LA GESTIÓN DEL CONOCIMIENTO

Transcripción

1 Plan de Formación 2006 ESTRATEGIAS Y HABILIDADES DE GESTIÓN DIRECTIVA MÓDULO 9: 9 LA ADMINISTRACIÓN ELECTRÓNICA EN LA SOCIEDAD DE LA INFORMACIÓN LA GESTIÓN DEL CONOCIMIENTO José Ramón Pereda Negrete Jefe de Área de Informática Departamento de Informática Tributaria (AEAT)

2 ÍNDICE 1. Conceptos y evolución 2. Diferentes enfoques de la GC: Sistemas de Gestión del Soporte del Conocimiento. Query & Reporting OLAP. Data Warehouse. Sistemas Basados en el Conocimiento. Minería de Datos. 3. Utilidad de la GC y aplicaciones de la misma 4. Herramientas la Sociedad de la Información 2

3 1. CONCEPTOS Y EVOLUCIÓN 1.1. Pirámide del conocimiento 1.2. Definición de conocimiento 1.3. Clasificación del conocimiento. Tipos Procesos de transferencia del conocimiento 1.5. Qué se entiende por GC. Definición Objetivos de la GC. Fases. Dificultades. la Sociedad de la Información 3

4 1. CONCEPTOS Y EVOLUCIÓN 1.1. Pirámide del conocimiento SABIDURÍA CONOCIMIENTO INFORMACIÓN DATOS la Sociedad de la Información 4

5 1. CONCEPTOS Y EVOLUCIÓN 1.1. Pirámide del conocimiento Datos (no responden a las preguntas sobre un problema) Información (responde a las preguntas quién, qué, cuándo, dónde ) Conocimiento (responde a cómo y por qué ) Sabiduría Obtención de forma guiada (Ejemplo: Análisis OLAP / Data Warehouse) Obtención de forma automática (Ejemplo: Minería datos) la Sociedad de la Información 5

6 1. CONCEPTOS Y EVOLUCIÓN 1.2. Definición de conocimiento Según el Diccionario de la RAE Entendimiento, inteligencia, razón natural Conjunto de saberes que se tienen sobre una ciencia o arte. Resultado de averiguar por el ejercicio de las facultades intelectuales la naturaleza, cualidades y relaciones de las cosas. Nonaka y Takeuchi: : creencias justificadamente ciertas y técnicas adquiridas empíricamente Informalmente: hechos y experiencias que permiten tomar la mejor decisión en cada momento la Sociedad de la Información 6

7 1. CONCEPTOS Y EVOLUCIÓN 1.3. Clasificación del conocimiento. Tipos. Tácito: : el que posee cada uno interiormente Explicitable No Explicitable Explícito: : el expresado de alguna forma Implícito: : conocimiento no evidente a primera vista ( oculto ) la Sociedad de la Información 7

8 1. CONCEPTOS Y EVOLUCIÓN 1.4. Procesos de transferencia del conocimiento De: A: Conocimiento TÁCITO Conocimiento TÁCITO SOCIALIZACIÓN Conocimiento EXPLÍCITO EXTERIORIZACIÓN Conocimiento EXPLÍCITO INTERIORIZACIÓN COMBINACIÓN la Sociedad de la Información 8

9 1. CONCEPTOS Y EVOLUCIÓN 1.4. Procesos de transferencia del conocimiento Socialización: : el conocimiento tácito individual se comparte con otra(s) persona(s), haciéndose colectivo Exteriorización: : el conocimiento tácito individual se explicita y se almacena Combinación: : diversos conocimientos explicitos se juntan para dar lugar a nuevos conocimientos explícitos Interiorización: : el conocimiento explícito es aprendido y asimilado por el individuo, que puede dar lugar a nuevo conocimiento tácito al sumarse a sus conocimientos y experiencias previas la Sociedad de la Información 9

10 1. CONCEPTOS Y EVOLUCIÓN 1.5. Qué se entiende por GC. Definición. Lo que opinan las empresas (inf. GC en España): Desarrollo y aprendizaje de las personas. Gestión de la información y su almacenamiento. Medición del capital intelectual Lo que opinan las empresas (42º congreso europeo de la calidad): Capacidad de la empresa de administrar los conocimientos de que dispone. Capacidad de la empresa de aprender (generar nuevos conocimientos). la Sociedad de la Información 10

11 1. CONCEPTOS Y EVOLUCIÓN 1.5. Qué se entiende por GC. Definición. Según Dutta y Meyer: Habilidad de las personas para entender y manejar la información utilizando la tecnología y la compartición del conocimiento. Más Informalmente: Administración (búsqueda, almacenamiento, recuperación, compartición,, transmisión,...) del conocimiento para su mejor aprovechamiento Requiere de una serie de medios que la faciliten. la Sociedad de la Información 11

12 1. CONCEPTOS Y EVOLUCIÓN 1.6. Objetivos de la GC. Fases. Dificultades. Objetivos de la GC: Fases: Adquirir conocimiento (conlleva costes) Aplicar conocimiento Identificar y capturar No existe: Crear Existe fuera: Adquirir Existe dentro: Retener Almacenar, organizar, integrar Distribuir Utilizar Evaluar Adaptar la Sociedad de la Información 12

13 1. CONCEPTOS Y EVOLUCIÓN 1.6. Objetivos de la GC. Fases. Dificultades. Dificultad del proceso: Desconocimiento Indefinición n de objetivos Resistencia al cambio Complejidad Alto coste Problemas fracasos (por la propia naturaleza del conocimiento y por forma errónea de abordar GC) la Sociedad de la Información 13

14 (o formas de abordarla) Concepto clave: automatización Conocimiento explícito No procesable automáticamente (procesable por las personas): Documentos (caja negra) Sistemas de gestión de los soportes del conocimiento Procesable automáticamente Sistemas de proceso del conocimiento No derivable: : Programas Derivable: Sistemas Basados en el Conocimiento (Sistemas Expertos): Reglas, Marcos, etc. Minería de datos (Data Mining) la Sociedad de la Información 14

15 Conocimiento explícito a tácito Conocimiento tácito a explícito (( tácito) Conocimiento tácito a tácito (( explícito) Conocimiento explícito a explícito Conocimiento implícito a tácito (( explícito) Conocimiento implícito a explícito Ventajas e inconvenientes Diferentes aproximaciones a la GC (relacionadas con lo anterior) siguientes apartados la Sociedad de la Información 15

16 2.1. Sistemas de Gestión del Soporte del Conocimiento BD Documentales (repositorios, indexación, localización y relevancia) Buscadores: Por categorías Por texto Mixtos Ingeniería lingüística (estructuración e interpretación, técnicas de resumen, etc.) la Sociedad de la Información 16

17 2.2. Query & Reporting 1er. estadio evolutivo Informes: resultado de preguntas a la BD costes: tiempo, consumo de recursos, Cuadros de mando: información resumida y ordenada (indicadores organizados) para facilitar la toma de decisiones la Sociedad de la Información 17

18 2.3. OLAP. Data Warehouse 2º estadio evolutivo OLAP Data Warehouse Data Warehouse (almacén de datos): sistema formado por un conjunto de datos (almacén / repositorio / base de datos) orientado al análisis y la toma de decisiones Data Mart ( mercado o tienda de datos ): subsistema del Data Warehouse,, especializado en una o varias partes del negocio y orientada a realizar determinados análisis y estudios sobre un subconjunto de los datos del Data Warehouse la Sociedad de la Información 18

19 2.3. OLAP. Data Warehouse Data Warehouse (continuación): Lleva asociado un conjunto de herramientas que permiten realizar análisis de la información en él contenida. Permite: Integrar y consolidar información de diversas procedencias. Proporcionar una visión tanto general como detallada del negocio, permitiendo ir dinámicamente de una a la otra. Analizar y contrastar, prácticamente on/line line, la información desde distintos criterios ó puntos de vista a voluntad del usuario. Éste tiene en sus manos la autonomía necesaria para definirlos, realizarlos y ejecutarlos para ver los resultados, sin s depender de nadie más. Ejemplos prácticos: estudios de situación, comparativos, evolutivos, etc. la Sociedad de la Información 19

20 2.3. OLAP. Data Warehouse OLAP (On( Line Analytical Processing) Es un proceso o procesamiento On Line Implica inmediatez e interactividad Analítico Análisis Global (del resumen al detalle) De medidas ó métricas... según diversas perspectivas y criterios... Implica multidimensionalidad la Sociedad de la Información 20

21 2.3. OLAP. Data Warehouse OLAP vs. OLTP (On( Line Transaction Processing) OLTP Criterio OLAP Inmediato Tiempo Respuesta No necesaria inmediatez Gestión del negocio Propósito Análisis del negocio Procesos (aplicaciones) Guiado por: Datos La Acción Orientado a: La Pregunta Actualizaciones y consultas Uso Sólo Consulta Simples / Estáticas / Previstas Consultas Complejas / Dinám. / Imprev. Detalle Datos a consultar Agregados y detalle Pocos registros por transac. Proceso Datos Muchos registros por trans. Relacional - Normalización Modelo Datos Multidimensional (Desnorm.) Dispersos / Heterogéneos Estado / Tipo Datos Integrados / Homogéneos En tiempo real Actualización Cargas periódicas Intenso y uniforme Uso / Carga Sistema Menos intenso y a ráfagas Gran número (+ concurr.) Usuarios Menor número y concurrencia Menos y más simples Requisitos Usuarios Necesid. más sofisticadas la Sociedad de la Información 21

22 2.3. OLAP. Data Warehouse Evolución terminológica EIS (Executive( Information Systems) Presentación intuitiva y distintos formatos gráficos que facilitan la elaboración de cuadros de mando DSS (Decision Support Systems) Incorporan funcionalidades de modelado y simulación (what( what-if) OLAP, Minería de datos Business Intelligence la Sociedad de la Información 22

23 2.4. Sistemas Basados en el Conocimiento Reglas de producción Sistemas que obtienen conocimiento por deducción a partir de una base de reglas aplicadas sobre unos hechos por un motor de inferencias Ejemplos: MYCIN y PROSPECTOR HECHOS Motor de Inferencias Nuevos conocimientos Base de REGLAS la Sociedad de la Información 23

24 2.4. Sistemas Basados en el Conocimiento Conchas (shells( shells) Herramientas pensadas para la cómoda y rápida construcción de sistemas basados en reglas. Aportan un motor de inferencias y facilitan la introducción y depuración de las reglas. Asimismo, tienen utilidades típicas de un sistema basado en reglas (preguntar por el origen de un nuevo conocimiento, etc.) Otros Marcos (frames( frames), guiones (scripts( scripts), la Sociedad de la Información 24

25 2.5. Minería de Datos Conjunto de técnicas que persiguen el descubrimiento automático de conocimiento (relaciones, tendencias, patrones y perfiles significativos) al aplicarse a grandes conjuntos de datos Utilizadas principalmente para clasificar y predecir Técnicas estadísticas Métodos y técnicas univariantes y multivariantes que permiten estudiar una o más variables medidas u observadas en una colección de individuos la Sociedad de la Información 25

26 2.5. Minería de Datos Análisis cluster Técnica estadística multivariante de clasificación automática de datos que trata de situar a los individuos en grupos homogéneos no conocidos de antemano Concepto de distancia (grado de similitud) entre individuos la Sociedad de la Información 26

27 2.5. Minería de Datos Árboles de decisión Técnica para el aprendizaje de modelos comprensibles de decisión, elaborados a partir de una muestra de datos Apropiados para expresar procedimientos Las opciones de una condición son excluyentes la Sociedad de la Información 27

28 2.5. Minería de Datos Reglas de asociación (análisis de la cesta de la compra) Técnicas que persiguen la búsqueda de asociaciones interesantes entre valores de variables que se dan frecuentemente a la vez Además de para esto, pueden utilizarse para: Establecer relaciones o vínculos entre individuos Identificar patrones secuenciales Identificar secuencias de eventos la Sociedad de la Información 28

29 2.5. Minería de Datos Algoritmos genéticos Técnica que persigue buscar las soluciones más aproximadas a problemas de búsquedas u optimizaciones. Inspirados en la biología evolutiva la Sociedad de la Información 29

30 2.5. Minería de Datos Lógica difusa Proviene de la teoría de conjuntos difusos Extensión de la lógica booleana para manejar el concepto de grado de verdad (ó grado de pertenencia a un conjunto) con valores en el intervalo [0,1] Se asemeja más a nuestra forma de valorar (razonamiento aproximado) la Sociedad de la Información 30

31 2.5. Minería de Datos Redes neuronales (artificiales) Qué son Sistema computacional formado por programas y estructuras de datos que trata de aproximarse al funcionamiento del cerebro humano, basándose en un modelo que emula a neuronas interconectadas en red que trabajan conjuntamente para producir como resultado una función de salida ante una determinada entrada En la práctica se trata de un análisis no lineal de datos para modelar relaciones complejas entre variables de entrada y salida al objeto de encontrar patrones dentro de los datos la Sociedad de la Información 31

32 2.5. Minería de Datos Redes neuronales (artificiales) Componentes y estructura de una red neuronal Tipos: La neurona Las capas de neuronas: De entrada Intermedias u ocultas De salida Supervisadas No Supervisadas la Sociedad de la Información 32

33 2.5. Minería de Datos Redes neuronales (artificiales) Funcionamiento de las RRNN supervisadas: fases Ventajas Diseño Entrenamiento Simulación o Ejecución Selección No requieren existencia de un modelo previo Obtención automática del conocimiento. Son robustas ante información errónea ó incompleta Se autoadaptan dinámicamente ante nuevos casos la Sociedad de la Información 33

34 3. UTILIDAD DE LA GC Y APLICACIONES A distintos ámbitos de negocio Facilitan y mejoran diferentes aspectos (estudios, predicciones, ) Aumentan eficiencia (ahorran tiempo y dinero) Ejemplos: CRM (Customer( Relationship Management) Webmining la Sociedad de la Información 34

35 4. HERRAMIENTAS Diversidad y especificidad de cometidos. Complejidad Alto coste: Económico De aprendizaje De puesta en marcha (desarrollo, adaptación, instalación, mantenimiento) De uso De tiempo Reto: simplificar y abaratar la Sociedad de la Información 35

36 CONCLUSIONES Distintos enfoques: elegir el más adecuado para cada caso, en función del objetivo deseado. Se pueden adoptar varios enfoques simultáneamente y combinarlos, pues son complementarios la Sociedad de la Información 36