استخراج دانش- راهکاری برای هوشمندسازی کسب و کار

استخراج دانش
استخراج دانش


استخراج دانش فرآیندی مهم و ضروری در هوشمندسازی کسب و کار است زیرا همه چیز در سازمان از مهارت‌های نوشتاری و خواندن گرفته تا پیچیده‌ترین فناوری های در حال تولید بر مبنای آن شکل گرفته است. در دنیای امروز، تمامی سازمان‌ها به دنبال تصاحب دانش‌ هستند. چرا که با بهره گیری از این دانش، کارها به بهترین شکل، درکمترین زمان و هزینه ممکن و با بالاترین کیفیت انجام می شود.


مهمترین گامهای استخراج دانش

۱. جمع‌آوری اطلاعات


این مرحله اولین و مهمترین قدم در کسب دانش است.

در این مرحله لازم است نوع، نحوه نگهداری و جایی که قرار است داده ها جمع‌آوری‌ شوند را تعیین کنید. تعیین نوع داده‌های مورد نیاز و صحت و درستی این داده‌ها تا حد زیادی بر کیفیت و دقت دانش تأثیر می‌گذارد. داده های جمع آوری شده می تواند به هر داده‌ای که قبلاً برای هدف دیگری جمع‌آوری شده، بستگی داشته باشد و یا لازم باشد داده ها را به نوعی دیگر و با روشی دیگر جمع آوری کرد. به عنوان مثال داده‌های حاصل از خرید مشتری، صورت‌های مالی سازمان و اطلاعاتی از این قبیل می توانند بسیار کمک کننده باشند.


۲. ساماندهی اطلاعات


پس از جمع اوری اطلاعات در مرحله ی قبل، لازم است داده ها به خوبی سازماندهی شده و به منظور دریافت اطلاعات مفید مجددا مرتب شده و مورد استفاده قرار گیرند. سازماندهی داده ها به این شکل است که داده‌های مرتبط در یک مکان مانند پایگاه داده اختصاصی ذخیره شده و از روشهای مختلف فناوری اطلاعات برای نظم دهی و مرتب سازی انها استفاده می شود.


۳. جمع‌بندی داده ها


در این مرحله، آمارهای مختلفی از پایگاه‌های داده استخراج شده و در قالب جداول و نمودارها به اشکال مختلف ارائه می‌شود. لازم به ذکر است که پس از اتمام این گام، داده‌های خام به اطلاعاتی تبدیل می‌شوند که قابلیت استفاده دارند.


۴. تجزیه و تحلیل


در این گام قرار است به مرحله ای برسیم که در آن داده ها مورد تجزیه و تحلیل قرار گرفته و داده ی مفید و دلخواه از میان آنها بیرون کشیده شود و یا الگوهای تکراری و مشخصی کشف شود که در آن مثلا به ویژگی ها و خصوصیات دسته ای از مشتریان می توان دست یافت که به محصول خاصی علاقه مند هستند. و یا بازه ی سنی خاصی که می تواند جامعه ی هدف خرید یک محصول باشد.


۵. جمع بندی


با توجه به آمار، الگوها و نتیجه‌گیری‌ های بدست آمده از آنها، اکنون می توان به دانشی دسترسی داشت که مورد نیاز و مورد استفاده است. مدیریت دانش این نتایج را در قالب قوانین یا رویه هایی ارائه می کند و برای دسترسی تمام افراد به آنها، در پایگاه‌های اطلاعاتی سازمان آنها را ذخیره می‌کند که از این پس بتواند بسته به نیاز و کاربرد آنها را منتشر نماید.


روش‌های کسب دانش


کسب دانش یکی از اجزای اصلی مدیریت دانش است که باید بخوبی در یک سازمان گنجانده شود تا بتوان آن را تحلیل و سنتز کرد و در نهایت در جای مناسب به کار برد.

فرایند کسب دانش راههای مختلفی دارد که برخی از آنها عبارتند از:


آزمون و خطا


گاهی برای دستیابی به دانش مطلوبی که در دسترس نیست و برای آن هیچ مربی و یا مشاوری هم وجود ندارد، لازم است از روش آزمون و خطا برای رسیدن به آن تلاش کرد. برای این کار لازم است بخشهای تحقیق و توسعه را به منظور کسب و یا خلق دانش گسترش داده و از یکپارچگی آنها با پرخه ی مدیریت دانش اطمینان حاصل کرد.


همکاری با شرکا


شرکا و یا حتی رقبا، منابع موثر و مفیدی برای کسب دانش و بررسی تجربه هستند. آنها راههایی را پیموده اند که شما یا قرار است بپیمایید و یا برای رد شدن از آنها با چالشهای مختلفی درگیر بوده و هستید.


مشورت با مشاور و متخصص


گاهی صحبت با یک متخصص می تواند مسیر طولانی بررسی و تجربه را بسیار کوتاه نموده و راه را برای کسب دانش به آسانی باز نماید.


آموزش

خرید یک شرکت دیگر


خرید یا ادغام با شرکتی دیگر راهی بسیار موثر برای درونی‌سازی قابلیت‌‌ها و کسب دانش جدید است. چرا که بسیاری از آورده‌های شرکت ناشی از کسب دانش است.


تخصیص منابع و شبکه سازی


راه اندازی بخش تحقیق و توسعه و یا یک مرکز تحقیقاتی می تواند راهکاری برای کسب هرچه بیشتر دانش به شمار رود. ضمن اینکه ایجاد شبکه بین منابع، بویزه منابع انسانی، در این راه بسیار کمک کننده خواهد بود.


روش‌های نوین استخراج دانش

1. کسب دانش با استفاده از مسیریاب


اغلب مسیریاب‌های اینترنتی برآورد خود را بر مبنای دو نوع داده شامل اطلاعات پیشین و متوسط زمان پیمایش هر مسیر در روزها و زمان‌های خاص محاسبه می کنند و در این راه حتی سرعت ماشین را هم به خوبی در نظر میگیرند.

بنابراین در این نوع یادگیری هم پرسشنامه ای در کار نیست و رانندگان بدون اینکه خود بدانند، اطلاعات سفر خود را در مسیریابها با دیگرا به اشتراک می گذارند. اینگونه مسیریاب قادر است در شرایط متنوع آب و هوایی و در روزها و ساعات مختلف، ترافیک را به درستی تشخیص دهد.


2. غربالگری کرونا با تحلیل جستجوی اینترنتی کاربران


در این روش بدون نیاز به تماس تلفنی و یا پرکردن فرمهای پرسشنامه و حتی بدون نیاز به مراجعه به مراکز درمانی، ژاپن توانست اطلاعات مکانی و الگوی جستجوی کاربران را استخراج نموده و تا حد قابل قبولی غربالگری مجازی انجام دهد.

و یا با استفاده از ابزارهای هوش مصنوعی و یادگیری ماشین توانست رباتها را در تشخیص کرونا از طریق تصاویر رادیوگرافی بکار گیرد. بدون اینکه نیازی به تستهای زمانبری باشد که موفقیت شان حدود 70 درصد بود.