Podklasa | Inżynieria systemów , sztuczna inteligencja |
---|---|
Ćwiczył | Inżynier wiedzy |
Inżynierii wiedzy jest jednym z wymiarów zarządzania wiedzą w organizacji. Odnosi się do inżynierii złożonych „inteligentnych” systemów obejmujących dużą wiedzę, takich jak systemy ekspertowe .
Eksploatacja wiedzy obejmuje pięć operacji: identyfikację, tworzenie, przechowywanie, udostępnianie i wykorzystywanie.
Inżynieria wiedzy koncentruje się na identyfikacji, tworzeniu, przechowywaniu i dostarczaniu wiedzy w celu zachowania neutralności w obliczu udostępniania i używania narzędzi.
Identyfikacja wiedzy to identyfikacja wiedzy krytycznej dla organizacji.
Można to przeprowadzić indywidualnie na podstawie ankiet, wywiadów itp. Lub zbiorowo poprzez wyodrębnienie działów, usług, zespołów.
Zbiór może polegać na transferze wiedzy lub dzieleniu się wiedzą, a wszystko to przy prawidłowej strukturze informacji:
Strukturyzacja polega na uporządkowaniu zebranej wiedzy w kategorie, możliwie na kilku poziomach hierarchicznych, w celu ułatwienia dostępu i konsultacji. Strukturyzacja jest niezbędnym krokiem, aby móc dojść do wykorzystania danych .
Gromadzenie i strukturyzacja danych jest dość odmienna w podejściu do zarządzania wiedzą. Jednak gromadzenie i strukturyzacja nie wystarczy, aby mówić o kompleksowym podejściu do zarządzania wiedzą. Rzeczywiście, podejście to jest zakończone tylko wtedy, gdy zebrane i przechowywane dane mogą zostać wykorzystane do osiągnięcia celów danej organizacji.
W związku z tym wykorzystanie danych , znane również pod wyrażeniem „ Knowledge Data Discovery” (KDD), polega na łączeniu i interpretowaniu faktów w celu uzyskania wyników i rezultatów.
Pozyskiwanie wiedzy z danych można przeprowadzić kilkoma metodami, w zależności od dziedziny zastosowania i charakteru surowych danych. W tym kontekście istnieją różne metody:
Eksploracja danychEksploracji danych (data mining zwany także, eksploracji danych lub datamining dla języka angielskiego) jest praktyczne (za pomocą automatycznych lub półautomatycznych) poszukiwań i eksploracji dużych zbiorów danych na wynik jest odkrycie sensownych wzorców i reguł. W tym celu eksploracja danych wykorzystuje techniki komputerowe zapożyczone ze statystyk oraz rozpoznawanie powtarzających się wzorców w dużych masach danych gromadzonych przez system informacyjny. Celem wyników analiz Data Mining jest poznanie zachowania użytkownika, wnioskowanie, a następnie przewidywanie jego zachowania. Zatem to właśnie wyniki dataminingu generują wiedzę dla organizacji (Knowledge Discovery) [24] . W biznesie eksploracja danych jest wykorzystywana głównie w:
Sztuczna inteligencja może być zdefiniowana jako automatycznego przetwarzania danych na podstawie uniwersalnych zasad podejmowania decyzji o zadowalających sprawie traktatu. Metody EDC oparte na sztucznej inteligencji ewoluowały znacznie od czasu pojawienia się Web 2.0 i postępu IT, szczególnie w obliczu mnożenia się źródeł danych ( Web , ERP , zarządzanie relacjami z klientami itp.)
AplikacjeZastosowania EDC w dużym stopniu zależą od charakteru danych i metod zastosowanych do tych danych. Rzeczywiście, istnieją dwie główne rodziny zastosowań wykorzystanych danych.
Aplikacja zapobiegawczaPolega na wykorzystaniu danych do wykrywania nadużyć w celu zarządzania i przewidywania ryzyk oraz definiowania planów konserwacji zapobiegawczej .
Poprawa aplikacjiPoprzez ukierunkowanie eksploatacji danych na doskonalenie organizacji, redefinicję i optymalizację strategii: przykład: badanie zachowań klientów na rynku w celu wprowadzenia produktu do obrotu.
(czas ...) Natychmiastowa informacja znacznie pomaga w podejmowaniu decyzji. Narzędzia do współpracy zapewniają przejrzyste udostępnianie informacji (w ramach społeczności lub bez ograniczeń).
Rozwijają się w biznesie, ale szczególnie na poziomie globalnym wraz z pojawieniem się nowych aplikacji.
Przykładem niedawnego narzędzia do współpracy jest Waze, które ma ponad 60 milionów użytkowników na całym świecie. Aplikacja ta pozwala zobaczyć (dzięki geolokalizacji telefonu) prędkość innych użytkowników na drodze oraz poznać strefy pracy czy obecność fotoradarów. Tutaj każdy może skorzystać z informacji innych użytkowników i sprawdzić ich prawdziwość, jest ona samoregulowana przez użytkowników. To narzędzie całkowicie zmienia sposób, w jaki podchodzimy do korków i podejmujemy decyzje podczas jazdy, tutaj niezbędna jest wymiana informacji w czasie rzeczywistym.
Międzynarodowa społeczność naukowa zgadza się zidentyfikować trzy rodzaje oszustw, znane pod akronimem FFP: