Miejska Biblioteka

Zarządzanie wiedzą

Autor: Trajer, Jędrzej.

We współczesnej gospodarce o sukcesie rynkowym przedsiębiorstwa często przesądza wiedza zgromadzona przez jego pracowników oraz zawarta w danych przez nie gromadzonych. W podręczniku została zawarta wiedza dotycząca umiejętności formułowania problemów i wykorzystania metod zarządzania wiedzą w przedsiębiorstwie. Autorzy przedstawili: podstawowe informacje dotyczące zasobów wiedzy w przedsiębiorstwie, wybrane

narzędzia zarządzania wiedzą (logika rozmyta, systemy eksperckie, drążenie danych), konkretne przypadki zastosowań biznesowych. Szczególny nacisk autorzy położyli na przekazanie praktycznych umiejętności projektowania i efektywnego wykorzystania informatycznych systemów analityki biznesowej do wspierania analiz finansowych, marketingowych i rynkowych w celu zwiększenia wartości przedsiębiorstwa oraz podniesienia jego konkurencyjności.

Zobacz pełny opis

---

1. Wstęp
2. Rozdział 1. Podstawy zarządzania wiedzą
3. 1.1. Społeczeństwo informacyjne, społeczeństwo wiedzy
4. 1.1.1. Od społeczeństwa przemysłowego do społeczeństwa wiedzy
5. 1.1.2. Istota i cechy społeczeństwa informacyjnego
6. 1.1.3. Skutki społeczno-gospodarcze zmian
7. 1.1.4. Przedsiębiorstwo w społeczeństwie informacyjnym
8. 1.1.5. Społeczeństwo informacyjne w Polsce i na świecie
9. 1.2. Znaczenie wiedzy w otoczeniu gospodarczym
10. 1.2.1. Dane — informacja — wiedza
11. 1.2.2. Okrężny obieg wiedzy
12. 1.2.3. Wiedza jako zasób, ekonomika wiedzy
13. 1.3. Zasoby wiedzy w przedsiębiorstwie — klasyfikacja, główne składniki, proces uczenia się organizacji
14. 1.3.1. Klasyfikacja wiedzy
15. 1.3.2. Szacowanie zasobów wiedzy w przedsiębiorstwie
16. 1.3.3. Ewoluowanie przedsiębiorstw—organizacje uczące się i sieciowe
17. 1.3.4. Pracownik w nowym modelu funkcjonowania przedsiębiorstwa
18. 1.4. Rola i znaczenie zarządzania wiedzą
19. 1.4.1. Rozwój zarządzania wiedzą
20. 1.4.2. Istota zarządzania wiedzą
21. 1.4.3. Metody, techniki i strategie zarządzania wiedzą
22. 1.4.4. Ilościowe a jakościowe zarządzanie wiedzą
23. 1.4.5. Zarządzanie wiedzą a przewaga konkurencyjna
24. 1.5. Technologie informacyjne w zarządzaniu wiedzą
25. 1.5.1. Pozyskiwanie wiedzy z otoczenia
26. 1.5.2. Zarządzanie wiedzą o klientach
27. 1.5.3. Wiedza w systemach rozproszonych i organizacjach sieciowych
28. 1.6. Pytania kontrolne
29. Rozdział 2. Zarządzanie wiedzą w praktyce
30. 2.1. Kluczowe procesy zarządzania wiedzą
31. 2.1.1. Lokalizowanie zasobów wiedzy
32. 2.1.2. Pozyskiwanie wiedzy
33. 2.1.3. Zachowywanie wiedzy
34. 2.1.4. Stosowanie wiedzy
35. 2.1.5. Przykłady wybranych procesów zarządzania wiedzą
36. 2.2. Rozwijanie wiedzy
37. 2.2.1. Wiedza a innowacje w przedsiębiorstwach
38. 2.2.2. Procedury rozwoju wiedzy
39. 2.2.3. Przykłady zastosowań rozwiązań informatycznych w rozwoju wiedzy
40. 2.3. Poziomy zarządzania wiedzą
41. 2.3.1. Zarządzanie wiedzą a zarządzanie przedsiębiorstwem
42. 2.3.2. Zarządzanie normatywne, strategiczne i operacyjne
43. 2.3.3. Studium przypadku zarządzania wiedzą w przedsiębiorstwie
44. 2.4. Pytania kontrolne
45. Rozdział 3. Projektowanie systemów ekspertowych
46. 3.1. Procesy przetwarzania wiedzy
47. 3.1.1. Formy wiedzy w przedsiębiorstwie
48. 3.1.2. Etapy procesu przetwarzania wiedzy
49. 3.2. Systemy ekspertowe — istota, struktura i działanie
50. 3.2.1. Istota systemu ekspertowego i różnice w stosunku do innych rozwiązań
51. 3.2.2. Rozwój systemów ekspertowych
52. 3.2.3. Klasyfikacja systemów ekspertowych
53. 3.2.4. Struktura i zasada działania systemu ekspertowego
54. 3.3. Identyfikacja problemów dla systemów ekspertowych
55. 3.3.1. Cechy charakterystyczne problemów rozwiązywanych za pomocą systemów ekspertowych
56. 3.3.2. Ocena celowości budowania systemu ekspertowego dla wybranego problemu — koszty a zyski
57. 3.3.3. Studium przypadku opłacalności wdrożenia systemu ekspertowego
58. 3.4. Proces pozyskiwania wiedzy do systemu ekspertowego
59. 3.4.1. Metody pozyskiwania wiedzy
60. 3.4.2. Przykłady opracowań formularzy pozyskiwania wiedzy
61. 3.4.3. Przykłady zastosowań drzew decyzyjnych
62. 3.4.4. Ramowe koncepcje uczenia się organizacji na przykładach przedsiębiorstw
63. 3.5. Metody reprezentacji wiedzy
64. 3.5.1. Deklaratywne metody reprezentacji wiedzy
65. 3.5.2. Proceduralne metody reprezentacji wiedzy
66. 3.6. Zapis baz wiedzy w systemie ekspertowym
67. 3.6.1. Przykład zastosowania systemu PC-Shell w technologicznym przygotowaniu produkcji
68. 3.6.2. Przykład zastosowania języka PROLOG w zapisie wiedzy w systemie ekspertowym
69. 3.7. Weryfikacja baz wiedzy
70. 3.7.1. Eliminowanie nadmiarowości wiedzy
71. 3.7.2. Usuwanie sprzeczności wiedzy
72. 3.7.3. Badania kompletności baz wiedzy
73. 3.8. Zastosowanie systemów uczenia się maszyn w bazach wiedzy
74. 3.8.1. Metody uczenia się maszyn
75. 3.8.2. Przykłady zastosowań systemów uczących się
76. 3.9. Pytania kontrolne
77. Rozdział 4. Zastosowanie logiki rozmytej w budowie systemów zarządzania wiedzą
78. 4.1. Elementy logiki rozmytej w reprezentacji wiedzy
79. 4.1.1. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych
80. 4.1.2. Zastosowanie współczynników pewności w reprezentacji wiedzy
81. 4.2. Wnioskowanie rozmyte
82. 4.2.1. Modele rozmyte w systemach zarządzania wiedzą
83. 4.2.2. Metody wnioskowania rozmytego
84. 4.3. Systemy rozmyte
85. 4.3.1. Budowa systemów rozmytych
86. 4.3.2. Przykład zastosowania systemu rozmytego w projektowaniu procesów produkcyjnych
87. 4.4. Pytania kontrolne
88. Rozdział 5. Drążenie danych
89. 5.1. Zarządzanie wiedzą firmy ukrytą w danych
90. 5.1.1. Cele i strategie zarządzania wiedzą przedsiębiorstwa
91. 5.1.2. Informacje pozyskiwane z danych
92. 5.1.3. Przetwarzanie danych we wspomaganiu decyzji biznesowych
93. 5.2. Ogólna charakterystyka drążenia danych
94. 5.2.1. Pojęcia podstawowe
95. 5.2.2. Metodyka projektu
96. 5.2.3. Kryteria wyboru metody lub modelu
97. 5.2.4. Weryfikacja modeli i ocena wyników
98. 5.2.5. Miary błędów
99. 5.3. Wstępna analiza danych
100. 5.3.1. Czyszczenie i przekształcenia danych
101. 5.3.2. Podział danych na próby: uczącą, walidacyjną i testową
102. 5.3.3. Analizy struktur wielowymiarowych OLAP
103. 5.4. Analizy wielowymiarowe
104. 5.4.1. Regresja wieloraka
105. 5.4.2. Analiza skupień
106. 5.4.3. Skalowanie wielowymiarowe
107. 5.4.4. Analiza czynnikowa
108. 5.4.5. Analiza składowych głównych PCA
109. 5.4.6. Analiza składowych niezależnych ICA
110. 5.4.7. Analiza dyskryminacyjna
111. 5.4.8. Graficzne metody prezentacji danych wielowymiarowych
112. 5.5. Drzewa klasyfikacyjne i regresyjne
113. 5.5.1. Drzewa klasyfikacyjne i regresyjne C&RT
114. 5.5.2. Drzewa decyzyjne CHAID
115. 5.6. Metody sztucznej inteligencji w drążeniu danych
116. 5.6.1. Neuronowe sieci wielowarstwowe typu MLP i RBF
117. 5.6.2. Sieci samoorganizujące Kohonena — SOM
118. 5.6.3. Metoda wektorów nośnych — SVM
119. 5.6.4. Algorytmy ewolucyjne
120. 5.7. Przykłady zastosowań drążenia danych
121. 5.7.1. Wybór metod analizy w opracowywaniu rozwiązania
122. 5.7.2. Analiza szeregów czasowych—prognozowanie krótkoterminowe cen produktów sezonowych
123. 5.7.3. Modelowanie złożonych systemów—prognozowanie cen akcji na rynku kapitałowym
124. 5.7.4. Klasyfikacja—diagnostyka i identyfikacja produktów roślinnych
125. 5.8. Pytania kontrolne
126. Rozdział 6. Systemy hybrydowe
127. 6.1. Kategorie i struktura systemów hybrydowych
128. 6.1.1. Struktury równoległe
129. 6.1.2. Struktury sekwencyjne
130. 6.1.3. Zanurzenia
131. 6.2. Systemy transformacyjne
132. 6.2.1. Neuronowe systemy ekspertowe
133. 6.2.2. Sieci ekspertowe
134. 6.2.3. Semantyczne sieci neuronowe
135. 6.3. Systemy neuronowo-rozmyte
136. 6.3.1. Rozmyte sieci neuronowe
137. 6.3.2. Neuronowe systemy wnioskowania rozmytego
138. 6.3.3. Klasyfikacja neuronowo-rozmyta
139. 6.4. Pytania kontrolne
140. Rozdział 7. Wielowymiarowe systemy pomiaru wiedzy
141. 7.1. Podstawowe poziomy pomiaru wiedzy
142. 7.1.1. Pomiar wiedzy a cele zarządzania wiedzą
143. 7.1.2. Pomiary wiedzy na poziomach zarządzania przedsiębiorstwem
144. 7.2. Podstawy systemów pomiaru wiedzy
145. 7.2.1. Schemat przyczynowo-skutkowy
146. 7.2.2. Zrównoważona karta wyników
147. 7.2.3. Podstawowe grupy wskaźników pomiaru wiedzy
148. 7.3. Przykład budowy wielowymiarowego systemu pomiaru wiedzy
149. 7.4. Pytania kontrolne
150. Rozdział 8. Wdrażanie i użytkowanie systemów zarządzania wiedzą w przedsiębiorstwie
151. 8.1. Wdrażanie systemów zarządzania wiedzą
152. 8.1.1. Przygotowanie profilu wiedzy przedsiębiorstwa
153. 8.1.2. Znaczenie kultury organizacyjnej
154. 8.1.3. Przykładowe opracowanie obszarów kompetencji
155. 8.2. Wdrażanie i eksploatacja systemów ekspertowych
156. 8.2.1. Systemy ekspertowe jako systemy złożone
157. 8.2.2. Planowanie i przygotowywanie procedury wdrożeniowej
158. 8.2.3. Realizacja wdrożenia systemu
159. 8.2.4. Eksploatacja systemu i jego dostosowywanie do potrzeb użytkownika
160. 8.3. Wdrażanie i eksploatacja systemów drążenia danych
161. 8.3.1. Identyfikacja potrzeb
162. 8.3.2. Realizacja wdrożenia systemu
163. 8.3.3. Dostosowanie systemu do potrzeb użytkownika
164. 8.4. Pytania kontrolne
165. Zakończenie
166. Słownik ważniejszych pojęć
167. Bibliografia
168. Indeks

Zobacz spis treści