (Boston, MA) “PDVSA Conference” (Caracas,) “The Innovation Nation” by the Prime Minister (Singapore) Knowledge Park – The World’s Fair (Hannover, Germany) IC Report for the Nation:Welfare and Security” (Stockholm, Sweden,) “National Conference on IC” (Lima, Peru) “KnowledgeBoard” (European Union) ‘Study Commission on the Implications of the Knowledge Economy (Beijing, China) “FASB Guidelines” (USA) “National Intellectual Capital Index TM” (UNOPS/ McMaster) “The IC State of Israel – Hidden Values of the Desert” (Israel,) “Poland Prime Minister & Cabinet Visit” (New York, NY) “Grande Collogue de Perspective” (Lyons, France) “Brookings Institute Report on Intangibles” (USA) “European Union Knowledge Conference (Utrecht, The Netherlands) ‘Knowledge for Development‘ – The World Bank (Washington, DC) “Human Capital Reporting for the Knowledge Economy -OECD Observor” (Paris, France) “Managing the Knowledge Assets into the 21st Century” (USA) “E100: Building Collaborative Advantage” (NY City, NY) “Indicators – The World Bank” (Washington, DC) 1987 1991 1994 1996 1997 1998 1999 2000 2001+ For further information, contact Debra M. Amidon ( ) and/or visit the website: