Návrh klasifikátoru inovací Dynamický model transformace dat ve znalost organizace.

Prezentace na téma: "Návrh klasifikátoru inovací Dynamický model transformace dat ve znalost organizace."— Transkript prezentace:

1 Návrh klasifikátoru inovací Dynamický model transformace dat ve znalost organizace

2 1 podnik.vize 2 plánování 3 organizování Informace Rozhodování Ovlivňování kontrola Regulační odchylka 1 Využití informací pro sekvenční manažerské funkce 4 operativa

3 Balanced Scorecard 1 vize 2 plán 4 řízení 3 struktura Pokud nechceme chápat podnikový management jako prostou sekvenci časově i věcně oddělených samostatných opakovaných akcí korigujících vždy jednorázově situaci, je nutné stanovit mechanismus přeměny informací ve znalost.

4 Data Filtrovaná data Informace Nová znalost Úroveň znalostní entropie Časová sekvence Návrh a kvantifikace obecného mechanismu pro využívání nových znalostí k inovaci výstupních produktů za účelem jejich komercializace: Nová znalost určená ke komercializaci Informace jako nová struktura dat 4 3 2 1 Báze firemních dat  nová data Řazení a filtrace dat

5 OBECNÝ MODEL: Transformace informací ve znalost a jejich regulace 3 METODY-VÝSLEDKY I n f e r e n č. m e ch a n i s m Báze firemních znalostí Filtr ‘Hladina‘ informací a dat h V 2 regulace odtoku inov. znalostí prostřed. jejich komercializace Nový produkt x1x1 x2x2 Data o funkčním chování produktu V 1 regulace získávání nových informací Data o vlastnost. konkur.produktů Ostatní informace

6 OBECNÝ MODEL Úkolem je kvantifikovaně vyjádřit inferenční mechanismu v řízení přeměny informací v požadovanou znalost. Vstup představuje diskrétní přísun (tok) dat a informací x 1, který je regulován prostřednictvím parametru v 1. Výstupem je nová (inovační) znalost x 2, kterou je možné podnikatelsky využít zejména ve prospěch inovace současných produktů. Formule pro inferenční funkci se získá dáním do poměru žádané hodnoty výstupní znalosti x 2 k regulovanému vstupu h. (1) Regulovaný vstup h je objem informací, které jsou uchovávány v podniku pro jejich budoucí komercializaci.

7 OBECNÝ MODEL Kdy bychom předpokládali, že každá získaná informaci plynule přejde ve znalost, která je následně komercializována, (informační systém řízen ‘Just in time‘) potom by platilo: (2) Kde U je užitečnost informace pro jejího příjemce z hlediska relativního snížení informační entropie, dh je okamžitý informační tok do inferenčího mechanismu (diskrétně např. bit/s). Samozřejmě je potřeba počítat i s informačním šumem a zkreslením původního významu informace R. Maximální tok znalosti je potom dán poměrem mezi relativním šumem a tokem do inferenčního mechanismu: (3)

8 OBECNÝ MODEL Diferenciální rovnici (4) upravená do diskrétní formy: (5) Kde T je perioda přeměny informace ve znalost a B je operátor zpětného posunu. Nyní můžeme vztah (5) dosadit do výchozí rovnice inferenčního mechanismu (1): Např. pro periodu T = 1 týden, relativní šum R=0,05, velikost informace, které jsou uchovávané v podniku pro její budoucí komercializaci h = 7,9 Tb je inferenční mechanismus roven:

9 Akreditační řízení  rozhodnutí pilotní ověření zadání k realizaci Žádost o akreditaci projektová dokument. záznam o přezkoumání Zpracování projektu rozhodnutí stanovení řešitele vypracování zadání Podání návrhu Vývoj / inovace produkt u APLIKAČNÍ PŘÍKLAD

10 Vstupy K 1 =ZPKI K 3 = rizikovost K2= finanční aspekt Popis vstupních kritérií ZPKI – zbytkový potenciál komercializované inovace K 2 -např. pomocí NPV K3-pomocí fundamentální analýzy nebo distribuční fce Návrh klasifikátoru pro odlišení perspektivních inovací

11 Kritérium (koeficient) K1 Vzniká agregací dvou faktorů: Reziduálním časem inovace tR, který je vyjádřený pomocí časového poměru mezi dobou již využívání dané inovace a předpokládanou dobou životního cyklu inovace. Druhý faktorem je tzv. Reziduální nenasycenost inovace nR, která je charakterizovaná pomocí poměru mezi počtem producentů, kteří již inovaci komercializovali k předpokládanému počtu producentů, kteří tuto inovaci využijí

12 Koeficient (kritérium) K3 - Rizikovost komerčního úspěchu inovace Výstup z řídícího mechanismu systému pro automatizovanou klasifikaci komerčně perspektivních a neperspektivních inovací:

13 Pravdivostní tabulka: Přehled možných hodnot kritérií ovlivňující úspěšnost inovace s předpokládanými hodnotami komerčního úspěchu produktu stav K1K1 K2K2 K3K3 Y 10000 21001 3010 0 ! ( nejhorší kombinace) 40010 51100 60110 7101 1 ! ( nejlepší kombinace ) 81111

14 Y K1K1 K3K3 K2K2 Kombinační funkce charakterizující kauzální předpoklad komerčního úspěchu/neúspěchu produktu Y sestavíme sjednocením požadavků vyjádřených řádky 2, 7, 8. Tedy:

15 Navržený integrovaný obvod představující technickou realizaci automatizovaného klasifikátoru inovací podle skladby 3 kritérií ovlivňující komerční úspěch LEGENDA …hradlo ‘NOR’ …hradlo ‘NAND’ __ __ K 1 × K 2 ×K 3 __ K 1 K3K3 K1K1 K2K2 __ K 1 ×K 2 ×K 3 _____ K 1 ×K 3 K2K2 K3K3 K1K1 K 1 ×K 2 ×K 3 ________ K 1 ×K 2 ×K 3 K3K3 K2K2 K1K1     ≥1  ≥1

16  V současném podnikovém řízení je inovační fenomén často spojován s možností vytvoření konkurenční výhody.  Jedním z důsledků je zvyšující se frekvence změn v okolí firmy, a také zvyšování se konkurenčního tlaku, který se projevuje zkracováním vývojového cyklu produktů.  Protože inovačních nápadů je obvykle více, něž kolik z nich je ve zdrojových možnostech organizace prakticky realizovat, je potřeba vybrat ten s největším potenciálem komerčního úspěchu.  Návrh představeného klasifikátoru, (vycházejícího z obecného modelu vytváření znalosti), je možné použít k této selekci inovační nápadů. 4 DISKUZE – PRAKTICKÉ VYUŽITÍ

17