MASTER STUDIJE Primenjeni menadžment informacionih sistema PREDAVANJE ** SISTEM ZA UPRAVLJANJE BAZAMA PODATAKA ** UPRAVLJANJE ZNANJEM Docent dr Vladimir Holodkov TIMS-‐Novi Sad 1 2 3 4 5 6 7 8 Prikaz četiri revolucionarna koraka koja su pružila mogućnost brzih i preciznih odgovora kakve danas zahteva savremeno poslovanje Izvor: Panian, Ž., Klepac, G.,: Poslovna inteligencija, MASMEDIA, Zagreb, 2003., str 78 Panian, Ž., Klepec, G., : Poslovna inteligencija, MASMEDIA, Zagreb, 2003., str. 78 DATA MINING (”rudarenje u podacima”) „ Sve je u podacima, samo treba naći “ 11 12 13 14 15 16 17 18 Podatak,informacija,znanje • Podaci čine skup poruka koje imaju točno određeno značenje, a predstavljaju ustvari opći naziv za skupine faktora sastavljenih od brojeva, znakova abecede ili simbola koji označuju neki uvjet, vrijednost ili stanje. • npr. ''Ivan'' – ime promatrane osobe – PODATAK 24 • Informacija je skup poruka i podataka koji primateljima služe za otklanjanje ili smanjenje neizvjesnosti i za poduzimanje određene akcije. Ona predstavlja rezultat obrade podataka i mora točno odgovarati činjeničnom stanju jer njezin sadržaj mora biti relevantan za donošenje odluka. • npr. ''Ivan je danas položio ispit'' – INFORMACIJA 25 • Znanje je uređen skup informacija iz nekog područja (opisuje stanje stvari prema znanstvenim ili iskustvenim kriterijima) • npr. ''Ako je Ivan položio ispit on se nalazi u 42% položenih ispita.'' - ZNANJE 26 Sistem za upravljanje bazama podataka (database management system, DBMS) je računarski program (ili češće, svita programa) namenjena rukovođenju bazom podataka, velikim skupom strukturiranim podataka, i izvršavanju operacija na podacima, koje zahtevaju mnogobrojni korisnici. 27 28 29 30 31 32 Šta je baza podataka? • Baza podataka je objekat koji sadrži tabele i druge objekte radi memorisanja i obrade podataka. • Baza podataka je organizovan skup podataka koje omogućavaju da se odgovarajućim proceduralnim jezikom dobijaju informacije. • Sistem za upravljanje bazama podataka (SUBP) mora da omogući: • izradu korisničkog interfejsa (obuhvat podataka – unos, izmena, brisanje, pregled-uvid, upit, izveštaj) (funkcija programera) • administriranje korisnika baze – lokalno (LAN, Intranet) i/ ili na daljinu (Internet) (funkcija administratora baze) • administriranje objekata baze podataka (funkcija administratora baze i programera) 33 Istorijski razvoj organizacije baze podataka • Mrežna struktura • Hijerarhijska struktura • Mrežno-hijerarhijska struktura • Relaciona struktura (danas dominira) • Objektno orijentisane baze podataka • Konceptualne baze podataka • Baze znanja 34 35 Arhitektura baze podataka sastoji se od tri razine apstrakcije i sučelja među njima: Fizička razina (odnosi se na fizički prikaz i raspored podataka na jedinicama vanjske memorije, raspored pohranjivanja opisuje kako se elementi logičke definicije baze preslikavaju na fizičke uređaje) Globalna logička razina (odnosi se na logičku strukturu cijele baze, zapis logičke definicije naziva se shema, a njome se imenuju i definiraju svi tipovi podataka i veze medu tim tipovima, u skladu s pravilima korištenog modela. Shema uvodi i ograničenja kojim se čuva integritet podataka) Lokalna logička razina (odnosi se na logičku predodžbu o dijelu baze kojeg koristi pojedina aplikacija, zapis jedne lokalne logičke definicije (naziva se pogled ili pod-shema) je tekst ili dijagram kojim se imenuju i definiraju svi lokalni tipovi podataka i veze medu tim tipovima, opet u skladu s pravilima korištenog modela) 36 37 38‚‚ 39 Model procesa definira kako se obrađuju, prikupljaju i distribuiraju podaci informacijskog sustava. Model procesa opisuje dinamiku podataka informacijskog sustava. On opisuje skup procesa, odnosno funkcija kojima se mijenjaju podaci informacijskog sustava. U implementiranom informacijskom sustavu modeli procesa se realiziraju kroz odgovarajuću programsku podršku (aplikacije). Trenutno najzastupljeniji model podataka je relacijski model koji će biti kasnije objašnjen. Model budućnosti je objektni model koji objedinjuje podatkovnu i procesnu strukturu te osigurava brže izvršavanje odgovarajućih operacija. Objekt, kao osnovni koncept objektno orijentiranih modela podataka, osim opisa podatkovne strukture, sadrži i opis načina rukovanja (metode posluživanja). 40 Tipovi objekata u bazi podataka • Tabele • Redovi • Kolone (Atributi) • Indeksi (jedinstveni-bez ponavljanja, složeni) • Obrasci (forme) • Pogledi • Procedure • Izveštaji 41 Trenutno najzastupljeniji model podataka, koji se koristi prilikom izgradnje baze podataka, je relacijski model. U stvarnim situacijama je teško direktno pogoditi relacijsku shemu. Modeliranje entiteta i veza (eng. Entity-Relationship Modelling, skraćeno E-R Modelling) je pomoćna faza prilikom stvaranja relacijske sheme. E-R shema je manja, precizna, konceptualna shema koja predstavlja apstrakciju realnog svijeta. Ta shema se dalje, više-manje automatski, pretvara u relacijsku. Modeliranje entiteta i veza zahtijeva da se svijet promatra preko tri kategorije: Entiteti Veze među entitetima Atributi entiteta Entitet je bilo što o čemu želimo prikupljati i pohranjivati informacije (npr. kuća, student, auto, itd.). S prikupljanjem i pohranjivanjem informacija o pojedinom entitetu možemo započeti, ako je poznat identifikator tog entiteta. Entitet, kao reprezentant realnog svijeta, posjeduje određene atribute koji ga opisuju (npr. entitet student ima svoj broj indeksa, ime, prezime, itd.). Skup svih vrijednosti koje atribut može poprimiti nazivamo domenom. Neki atributi jednoznačno određuju entitet u promatranom skupu, dakle ne postoje dva entiteta s posve istim vrijednostima tih atributa (npr. broj indeksa ne može biti jednak za dva entiteta student). Takve atribute nazivamo identifikatorima ili ključevima entiteta (u E-R shemi podvučeni atributi čine ključ entiteta). Ključ (identifikator) je jednostavan ako se sastoji od samo jednog atributa. Složeni ključ (identifikator) sadrži dva ili više atributa. Veze se uspostavljaju između dva ili više tipova entiteta (npr. veza upisao za tipove student i predmet). Veza je imenovana binarna ili k-narna relacija između primjeraka entiteta zadanih tipova. Veza između točno dva tipa entiteta je najjednostavnija. Funkcionalnost te veze može biti: Jedan-napram-jedan (1: 1)- jedan primjerak prvog tipa entiteta može biti u vezi s najviše jednim primjerkom drugog tipa entiteta, te također jedan primjerak drugog tipa može biti u vezi s najviše jednim primjerkom prvog tipa (npr. veza je pročelnik između tipova entiteta nastavnik i zavod) Jedan-napram-mnogo (1: N)- jedan primjerak prvog tipa entiteta može biti u vezi s 0, 1 ili više primjeraka drugog tipa entiteta, ali jedan primjerak drugog tipa može biti u vezi s najviše jednim primjerkom prvog tipa (npr. veza predaje između tipova entiteta nastavnik i kolegij) Mnogo-napram-mnogo (M: N)- jedan primjerak prvog tipa entiteta može biti u vezi s 0, 1 ili više primjeraka drugog tipa entiteta, te također jedan primjerak drugog tipa može biti u vezi s 0, 1 ili više primjeraka prvog tipa (npr. veza upisao između tipova entiteta student i kolegij) Veza može imati i svoje atribute koje ne možemo pripisati ni jednom od tipova entiteta (npr. veza upisao može imati atribut datum upisa). Ako svaki primjerak entiteta nekog tipa mora sudjelovati u zadanoj vezi, tada kažemo da tip entiteta ima obavezno članstvo u toj vezi. Inače tip entiteta ima neobavezno članstvo. Obično se ER-shema nacrta kao dijagram u kojem pravokutnici predstavljaju tipove entiteta, a rombovi veze. Veze su povezane bridovima s odgovarajućim tipovima entiteta. Imena tipova entiteta i veza, te funkcionalnost veza, uneseni su u dijagram. Posebno se prilaže lista atributa za svaki entitet odnosno vezu. 42 Tabele • Fizička implementacija relacionog modela podataka je zasnovana na pojmu tabela. Svaka tabela se sastoji od odgovarajućeg broja kolona (u Accessu se kolona naziva: polje – field a u MySQL - column). • Podaci smešteni u koloni moraju biti jednog tipa podataka kao što su znak (character), broj (number) ili datum (date). • Skup vrednosti svake kolone tabele naziva se slog (record) ili red (row) u tabeli. Različite tabele mogu imati različiti broj kolona. Ova osobina se koristi da se eksplicitno navede relacija između dve tabele. Vrednosti koje se pojavljuju u koloni A tabele X mogu se deliti od strane druge tabele Y. 43 44 45 Kolone Tabele INDEKS-1 Tabela klijenata KlijentID KlijentIme KlijentAdresa KlijentMesto KlijentDrzava KlijentPBR Number Character Character Character Character Character 1001 Petrović Kralja Milutina 123 Niš SCG 18000 1002 Janković Šekspirova 2 Novi Sad SCG 21000 1003 Poljovka Jevremova 1 Brus SCG 37220 1004 Osawa Shingo-Dojo 17 Tokyo Japan 00001 Strani ključ! Red INDEKS-2 Tabela računa KlijentID TransakcioniRačun TipKlijenta DatumUgovora Saldo Number Number Character Date Number 1001 9987 DinaCard3 10/12/1989 4000.00 1001 9980 Avista štednja 10/12/1989 2000.00 1002 8811 Avista štednja 01/05/1992 1000.00 1003 4422 VISAInternet 12/01/1994 6000.00 1003 4433 Oročena dinarska štednja 12 meseci 12/01/1994 9000.00 1004 3322 Oročena devizna štednja 3 meseca 08/22/1994 500.00 1004 1122 DinaCard debt 11/13/1988 800.00 46 Tabele KlijentID KlijentIme KlijentAdresa KlijentMesto KlijentDrzava KlijentPBR Number Character Character Character Character Character 1001 Petrović Kralja Milutina 123 Niš SCG 18000 1002 Janković Šekspirova 2 Novi Sad SCG 21000 1003 Poljovka Jevremova 1 Brus SCG 37220 1004 Osawa Shingo-Dojo 17 Tokyo Japan 00001 Relacija 1:M à strani ključ KlijentID TransakcioniRačun TipKlijenta DatumUgovora Saldo Number Number Character Date Number 1001 9987 DinaCard3 10/12/1989 4000.00 1001 9980 Avista štednja 10/12/1989 2000.00 1002 8811 Avista štednja 01/05/1992 1000.00 1003 4422 VISAInternet 12/01/1994 6000.00 1003 4433 Oročena dinarska štednja 12 meseci 12/01/1994 9000.00 1004 3322 Oročena devizna štednja 3 meseca 08/22/1994 500.00 1004 1122 DinaCard debt 11/13/1988 800.00 47 RELACIJA 1:M - Microsoft Access E-R dijagram 48 Pogledi (view, query, join) • Pogledi su generisane liste željenog podskupa podataka iz jedne i/ili više tabela. • Pogledi stvaraju pseudo-tabele koje se posle napuštanja (prekida) ne čuvaju u bazi podataka. • Pamti se samo struktura pogleda. Nema kolone KlijentID 49 VAŽNA NAPOMENA Dizajn logičke organizacije mora biti čist i okončan! Sve promene u dizajnu posle generisanja MS Access baze su veoma bolne – automatizma nema nego se manuelno sprovode izmene. (to jeste mana MS Accessa u praksi) 50 KREIRANJE TABELA MINI PROJEKTA Primer: Videoteka / DVDteka Tabela 1: tblKlijenti • KlijentID • Ime_i_Prezime • Adresa • Mesto • Telefon • LK • eMail • Datum_Reg • Status • Napomena Autonumber/Primary key Char / Required Char Char Char Char Lična karta, godina izdavanja, MUP Char Date Char(1) List values: 0-neuredan, 1-uredan, 2-intenzivan korisnik Memo Tabela 2: tblFilmovi • FilmID Autonumber/Primary key • Naziv Char(255) / Required • Zemlja_Proizvodnje Char List values ili poseban entitet • Zanr Char(2) List values: 00..99 ili poseban entitet • Reziser Char • Glumci Memo • Godina_Proizvodnje Number(4) • Trajanje Number(3) • Sadrzaj Memo 51 KREIRANJE TABELA MINI PROJEKTA Primer: Videoteka / DVD-teka Tabela 3: tblMedijumi • MedijumID Autonumber/Primary key • FilmID Number Foreign key! • Tip_Medijuma Char(10) List values: 0-CD; 1-VHS-120; 2-VHS240; 3-DVD • Izdavac Char • Izdata Yes/No Status izdavanja medijuma • Nabavljeno Date • Napomena Memo Tabela 4: tblIstorija • StavkaID • KlijentID • KasetaID • DatumUzimanja • DatumVracanja • RokVracanja • Placeno • Iznos • Komentar Autonumber/Primary key Number Foreign key Number Foreign key Date Date Date Yes/No Number(9,2) Memo 52 “Lista vrednosti” ili novi entitet? Tabela 1: tblKlijenti • KlijentID • Ime_i_Prezime • Adresa • Mesto • Telefon • LK • eMail • Datum_Reg • Status • Napomena Autonumber/Primary key Char / Required Char Char Char Char Char Date Char(1) List values: 0-neuredan, 1-uredan, 2-intenzivan korisnik LIST BOX à Values list Memo Tabela 3: tblMedijumi • MedijumID Autonumber/Primary key • FilmID Number • Tip_Medijuma Char(10) List values: 0-CD; 1-VHS-120; 2-VHS240; 3-VHS360; 4-DVD • Izdavac Char • Izdata Yes/No • Nabavljeno Date • Napomena Memo 53 “Lista vrednosti” ili novi entitet? Tabela 2: tblFilmovi • FilmID Autonumber/Primary key • Naziv Char(255) / Required • Zemlja_Proizvodnje Char(3) Poseban entitet:000..999 à COMBO BOX / SQL • Zanr Char(2) Poseban entitet: 00..99 • Reziser Char • Glumci Memo • Godina_Proizvodnje Number(4) • Trajanje Number(3) • Sadrzaj Memo Uvođenje novog entiteta izaziva promene u relacijskom dijagramu. To je rezultat lošeg dizajna informacionog sistema! 54 Redizajn logičke organizacije baze podataka • II normalizacija • Modifikacija tabele tblIstorijat: Default datumi • Neke opcije administracije bazom podataka 55 KREIRANJE TABELA MINI PROJEKTA Primer: Videoteka / DVDteka Tabela 2: tblFilmovi • FilmID Autonumber/Primary key • Naziv Char(255) / Required • ZemljaIDNUMBER POSEBAN ENTITET • ZanrID NUMBER POSEBAN ENTITET • Reziser Char • Glumci Memo • Godina_Proizvodnje Number(4) • Trajanje Number(3) • Sadrzaj Memo 56 Tabela 5: tblZanrovi • ZanrID Autonumber/Primary key • Naziv Char Tabela 6: tblZemlje • ZemljeID Autonumber/Primary key • Naziv Char 57 58 Šta radimo? Dizajn aplikacije: KREIRANJE TABELA: (entiteti, atributi, relacije, indeksi-ključevi) Polja, tipovi podataka, komentari, definisanje primarnog ključa tabele, lista vcrednosti (normalizacija) LOOKUP-ovi za strane ključeve u tabelama gde ih ima: RELACIJSKI DIJAGRAM • COMBO BOX à Ostali objekti baze: • Table/query à • Forme (obrasci za obuhvat • SQL SELECT podataka • Upiti à Izveštaji 59 ALATI -- Oracle -- My SQL -- Ingres -- IBM DB/2 -- Microsoft Access -- Microsoft SQL -- PostgreSQL -- SQLite -- Firebird -- Sybase -- FileMaker -- 60 BAZA PODATAKA U UGOSTITELJSTVU 61 62 63 64 65 66 67 68 69 70 71 LIDERSTVO I MENADŽMENT ZNANJA U FUNKCIJI KREIRANJA KONKURENTSKE PREDNOSTI 72 ‘’Informacije i znanje su termonuklearna konkurentska oružja našeg doba.’’ Tomas A. Stewart ‘’Jedina konkurentska prednost je sposobnost organizacije da uči i da se menja.’’ Michael Porter “Sposobnost organizacije da brže uči i da se brže menja od drugih je jedini izvor konkurentske prednosti.” Jack Welch 73 Menadžment znanja i liderstvo MENADŽMENT ZNANJA (Knowledge Management) LIDERSTVO LIDERI ZNANJA (Knowledge Leaders) 74 "7 Cs" liderstva znanja (Debra Amidon i Doug Macnamara) • • • • • Liderstvo znanja je pitanje konteksta (Context). Liderstvo znanja je pitanje kompetencije (Competence). Liderstvo znanja je pitanje kulture (Culture). Liderstvo znanja je pitanje zajednice (Communities). Liderstvo znanja je pitanje konverzacije i zajedničkog jezika (Conversations, Common Language). • Liderstvo znanja je pitanje komunikacija (Communications). • Liderstvo znanja je pitanje treninga (Coaching). 75 Uloga lidera znanja • 1. da transformišu svoje organizacije u organizacije zasnovane na znanju koje će koristiti znanje da bi postigle rezultate koji ne mogu biti dostignuti od strane konkurencije • 2. da vide neobične potencijale u običnim ljudima i da svoje odluke donose uz balans između idealizma i pragmatizma 76 CILJ ISTRAŽIVANJA ISTRAŽIVANJE U SRBIJI • Da li je liderstvo u preduzećima u Srbiji okrenuto ka znanju kao osnovi konkurentske prednosti savremene organizacije? • Da li u preduzećima u Srbiji postoji jasna vizija o tome kako se znanje može iskoristiti na najbolji način u tu svrhu? • Da li se u preduzećima u Srbiji neguje otvorena komunikacija i poverenje? • Da li se u preduzećima u Srbiji neguje kultura učenja i usavršavanja zaposlenih? • Da li se zaposleni na pravi način motivišu u tom pravcu? 77 Uzorak Naziv firme • • • • • • • • • • JP PTT saobraćaja "Srbija“ Srpske kablovske mreže – SBB EUNET Trizma Telekom Tranšped Comutel Algotech Microsoft Enelps UKUPNO: Br. ispitanika 72 14 11 11 8 6 5 2 1 1 131 % 55.0% 10.7% 8.4% 8.4% 6.1% 4.6% 3.8% 1.5% 0.8% 0.8% 100.0% 78 Faktori uticaja na menadžment znanja Organizaciona (korporativna) kultura 14% 30% Menadžment ljudskih resursa Liderstvo 22% Informacione tehnologije 13% 21% Kontrola poslovnih procesa 79 Rezultati istraživanja 54% Top menadžment kao glavnu imovinu organizacije vidi znanje 57% 55% U organizaciji postoji jasna vizija lidera 48% Lideri teže ka ličnom napretku i sticanju novih znanja zaposlenih 41% Lideri su postavili jasno definisane standarde motivacije zaposlenih 63% Lideri se trude da jasno nagrade inovaciju, kreativnost i deljenje znanja Lideri stimulišu inovaciju i učenje 80 Prema rezultatima istraživanja, lideri: – su okrenuti znanju kao osnovi konkurentske prednosti organizacije i imaju jasnu viziju o tome kako na pravi način iskoristiti znanje koje organizacija poseduje da bi se stvorila dodatna vrednost za organizaciju; – teže ka ličnom napretku i sticanju novih znanja zaposlenih i jasno stimulišu inovaciju i učenje; – postavljaju jasno definisane standarde motivacije zaposlenih i trude se da jasno nagrade inovaciju, kreativnost i deljenje znanja. 81 Zaključna razmatranja • Iako je istraživanje pokazalo da preko 90% ispitanika nema zvaničan program menadžmenta znanja ipak, što je ohrabrujuća činjenica, čak 80% ispitanika smatra da njihova organizacija vidi znanje kao strategijsku prednost, dok 67% ispitanika u svojim organizacijama prepoznaju neke elemente menadžmenta znanja • Iako svega 13% ispitanika u našem istraživanju smatra da je liderstvo najvažniji faktor za efektivnost programa menadžmenta znanja, ostali rezultati istraživanja pokazuju da zaposleni u svojim liderima vide pokretačku snagu i podršku za sve vrste promena, pa i za uvođenje programa menadžmenta znanja. 82 Perspektive i preporuke • Preduzimanje šireg i sveobuhvatnijeg istraživanja, na većem uzorku ispitanika u narednom periodu koje bi, s obzirom na veću spoznaju samog programa menadžmenta znanja protekom vremena, pružilo detaljnije podatke o njegovim implikacijama na preduzeća u Srbiji. • Preduzeća u Srbiji bi trebalo da se detaljnije upoznaju sa primerima i studijama slučaja kompanija koje su implementacijom programa menadžmenta znanja došle do mnogih benefita za svoju organizaciju. • Lideri znanja, ne samo kao učesnici, nego i pravi predstavnici koncepta menadžmenta znanja, svojim znanjem, samopouzdanjem i energijom treba da promovišu i naglašavaju značaj znanja i menadžmenta znanja za postizanje konkurentske prednosti organizacije. Otuda je potrebno sprovesti određene programe edukacije i obuke lidera u tom pravcu. 83 ! 84 85 86 87 • Menadžment znanja bavi se povezivanjem ljudi sa ljudima, i ljudi sa informacijama radi stvaranja kompetetivne prednosti. • Organizacije koje razviju pokretačku snagu know-how na sistematičan način će kreirati i održati kompetetivnu prednost, te će prevaziti tekuće i buduće zahteve. • Ključ snage znanja svake organizacije je uvid menadžera u stvaranje i korišćenje organizacijskog znanja. • Učenje i rast su podržani knowledge management aktivnostima i inicijativama. 88 • Inovacije koje dolaze od kreativnih zaposlenih predstavljaju izvor dugoročnog uspeha i kompetitivnosti. • Pravi ljudi treba da budu angažovani, propisno obučavani, a proces učenja treba da postane stalan i doživotan. • Da bi se formirala željena kadrovska struktura organizacije mora se voditi računa o delatnosti i veličini organizacije, poslovne politike organizacije… • Glavne smernice proizilaze iz organizacione strukture i sistematizacije poslova i radnih zadataka. 89 • Normativnim aktom je uglavnom regulisano sledeće: - Koji poslovi moraju da se obave da bi se ostvarili ciljevi organizacije, pri čemu se posao definiše odgovorom na pitanja šta, kako i ko? Pri tome se odredjuje samo vrsta i stepen kvalifikovanosti izvršioca posla. - Koje su veštine i sposobnosti potrebne za obavljanje poslova? - Koliko ljudi je potrebno za obavljanje poslova? 90 • U organizacijama se u aktu o sistematizaciji navode neophodni elementi za kvalifikacioni profil: naziv poslova i radnih zadataka, broj izvršilaca, stručna sprema, radno iskustvo… • U organizacijama se uglavnom vodi evidencija o kadrovima. • Medjutim, razvoj kadrova se vodi samo u delu napredovanja u struci i hijerarhiji, i to vezano za školovanje kadrova. • Napredovanje u struci shodno nekom individualnom znanju ili obuci i usavršavanju se uglavnom ne evidentira. 91 92 93 94 95 • 1991.godine poznati japanski teoretičar Ikujiro Nonaka napisao je da “u ekonomiji u kojoj je izvesna samo neizvesnost jedini siguran izvor trejne konkurentske prednosti je znanje”. • Nonaka pravi razliku između dva tipa znanja: 1. eksplicitno, kao formalno i sistematizovano koje se može lako prenositi i deliti 2. “nemo” (tacit), koje se sastoji od sume svih veština, tehnika, iskustava na bazi pokušaja i grašaka koje je neki pojedinac stekao u praksi. 96 Nonaka opisuje 4 osnovna procesa kreiranja znanja: • Od “ nemog” (tihog) ka “nemom”, • Od eksplicitnog ka esplicitnom, • Od “nemog” ka eksplicitnom, • Od eksplicitnom ka nemom. 97 Zašto se može reći da je znanje najvažniji preduzetnički resurs? • Nastanak znanje je složena procedura prikupljanja različitih činjenica i podataka o nekoj nedovoljno poznatoj pojavi, o njihovoj selekciji i analizi, o generisanju informacija i njihovoj transformaciji u znanje, koje može biti podloga za stvaranje novih ideja, vizija, dolaženje do novih rešenja. • § § § § § Uvek je potrebno voditi računa o sledeći pitanjima: koje su informacije potrebne (“know what”), znati kako informacije treba obraditi (“know how”), znati zašto su pojedine informacije potrebne(“know why”), znati gde se pojedine informacije mogu naći (“know where”), znati kada su pojedine informacije potrebne(“know when”). 98 Objasnite pojmove “eksplicitno” i “tacitno” znanje • Već smo jednu podelu znanja: ekplicitno i implicitno(nemo, “tacit”). • Postoje i druge podele: deklarativno znanjeznati nešto o nekome ili nečemu; relaciono znanje -znati ko ili šta, s kime ili čime; kondiciono znanje - kada nešto znati; proceduralno znanje – kako nešto znati. 99 Objasnite tipove znanja i njihovo širenje Tipovi znanja Šta se uči Kako se uči Kako se širi Mediji znanje širenja Meta znanje Znati “zašto” Refleksivno Komuniciranjem Knjige, baze, predavanja Eksplicitno znanje Znati “šta” Slušanjem, čitanjem Komuniciranjem Knjige, baze, predavanja Tacitno znanje Znati “kako” Korišćenje, činjenje Brainstorming, takmičenje Praktično iskustvo,učenje,obuka Skriveno znanje Znati “kako da saznajemo” Socijalizacija Preko ciljnih grupa Propitivanje, Stvaranje pretpostavki Znanje o odnosima Znati “ko je ko” Interakcija Partnerstvo Društvene institucije Timski rad 100 101 102 103 104 105 106 “Peta disciplina” Peter Senge 107 108 PETA DISCIPLINA • Veoma je važno da se pet disciplina razvija zajedno, iako ih je teško integrirati, no isplativost je velika. • Sistemsko razmišljanje je peta disciplina koja integrira sve ostale. • Da bi se realizirao potencijal sistematskog razmišljanja potrebne su i discipline gradnje zajedničke vizije mentalnih modela timskog učenja i osobnog usavršavanja. • Sistemsko učenje objašnjava nov način na koji pojedinci sagledavaju sebe i svoj svijet. 109 METANOJA – PROMJENA MIŠLJENJA • Metanoja znači promenu mišljenja • Učenjem proširujemo svoju sposobnost da stvaramo. • Temeljno značenje učeće organizacije -> organizacija koja neprestano povećava svoju sposobnost stvaranja svoje budućnosti. 110 Za procenu nivoa organizacijske sposobnosti (ili nesposobnosti) za učenje, koristi se „sedam identifikatora nesposobnosti učenja“:" " Moj položaj – to sam ja. Raditi svoj posao je jedina odgovornost i nema potrebe voditi brigu zašto je netko drugi nešto „zaribao“. Ne razmišljati o široj svrsi onoga što radimo, u današnje vrijeme je pogubno i brzo dovodi do negativnih posljedica. Mišljenje da je naš neprijatelj negdje vani je cesto, i na žalost, uglavnom netocno. Kada se pod „proaktivnošcu“ samo maskira reakcija, sakrije neodlucnost i time stvori iluzija preuzimanja odgovornosti, tada dogadjaji sve intenzivnije upravljaju nama a ne mi njima. Ako se fokusiramo samo na dogadjaje, najbolje što ce nam se desiti je da predvidimo neki doga(aj, ali na taj nacin necemo nauciti stvarati. Hitno nije uvijek i bitno. Veliki i bitni procesi se odvijaju polako, postupno i tek se mogu vidjeti usporava njem groznicavnog ritma i posvecivanju najvecim prijetnjama. Privid ucenja iz iskustva. Iako je ucenje iz iskustva najbolje, rijetko možemo izravno procijeniti posljedice najvažnijih odluka koje djeluju i osjecaju se tek godinama kasnije. Mit o timu pri kojem se sumnje, zbog razvijene društvenosti i solidarnosti, obicno „guraju pod tepih“ i ne izricu javno. Takav tim dobro funkcionira na rutinskim za da cima, ali pri suceljavanju s kompleksnim problemima, timske znacajke obicno nestaju a time i dobri rezultati izostaju. 111 112 KLASIFIKACIJA ORGANIZACIONIH PROMENA PREMA CILJU (UZROKU) KRITERIJUM SVRHA PROMENA CILJ PROMENA IZVOR PROMENA ORGANIZACIONA ADAPTACIJA (EKSTERNI MOTOR) ORGANIZACIONI RAZVOJ (INTERNI MOTOR) Prilagodjavanje okruženju Razvoj (inoviranje) kompetencija Poboljšanje performansi Razvoj kompetencija Okruženje MOTOR PROMENA Eksterni: promene u okruženju ULOGA I DISKRECIJA MENADŽMENTA Pasivna, mala diskrecija Organizacija, menadžment Interni: kreativnost, postignuće Aktivna, velika diskrecija 113 KLASIFIKACIJA ORGANIZACIONIH PROMENA PREMA SADRŽAJU • Statičke komponente organizacionog ponašanja – Organizaciona kultura – Struktura moći – Neformalne grupe • Dinamičke komponente organizacionog ponašanja – Motivacija – Vodjstvo – Učenje – Konflikti – Politički procesi – Komunikacija 114 KLASIFIKACIJA ORGANIZACIONIH PROMENA PREMA SADRŽAJU FORMALNE, TVRDE (HARD) KOMPONENTE STATIČKE VARIJABLE: SISTEMI I STRUKTURE DIZAJN: Organizaciona struktura, sistemi DINAMIČKE VARIJABLE: PROCESI POSLOVNI PROCESI NEFORMALNE, MEKE (SOFT) KOMPONENTE: PONAŠANJE: Kultura, neformalne grupe, struktura moći,grupni procesi, vodjstvo, konflikti, politički procesi, komunikacija 115 TEORIJE ORGANIZACIONIH PROMENA 1. Organizacioni razvoj (Organizational Development) 2. Strateške promene organizacije ili organizaciona transformacija 3. Institucionalna teorija 4. Propadanje (Decline), smanjivanje (Downsizing), zaokret (Turnaround) organizacije 5. Životni ciklus organizacije (Organizational Life Cycles) 6. Teorija kontinuelnih promena organizacije 7. Teorija populacione ekologije (Population Ecology) 8. Upravljanje ukupnim kvalitetom (Total Quality Management – TQM) 9. Reinžinjering poslovnih procesa (Business Process Reengineering – BPR) 116 Organizacija koja uči 117 Strategijska kontrola - Organizaciono učenje • Strategijska kontrola: specifičan oblik kontrole usmjeren na kontinuirani proces sagledavanja da li je oblikovana poslovna strategija optimalna, • Organizaciono učenje je organizacijska sposobnost da kontinuirano optimizira oblikovanu poslovnu strategiju. To je proces unaprijeđenja sposobnosti zaposlenih da razumiju korporacijski kontekst i da promišljaju kreativno i inovativno, • Koncept učeće organizacije. Back 118 119 120 121 122 123 124 125 126 Polanji je znanje podelio na eksplicitno (obuhvata prerađene informacije - podatke, procedure, planove i politiku), tacit znanje (nemo, prećutno, ne izražava se rečima, rezultat je učenja – iskustva, vaspitanja, inspiracije, emocije, motivacije), menadžment znanje (povećava ukupnu konkurentnost organizacije na tržištu i poboljšava njene performanse). 127 128 Zašto Istraživanje podataka • U poslovnim primenama – Velika količina podataka za obradu – Rast količine podatka – Snažniji računari – Očekivanje: dobijanje kvalitetnijih informacija – Kvalitetnije informacije – prednost u odnosu na konkurenciju 129 Zašto Istraživanje podataka • U medicini, inženjerstvu i nauci – Stalno se prikuplja se velika količina podataka – Naučne simulacije generišu terabajte podataka – Zbog količine i prostorno-vremenske prirode podataka tradicionalne metode za analizu nisu pogodne za upotrebu 130 Zašto Istraživanje podataka • Često postoje “sakrivene” informacije koje nisu odmah (lako) uočljive • Analitičari mogu da izgube nedelje ili mesece dok ne uoče pravilnost • Tradicionalne metode - veliki deo podataka nikada i ne stiže do analize, pogotovu ako su u pitanju “ravni podaci” 131 Šta je Istraživanje podataka • Najčešća definicija: pronalaženje skrivenih informacija u bazi podataka • Netrivijalno izdvajanje implicitnih, prethodno nepoznatih i potencijalno korisnih informacija iz baza podataka • Alternativni nazivi – istraživačka analiza podataka – podacima vođeno otkrivanje – deduktivno učenje 132 Šta je Istraživanje podataka • Istraživanje podataka je integralni deo otkrivanja znanja u bazama podataka (eng. Knowledge Discovery in Databases, KDD), što je naziv za celokupan proces pretvaranja ravnih podataka u korisne informacije. 133 Algoritmi Istraživanja podataka • • • • • IP je algoritamski zasnovan Različiti algoritmi Svaki algoritam pokušava da ukalupi podatke u neki model Bira se model koji je najbliži karakteristikama podataka Karakteristike algoritma: – model – davanje prednosti nekom kriterijumu radi izbora najboljeg modela – tehnika za pretraživanje podataka 134 Odnos Baza podataka prema IP-u • Upiti – dobro definisani – SQL • Podaci – operativni podaci • Izlaz – precizno definisan – podskup baze podataka • Upiti – slabo definisani – bez preciznog upitnog jezika (standard!) • Podaci – nisu operativni • Izlaz – rasplinut (eng. fuzzy) – nije podskup baze 135 Otkrivanje anomalija • Otkrivanje značajnih odstupanja od normalnog ponašanja • Primena: – Otkrivanje prevara pomoću kreditnih kartica – Otkrivanje upada u računarsku mrežu – ... 136 Otkrivanje znanja u bazama podataka • Otkrivanje znanja u bazama podataka (eng. Knowledge Discovery in Databases, KDD) je proces nalaženja korisnih informacija i obrazaca u podacima • IP predstavlja korišćenje algoritama za izdvajanje informacija i obrazaca izvedenih u KDD procesu 137 Proces otkrivanje znanja u bazama podataka • Izdvajanje – dobijanje podataka iz različitih izvora • Preprocesiranje – čišćenje podataka • Transformacija – konverzija u potreban format i transformacija u nov format • IP – dobijanje željenih rezultata • Interpretacija/evaluacija – prikaz rezultata na način razumljiv za korisnika 138 Izazovi u procesu IP-a • • • • • • • • • Interakcija sa čovekom (preko interfejsa) Ukalupljivanje (u model) Elementi van granica modela (eng. outliers) Interpretacija rezultata Vizuelizacija rezultata Skalabilnost (na velike datoteke) Dimenzionalnost (veliki broj atributa) Složeni i heterogeni podaci (npr. multimedija,...) Kvalitet podataka (nedostajući i irelevantni podaci) 139
© Copyright 2024 Paperzz
