Upravljanje znanjem

Danas se sve jasnije kristalie misao, da je potencijal znanja ljudi zaposlenih u organizacijama, odluujui faktor preivljavanja u buduoj konkurentskoj utakmici (brainware). KM esencijalno zahteva multidisciplinaran pristup: Informatike nauke: analiza uloge informacija i znanja na nivou pojedinca, drutva i organizacije. konstruisanje informacionih upravljakih sistema i poduhvati reinenjeringa na organizacionom, kao i razvoj E-specijalista na individualnom nivou. Socioloko-kulturoloke nauke: razumevanje postojee kulture i planiranje i voenje njenog razvoja do stepena zahtevanog za uspeno funkcionisanje u dobu znanja Filozofija: demonstriranje bogatstva naina na koji ljudi razmiljaju i poimaju i oblikuju sopstveni svet Psihologija: razmevanje kognitivnih procesa, izuavanje ovekove interne strukture znanja, izuavanje ponaanja korisnika informacija Organizacione nauke: nastanak, rast i razvoj i funkcionisanje organizacija izuavanje uticaja organizacione strukture, funkcionalnih veza i procesa u organizaciji na KM Upravljanje znanjem (Knowledge management - KM) je disciplina u razvoju, sa mnogo ideja koje jo treba testirati, sa mnogo pitanja na koje treba dati prave odgovore i jo vie stvari koje treba nauiti. Prouavanje ove oblasti moe da se vri iz vie razliitih aspekata: Konceptualnog (definicije i dimenzije znanja) Procesnog (modeli funkcionisanja) Tehnolokog (IT alati) Organizacionog (organizaciono uenje, kultura...) Upravljakog (menaderska praksa, IK, zaposleni...) Implementacionog (metode, tehnike i strategije)

Postoje razliiti modeli znanja: Paket model - Znanjem se raspolae kao sa svakim materijalnim resursom, obrauje se i prosleuje od osobe do osobe, ili od raunara do raunara. Optimizacija se postie pomou tehnike. - Fokus na racionalizaciji, menadmentu informacija i VI. Konstruktivistiki model - Znanje se razvija u interaktivnom procesu vie uesnika, pri emu postoji vie mogunosti tumaenja realnosti. Uspenim tumaenjima veina daje prednost i stavlja ih u osnovu svog delovanja. - Fokus na negovanju odnosa, menadmentu procesa i ljudskoj inteligenciji.

Dimenzije znanja
Opte prihvaene karakteristike znanja su: dinamiko kreiranje znanja znanje je rezultat saznajnih procesa znanje je uvek povezano sa ljudima znanje je osnova ljudske aktivnosti . Postoji vie dimenzija, ili kriterijuma, po kojima se moe izvriti karakterizacija znanja: psiholoki nain (mesto) uvanja ili vlasnitvo nad znanjem artikulacija (pojavni oblik) ili pristupanost znanja tipologija i hijerarhija. Psiholoki kriterijumi: deklarativno znanje odnosi se na injenice i objekte (znati ta). proceduralno znanje odnosi se na nain izvravanja saznajnih procesa i odgovarajuih aktivnosti (znati kako). kauzalnoznanje (znati zato) kondicionalnoznanje(znati kada) relacionoznanje (znati ko/ta, sa kim/im) Vlasniki kriterijumi: Individualno znanje znanje koje poseduje i kontrolie jedna osoba, nezavisno od konteksta Kolektivno znanje znanje vezano za odreeno okruenje. Ukljuuje i individualna znanja, koja do punog izraaja dolaze u interakciji sa drugima. Kriterijum uvanja znanja: znanje u ljudskom umu znanje u organizaciji znanjeu dokumentima znanje u raunaru.

Znanje u ljudskom umu Ljudi koriste svoju memoriju (mozak) u cilju obavljanja svojih mentalnih i fiziih aktivnosti. Percepcija okruenja pokree neke saznajne procese u mozgu, koji rezultiraju promenama u memoriji i odgovarajuoj aktivnosti. Ovaj proces se naziva individualno uenje. Na osnovu toga, individualno znanje se definie kao skup svih moguih memorijskih stanja (i aktivnosti) koje svaka osoba moe da izvri u bilo kom trenutku. Znanje u organizaciji Organizacija treba da povee sva individualna znanja svojih lanova i primeni ih na poslovne procese u cilju stvaranja nove vrednosti. Kombinovanje individualnih memorija, u cilju formiranja kolektivne organizacione baze znanja, igra odluujuu ulogu u ovom procesu. To je vie od baze podataka, jer predstavlja interakciju i komunikaciju meu zaposlenima u organizaciji. Na taj nain, organizaciono znanje moe da se smatra kao skup svih moguih aktivnosti (poslovnih procesa) koje organizacija izvrava u bilo kom trenutku. Osnovni elementi organizacione baze znanja su: individualno znanje lanova organizacije komunikacione strukture koje ih povezuju. U skladu sa tim, jedan od osnovnih zadataka KM je formiranje organizacione kulture koja omoguuje efikasnu razmenu znanja. Organizaciono uenje je proces promene baze znanja organizacije i obino podrazumeva uenje pojedinaca i grupa. Najee ukljuuje stalno posmatranje okruenja (promene na tritu, tehnoloki trendovi) i odgovarajue reakcije na promene (nove strategije ili bolji poslovni procesi). Pored oigledne prednosti, sistematska kombinacija i prenos novog znanja zahtevaju puno vremena, pa je od kljune vanosti posedovanje odgovarajue informaciono-komunikacione infrastrukture, da bi se obezbedilo neophodno vreme, prostor i alati. Artikulacioni kriterijumi: Eksplicitno znanje vlasnik tog znanja je svestan da ga poseduje i moe da ga jasno objasni (artikulie) Implicitno znanje Tacit znanje skriveno znanje (intuicija, iskustvo, vetine, kreativnost...) (Polany, Nonaka i Takeui)

Tacit i eksplicit znanje Entiteti kreiranja znanja: - pojedinac - grupa - organizacija - meuorganizacioni nivo TACIT znanje ima dve dimenzije: 1. Tehnika obuhvata neformalne, teko iskazive sposobnosti i vetine know-how 2. Kognitivna sastoji se od ema, mentalnih modela, koristi i percepcija koje elimo da zadrimo ona reflektuje nau sliku realnosti (ta jeste) i nau viziju budunosti (ta e biti). Ovi implicitni modeli oblikuju nain na koji mi doivljavamo svet oko sebe! Subjektivna i intuitivna priroda tacit znanja - nemogue da se procesira i distribuira u bilo kom sistematskom ili loginom obliku. Zato je potrebna njegova konverzija u rei i brojeve, tj. od tacit u eksplicitno, pa opet od eksplicitnog u tacit upravo to je stvaranje organizacionog znanja! etiri moda konverzije znanja: Socijalizacija: Od Tacit ka Tacit znanju Eksternalizacija: Od Tacit ka Eksplicit znanju Kombinacija: Od Eksplicitnog ka Eksplicitnom znanju Internalizacija: Od Eksplicitnog ka Tacit znanju Socijalizacija Proces kreiranja tacit znanja deljenjem iskustava kroz poslovne obuke ili, na primer, egrtovanje Eksternalizacija Proces artikulisanja tacit znanja u eksplicitne koncepte, kao to su, na primer, pisani dokumenti ili softver (Toiba). Kombinacija Rekonfigurisanje postojeih informacija kroz sortiranje, dodavanje, kombinovanje i kategorizaciju znanja, moe voditi do novog znanja. Internalizacija Proces konvertovanja eksplicit znanja u tacit, kroz korienje dokumentacije, literature i sl. u toku pokuaja reavanja konkretnih problema. Vaan element u postupku stvaranja znanja predstavljaju i etiri generatora pokretaa konverzija znanja: Stvaranje polja interakcija, razmena iskustava i mentalnih modela Dijalog, kolektivna refleksija, koja uz pomo metafora i/ili analogija (jedini nain za komunikaciju, kada je u pitanju tacit znanje) pomae lanovima tima da artikuliu skriveno tacit znanje

Povezivanje eksplicitnog znanja, onog novog koje se stvoreno u prethodnoj konverziji, sa postojeim znanjem iz drugih delova organizacije, kristaliui ih u nov proizvod, proces, uslugu ili upravljaki (menaderski) sistem Uenje radom (learning by doing) je pokreta internalizacije, daljeg irenja znanja

Nonaka i Takeui kreiraju koncept spirale znanja, koju ine: Simpatiko znanje Postupkom Socijalizacije gradi se polje interakcija koje podstie razmenu iskustava, mentalnih modela i tehnikih vetina generie se zajedniki mentalni model i tehnika vetina; Konceptualno znanje Postupkom Eksternalizacije, koji poinje dijalogom ili kolektivnom refleksijom, korienjem metafora i analogija pomae se artikulacija skrivenog tacit znanja i generisanje koncepta novog znanja; Sistemsko znanje Postupkom Kombinacije koji poinje umreavanjem novog sa postojeim znanjem iz drugih delova organizacije, kristalie se novi prototip ili tehnoloki proces; Operativno znanje Postupkom Internalizacije, koji poinje procesom learning by doing, proizvode se operativna znanja o upravljanju projektima, o proizvodnim procesima, novom obliku korienja proizvoda, implementaciji poslovne politike itd. Integrisanjem etiri moda konverzije znanja (socijalizacija, eksternalizacija, kombinacija, internalizacija) sa etiri pokretaa konverzije (polje interakcija, dijalog, povezivanje eksplicitnog znanja, uenje radom), uz obezbeenje pet uslova koji promoviu organizaciono stvaranje znanja (namere, autonomija, fluktuacija i kreativni haos, redundantnost, razliitost), sa vremenskom dimenzijom, Nonaka i Takeui generiu MODEL procesa organizacionog stvaranja znanja. Ovaj model ini pet faza: 1. Razmena tacit znanja 2. Kreiranje koncepata 3. Provera koncepata 4. Izgradnja arhetipa 5. Ravnomerno irenje znanja. Tacit znanja u proizvodnom pogonu su klasifikovana u dve grupe: Procesni fenomeni (mogu se eksplicitno opisati, putem dijagrama, algoritama i sl.) Proizvodni know-how (ljudska kreativnost, intuicija, prosuivanje).

Hijerarhijska dimenzija znanja Informatiari najee koriste trostepenu hijerarhiju tri pojma: podaci, informacije, znanje.

UPRAVLJANJE ZNANJEM
Menadment znanja oznaava funkcije oblikovanja, upravljanja i razvoja unutar organizacije, koje se u najirem smislu bave znanjem (Meinsen). Da bi se znanje transformisalo u vredan organizacioni resurs, ono mora da bude formalizovano, distribuirano, deljeno i primenjeno. Konstruktivistiki pristup KM (Probst) Ontoloki pristup KM (Hilse)

Konstruktivistiki pristup Zahtevi za praktino orijentisan menadment znanja: Sposobnost nadovezivanja : Integracija menadmenta znanja u datu kulturu organizacije i u druge tekue procese promene. Orijentacija na problem: Primat praktine primenljivosti, tj. menadment znanja mora da prui praktian prilog reenju. Razumljivost: Mora biti mogue, da se sadraji i nastojanja u komunikaciji, prenesu na takav nain, da se u organizaciji razumeju, prihvate i ostvare. Orijentisanost ka delovanju: Cilj su odluke i delovanje u okviru menadmenta znanja. Stavljanje instrumenata na raspolaganje: Praktino isprobani instrumenti i metode su za menadment znanja, koji je usmeren ka cilju, bitna, temeljna pretpostavka. Ontoloki pristup Modeli orijentisani ka menadmentu i upravljanju: Znanje se posmatra kao faktor proizvodnje, odnosno faktor konkurencije, uz oslanjanje na tradicionalne funkcije menadmenta - planiranje, organizovanje i kontrolu. Inovaciono orijentisani modeli: Teite na proizvodnji novog znanja unutar organizacije, koja tako opstaje u konkurenciji (Nonaka,I., Takeuchi,H., 1997). Modeli orijentisani na uenje i razvoj: Znanje je integralni, sastavni deo individualnog kao i organizacionog procesa uenja i razvoja. ICT modeli: Teite na upotrebi informaciono-tehnikih instrumenata, da bi se znanje isporuilo u organizacijama u pravo vreme i na pravo mesto.

Prednosti Osnovne koristi od KM za organizaciju su: Vea transparentnost potencijala znanja i propusta u znanju Procesi kreiranja vrednosti organizacije bazirani na znanju Bolja motivacija zaposlenog osoblja Poveana konkurentnost Dugorona stabilnost i sigurnost Problemi Deljenje znanja (istorijski) predstavlja problem u ljudskom drutvu Ljudska priroda je takva da znanje dri "zakljuano" za sopstvenu upotrebu, odnosno za sticanje sopstvene konkurentske prednosti Nain kako su ljudi vaspitavani i obrazovani u drutvenom okruenju, obrazovnom, organizacionom i poslovnom sistemu, ne doprinosi ni malo stvaranju kulture delenja znanja, timskog rada i sposobnosti kreiranja novih znanja KM se moe smatrati integrativnim pristupom ostvarenju ciljeva organizacije, putem obraanja posebne panje na znanje, koje se sada smatra znaajnim organizacionim faktorom. KM podrava i koordinie kreiranje, prenos i primenu individualnog znanja u procesu kreiranja novih organizacionih vrednosti. To zahteva organizacionu kulturu, koja promovie KM i aktivno podrava informacione procese, sistematsku primenu inovacija i metode upravljanja kvalitetom.

Karakteristike organizacije zasnovane na znanju: visoke performanse orijentisanost na korisnike orijentisanost na poboljanja velika fleksibilnost i prilagodljivost visok nivo znanja i ekspertize brzina uenja i inovativnost dobra IT podrka samo-usmeravanje i upravljanje proaktivnost i orijentisanost na budunost delenje znanja ekspertski centri (Centers of Expertise - COE) projektne kancelarije upravljanja znanjem (KM Project Offices)

Ekspertski centri Treba da postoje za svaki domen znanja, disciplinu ili specijalnost, a ije osnovne uloge bi bile: kreiranje, istraivanje, poboljanje i upravljanje skladitem znanja odreenog domena postavljanje i primena standarda, metoda i odgovarajue prakse u okviru domena ili discipline uspostavljanje veza i koordinacija odnosa sa povezanim ekspertskim centrima, njihovim projektima i procesima procena performansi i kompetentnosti radne snage pruanje usluga obuke i konsaltinga za radnu snagu, kao i obezbeenje odgovarajuih alata za to obezbeenje kompetentnih radnika za potrebe odreenih projekata i procesa KMPO Identifikuju se etiri tipa projekata upravljanja znanjem, od kojih svaki ima svoje aktivnosti: uvanje znanja Odreivanje tehnologije smetanja znanja Ubeivanje zaoslenih da uestvuju u smetanju znanja Kreiranje strukture za dranje znanja Prenos znanja: Identifikacija, razvoj i nadgledanje socijalnih i elektronskih kanala za delenje znanja. Upravljanje resursima znanja Procene znanja Pregovaranje sa vlasnicima eljenog intelektualnog kapitala Upravljanje portfoliom resursa znanja Razvoj infrastrukture Analiza finansijskih potreba Rad sa eksternim prodavcima tehnologija i usluga Razvoj menadment pristupa ljudskim resursima CKO zagovaranje znanja i uenja projektovanje, primena, nadgledanje infrastrukture znanja u organizaciji veza sa eksternim dobavljaima informacija i znanja povezivanje sa drugim organizacionim procesima (na primer, razvoj novog proizvoda) projektovanje i primena organizacione arhitekture znanja iskustvo u nekim aspektima upravljanja znanjem (kreiranje, diseminacija ili primena) poznavanje tehnologija koje se koriste u upravljanju znanjem poznavanje reinenjeringa, upravljanja promenama i informacionih tehnologija strunost i uspenost, kao dobar primer ostalima u organizaciji

Organizaciona kultura Zdrava organizaciona kultura je preduslov uspenog upravljanja znanjem. Suvie birokratske kulture pate od nedostatka poverenja, pa proputaju da nagrade i promoviu kooperaciju i saradnju unutar organizacije. Bez odgovarajue motivisane radne snage, teko dolazi do delenja ili primene znanja, smanjuje se inovativnost, kao i nivo saradnje i kooperacije u organizaciji. Znanje je sposobnost delovanja. Znanje je proces. Ono je dinamiko i lino. Znanje je individualna kompetentnost. (Kompetentnost je know-how unutar odreenog domena.) Svrha upravljanja znanjem je da obezbedi, na najbolji nain, da organizacija moe da gaji, osnai i motivie ljude da poboljavaju i dele svoju sposobnost delovanja. Odgovarajue okruenje podrazumeva: Podrku top menadmenta Dovoljno vremena Posedovanje kreativnih vetina Orijentisanost na ciljeve Konstruktivnu komunikacionu kulturu Tehniku opremu Ugodno radno okruenje Rad bez nepotrebnih prekida Kreativne tehnike: Kreativne radionice (sa to vie eksperata iz razliitih domena) Brainstorming Funkcionalne analize Itd. Ponekad je potrebno ukljuiti i eksterno znanje (outsourcing) u proces kreiranja sopstvenog organizacionog znanja, naroito: ako su ogranieni ekonomski ili vremenski resursi za razvoj sopstvenog znanja, ako ne postoji strateki znaaj razvoja internog znanja u odreenom domenu. Tri osnovne funkcije KM u integraciji: 1. Formiranje efikasnog sistema znanja za projekat (svih ka znanju orijentisanih aktivnosti, bitnih za taj projekat i zasnovanih na ciljevima projekta). Jedan od naina je otklon od direktnog upravljanja projektom (planiranjem i monitoringom na nivou podataka), ka indirektnom upravljanju (procesima komunikacije i refleksije na nivou znanja). 2. Transfer znanja izmeu projekata (korienje znanja iz slinih projekata "ne izmiljati toplu vodu").

3. Transfer iskustva izmeu projekata, na bazi prouavanja procesa iz prethodnih projekata ("ne ponavljati istu greku"- gubitak vremena i para). Transfer iskustva je poseban sluaj transfera znanja, koji ima dva cilja: Vei izbor opcija u donoenju odluka za svakog zaposlenog Podrka individualnim i organizacionim procesima uenja i izgradnji individualnog ekspertskog znanja Dve osnovne strategije: 1. Kodifikacija - pokuaj dokumentovanja iskustvenog znanja, koje se kao eksplicitno znanje moe izvui iz pojedinca i dati na raspolaganje drugima koji se nau u slinoj situaciji, u pisanoj (kodifikovanoj) formi, bez direktnog kontakta sa ekspertom. 2. Personalizacija prenos iskustva, tacit znanja, direktnim kontaktom, na sistematian nain. Izuzetno je vano da se, po zavretku projekta, obavi radionica o nauenim lekcijama. Razliita vienja lanova projektnog tima, posledica su njihove razliite uloge u projektu i dotadanjeg iskustva. Rezultat ovih radionica su individualno uenje i razvoj organizacije. Faze u izvoenju radionica: Definisanje relevantnih oblasti (uteda na vremenu zahteva iskusne lanove tima) Izvoenje radionice Obrada i primena rezultata Mogue oblasti radionica su: Eksterne (kupci i dobavljai) (kooperacija, komunikacija i inf. tokovi, zadovoljstvo) Interne - upravljanje projektom (koordinacija, upravljanje rizikom i kriznim situacijama) - komunikacija u projektu (struktura i kultura sastanaka) - kooperacija unutar tima - kooperacija sa okruenjem - komunikacija sa menadmentom - razreavanje konflikata - itd. Organizacione - struktura projekta - razjanjavanje uloga (odgovornosti, kompetentnosti itd.) - upravljanje trokovima - projektna dokumentacija - projektni tim (izbor i sposobn. lanova tima) - planiranje tehnologije i metodologije

- planiranje projekta (rokovi, trokovi, osoblje) Struktura radionica Uvod i tema - objanjavanje ciljeva i vremenskog plana radionice - detaljna prezentacija projekta Brainstorming - podela na manje gupe (10), svaka radi na jednoj oblasti - posle objanjenja procedure, svi lanovi grupe piu svoja iskustva, vezana za projekat Grupisanje (clustering) i apstrakcija - zapisi svih lanova se grupiu prema temama i bira se kljuni termin, ili naslov za svaki klaster, koji kasnije olakava rad Obrada klastera - za svaki klaster (naslov) se razmatraju pitanja: ta je idealna situacija, kako se ona prepoznaje i kako svaki lan tima i organizacija u celini, doprinose ostvarenju te idealne situacije. Rezultat je lista preporuka za organizaciju. Rotacija grupa - grupe prouavaju rezultate drugih grupa, diskutuju rezultate i/ili daju svoje predloge Prezentacija i zakljuenje diskusije - kada svaka grupa zavri pregled svih oblasti, rade se individualne prezentacije, koje se diskutuju od strane svih uesnika Sekvencijalni model organizacionog uenja: Analiza (ciljevi, trenutna situacija, priprema podataka) Projektovanje (definisanje eljene situacije, poreenje sa trenutnom situacijom, odreivanje strategije, donoenje organizacionih mera za implementaciju) Razvoj (priprema mera, implementacija, verifikacija rezultata) Analiza i projektovanje se razmatraju sa aspekta organizacione strukture (specijalizovana, birokratska, hijerarhijska, centralizovana itd.) i organizacione kulture (okruenje, kreativnost, meuljudski odnosi itd.)

Metode merenja
Izbor indikatora (metrike) Izbor metoda merenja Odgovarajua interpretacija rezultata Indikatori moraju da budu poredivi sa onima koje koristi konkurencija ili cela brana Indikatori moraju da budu interpretirani u korporativnom kontekstu (trite, ivotni ciklus proizvoda, stepen razvoja organizacije itd). Novane metode Koriste finansijske indikatore, kao to su: trite, trokovi, tokovi novca (cash flow DCF) itd. Ne-novane metode Koriste druge indikatore, dobijene iz: strukturnih modela, strategijskog planiranja, balansnih kartica (balanced scorecards) itd. Balanced scorecards 4 grupe performansi: 1. Finansijska analiza(operativni trokovi i ROI) 2. Analiza kupaca ( (ne)zadovoljstvo ) 3. Interna analiza (proizvodnja i inovacije, merenje performansi u cilju maksimiziranja profita od aktuelnih proizvoda, praenje indikatora budue produktivnosti) 4. Analiza uenja i rasta (efikasnost menadmenta u smislu zadovoljstva zaposlenih i performansi IS)

Upravljanje znanjem i IT
Implementacija upravljanja znanjem povezana sa korienjemsavremenih informatikih tehnologija kao to su intranet, internet,baze podataka,data warehouse, knowledge warehouse, i dr. Software Magazine definie upravljanje znanjem kao "razumevanje relacijaizmeu podataka, identifikaciju i dokumentaciju pravila za upravljanjepodacima i obezbedjivanje tanosti podataka i ouvanje njihovog integriteta".

IT za upravljanje znanjem su imale tri faze: 1. Baze podataka projekata i najboljih reenja (1992) 2. Datawarehouse podataka vezanih, pre svega, za potroae (ogromnearhive tekstova i podataka) - u potpunosti pasivna faza (1992-1999) 3. Interaktivne Web strane, e-poslovanje, on-line transakcije (1999-2001) U bliskoj budunosti se oekuje da se mnogo vie ukljui "ljudska infrastruktura", pored IT infrastrukture (Svejbi).

Karakteristike OLTP (OnLine Transaction Processing) Visok stepen normalizacije Konkurentna obrada podataka Integritet podataka Konzistentnost podatka Namenjen auriranju podataka Prednosti OLTP Efikasno skladitenje podataka Konkurentna obrada podataka Integritet podataka Konzistentnost podataka Nedostaci OLTP Nemogunost kreiranja kompleksnih upita Korisnici moraju da poseduju odgovarajua predznanja kako bi mogli da kreiraju svoje upite Pri izvravanju kompleksnih upita konkurentna obrada podataka je ugroena Upiti se sporo izvravaju jer je potrebno mnogo spajanja tabela da bi se dobila informacija Karakteristike OLAP (OnLine Analytical Processing) Visok stepen denormalizacije Podaci su namenjeni za itanje Konzistentnost podataka Namenjen analizi podataka

Prednosti Izuzetne performanse u izvravanju kompleksnih upita Ne ugroava konkurentnost obrade Ne zavisi od DBMS Moe da objedinjuje podatke iz vie razliitih DBMS Poseduje jezik specijalno dizajniran za analizu podataka Poslovna inteligencija OLAP (online analytical processing) omoguuje korisniku da lake, selektivnije i iz razliitih aspekata izvue i posmatra podatke. U tu svrhu se koriste viedimenzionalne baze podataka. (Na primer, proizvod, prodaja po regionima i vremenski period su posebne dimenzije). OLAP SW moe da locira preseke tih dimenzija i da ih prikae.

Podaci za viedimenzionalnu OLAP bazu se mogu dobiti iz postojeih relacionih baza. Data mining je tehnika pretraivanja podataka u cilju identifikacije traenih uzoraka i meusobnih relacija. Izdvajanje interesantnih(ne-trivijalnih, implicitnih, novih i potencijalno korisnih)informacija ili uzoraka (paterna) sadranih u velikim bazama podataka Primena DM Analiza podataka i podrka odluivanju Analiza trita prodaje, segmentacije trita, potroake korpe, povezane prodaje Analiza rizika Prognoze, analiza konkurencije, kvalitetna kontrola Dijagnostika nepravilnosti Tekst mining (news grupe, e-mail,dokumenti) Inteligentni upiti U CRM se koristi jedna vrsta ove tehnike Web mining, u cilju korienja velike koliine informacija, prikupljenih putem web sajta, radi pronalaenja uzoraka navika korisnika (kupaca). Posebni programi, data miner, ukoliko se odvijaju bez znanja korisnika, mogu se svrstati u kategoriju spyware. Tipovi DM Opte funkcionalnosti Deskriptivni data mining Prediktivni data mining Karakteristine tehnike data mining-a su: Asocijacija traenje uzoraka sa povezanim dogaajima Sekvencijalna analiza traenje uzoraka u kojima jedan dogaaj kasnije dovodi do drugog. Klasifikacija potraga za novim uzorcima (moe da prouzrokuje promenu naina organizovanja podataka) Pronalaenje modela koji opisuju razlike u klasama ili konceptima za budue predvianje. Grupisanje (Clustering) pronalaenje i vizuelno dokumentovanje, prethodno nepoznatih grupa injenica. Maksimiziranje slinosti unutar klasa i minimiziranje slinosti izmeu samih klasa. Predvianje otkrivanje uzoraka podataka koji vode do razumnog predvianja budunosti. Predvianjenepoznatih ili nedostajuih numerikih vrednosti. E3 tehnologije: - ETL (usmerena na bazu podataka) - EAI (Enterprise Application Integration -usmerena na aplikaciju) - EII (Enterprise Information Integration -usmerena na krajnjeg korisnika)

BI aplikacije mogu da budu: Stalne (ugraene u funkcije i procese preduzea) ili povremene (po posebnim zahtevima) Primenljive irom preduzea, ili u odreenim delovima ili projektima Centralno inicirane, ili pokretane na osnovu zahteva korisnika Otkrivanje znanja Otkrivanje znanja u organizovanim podacima Otkrivanje znanja u tekstualnim podacima Otkrivanje znanja u multimedijalnim inf. Sistemi za upravljanje znanjem Korporativni sistemi za UZ Specijalizovani sistemi Inteligentne tehnike Korporativni sistemi za UZ Strukturni sistemi Polustrukturni sistemi (el.pota, ponude isl.) Business intelligence Mreni sistemi (znanje u glavama ljudi) Best practices, FAQ Specijalizovani sistemi Koriste ih radnici znanja 1. Specijalizovani alati (analitiki, grafiki, dokumentima) 2. Prilagoen korisniki interfejs 3. Dobra hardverska podrka CAD, virtuelna stvarnost, brokerske rs... Inteligentne tehnike Vetaka inteligencija Ekspertni sistemi Neuronske mree Fuzzy logika Genetski algoritmi Inteligentni agenti Ekspertni sistemi RBS rule based systems CBS case based systems MBS model based systems

komunikacioni,

upravljanje

Fazi logika zasniva se na pravilima koja koriste pribline ili subjektivne vrednosti. lingvistiki opisuje odreeni fenomen ili proces, pa ga onda predstavi malim brojem fleksibilnih pravila. mogu da se kreiraju softverski sistemi koji e hvatati tacit znanje u organizaciji, u sluajevima kada postoji neka jezika dvosmislenost. manje pravila manji raunarski kapaciteti Neuronske mree modeliranje sloenih, slabo razumljivih problema, sa velikim koliinama prikupljenih podataka. pogodne za pronalaenje uzoraka i relacija u velikim koliinama podataka, koje su suvie komplikovane za analizu od strane ljudi. otkrivaju znanje korienjem hardvera i softvera koji emulira ponaanje biolokog mozga. prosejavaju velike koliine podataka, tragajui za uzorcima, gradei modele i stalno ispravljajui sopstvene greke modela. Genetski algoritmi pronalaenje optimalnog reenja za neki specifian problem, putem ispitivanja velikog broja moguih reenja tog problema. bazirani na metodama kojima se ivi organizmi koriste da bi se adaptirali na svoje okruenje, odnosno na procesu evolucije. programirani da menjaju i reorganizuju svoje sastavne delove koristei procese kao to su reprodukcija, mutacija i prirodna selekcija. kako se reenja smenjuju i kombinuju, najgora se izbacuju, a bolja preivljavaju, da bi stvarala jo bolja reenja. Genetski algoritmi razvijaju programe koji reavaju probleme, a da njihovu strukturu ljudi ne moraju u potpunosti da razumeju. Agenti softverske (ili hardverske) komponente koje su sposobne da samostalno izvravaju odreeni zadatak za svog korisnika donose novi pojam -kooperativni saradnik sinteza ideja iz: vetake inteligencije elektronskih transakcija interakcija izmeu ljudi i raunara Softverski agent program koji radi nezavisno u okruenju elektronskog trita, a u interesu svog korisnika entitet koji autonomno deluje u ime svog korisnika i ima odreeno ponaanje i pokazuje osobine uenja, kooperativnosti i mobilnosti

sinonimi: adaptivni interfejsi, personalni agenti, autonomni agenti, mreni agenti, softbots, knowbots i taskbots

Glavne karakteristike agenata autonomija: agenti usmeravaju svoj rad nezavisno i aktivno, bez uea korisnika ili drugih agenata interakcija sa okruenjem: agenti su sposobni da reaguju na dobijeni ulaz izvodei odreene akcije i menjajui okruenje kooperacija: agenti mogu da meusobno komuniciraju uenje: agenti mogu da ue u toku interakcija i reakcija fleksibilnost: agenti treba da registruju promene u okruenju i reaguju adekvatnim akcijama i da uoavaju povoljne prilike Slabi agent Ima sledee osobine: autonomnost: moe da radi bez direktne intervencije ljudi ili drugih agenata i sadri kontrole nad svojim akcijama i unutranjim stanjem sposobnost optenja: komunicira sa agentima i ljudima preko agentnokomunikacionog jezika reaktivnost: posmatra svoju okolinu i reaguje na promene u njoj usmerena aktivnost: ne odgovara prosto na okolinu ve preuzima aktivnosti sa odreenim ciljem Jaki agent susree se uglavnom u vetakoj inteligenciji podrazumeva 'slabog agenta' koji je tako koncipiran da poseduje i neke od 'ljudskih' osobina kao to su znanje, obaveze, verovanja, elje, namere, vizuelne predstave, emocije i dr. Podela u odnosu na unutranju arhitekturu agenti sa promiljenom arhitekturom prevashodno pokuavaju da ostvare ciljeve zbog kojih su i formirani agenti sa reaktivnom arhitekturom u najveoj meri odgovaraju na dogaaje iz svoje okoline hibridni agenti primenjuju osobine reaktivnih i promiljenih arhitektura agenata Inteligentni agenti dobijaju informacije iz svog okruenja, na osnovu kojih donose samostalno odluke o svojim akcijama i izvravajuih autonomni, personalizovani, prilagodljivi, aktivni realizuju se kao apleti mali Java programi ne zavise od raunara, operativnog sistema ili Web browsera sadre senzore (opaanje svog okruenja) i aktuatore (dejstvo na okruenje)

Baza znanja jednog agenta baza injenica - podaci na osnovu kojih se zasnivaju postupci inteligentnog agenta baza ciljeva - zadaci agenta standardni jezik i skup protokola za komunikaciju inteligentnih agenata je KQML (Knowledge Query and Manipulation Language - jezik za upite i rukovanje znanjem) Najvaniji principi inteligentnih agenata privremenost vaenja njegovih informacija prioriteti u zakljuivanju moraju biti definisani delegiranje principa pregovaranja drugom agentu lako se prepogramira i ne zavisi od raunara sam obogauje svoje znanje tehnikama mainskog uenja pokazuje inicijativu u obavetavanju korisnika o informacijama za koje zakljui da su znaajne lako se i brzo prilagoava promenama u okruenju Vrste inteligentnih agenata kolaborativni agenti sarauju sa drugim agentima interfejs agenti rade u sprezi sa korisnikom mobilni agenti se sami prenose kroz mreu informacioni agenti prikupljaju i daju informacije reaktivni agenti miruju dok ih ne pobudi spoljnji dogaaj hibridni agenti poseduju vie navedenih uloga multagentni sistemi su organizovane grupe agenata sa navedenim ulogama Primene inteligentnih agenata navigacija i pretraivanje Interneta filtriranje novinskih informacija finansijske transakcije elektronska trgovina inteligentno poduavanje izbor filmova, muzike i knjiga kontrola saobraaja i transporta nadzor i kontrola industrijskih procesa, dijagnostika i opravka kvarova medicinska nega kontrola letilica Mobilni agenti inteligentni agenti koji su u stanju da se samostalno kreu preko raunarskih mrea i kontaktiraju sa udaljenim raunarima, da se na njima izvravaju, sakupljaju informacije i vrate se raunaru sa kojeg su krenuli da bi podneli izvetaj

oni imaju najee mogunost samostalne navigacije (gde i kada ii i ta uraditi) osnovu za pretraivanje podataka pomou mobilnih agenata ine labele (obino imenice koje oznaavaju odreeni podatak)

Osobine mobilnih agenata broj informacija koje putuju preko mree znaajno se smanjuje u odnosu na 'klasine' udaljene pozive nije neophodno neposredno uspostavljanje veze raunara agenta je mogue poslati sa jednog mesta u mrei, a nakon toga ga pozvati sa neke druge lokacije pomou prenosivog raunara Struktura mobilnih agenata sastoje se iz dva dela: u jednom su instrukcije na osnovu kojih agent formira svoje ponaanje u drugom delu se nalazi trenutno stanje agenta i njegova prethodna stanja na osnovu ovih podataka agent 'zna' ta je prethodno uradio i ta treba da uradi agent podatke upisuje u deo koji e se prenositi na drugu lokaciju ili e se izbrisati nakon odlaska sa lokacije Multiagentni sistemi grupa od dva ili vie agenata koji meusobno sarauju ili se takmie u reavanju problema vrste multiagentnih sistema (MAS): kooperativne MAS karakterie meusobna saradnja i pomaganje agenata kod takmiarskih MAS, agenti se meusobno takmie, a agenti-pobednici mogu da izvedu svoje akcije delimino takmiarski MAS predstavljaju kombinaciju dve prethodne grupe