Znalostní management a dobývání znalostí z databází

Znalostní management

Jeden ze základních pojmů znalostního managementu (knowledge management, KM) – pojem „znalost“ – je problematický hned z několika hledisek.
Oblast znalostního managementu vychází z angloamerické literatury, kde má pojem „knowledge“ více významů. Tento pojem lze do slovenštiny přeložit několika termíny, jako jsou poznatek, znalost, vědomost, poznání apod., přičemž někteří slovenští autoři je nevnímají jako úplná synonyma a ve svých pracích je rozlišují. Problémem je také další vlastnost anglického výrazu knowledge, který je vlastně pomnožným podstatným jménem, takže jej lze přeložit také jako poznání či vědomí. Dalším problémem je, že angloamerická literatura vnímá tento pojem velmi široce a mnozí na Slovensku s obtížemi přijímáme fakt, že se jím v tomto pojetí rozumějí také schopnosti, dovednosti, intuice, talent či smysl pro humor. Posledním problémem, který pociťují odborníci na celém světě, je nejednoznačné vymezení pojmu znalost. Mnozí autoři si při tom pomáhají pojmem informace.

Znalost

Informace i znalost se týkají významu, a obě jsou tedy závislé na kontextu a vztazích. V některých ohledech jsou si proto podobné, v jiných se liší. Informace je více faktická, znalost se týká přesvědčení a subjektivního názoru. Znalost je navíc vždy spojena s činností a měla by být využívána.
Mnozí autoři definují znalost na základě hierarchické posloupnosti data – informace – znalosti. Znalosti jsou:

• hodnotné informace z lidské mysli.
• informace ověřené a zhodnocené 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 nějaké znalosti mít (ovládat chemii). To vyjadřuje také vzorec: „Znalost = informace + x, přičemž x představuje souhrn předchozích znalostí, dovedností, zkušeností, mentálních modelů apod.“.
Velmi důležitým aspektem pochopení problematiky knowledge managementu je úplné porozumění celému obsahu pojmu znalost, k němuž napomáhá typologie znalostí. Pro různé oblasti se hledisko dělení liší. Z hlediska výzkumu v oblasti umělé inteligence je velmi důležité členění znalostí na deklarativní („co“) a procedurální („jak“). Z hlediska obecného managementu je důležité rozlišovat individuální a kolektivní znalosti (např. firemní kulturu). Případně 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 vyjádřitelnost, podle níž rozlišujeme znalosti:

• explicitní,
• implicitní,
• tacitní.

Explicitní znalosti jsou poměrně jednotně definovány jako znalosti, které jsou kodifikované, respektive strukturované, a lze je snadno vyjádřit písmeny, slovy či znaky. Stejně snadno se komunikují a sdílejí ve formálním jazyce a lze je zachytit a znázornit v dokumentech, databázích nebo informačních systémech. Explicitní znalosti lze vyjádřit formálním jazykem včetně gramatických či matematických vyjádření, specifikací a příruček. Lze je tedy ukládat do systémů správy dokumentů, knihovních systémů, marketingových informačních systémů apod.
Implicitní a tacitní znalosti jsou jakýmsi opakem explicitních znalostí. Implicitní znalosti jsou dosud nevyjádřené znalosti získané vzděláváním nebo výcvikem. U tacitních znalostí je situace složitější. První zmínku o tacitní (angl. tacit – tichý, mlčenlivý) znalosti lze nalézt v díle filozofa M. Polanyiho z roku 1966. Polanyi píše: „Můžeme vědět více, než jsme schopni vyslovit“ (10). Tacitní znalosti jsou tedy skrytým druhem znalostí, které běžně získáváme socializací s okolím a o jejichž existenci často ani nevíme. Problém nastává při snaze o jejich externalizaci, která často vůbec není možná. Jako příklad se často uvádějí následující situace – zkuste si představit, že máte někomu vytvořit návod na jízdu na kole v podobě dokumentu, nebo máte slovně popsat, jak vypadá zelená či červená barva… Nebo se zkuste zeptat nejlepších designérů, techniků či odborníků v organizaci, která je jejich nejcennější znalost. Je to znalost, kterou lze najít v knihách? Zjistili byste, že knihy jsou sice hodnotné, ale skutečně cennou znalostí je schopnost přicházet s novými nápady, kreativními řešeními problémů nebo schopnost klást dobré otázky. Pokud byste chtěli zjistit, odkud tato jejich znalost pochází, odpověď by pravděpodobně zněla: „Nevím…“
V publikacích o znalostním managementu se obecně často setkáváme s tím, že se implicitní a tacitní znalosti používají jako synonyma, což může být v určité fázi řešení problémů účelné.

Management znalostí

Stejně jako v případě pojmu znalost bychom mohli polemizovat i o pojmu management znalostí. Mnozí autoři s tímto označením nesouhlasí ani v zahraničí. Uvádějí, že toto slovní spojení mylně vyvolává představu nějakého manažera v obleku, který má přístup k lidským mozkům, aby z nich získával znalosti, s nimiž pak bude nakládat, jako by šlo o součástky automobilu. Přesto toto slovní spojení již vědecká komunita i lidé z praxe obecně přijali.
Smyslem knowledge managementu je snaha teoreticky porozumět a prakticky pomáhat při vytváření takových podmínek (sociálních i technických), které by podporovaly a motivovaly znalostní pracovníky k získávání, zachycování, sdílení a využívání znalostí v organizaci.
Možnosti jejich zpracování a analýzy již dávno přesahují lidské schopnosti. 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 v odborných kruzích začalo hovořit na počátku 90. let minulého století. Od té doby zájem odborné komunity o tuto problematiku roste, o čemž svědčí také množství konferencí, vznik odborných skupin i vydávání odborných časopisů a dalších publikací věnovaných právě této oblasti.
Objevování znalostí z databází je multidisciplinární oblast a k jejímu rozvoji přispívají a napomáhají kromě metod umělé inteligence například také databázové technologie a statistika. Tyto disciplíny se zpočátku rozvíjely samostatně, dokud nenastalo období, kdy lidem začal rozsah automaticky shromažďovaných dat přerůstat přes hlavu a zároveň vznikla potřeba využívat data na 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 (zahrnuje více oblastí výzkumu), iterativní a interaktivní. Abychom dosáhli optimálních výsledků, které by pro nás mohly být přínosné, zpravidla nelze tento proces plně automatizovat. Právě proto je důležitá asistence člověka, který rozhoduje o výběru vhodných operací, algoritmů a parametrů a v konečném důsledku také o tom, které z objevených znalostí jsou přínosné a měly by se uplatnit v praxi. Více informací zde: http://smartvia.sk/?p=459

Využití knowledge managementu

Stejně jako v jiných oblastech a procesech existuje několik modelů a metodik pro jednotlivé procesy. Podobné je to i při objevování znalostí z databází. Za některými metodikami stojí výrobci softwarových systémů (metodika 5A od společnosti SPSS, metodika SEMMA od společnosti SAS). Existují snahy o standardizaci procesu KDD. Velký význam má v tomto směru iniciativa CRISP-DM (Cross Industry Standard Process for Data Mining). Výsledkem této iniciativy je slibný krok směrem k definování standardní metodologie objevování znalostí. Právě na této metodologii se pokusím popsat jednotlivé fáze procesu Knowledge Discovery in Databases v dalším příspěvku.
Cílem tohoto článku bylo poukázat na důvod vzniku této multidisciplinární oblasti – objevování znalostí z databází – a její základní charakteristiku. V dalších příspěvcích se pokusíme proniknout hlouběji do této problematiky a přinést vám zajímavé a

Typické aplikační oblasti KDD

• marketing – identifikace různých zákazníků s cílem segmentace trhu (např. Amazon.com).
• odhalování podvodů – transakce 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

Nejprve je důležité položit si otázku: „Co potřebujeme znát nejlépe a co nejvíce přispěje k cílům naší organizace?“ Nejdůležitější je vůbec začít, protože už samotný začátek může přinést výsledky. Stačí si vybrat libovolnou aktivitu managementu znalostí, například schůzky, na nichž bude docházet ke sdílení znalostí před akcí, a postupně tuto aktivitu zavádět do praxe. Poté přidávat další aktivity. Později budeme model uplatňovat důsledně a přirozeně – budeme to dělat automaticky, aniž bychom na to museli myslet.
Je také třeba vytvořit vhodné prostředí. Efektivní znalostní management vyžaduje vytvoření vhodného prostředí a firemní kultury. Nejčastěji je k vytvoření vhodného prostředí zapotřebí:

• odstranit technologické bariéry (aby nedocházelo k nekompatibilitě mezi systémy pro sdílení znalostí)
• odstranit procesní bariéry (procesy jsou často nastaveny tak, že například není prostor pro zaznamenání znalostí po akci; vytvořit speciální procesy pro management znalostí)
• odstranit bariéry spojené s lidským chováním (Požádat o pomoc neznamená být slabý. To, že je daný člověk zavalený úkoly, neznamená, že nedokáže pomoci) – motivace: odměny za poskytnutí pomoci. Bariérou je obava člověka poskytnout informace, aby nepřišel o svou výhodu.)
• uplatnit komunitní přístup (buď společně klesneme ke dnu, nebo to zvládneme; učit se od ostatních, vytvářet společné hodnoty, zpochybňovat zavedené konvence, jít ostatním příkladem otevřeností a sdílením informací)

Do řízení procesů změn při vytváření vhodného prostředí musí být zapojeni všichni pracovníci. Zpočátku je důležité dbát na rychlé výsledky, aby byl tým motivovaný, že to funguje. Vhodný styl vedení podporuje učení a sdílení. Více informací zde: http://www.riadenie.sk/znalostny-manazment-collison/

1. http://itlib.cvtisr.sk/archiv/2009/4/znalostny-manazment.html?page_id=1060
2. DAVENPORT, T. H. 1997. Information Ecology:Mastering the information and knowledge enviroment.Oxford University Press: New York, NY. 288 s. ISBN: 0195111680.
3. DAVENPORT, T. H. and PRUSAK, L. (1998) Working Knowledge: How organizations manage what they know.Harvard Business School Press, Boston, 1998. ISBN 978-1-57851-301-7.
4. VYMĚTAL, J. – DIAČIKOVÁ, A. – VÁCHOVÁ, M. 2005. Informační a znalostní management v praxi. Praha: LexisNexis CZ, 2005. 399 s. ISBN 80-86920-01-1.
5. NONAKA, I. and 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], [citováno 12.5.2006]. Dostupné na internetu: http://w3.informatik.gu.se/~dixi/km/chap3.htm.
6. POLANYI, M. 1966/1967. The Tacit Dimension, in Prusak, L. (Ed.) Knowledge in Organizations, Butterworth-Heinemann, Newton, MA, pp. 135-146. Podle Stenmark, D. Tacit Knowledge: the fundament for knowing (KM page6). [online]. [citováno 2.2.2006]. Dostupné na internetu: http://w3.informatik.gu.se/~dixi/km/chap6.htm.