Wissensmanagement Flashcards
Wissensmanagement
Gesamtheit der Aktivitäten, die darauf abzielen, eine möglichst gute Nutzung von vorhandenem Wissen zu gewährleisten
D.h. sowohl das vermitteln als auch das sichern von wissen
ECM-System
System zum Organisieren und bereitstellen von wissen
Abgrenzung Wissensmanagement
- Organisationales Lernen
- generiert neues Wissen - Wissensmanagement
- Strukturierung von vorhandenem Wissen
E-/A-Schichten
Eingabeschicht
Verborgene Schicht
Ausgabeschicht
Expertensystem
(Enterprise Knowledge Portal)
- Frage wird gestellt
- Datenbank wird durchsucht nach wissen
- Ergebnisse werden zurück geliefert
- Entscheidung ob das Ergebnis reicht
- wenn Ja dann Ende
- wenn nein dann wird die Frage an Experten weitergereicht
- Lösung wird vorgeschlagen
- Informationen werden der Datenbank hinzugefügt
- neues Wissen wird zurück geführt
- falls neues Wissen immernoch nicht das Ergebnis liefert dann wird der Zyklus wiederholt
CBR
(Fallbasiertes Schließen)
Case Based Reasoning
Ablauf CBR
- Nutzer beschreibt Problem
- Datenbank wird durchsucht nach ähnlichen Fällen
- bei positiven Ergebnis wird beste Lösung geliefert - Eventuell fragt system nach Merkmalen um Fall einzugrenzen
- Beste Lösung wird bereitgestellt
- Lösung wird angepasst an das Problem
- System speichert Problem und Lösung in der Datenbank
- bei nicht Erfolg wird Problem auch gespeichert damit Lösungen dafür erstellt werden können
Retrieve
Beste Lösung vorschlagen
Reuse
Anwendung der Lösung auf den Fall
Revise
Überprüfen der Lösung
Retain
Legt neuen Fall in Datenbank ab
(Egal ob Ergebnis positiv oder negativ)
Anwendung für Fallbasiertes Schließen
- Kundenberatung
- Diagnose
- Medizin
- Recht
- Marketing
…
Fuzzy-Logic
Logik, mit der schwammige Einstufungen im großen Rahmen in Bereiche kategorisiert werden
Dabei werden ebenfalls die übergänge berücksichtigt
Mengen in Fuzzy-Logic
Mengen sind mit “umgangssprachlichen” Variablen definiert
BI
Business Intelligence
Anwendungen und Techniken, um Daten zu verwalten und so Benutzern zu helfen, bessere Entscheidungen zu treffen
Strukturierte Daten
Datenbanken, Excel, XML, etc.
Semi-Strukturierte Daten
Daten mit Strukturierten Elementen
Emails z.B.
Unstrukturierte Daten
Daten die komplett frei sind von Form
Audios, Videos etc.
Strategische entscheidungsfindung
Langfristige Ziele
Bsp. Richtlinien oder Ressourcen
Managementkontrolle
Überwachung von MAs auf Effizienz und Effektivität und wie man diese optimiert
Operative Kontrolle
Entscheidungen, wie bestimmte, vom Management vorgegebene Aufgaben ausgeführt werden
Entscheidungen, welche Kriterien für die Fertigstellung und Ressourcenzuordnung gelten sollen
EUS Entscheidungsarten
- Strukturierte Entscheidungen
- Klare Entscheidungen die ohne alternativen auszuführen sind
Z.B. Strohhalme sind aus Pappe typx herzustellen
- Schwach strukturierte Entscheidungen
- Entscheidungen mit einem kleinen Spielraum
Z.B. Strohhalme sind aus Pappe herzustellen
- Unstrukturierte Entscheidungen
- “Blick in die Zukunft”
- Anhand von Daten langfristige Entscheidungen treffen
Z.B. in Zukunft nur noch nachhaltige Strohhalme
EUS Dimensionen
(Was muss gelten)
- Genauigkeit
- Bilden die Daten die Realität ab - Integrität
- Datenstruktur, Beziehungen, ERD - Konsistenz
- Konsistenz der Datenelemente - Vollständigkeit
- Liegen alle Daten vor - Validität
- Datenwerte in definierten Bereich - Rechtzeitigkeit
- sind Daten da, wenn gebraucht? - Zugänglichkeit
- Daten sind zugänglich und brauchbar
EUS vs. DWH
Jedes EUS ist ein DWH aber nicht jedes DWH ein EUS, da ein EUS mehrere Datenbanken hat
BI vs BA
Business Intelligence vs Business Analytics
Bi
- Beschreiben und Verstehen
- Data-Mining, Statistische Analysen etc.
BA
- Vorhersagen und Optimieren
- Modellbildung, Simulationen etc.
BI + BA für EUS
- Daten werden mithilfe von BI Strukturiert
- Die Strukturierten Daten werden dann mithilfe von BA Tools Analysiert
- Danach werden Strategien und Vorhersagen auf Basis der BI und BA Daten getroffen
- Diese werden dann in Systeme wie MIS, EUS oder FUS eingepflegt
Data Science
Generieren von Wissen durch Daten mit dem Ziel zu optimieren oder die Entscheidungsfindung zu unterstützen
Data Science Methoden
Zum generieren von Daten wird
- Mathe
- Statistik
- Stochastik
- Informatik
- Branchen Know-How
verwendet
Ziele Data Science
- Handlungsempfehlungen aus Daten ableiten
- Entscheidungsfindung unterstützen
- optimieren von Unternehmensprozessen
- Prognosen erstellen
