IT i Kunnskapsledelse for BIs Bachelor i IT-ledelse

1
IT i Kunnskapsledelse for BIs Bachelor i
IT-ledelse

• Renny Bakke Amundsen
• Del II - September 2005

2
Del II IT-støttet Kunnskapsledelse-
Konsekvenser KunnskapsstøttesystemerKap. 4 og 5

• RennyBA_at_online.no

3
IT kan understøtte Kunnskapsledelse

• Samle
• Systematisere
• Strukturere
• Lagre
• Kombinere
• Distribuere og
• Presentere

Informasjon!
4
Krav til Kunnskapsledelse
Samvirke mellom informasjon og kunnskap

• Informasjon blir til kunnskap når den kombineres
  med erfaring, interpretasjon og refleksjon.
• Kunnskap blir til informasjon når den
  kodifiseres i en eksplisitt representasjon
• -gt Noen ganger eksisterer kunnskap før
  informasjon og andre ganger vise versa.
• ) KS må kunne håndtere samvirke mellom
  informasjon og kunnskap
• ) KS må både gi mening til informasjon for
  kunnskapsarbeid og tolke kunnskap over i
  informasjon

5
Fra data til visdom via handling
6
Verdi og kompleksitet
7
Nytte og læring
8
Samvirke mellom tausog eksplisitt kunnskap
Avhengighet og påvirkning

• Et minimum av felles kunnskap kreves for å
  utveksle kunnskap-gt Kunnskapsoverlapp-gt Jo
  større kunnskapsrom, jo mindre sammenheng
  (kontekst) er nødvendig for kunnskapsformidling)
  KS må støtte og utvikle felles kunnskapsrom

9
Taus kunnskap
Den som først introduserte begrepet taus kunnskap
, var den engelske naturvitenskapsmannen, Michael
Polanyi (1966). I boka Den tause dimensjonen -
en introduksjon til taus kunnskap, hevder han at
vi vet mer enn det vi kan uttale eller si med
ord. Begrepet består av to ledd. Det tause, i
betydningen det u-utalte, det usagte og begrepet
kunnskap. Polayni mener at det fins to former for
kunnskap. Den teoretiske og intellektuelle
formen, og en praktisk handlende form for
kunnskap. Han inkluderer begge former i sitt bruk
av kunnskapsbegrepet og sier at den praktiske
formen for kunnskap må tilegnes gjennom praksis
selv. Det å raskt kunne se og bedømme helheten
i en situasjon, kjenne den igjen og reagere
direkte, nesten instinktivt, er en form for taus
kunnskap. En ser deler av noe og kan umiddelbart
kjenne igjen helheten. Vår evne til å gjenkjenne
personen hvis vi ser deler av ansiktet er et
eksempel på dette.
10
Vekstmodellen for IT-støttet KL
11
Fase I - Sluttbrukerverktøy
12
Fase II - Info om hvem vet hva?
13
(No Transcript)
14
Fase III - Informasjon om hva de vet!
15
Fase IV - Informasjon om hva de tenker!

• Kunstig intelligens ellerArtificial
  Intelligence
• Neurale nettverk
• Ekspertsystemer
• Case-basert resonering

16
Strategi i Kunnskapsledelse

• LagerstrategiStore databaser og datavarehus
• FlytstrategierInformasjonsnettverk
• SamarbeidsstrategierElektronisk post,
  gruppevare etc.
• VekststrategierEkspertsystemer, nevrale
  nettverk og virtuell virkelighet etc.

17
Kobling i SEKI-prosessen

• Sosialisering-gt dele kunnskap gjennom felles
  erfaring med andre Eksternalisering-gt fra
  taus til eksplisitt kunnskap ved metaforer,
  modeller og analogi Kopling eksplisitt med
  mer kompleks og syst., K.-gt Støttes av
  KS-systemer, eks en økonomirapport
  Internalisering -gt Eksplisitt koblet kunnskap
  blir delt til taus kunnskap

18
Kunnskapsoverføring

• Serieoverføring-gt Samme oppgave repeteres i
  grupper Næroverføring-gt Ny gruppe gjør samme
  oppgave etter overføring av eksplisitt
  kunnskap fra forrige gruppe
• Fjernoverføring-gt Ny gruppe gjør samme
  oppgave etter overføring av taus kunnskap fra
  forrige gruppe
• Strategisk overføring-gt Overføring av
  kompleks og sammensatt kunnskap) Medarbeideres
  stimuleres til å dele kritisk og strategisk
  kunnskap
• Ekspertoverføring
• -gt Overføring av eksplisitt kunnskap om en
  oppgaven som sjeldent utføres) Eksperter får
  lett tilgang til hverandre gjennom
  Kunnskapsnettverk
• ?? Egnethet for Kunnskapssystemer

19
Knytt kunnskap til nyttig bruk!
Ikke frikoble innformasjon og kunnskap fra
kunnskapsbruk

• KF-prosjektet må ikke bli et mål i seg selv!-gt
  Når datavarehuset blir en teknisk utfordring-gt
  Når diskusjoner går på datastruktur og
  datakataloger

20
IT i KL er K-teknologi

• Muliggjør økt personlig ytelse
• Muliggjør økt ytelse innen organisasjonen
• Muliggjør økt ytelse mellom organisasjoner

21
ITs rolle i Kunnskapsledelse

• Muliggjør nye arbeidsformer og mer effektiv
  kunnskapsforvaltning!
• IT kan være drivkraft i en omstilling!
• Vellykket bruk av IT kan øke bedriftens
  konkurransekraft!

22
KS-kriterier

• Innholds-sensitive-gt Forstå kunnskapsbehovet
• Bruker-sensitive-gtKS relevant til kunnskapsnivå?
• Fleksible-gt Tilpasset emne, strukturer media
• Heuristiske-gt Ta lærdom av bruken brukeren
• Foreslående-gt Tilby ny relevant kunnskap

23
Hvordan kan IT støtte KL?
24
Sjekkliste for design av KS-systemer
Dimensjon 1Systemutvikling Dimensjon 2Systemtilpasning Dimensjon 3Systemtiltrekning
Feilfri programvare Dokumentasjon Flyttbarhet Moduler og arkitektur Utviklingskostnader Vedlikeholdskost Svartider Robusthet Brukervennlighet Brukeraksept Enkel bruk Oppfattes nyttig Brukertilfredshet Tilpasset arbeidsoppgavene Tilpasset arbeidssituasjon Tilpasset kompetansenivå Bruk gir personlig nytte Bruk i tråd med mål Unngå missbruk av informasjon Bruk gir status Bruk gir fordeler Kan beherskes Gir muligheter Tjener brukeren
25
Systemnivå
Kunnskapsstøttesystemer for strategiske
beslutninger
Understøtter kunnskapsarbeid
Tradisjonelle IS for transaksjoner og daglig drift
26
Oppgave Sluttbruker-verktøy Hvem vet hva? Hva de vet! Hva de tenker!
Distribuere Tekstbehandling Kontorsirkulær WEB-publisering Kalender Presentasjoner Samme Samme Samme
Dele Gruppevare Intranett Nettverk ePost Samme Samme
Fange Forstå Database Datavarehus Samme
Skape Kunstig Intelligens Ekspertsystemer Abstrakt logikk Generiske algoritmer Intelligente agenter
27
DeleKunnskap
Distribuere Kunnskap

• Systemer for samarbeid
• Intranett
• Gruppevare
• Databaser
• Registre

• Syst. for kontorautomatisering
• Tekstbehandling, Regneark
• Presentasjonsgrafikk
• Elektronisk post/kallender

• Syst. for å bruke K
• Ekspertsystemer
• Nevrale nettverk
• Søkeagenter
• Cacebasert

• Arbeidsstasjoner
• DAK/DAP
• Virtuell virkelighet
• Simulering
• Språksystemer

Fangeog forstå Kunnskap
Skape Kunnskap
28
Hvorfor IT i KL?

• Bedret profitt og inntekter (67)
• Holde på talenter og ekspertise (54)
• Bedre kunde -service og -tilfredshet (52)
• Sikre markedsandeler mot nye konkurrenter (44)
• Raskere time to market (39)
• Penetrere nye markeder (39)
• Redusere kostnader (38)
• Utvikle nye produkter og tjenester (35)

29
Rangering - KS-systemer

• Infrastruktur for KF (61)
• Intelligente systemer for kunnskapsøk (39)
• Datavarehus (21)
• Dokumenthåndtering (17)
• Virksomhetsportaler (16)
• Gruppevare (13)
• Mailprogrammer (11)
• Intelligente agenter for kunnskapsøk ( 9)
• Arbeidsflytsystemer ( 8)
• E-læring ( 7)

30
IT-systemer som støtter KL

• Microsoft Office og Exchange
• Lotus notes og Domino
• Internett, Intranett og Ekstranett
• DocuLine
• Annotate
• IFS
• Autonomy
• Knowledger - osv. etc, mm, o.fl.

31
ITs begrensede rolle

• Teknologi kan bare ta vare på informasjon ikke
  kunnskap!
• Ved manglende kultur for kunnskaps-deling og
  premiering av kunnskaps-arbeideren for
  distribusjon av kunnskap Da hjelper det lite å
  skuffe på med IT-støtte

32
IT-tilbud i Kunnskapsprosesser

• Kunnskapsutvikling -gtGruppevare Nettverk
• Kunnskapslagring -gtDatalagre glemmer aldri!
• Kunnskapstransformering -gtKanaler Agenter
• Kunnskapsapplikasjoner gtGuiding og Rutiner

33
KS-leverandører
Casmir
Active Intranet
Assistum
Autonomy
Hyperwave
Computeraid
Thinkmap
Chorechange
Wordmap
Convera
Hummingbird
Smartlogic
Factiva
Insight
og mange, mange flere? Det var 32 leverandører
representer på et KM-seminar i London i 2003! Se
for øvrig Kap. 5 s 109 111!
34
Men! Husk! NB!

• Et initiativ for effektiv og systematisk KS må
  aldri starte med valg av leverandør eller system!

35
Eksempler på KS-systemer
36
Eksempler på KS-systemer
37
Eksempler på KS-systemer
38
Eksempler på KS-systemer