RSS

Menadžment znanja vs. poslovna inteligencija 2. dio

Wed, Aug 26, 2009

eDukacija, ePoslovanje, eTrziste

Menadžment znanja vs. poslovna inteligencija 2. dio

Premda su se područja poslovne inteligencije i menadžmenta znanja razvila tijekom proteklih dva desetljeća, postoji značajna odijeljenost konteksta u kojima su se razvijali. Poslovna se inteligencija oslanja na tradicionalna poslovna pomagala i pretraživanje dobro organiziranih i strukturiranih podataka, te se razvila u dobro definiranu nišu u kojoj su informacije dostupne i u kojoj sudionici dijele jezik i procese. U takvom je pristupu povrat na uložena sredstva (Return on Investment, ROI) jednostavno izračunati. Menadžment znanja koji je mlađi pojam od poslovne inteligencije predstavlja složeniji primjer jer ne postoji zajednička terminologija te je ROI daleko teže izračunati.

Kada je u (
Sveiby, 1997) stvoren prvi model koji definira intelektualni kapital korištena su tri elementa:

1. kompetencija zaposlenika (sposobnosti ljudi u organizaciji – ljudski kapital organizacije)

2. interna struktura (strukturirani ili organizacijski kapital, uključujući patente, dokumentirane procese, viziju, strategije i politike)

3. eksterna struktura (klijenti ili kapital odnosa organizacije s ljudima s kojima organizacija posluje)

-
Jasno je da poslovna inteligencija pomaže organizacijama analizirati transakcije unutar svakog od elemenata, ali ona samo djelomično objašnjava njihov odnos prema menadžmentu znanja. Da bi se zaista razumjela mreža vrijednosti u poduzeću potrebno je uzeti u obzir i skriveno ponašanje, pri čemu poslovna inteligencija postaje ograničena.

Prema modelu iz (Nonaka i Takeuchi, 1995) menadžment znanja uključuje aktivnosti u predloženim procesima, dok poslovna inteligencija može izravno samo obuhvatiti kombinaciju, i u manjoj mjeri socijalizaciju, eksternalizaciju i internalizaciju, ali indirektno. Isti je slučaj i s menadžmentom znanja ako se ograničimo na tehnološki temeljena rješenja.

Menadžment znanja se nije ograničio na slučajeve eksplicitnog znanja. U (Hasanali, 2004) je identificirano pet osnovnih kategorija koje su od ključne važnosti za menadžment znanja, a naglašavaju značenje skrivenog znanja:

1. vodstvo

2. kultura

3. struktura, uloge i odgovornosti

4. IT infrastruktura

5. metrika

-
Prema ovakvom pristupu poslovna inteligencija, te eksplicitna tehnologija menadžmenta znanja može obraditi samo dio navedenih područja.

Premda menadžment znanja uključuje eksplicitno i skriveno znanje, (Malhotra, 2004) objašnjava kako ga eksplicitno orijentirana poslovna inteligencija može zamijeniti, jer to ovisi o tome kako organizacija definira svoj svijet, odnosno da li organizacija koristi model menadžmenta znanja za uobičajene rutinske procese i procesiranje informacija, ili se usredotočuje na nerutinske procese i nestrukturirano traženje smisla. (Malhotra, 2004) uvodi ovu razliku jer poslovna okolina uključuje kombinaciju stabilizirajućih i destabilizirajućih faktora, te bi implementacije menadžmenta znanja trebale sadržavati oba spomenuta modela. Proces ponovnog korištenja znanja i potrebe za stvaranjem znanja moraju se uravnotežiti integracijom procesiranja rutinskih i strukturiranih informacija (poslovna inteligencija i eksplicitni menadžment znanja), te nerutinskih procesa i nestrukturinog traženja smisla u istom poslovnom modelu.

Ovdje je moguće diskutirati postojanje interakcije između menadžmenta znanja i poslovne inteligencije. Primjerice, svrha umjetne inteligencije ili ekspertnih sustava je da omogući prave informacije pravim ljudima u pravo vrijeme. Taj se proces može dogoditi jedino ako su prave informacije, pravi ljudi, te prave okolnosti i vrijeme poznati unaprijed. Detekcija nerutinskih i nestrukturanih promjena ovisi o mogućnostima zaključivanja radnika znanja da bi ispravili ili provjerili računalnu logiku procesa ili podatke koje oni procesiraju. Situaciju je moguće dalje komplicirati činjenicom da isti skup podataka može uzrokovati različite reakcije od različitih ljudi. Stoga pohranjivanje eksplicitnih statičkih prikaza pojedinačnih skrivenih znanja u repozitorijima i bazama podataka ne mora predstavljati pravilnu zamjenu njihovim dinamičkim mogućnostima zaključivanja.

-

Korisna literatura

  • HAIMILA, S.: KM in practice: the helping hand of BI, KMWorld, Vol. 10, No. 10, 2001.
  • HASANALI, F.: Critical success factors of knowledge management, KOENIG, E. i T.K. SRIKANTAIAH, (urednici), Knowledge Management. Lessons Learned, ASIST Monograph Series, Information Today, Medford, NJ., 2004., str. 55 – 69.
  • KADAYAM, S.: New business intelligence: the promise of knowledge management, the ROI of business intelligence, dostupno na: www.kmworld.com/publications/ whitepapers/KM2/kadayam.pdf, 2002.
  • MALHOTRA, Y.: Why knowledge management systems fail: enablers and constraints of knowledge management in human enterprise, KOENIG, E. i T.K. SRIKANTAIAH (urednici), Knowledge Management: Lessons Learned, ASIST Monograph Series, Information Today, Medford, NJ, 2004., str. 87 – 112.
  • MARCO, D.: The key to knowledge management, 2002.
  • NONAKA, I. i H. TAKEUCHI: The Knowledge–Creating Company: How Japanese Companies Create the Dynamics of Innovation, Oxford, Oxford University Press, 1995.
  • SVEIBY, K. E.: The New Organizational Wealth: Managing & Measuring Knowledge–based Assets, San Francisco, Berrett–Koehler, 1997.
  • TZU, S.: The Art of War, Dover Publications, 2002.

-

Pročitajte vezani članak na ovu temu: Menadžment znanja vs. poslovna inteligencija 1 dio

Ocjena 4.33 od 5
, , , , ,

Autor teksta:

Marko Lackovic - ukupno napisanih 44 tekstova na eBizMags.

Dodiplomski studij završio je na Fakultetu elektrotehnike i računarstva u Zagrebu, na kojem je stekao magistarsku i doktorsku titulu sa specijalizacijom u području telekomunikacija i informatike. Također je završio poslijediplomski MBA studij na Ekonomskom fakultetu u Zagrebu, pri čemu su mu glavni interesi bili strateški menadžment, te menadžment znanja. Svoju istraživačku karijeru započeo na Fakultetu elektrotehnike i računarstva u Zagrebu i na Swiss Federal Institute of Technology (EPFL) u Švicarskoj, a stečena znanja primjenjuje u R&D centru kompanije Ericsson Nikola Tesla d.d. u Zagrebu. Karijeru nastavlja na menadžerskim pozicijama kao voditelj prodaje u kompaniji Huawei Technologies d.o.o., te direktor prodaje u firmi Atento d.o.o. Sudjelovao je u nekoliko istraživačkih projekata Europske unije, te je napisao preko 30 znanstvenih radova. www.markolackovic.com Nadalje, suvlasnik je prvog Internet magazina u JIE regiji s područja e-poslovanja www.eBizMags.com

Kontaktiraj autora

1 Komentari za ovaj tekst

  1. Kerberos komentira:

    1.) Poslovna inteligencija se svodi na analizu strukturiranih podataka, koji međutim mogu nastati i iz potpuno nestrukturiranih podataka. Stvar je dobrog i adaptivnog modela DWH i metrike spomenutih nestrukturiranih podataka (dakle, problem se svodi na metriku nepredvidljivog).

    2.) Metrika “nepredvidljivog” je naravno retrogradno moguća. Pitanje je volje i incijative organizacije. Naravno “nepredvidljivo” nije baš uvijek u potpunosti nepredvidljivo…Riječ je opet o nekim ustaljenim obrascima i naravno, problemu adekvatnog BI modela koji uključuje određene situacije.

    3.) Problem se može svesti na monitoring napretka end-to-end procesa iz perspektive value chain-a i pripadnih razloženih procesa uz odgovarajuće dimenzije mjerenja-određeni radnici u određenom vremenu obavljaju određene procese sa određenim skupom znanja. Iz takvog modela je moguće kreirati KMS koji bi počivao na BI-u monitoringa poslovnih procesa. Sve je vođeno jednostavnom premisom – što se proces efektivnije izvodi – količina znanja je veća i izvor informacija u tom slučaju je kvalitetniji.

    4.) Ekspertni sustavi prvenstveno uče i stvaraju obrasce na način da ih ljudi podučavaju nudeći im adekvatno velik skup podataka za učenje. Ono što je kod ekspertnih sustava bitno je da na dovoljno velikom skupu podataka detalji koji su izostavljeni prilikom učenja (sitne i neprimjetne dimenzije) ne moraju davati u konačnici krive rezultate. (Iz razloga najčešćeg postojanja korelacija između podataka).

    5.) Članak je preopćenit i nekonkretan :(

1 Trackbacks za ovaj tekst

  1. Koja je razlika između Menadžmenta znanja i Poslovne inteligencije? | eBizMags Says:

    [...] Popis korisne literature na ovu temu pročitajte ovdje. Ocjena 4.00 od 5 BI, data mining, knowledge management, kpi, menadžment, poslovna inteligencija [...]

Vas Komentar