MENADŽMENT ZNANJA Menadžmenta znanja u primjeni Potrebna znanja u poslovnoj organizaciji?
Osnove bilježenja znanja u poslovnoj organizaciji?
Spektar znanja u poslovnoj organizaciji Znanja u poslovnoj organizaciji djele se na: -zajednička znanja u svim organizacijama -specifična znanja Landscape znanja proizvodne poslovne organizacije:
Menadžment Upravljanje kvalitetom Čišćenje i zbrinjavanje otpada
Financije Razvoj ICT i informiranje
Ekonomska znanja Tehničko-tehnološka znanja ICT znanja
Računovodstvo
Tehnička priprema
Ekologija i zaštita okoliša
Marekting
Sigurnosna znanja Nabava
Proizvodnja
Veleprodaja
Znanja iz psihologij
Maloprodaja
Pravna znanja Servis proizvoda
Sigurnost i tehnička zaštia
Održavanje
Upravni i opći poslovi
Ljudski resursi Osnosi s javnosti
Logistička znanja
Zaštita na radu
Znanje odgovara na pitanje „Kako“ -npr. U restoranu „kako“ skuhati fiš? -znanje čine algoritmi (upute) za rješavanje određenih zadataka -npr.
Sustav = segment realnog scijeta Model = analogija sa segmentnom realnog svijeta
Recept za baranjski fiš
Pojam model - od latinske riječi modellus tj. modulus - mjera, standard, te od latinske riječi modus - način, mjera - velik brojoj značenja - značenje određuje kontekst
2 kg ribe (najbolje 70-80% šaran (1,7 kg šarana) + 2 odreska soma + 1 odrezak štuke) 2 veće glavice luka (na kilogram 1 glavica) 6 žlica baranjske mljevene paprike (3 žlice na kg ribe) 1-2 žlice soli 1,5 dcl paradajza (ako je paradajz rijedak može i 2,5-3 dcl) => 0,5 l pasirana rajčica Podravka
Arhiva
U kotlić se (najbolje s ovalnim dnom jer ravnomjerno kuha) staviti mljeven ili narezan luk, zatim položi ploštimice riba. Riba se prekrije s hladim vodom toliko kada se položi ruka na ribu da voda bude do pregiba dlana (cca 3-4 prsta vode iznad ribe). U vodu se odmah stavi sol i paradajz. Kada zakuha stavi se paprika. Kuha se 35 minuta na jakoj vatri ili 45 na slaboj.
Piramida znanja s obzirom na broj radnika i potrebit obujam znanja: Obujam potrebnih znanja
Menadžment
Znanstvena i stručna znanja
https://www.projectsmart.co.uk/so-youwant-to-be-a-project-manager.php
Administracija https://www.linkedin.com/pulse/most-valuedperson-office-administrative-assistant-eburn
Strukovna znanja
Radnici https://www.fortunebuilders.com/hire-right-contractor-rehab/
Vrste potrebnih znanja:
Upravljački Podsustav (Menadžment)
https://www.projectsmart.co.uk/so-youwant-to-be-a-project-manager.php
Modeli s obzirom na odnos prema budućnosti: -opis strukture i/ili načina ponašanja nekog elementa, podsustava ili sustava orjentiran prošlosti -plan strukture i/ili načina ponašanja nekog elementa, podsustava ili sustava orjentiran na budućnost -obrazac (pattern) - univerzalan s obzirom na prošlost i budučnost Modeliranje - jedan od osnovnih procesa u ljudskom umu - induktivan proces kojim se temeljem pojedinačnog dolazi do općeg - proces prevođenja realnog svjeta u model Faze modeliranja: -uočavanje i apstrahiranje strukture i ponašanja segmenta realnog svjeta (element, podsustav, sustav) -klasifikacija i formalizacija segmenta realnog svjeta u model -deduktivno testiranje modela -interpretacija i upotreba modela za opisivanje, prognoziranje ili uspostavu načina razmišljanja
Ako je potrebno po ukusu može se dodati soli i paradajza prema ukusu. Pravi se ukus osjeti tek 5 minuta prije kraja kuhanja. Ako je preslano ubaciti oguljeni krumpir ili dva da pokupe sol. Ako je ljuto može se staviti malo vrhnja da ublaži ljutinu. Nakon toga kuha se još 5-10 minuta. Jeli fiš gotov provjeri se vilicom tako da se vidi jeli riba mekana i odvaja li se riba od kosti.
Logistika
Broj uposlenih
Model nastaje kao rezultar uopćavanja segmenta realnog svjeta - sustava
Rezime: model je apstraktna reprezentacija znanja
Izvor: Andrea Krištof
-napisani recept je deskriptivni (prikazni) model (tehnološkog) znanja: -modeli (prikazivanja ili predstavljanja) znanja osim što sadrže znanje sadrže i informacije (informacije u sustavu vs. informacije u modelu) npr.: Informacijska razina (informacije u sustavu): Tko: - kuhar Pero Perić, Što: - fiš, Kada: - ručak - za 13h, Gdje: - restoran ‘Debeli šaran’ Razina znanja (informacije u modelu): Kako – prema receptu (recept se sastoji od povezanih informacija): Strukturne informacije: - što i koliko: 2 kg ribe, 2 glavice luka …. Procesnih informacija: - kada, što i koliko: kuhati 25 minuta
Pojavni oblici modela: -deskriptivni -grafički -simbolički -fizički Modeli prema načinu iskazivanja: -mentalni -verbalni -fizički (npr. makete) -matematički -analogni -strukturni (konceptualni) -računalni -simulacijki Prema razini uopćenosti modeli mogu biti: -konceptualni (uopćeni) -aplikatativni (primjenjivi) Prema pojavnom obliku: -materijalni (makete) -simbolički - teorijski (matematički, računalni, konceptualni)
Znanja vezana za odlučivanje
S obzirom na formu: -neformalni - nepotpuni i neprecizni modeli -formalni (znanstveni) - model koji je definiran u skladu s konvecijama i pravilima, a generalno i nedvosmisleno prikazuje segment realnog svijeta
https://www.workforce.com/2017/05/19/process-matters-hr-decision-making/
Uslužni podsustav (Administracija) https://www.linkedin.com/pulse/most-valuedperson-office-administrative-assistant-eburn
Izvršni podsustav (Radnici)
Znanja vezana za obavljanje poslovnih operacija http://www.essentialrecruitment.co.uk/vacancies/wo-machine-operator-worksop/
-modeli prikaza tehnoloških znanja - nastaju deskriptivnim povezivanjem strukturnih i procesnih informacija - česti u praksi - definiraju tehnološke (produkcijske) procese
Formalan model sadrži: -odabrane objekte realnog svijeta (tko, što) -opis promjena (događaja) koji djeluju na objekte realnog svijeta, odnosno opis stanja u kojima se objekt nalazi u određenim vremenskim trenucija (kada i gdje) -pravila interakcije objekata - definicije međudjelovanja objekata koje izazivaju promjene stanja objekata (kako)
https://www.fortunebuilders.com/hire-right-contractor-rehab/
Razine tacit znanja u organizaciji: -razina potrebnih znanja za radno mjesto (operacijska znanja) -razina potrebnih znanja radne jedinice (procesna znanja) -razina potrebnih znanja organizacije (upravljačka znanja)
Modeli prikazivanja znanja mogu biti: Nestrukturirani (npr. narativni modeli) Polu strukturirani (npr. recept, zakon, skica) Strogo strukturirani (npr. baza znanja, matematički model odlučivanja)
Anomalije modeliranja (formalni vs. neformalni model): -nekompletan opis modela - nisu uzete u obzir sve situacije u kojima se objet može naći -nekonzistentan opis modela - ista stanja opisana na različite načine - različita pravila za iste događaje -nejasan opis modela - ako model veže više aktivnosti, nedefiniran redosljed aktivnosti
Modeli prikazivanja znanja s obzirom na različita područj ljudskog djelovanja: -modeli znanja potrebnih za radno mjesto – upute, -tehnološka znanja – recepti, -pravna znanja – zakoni, pravilnici, odluke, -tehnička znanja – skice, sheme, projekti, -menadžerska znanja – modeli informiranja, modeli odlučivanja -itd.
Modeli omogućavaju misaono i fizičko eksperimentiranje (znanstveni značaj modlea)
Moldeli prikazivanja znanja govore o načinu transformacije ulaza u izlaz: y=f(x) https://www.suasnews.com/2016/06/part-107-pre-flight-checklist/
http://www.babaimage.com/image/sample-4-business-workflow-diagram
Temeljne funkcije znanja u organizaciji: -osigurati opstanak organizacije Iz toga proizlazi između ostalog i: -osigurati racionalno odlučivanje i rukovođenje organizacijom -osigurava redovito izvršavanje radnih zadataka -omogućava povećavanje produktivnosti rada -osigurava uvođenje nove radne snage u poslovni proces -osigurati da prava osoba dođe na pravo mjesto -minimizirati konfliktne situacije u organizaciji -potaknuti kreativnost i inovativnost -omogućiti timski rad -zaštititi organizaciju od negativnih utjecaja (poslovna inteligencija) -osogurati eksternalizaciju i upravljanje znanjem Načini organizacije eksternaliziranog znanja: -decentalizirano (po mjestu ‘znanja’) -centralizirano (jedinstveni digitalni repozitorij znanja) Načini bilježenja znanja: -nestrukturirani oblici bilježenja znanja -polustrukturirani oblici bilježenja znanja -strukturirani oblici bilježenja znanja Nositelji znanja: -podaci -metapodaci Razine organizacije znanja: -organizacija znanja na nositeljima znanja (predložak) -organizacija nositelja znanja (bibliotečne evidencije, katalozi informacija Znanje za odlučivanje:
http://www.link-university.com/lekcija/Elementi-dono%C5%A1enja-odluka/3325
Modeli prikazivanja mogu biti orijentirani na: -prikazivanje strukture (strukturni modeli) -prikazivanje procesa (procesni modeli)
Dokumenti kao nositelji znananja (poslovno-upravni) -lat. documentum – pisani dokaz, isprava, dokazno sredstvo, vjerodostojan podatak -postojani medij + podaci zabilježeni na njemu -zapisani realni sadržaj namijenjen: -komuniciranju i informiranju -čuvanju znanja -s obzirom na nositelja: -fizički (list papira) i -virtualni (datoteka) -načini nastajanja dokumenta: -pisanjem (generiranjem) -snimanjem (capturiranjem) -fokus i interes administracije
2.3.
1
1000
Povrat pozajmice
1000,00
Razine bilježenja znanja u modelu prikaza znanja: -organizacijska razina (koncepti /predlošci /tempejti) -sadržajna razina (logička razina – razina) -fizička razina (zapis na nositelju - slova i papir) Organizacijska razina bilježenja znanja u prikazu znanja definira razinu strukturiranosti modela prikaza znanja. Nestrukturirano zapisivanje znanja: -potpuno nestrukturirano zapisivanje znanja gotovo da i ne postoji -svaki oblik zapisa ima svoju strukturu (pisama, eseji, rasprave, članci, dopisi, zakoni) Polu strukturirano zapisivanje znanje -koriste se uobičajeni predlošci za strukturiranje znanja na razini nositelja znanja -tip predloška obično ovisi o područjima ljudskog djelovanja (svaka struka koristi svoje predloške) Strukturiano zapisivanje znanja -koriste se čvrste forme u kojima je uspostavljena čvrsta veza između podatka i meta podatka (znanja i metaznanja) -uobičajeno visok udio simboličkog izražavanja na uštrb deskriptivnog (narativnog) (npr. matematičke formule, tehnički crteži, programski kod) Pojam Modela prikaza znanja: -svaki je model analogija između originala i modela kojim je original prikazan -analogija podrazumijeva jednakost struktura, odnosno simetričnost (ako je A model o B, onda je i B model o A) -u modelima prikaza znanja original je u pravilu realna svijet, a modelom su prikazani elementi realnog svijeta (zgrada - tehnički crtež zgrade) -realan svijet - složen neformalan skup materijalnih i nematerijalnih, realnih i apstraktnih objekata koji se nalazi u neprestanoj promjeni koju tvore predvidivi, djelomično predvidivi i nepredvidivi procesi -čovjekova je iskonska težnja objasniti i opisati realan svijet. -rezultat te težnje je nastanak: -iracionalih pogleda na realan svijet - mitova, legende i religije -racionalnih pogleda na realan svijet - znanja i znanosti (Jesu li teologija i folozofija znanost?) -modeli prikaza znanja - raconalni pogled na svijet - nastaju kao posljedica djelovanja znanosti i struke - predstavlaju izomorfne analogije sa sustavima iz realnog svijeta
Tipologija predložaka (organizacija (strukturiranje) znanja u modelima prikaza znanja): 1.Znanstveno i stručno strukturiranje znanja Primarne publikacije: - rezultati neposrednih istraživanja - tehnički izvještaji, referati, disertacije, magistarski radovi, razni članci, literaturna djela, fotografije, muzička djela, muzejski predmeti, autobiografije, govori, intervjui, pisma, službene statistike, službeni dokumenti, izvorne vijesti i dr. Sekundarne publikacije: - sažeti opisi, pregledi te skraćene radova objavljenih u primarnim publikacijama - referativni časopisi, specijalizirane bibliografije, enciklopedije, kartoteka, pregledi, razne vrste kompilacija i rekapitulacija te bibliografski registri Tercijalne publikacije: - kazala i vodiči do sekundarnih i primarnih publikacija - bave se organizacijom izvora znanja - indeksna kazala , bibliografije o bibliografijama, adresari, leksikoni, katalozi Znanstvene vs. stručne publikacije: Znanstvene publikacije (znanstveni članci, znanstvena monografija) Stručne publikacije (Udžbenici, priručnici, članci, eseji, rasprave, Uobičajni pregložak (struktura) znasntvenog/stručnog rada: a)Uvod b)Metodologija istraživanja c)Rezultati istraživanja d)Zaključak e)Literatura 2.Ekonomsko strukturiranje znanja Tablični prikazi (dokumenti, isprave) Dijagramski prikazi (elemenata strukture i hodogrami) Deskriptivni (upute, priručnici, stručni članci) 3.Pravno strukturiranje znanja Zakoni, pravilnici, odluke 4.Tehničko strukturiranje znanja Skice i nacrti 5.Informacijsko strukturiranje znanja Grafičkim jezicima (UML, Chenovi dijagrami) Deskriptivnim formalnim jezicima (C programki jezik, SQL) Jezici za strukturiranje znanja: -deskriptivni (narativni) -stručni izrazi kombinirani s govornim jezikom -stručne izraze čine: Deskriptivni opisi značenja strukture i/ili događaja -riječi starih jezika (starogrčki, latinski) -riječi stranih jezika -idiomi (Riječ, izraz, svojstven nekom narječju, govoru) -akronimi (ROM; RAM, CRM) -grafički (slike, skice, sheme, crteži, dijagrami)
Dokumentiranje – proces kreiranja dokumenta Podjela dokumenta -s obzirom na izvornost: -izvornik (original) i -kopija (preslika) -s obzirom na sadržaj: -skice (eng. draft) i -dokaze (eng. proof) Izgled ekonomskih dokumenata u poslovnoj praksi (poslovnim organizacijama) -definiran kao polustrukturirani obrazac -zbog učinaka koje producira po Zakonu o obveznim odnosima prati formu pravnih dokumenata (TKO-PREDMET-KOME-SADRŽAJ-OVJERA) -najčešća mjesta primjene i pojavni oblici: Poslovanje i knjigovodstvo: - (pred)računi, narudžbenice, ponude, ugovori, … Poslovno pravo i politika: - pozivi, certifikati, licence, pravlinici, odluke, … Odnosi s izvršnom vlasti i javnom administracijom: - formulari, tiskanice, nalozi, … Odnosi s medijma, marketing: - sažetci, članci, oglasi, plakati, časopisi, virtualne novine, blogovi, drupštvene mreže, …. Načelni tipovi organizacije sadržaja dokumentacije s obzirom na područje upotrebe u poslovnoj organizaciji: -poslovno-pravna dokumentacija -tehničko-tehnološka dokumentacija Poslovno-pravna dokumentacija: Predstavlja strukturni i poslovni model neke poslovne organizacijeTemeljni zadaci poslovno-pravne dokumentacije: -bilježenje poslovnih procesa Poslovnom dokumentacijom se bilježi: poslovna struktura + događaji koji utječu na promjene poslovne strukture, odnosno poslovne procese Poslovna dokumentacija omogućava: bilježenje podataka o materijalnim i energetskim kretanjima u organizaciji i okruženju Uobičajeni naziv za poslovne dokumente kojima se bilježe poslovni procesi: poslovne isprave -bilježenie interakcija poslovnog subjekta s okruženjem -osiguranje funkcioniranja poslovnog sustava kroz proces informiranja (tko, što, gdje, kada i kako) -kreiranje (pravnih i organizacijskih) okvira za započinjanje i održćavanje poslovnih procesa -čuvanje, zaštitu i prenošenje znanja unutar poslovne organizacije -omogućavanje racionalnog odlučivanja (temeljenog na informacijama i znanju) -upravljanje (kreiranje, čuvanje, arhiviranje, kopiranje i distribuiranje) poslovnopravnom dokumentacijom Razine sadržaja dokumenta: podaci (informacije i znanje) + metapodaci ((meta)znanje) Metapodaci definiraju predložak poslovno-pravne dokumentacije Zapisivanje podataka (nositelja informacija i znanja) na dokumentaciji: -zapis na bijelom papiru (forma - predložak je mentalni model) -zapis na iskanom (računalnom) obrascu (forma - predložak - fizički prisutni) Bitni sastojci (elementi forme - obrasca) poslovnih isprava: -naziv i adresa izdavatelja -naziv isprave -datum izdavanja isprave -imena osoba koje sudjeluju u izvršavanju poslovne promjene -sadržaj poslovne promjene -osnova za njeno izvršenje (ugovor, narudžba…) -količina i vrijednost izražena u nacionalnoj valuti -potpisi ovlaštenih osoba -ostali podaci
Poslovne isprave prate proces poslovne reprodukcije: Hodogram poslovnih isprava
MENADŽMENT ZNANJA Menadžmenta znanja u primjeni Tehničko-tehnološka dokumentacija -tehnika (grč. τέχνη, umijeće, vještina) - skup je svih oruđa i znanja u funkciji proizvodnje kojom se djeluje na prirodu radi prilagodbe prirodnih resursa potrebama potrošača (https://hr.wikipedia.org/wiki/Tehnika#Postupci) -tehnologija - postupci, znanja i vještine kojima se pomoću tehničkih objekata (oruđa za proizvodnju) provodi proces proizvodnje
Dokumentacija koja prati put nastanka tehničkog objekta:
Područja djelovanja tehnike: -građevinarstvo -ektrotehnika, elektronika i informacijska tehnologija -strojarstvo -kemijsko inženjerstvo -prehrambeno inženjersrvo -materijali i metalurgija -medicinsko inženjerstvo -geološko inženjerstvo -biotehnologija okoliša -industrijska biotehnologija (biomaterijali, biogoriva, ...) -nanotehnologija -ostalo Tehnička znanja: -znanja o tehničkim objektima -obični se radi o konceptualnim znanjima (struktura sustava: elementi sustava i veze među elementima) Tehnički objekti -kultivirani teritorij -kultivirani akvatorij (melioracije, hidro-sistemi, luke i dr.) -stvari i materije (građevine, strojevi, infrastruktura, instalacije, alati, sirovine, materijali i dr.) Tehnologija -točno određen proces, redoslijed po kojem se izrađuje pod određenim uvjetima dio (sklop, proizvod) iz osnovnog materijala(dijelovi, sklopovi) sa određenim alatima, napravama na određenim strojevima (radnim mjestima) u određenom vremenu https://www.fsb.unizg.hr/usb_frontend/files/1359365425-0tehnolokapripremaproizvodnje_5_6_2012_2013.pdf
Tehnološki postupci -rutinski i standardizirani postupci (građenja,izrade, prerade, uzgoja, reciklaže i dr.) Standardizirani tehnološki postupci -formalno definirani i provjereni, stoga pouzdani postupci koji osiguravaju pretpostavljeni minimalni kvalitet i ujednačenost postupaka te sigurnu njihovu primjenu Tehnološka znanja -znanja koja se odnose na postupke i vještine praktične upotrebu tehničkih ovbjekata -obično se radi o procesnim znanjima Nastanak i formiranje tehnoloških znanja: -fundamentalna istraživanja -primijenjena istraživanja -razvojna istraživanja -razvoj proizvoda Smisao znanja u tehnologiji -znati: tko, što, kada i kako -racionalizirati tehnološke procese (ekonomičnost i rentabilnost) Kako se postiže ekonomičnost i rentabilnost? -proizvodnja zadovoljavajuće kvalitete proizvoda uz što je moguće manje inpute i u što kraćem vemenu proizvesti što kvalitetnije proizvode Racionalizacija tehnološkog procesa - ostavruje se kroz: -tehnologičnost proizvoda (konstrukcija proizvoda koja osigurava optimalan odnos između uloženih resursa i postignute kvalitete proizvoda uz raspoložive tehničke resurse) -normizaciju (standardizaciju) -tipizaciju -dobru organizaciju proizvodnje i potpornih aktivnosti -dobru organizaciju poslovanja -tehnološku inovativnost - svaki zahvat kojim se: a)smanjuju: -troškovi proizvodnje i administracije -vrijeme tehnološkog procesa -škart b)povećava: -produktivnost -iskorištenost tehničkih objekata -kvaliteta proizvoda ili usluga -sigurnost -plasman - razine: - koristan prijedlog - tehničko-tehnološko unapređenje - tehničko-tehnološka inovacija - izum Tehničko-tehnološka znanja: -najvrijedniji kapital poslovnog subjekta -predstavlaju intelektualno vlasništvo poslovnog subjekta Intelektualno vlasništvo: -posebna tehničko tehnološka znanja (najčešće na razini izuma) nad kojima temeljem pozitivnih zakonskih propisa poslovni subjekt (ili pojedinac) ima monopol Kategorije intelektualnog vlasništva: -izum - tehnološka inovacija koju se može štititi patentom -dizajn (npr. industrijski) -žig: - prepoznatljiv element za označavanje proizvoda ili usluga - oblici: -verbalni žig (riječ ili kombinacija riječi, slogan) i -figurativni žig (logotip, šara ili grafički oblikovani znak) -autorstvo: - originalno, duhovno (intelektualno) ostvarenje iz književnog, umjetničkog i znanstvenog područja, koje ima individualni karakter i koje je na neki način izraženo
Projektiranje: 1. idejno rješenje - u više varijanti prikaz potreba i želja 2. idejni projekt - optimalno razrađeno idejno rješenje u vidu tehničko-ekonomskog rješenja - razrađuju se: a) materijalni elementi Elektroenergetski tokovi: -energetska bilanca -definiranje i kategorizacija potrošača -izvori i načini napajanja -makro i mikro lokacije -približni proračun instalacija -približni broj razvoda, polja sklopova -potrošnja električne energije -osnovne dimenzije Informacijski tokovi: -načini i razine upravljanja -organizacijska struktura upravljačkog sustava prema tehnološkim tokovima: :broj signala (digitalnih, analognih, mjernih i regulacijskih) i njihovu povezanost :potrebna oprema s obzirom na zahtjeve za kvalitetu i razinu automatizacije 3. investicijski elaborat (fizibiliti studija): - idejni projekt + ekonomska analiza - ekonomska analiza: (isplativosti, odnosi s tržištem, način finaciranja ekonomska opravdanosti - izrađuje se kada se želi investirati radi: povećanje kapaciteta ili zamjena/modernizacija opreme 3. glavni projekt - detaljna razrada idejnog projekta 4. glavni izvedbeni projekt - definira: tko - koji dobavljač, izvođač, odjel kada - npr. mrežni dijagram radova što - treba učiniti - definira izvedbu tehničkog objekta (postrojenja ili uređaja: točne tipove opreme, narudžbene podatke, listu materijala, količine, načine izrade i montaže, smještaj i učvršćivanje, načine puštanja u rad, sigurnosne elemente Elementi prrojekta: -tekstualni dio (tehnički opisi i tehničko-ekonomska obrazloženja) -slikovni dio -proračunski dio Tekstualni dio projekta: -deskriptivni modeli -najčešće sadrži: -popis obveznih proračuna :proračune koje je nužno ili potrebno izvesti za sam projekt :proračuni su osnova za dimenzioniranje pojedinih elemenata i podsustava -upute za rukovanje -upute za ispitivanje, podešavanje i održavanje -ostale upute prema potrebi -tehnički sadržaj: - popis opreme - izrađuje se za svaki dio objekta posebno - omogućuje brzo pronalaženje svakog elementa -ekonomski sadržaj tehničkog djela: - troškovnik opreme (na osnovi popisa opreme) - troškovnik radne snage - troškovnik ostalih materijalnih troškova Slikovnii dio projekta: -vizualni prikazi - modeli -najčešće u obliku: shema - prikazuje način na koji su pojedini dijelovi tehničkog objekta međusobno povezani i u kakvom su funkcionalnom odnosu dijagrama - prikazuje odnose između raznih operacija, operacija i vremena, operacija i fizikalnih veličina, stanja raznih elemenata tablica - nadomješta ili dopunjava shemu ili dijagram -svaka se struka koristi svoji specifičnim načinima slikovnog izražavanja (npr u elektrnici jedna vrsta grafičkih simbola, a u elektrotehnici druga) Proračunski dio pojekta: -prikazuje kako se došlo do pojedinih kvantitativnih elemenata projekta -sadrži: - opis mjerila i mjerne jedinice - numeričke izračune i proračune u slobodnoj i tabličnoj formi - rekapitualcije izračuna u slobodnoj i zabličnoj formi
Tehnička dokumentacija:(https://www.fer.unizg.hr/_download/repository/PCPUTP_predavanje.pdf) -osnovno sredstvo tehničkog načina izražavanja i komuniciranja -prati faze izgradnje industrijskog postrojenja ili uređaja -sadrži i popratne dokumente - dogovore, upravljanje kvarovima, prigovore i sl. -eksternalizirani oblik zapisa znanja koje je rezultat projektiranja -zbog širine pojavnih oblika nemoguće je jednoznačno definirati opseg i oblik (za svako područje postoje određeni propisi i principi - pravila struke)
Uloga tehnološke dokumentacije: -definira sve elemente proizvodnog procesa (proizvodna oprema, alati, operacije i njihov redosljed, vremena operacija, reprodukcijski materijal…) -nužna je podloga za planiranje proizvodnje (godišnji plan, operativni terminski planovi) -nužna je podloga za posluživanje i upravljanje proizvodnjom (nabava i osiguranje alata, repromaterijala, radnog osoblja)
Odlike tehničke dokumentacije: -sistematičnost -jasnost -jednostavnost
Elementi tehnološkog procesa: -operacija -kontrola
Put nastanka nekog tehničkog objekta: -potreba - ideja - sredstva - tehnička obrada - realizacija - upotreba i održavanje (moguća, (implementacija) raspoloživa)
Bilježenje (zapisivanje) znanja Nositelji znanja: -fizički (danas aktualni): - papir - filmska vrpca (mikrofilm, mikrofiš) -virtualni: - analogni (audiotraka, videotraka) - digitalni (magnetski, optički, elektronički)
Planiranje proizvodnje
Ekstrnalizacija znanja -semantičko semiotička transformacija Semantika - teorija o znakovima - disciplina koja obuhvaća različite razine i aspekte značenja: leksičke, formalne, strukturne ili funkcionalne
https://www.fsb.unizg.hr/usb_frontend/files/1359365425-0tehnolokapripremaproizvodnje_5_6_2012_2013.pdf
Pojavni oblici izuma: -licencija -Know-How (znati kako)
-cjelovitost -kvalitetnost
https://www.fsb.unizg.hr/usb_frontend/files/1359365425-0tehnolokapripremaproizvodnje_5_6_2012_2013.pdf
Tehnološki proces vs. proizvodni proces: -tehnološki proces: operacije izrade, kontrole, na višim razinama transport -proizvodni proces: uklapanje elemenata u određeni prostor (skladištenje, međuoperacijski zastoji)
Tehnološka dokumentacija: -definira procese (postupke za realizaciju tehničkog projekta) -sastoji se od: - tehničke dokumentacije - opisa proizvodnog procesa -često sastavni dio: - glavnog tehničkog projekta i - glavnih izvedbenih tehničkih projekata
(https://www.dziv.hr/hr/intelektualno-vlasnistvo/autorsko-pravo/autorsko-djelo/)
Planiranje tehnološkog procesa obuhvaća: -interpretacija podataka konstrukcije proizvoda -izbor tehnoloških procesa -izbor alatnih strojeva -izbor alata -izbor baznih površina -redoslijed tehnoloških operacija -izbor mjernih uređaja -određivanje proizvodnih toleranci -proračun vremena•određenje uvjeta obrade -radna dokumentacija -izbor najpovoljnije varijante
http://dorada.grf.unizg.hr/media/Ak.god.%202014.-2015./Evokacija%20Planiranje-i-upravljanje-Proizvodnjom.pdf
https://www.fsb.unizg.hr/usb_frontend/files/1359365425-0tehnolokapripremaproizvodnje_5_6_2012_2013.pdf
Hijerarhija proizvodnih aktivnosti: -proizvodni sustav -tehnološki proces -operacija -faza -zahvat
(http://lingvo.info/hr/babylon/semantics)
Semiotika - znakoslovlje - znanost o znakovnim sustavima (može se ticati jezika, vizualne stvarnosti, glazbe, itd.) (http://www.umas.unist.hr/~vidos/druga_godina/treci_semestar/skripte/osnove_semiotike.pdf) (http://dieewigetraeumerin.blogspot.hr/2013/12/semiologija-semiotika.html)
https://www.fsb.unizg.hr/usb_frontend/files/1359365425-0tehnolokapripremaproizvodnje_5_6_2012_2013.pdf
Fizička vs. digitalna eksternalizacija znanja
Manualna eksternaliacija
Informacije o tehnološkom postupku kje pruža dokumentacija: -oblik, vrsta i dimenzije polaznog materijala -redoslijed operacija -osnovno sredstvo-stroj -prikaz izvođenja operacije -pomoćna sredstva (alat) -režimi rada -vrijeme trajanja operacije
https://www.fsb.unizg.hr/usb_frontend/files/1359365425-0tehnolokapripremaproizvodnje_5_6_2012_2013.pdf
Mehanička i Elektromehanička eksternaliacija
PROGRAMSKA APLIKACIJA Fizička organizacija
Tehnološki dokumenti: -tehnološki postupak (“Plan izrade”) -list operacije -specifikacija alata -specifikacija operacija -naslovni list -crteži specijaliziranih alata/naprava -tlocrt razmještaja radnih mjesta
Logička organizacija
Digitalna eksternaliacija
Korisničko sučelje
Procesno-transformacijska Formatiranje memorijskog logika zapisa
Razine digitalne organizacije znanja u funkciji bilježenja znanja: -logička organizacija - korisnička razina -fizička organizcija - programska razina (programeri)
Razlikuje se: -tehnološka dokumentacija proizvodnje -tehnološka dokumentacija montaže http://dorada.grf.unizg.hr/media/Ak.god.%202014.-2015./Evokacija%20Planiranje-i-upravljanje-Proizvodnjom.pdf
Protokol - skup pravila ponašanja u određenim situacijama - skup definiranih pravila koja se primjenjuju kod prijenosa podataka (bez obzira na njihovu semantiku) Odnos čitatelj-jezik-protokol:
http://dorada.grf.unizg.hr/media/Ak.god.%202014.-2015./Evokacija%20Planiranje-i-upravljanje-Proizvodnjom.pdf
Osnove organizacije nositelja znanja
Efikasan pristup nositeljima znanja (medijima na kojima je znanje zabilježeno) zahtijeva organizaciju nositelja znanja Treba razlikovati: -fizičku organizaciju nositelja znanja -virtualnu (digitalnu, elektroničku) organizaciju nositelja znanja Životni ciklus nositelja znanja: Preuzimanje nositelja znanja i njihova priprema za ‘javnu’ ili ‘ograničenu’ upotrebu - evidentiranje, sistematizacija, fizički smještaj, katalogijacija, indeksiranje znanjaj, distribucija znanja (omogućavanje pristupa i posudbe nositelja znanja)
Generiranje i kopiranje znanja na nositeljima znanja (medijima) Kreiranje
Umnožavanje
Organiziranje i sistematizacija
Pristup i upotreba
- registri - dokumentacijski centri - biblioteke -muzeji -videoteke -phonoteke - drugi oblici centralizacije noditelja znanja (medija)
Stavljanje nositelja znanja izvan redovite upotrebe i dostupnosti korisnicima nositelja znanja Arhiviranje (čuvanje)
Kontrolirano uništavanje
-dokumentacijski arhivi -muzejski depoi -drugi vidovi odlaganja nositelja znanja koji su izvan upotrebe
Organizacija znanja: sustav koji se bavi principima, metodama i tehnikom prikupljanja, organiziranja, pohrane i dijeljenja znanja u organizaciji i društvu. U fokusu ima: -skupljanje -pronalaženje -razvrstavanje i -dostupnost znanja Provodi seuz pomoć različitih sadržajnih sustava (Knowledge Organization Systems - KOS) Sadržajni sustavi omogućavaju olakšanu, brzu i pouzdanu razmjenu i dijeljenje znanja https://hr.wikipedia.org/wiki/Organizacija_znanja
Načini pronalaženja znanja: -formalni - za pronalazak znanja pomoću formalnih kriterija (npr. autor, naslov, itd.) - kao instrumenti se koriste pravila (djela), norme (podaci) i standardi -sadržajni - koriste se dokumentacijski jezici - pretraživati se može putem: a) sadržajnih podataka (recenzije, sažeci i anotacije) b) sadržajnih oznaka: - pomoću bilješki (bilješke su rezultat klasifikacije - grubo pretraživanje) - pomoću ključnih riječi (rezultat predmetnog indeksiranja - detaljnije pretraživanje) - koriste se predmetni riječnici (tezaurusi) za određeno znanstveno područje - registra (alternativni pristupi sadržajima na dokumentima) - kazala https://hr.wikipedia.org/wiki/Organizacija_znanja
Nestrukturirani logički oblici digitalne organizacije i bilježenja znanja -programska rješenja kojima se repliciraju fizički oblici orgranizacije znanja (nestrukturirani, polustrukturirani i strukturirani) -oblik unosa načelno odgovara fizičkom obliku (predlošku) -progrmaska rješenja tipa What You See Is What You Get - WYSIWYG -skupine programskih rješenja za nestrukturiranu logičku organizaciju znanja: (elemnti forme definirani ali nisu definirani načini njihove primjene) programi za obradu teksta programska rješenja za obradu rasterske grafike (fotografija) programska rješenja za obradu vektorske grafike (CAD programi, virtualna stvarnost, ...) programska rješenja za dijagramsko modeliranje (flowcharts dijagrami toka, strukturni dijagrami, dijagramska stabla (tree structure), ....) programska rješenja za digitalnu obradu audio sadržaja programska rješenja za digitalnu obradu video sadržaja -važan nedostatak programskih rješenja za nestrukturiranu logičku organizaciju znanja: nisu orijentirani prema efikasnom promalaženju znanja (traženje u funkciji nalaženja znanja je obično dodana mogućnost koja je na elementarnoj razini (npr. traženje znaja pretraživanjem teksta) Polustrukturirani i strukturirani logički oblici organizacije i bilježenja znanja -temelji se na programskim rješenjima i/ili formalnim jezicima za strukturiranje podataka (informacija i znanja) -znanje se organizira prema unaprijed definiranoj strukturi, a u nekim slučajevima dodatno se označava posebim oznakama - metaznanjem -zahtjevniji su za unošenje, ali su jednostavniji za pronalaženje i pristup znanju (fokus na traženju i dohvaćanju znanja) -načini pronalaženja polustrukturiranog i strukturiranog znanja: -pretraživanjem (kao i kod nestrukturiranih oblika) -sadržajno (putem unaprijed definiranih sadržaja) -indeksno (putem indeksa nastalih indeksiranjem) -povezničko (putem poveznica) -programske aplikacije za polustrukturirano i strukturirano logičko organiziranje bilježenja znanja: programski susatvi za upravljnje sadržajima (CMS - Content Management System)
https://hr.wikipedia.org/wiki/Tezaurus
Digitalizirani sustavi pristupa znanju: -online tražilice (google - indeksiranje znanja putem programa ‘pauka’) -online katalozi informacija (yahoo - nanualna katalogizacija znanja) -obline znanstvene baze podataka (WOS, Curent Contents, SCOPUS, CAB abstracts, itd.) -portali znanstvenih i stručnih časopisa (npr. hrčak.hr) -repozitoriji znanstvenih i stručnih radova (npr. dabar.hr) -online knjižnični katalozi publikacija s pretraživačima -online tercijalne publikacije -online serijske publikacije -ostali sustavi za pristup znanju koji uključuju sustave organizacije znanja http://os-brace-ribar-posedarje.skole.hr/knjiznica/katalog?cal_ts=1425164400
programski sustavi za daljinsko učenje i podučavanje (e-Learning) enciklopedijski sustavi (Britanica) društveni mrežni sustavi sustavi za kolaborativni rad i razmjenu znanja Internet i intranet -Bitni jezici za polustrukturirano i strukturirano logičko organiziranje bilježenja znanja: SQL, HTML, XML, MDX (Multidimensional Expressions), ....
MENADŽMENT ZNANJA Menadžmenta znanja u primjeni Jezici polustrukturiranog i strukturiranog znanja i bilježenja znanja
Structured Query Language (SQL)
Extensible Markup Language - XML
Strukturni upitni jezik za rad s relacijskim bazama podataka -podaci strukturirani u tablice -tablica se satoji od podataka i metapodataka (znanje o podacima) -model baze podataka čine: tablice dnevničkog tipa - izvor informacija tablice deskriptivnog tipa (šifarnici i dr.) - izvori znanja -čini ga niz instrukcija koje djeluju na tablice i rezultiraju tablicom -sastoji se od DDL-a, DML-a, DCL-a i TCL-a
Prošireni jezik za oblikovanje i strukturiranje znanja -primarno - tehnologija za razmjenu podataka (kompatibilan je sa svim hardverskim platformama i svim operacijskim sustavima) -koristi se primarno tekstom (npr. ASCII standard) -sadrži podatke okružene oznakama (metapodacima) -oznake definiraju strukturu i značenje podataka -format oznaka je vrlo sličan formatu oznaka u HTML-u
Bitne instrukcije Data Definition Language-a: CREATE – kreiranje tablice ALTER – izmjena tablice DROP – brisanje tablice
Namjena XML-a: -odvajanje podataka od prezentacije -razmjena i pohrana podataka -povećanje dostupnosti podataka
Bitne instrukcije Data Manipulation Language-a: SELECT – vraća podatke iz baze podataka INSERT – umeće podatke u tablicu UPDATE – mijenja podatke u tablici DELETE – briše podatke iz tablice
Prednosti XML-a: -čitljivo na svakoj platformi -neosjetljiv na tehnološke promjene -međunarodno prihvaćen standard
Bitne instrukcije Data Control Language-a: GRANT – dodjela prava korisnicima REVOKE – ukidanje dodjeljenih prava Bitne instrukcije Transaction Control Language-a: COMMIT – pohranjuje transakcije u bazu ROLLBACK – vraća unazad transakcije Opće karakteristike SQL-a: -uz SQL instrukcije idu parametri i opcije -svaka SQL instrukcija završava znakom “;” -SQL je jezik 4. generacije (opisuje se što treba učiniti a ne kako)
Nedostaci XML-a: -opširnost -računalo obrađuje puno podataka što ga dodatno usporava -nije definirano označavanje decimalnih brojeva Razlika XML-a i HTML-a: -u HTML-u oznake definiraju izgled i dojam podataka (položaj naslova, mjesto na kojem započinje novi odlomak) -HTML se ne može koristiti umjesto XML-a -HTML je ograničen na unaprijed definirani skup oznaka koje dijele svi korisnici
Primjer SQL instrukicje: SELECT * FROM knjige WHERE cijena > 100 ORDER BY naslov;
Jezik za oblikovanje i polustrukturiranje znanja Osnova World Wide Web-a: Web stranica = min(tekst + HTML Tagovi) Interpretira se u Web preglednicima (browser)
Tagovi za obrasce (forme) <FORM></FORM>Definira formu <INPUT>Kreira redak za unos <SELECT></SELECT>Kreira kućice za označavanje (Selection) <OPTION></OPTION>Kreira elemente liste
U skoroj budućnosti preko 90% organizacija će koristiti neki od DMS-a
Temeljni procesi DMS-a -prikupljanje i digitaliziranje dokumenata pohrana i arhiviranje dokumenata -indeksiranje i traženje dokumenata i sadržaja u dokumentima -distribucija dokumenata unutar sustava i njihov “izvoz” izvan sustava -sigurnost i zaštita od neovlaštenog pristupa -revizije
Primjer XML dokumenta
Externet i Intranet Externet (Internet) i intarnet -funkcioniraju na zajedničkim osnovama: klijent-server arhitektura -omogućena multiplatformsku komunikaciju i pristup znanju -temelji se na TCP/IP protokolu i nizu servisa koje serve (poslužitelj) pruža klijentima -najznačajniji servis u smislu izdavaštva i upravljanja dokumentima: Worls Wide Web World Wide Web -servis za upravljanje hipermedijalnim sadržajima -tvori ga niz poslužiteljskih računala (fizičkih ili virtualnih) - servera -klijent računalnom servisu pristupa putem interpretera hipermedijalnih sadržaja - preglednika (Web browser - npr. Google Crome, IE, ...) -na svakom se računalnom serveru obvezno nalazi programska aplikacija za upravljanje hipertekstualnim dokumentima (dokumenti u HTML formatu) koja se naziva HyperText Transfer Pprotocol (HTTP) Server ili u žargonu Web server (poznati programi Apache, IIS), te niz hipertekstualnih datoteka (dokumenata) -poslužiteljsko računalo (fizičko ili virtualno) je računalni server, a HTTP server je programski server -uz hipertekstualne sadržaje na računalnom serveru se mogu nalaziti i drugi sadržaji pohranjeni u obliku datoteka (najčešće slike, audio i video sadržaji) koji se putem instrukcija HTML-a uključuju u hipertekstualnu strukturu na prezentacijskoj razini (preglednik interpretira HTML instrukcije i uključi vanjske sadržaje u prikaz Web steranice -na računalnom serveru može biti instaliran jedan ili više interpretera skriptnih programskih jezika koji preuzimaju obrađuju podatke koje klijent upiše i «submitira» putem HTML instrukcija za forme unutar hipertekstualnog dokumenta - rezultat obrade interpreter skriptnog programskog jezik vraća u obliku hipertekstualnog dokumenta -na računalnom serveru može biti instaliran jedan ili više sustava za upravljanje bazama podataka s kojima komunicira skriptni jezik -načela funkcioniranja Web-a: 1. Preglednik: klijent upućuje zahtjev za sadržajem (datotekom) putem HyperText Transfer Protokola - HTTP (http://...) i adrese poslužitelja na kojem se sadržaj nalazi (www.efos.hr) koji upisuje u polju Uniform Resource Locator-a - URL ili su protokol i adresa sastavni dio poveznice hipertekstualnog u preglednikuprikazanog sadržaja - tada je dovoljno kliknuti na poveznicu 2. Poslužiteljsko računalo: Program poslužitelj (Web server) preuzima adresu i provjerava ima li odgovarajuću datoteku u popisu datoteka, te ako ima datoteku šalje pregledniku, a ako nema šalje pšoruku o grešci 3. Preglednik: preuzima datoteku i interpretira njezin sadžaj, te ga prikazuje kao uređeni tekst s pridruženim slikovnim, audio i video sadržajima sadržajima -fokus WWW-a je na upravljanju dokumentima (sadržajima) -prikazani sadržaji (datoteke) koje korisnik vidi u pregledniku mogu biti s jednog ili više Web poslužitelja - sustav pruža fleksibionost u pogledu formiranja sadržaja -poveznice unutar dokumenta mogu biti na: sadržaj unutar dokumenta (datoteke) sadržaj druge datoteke unutar istog servera sadržaj drugu datoteke na bilo kojem drugom serveru Web sustava -Web je nastao kao zamjena za Internetski servis Gopher koji radio na principu dolaska do sadržaja (znanja) puutem izbornika -metoda dolaska do željenog sadržaja (dokumenta) 1. direktan način: a) korinik zna adresu Web poslužitelja (Web mjesta) na kojem se sadržaj nalazi b) dokument sadrži poveznicu Web mjesta na kojem se sadržaj nalazi 2. indirektan način - indeksni način: korisnik se koristi specijaliziranim servisom (Web mjestom) koje sadrži bazu podataka s pojmovima i pripadajućim URL adresama (nakon unošenja zahtjeva za pretragom indeksa korisniku se otvara Web stranica s popisom Web adresa u vidu poveznica gdje je pojam pronađen) -podjela pretraživača: opći pretraživači (npr. Google) - indeksiraju tekstualni sadržaj hipertekstualnih dokumenata
Centar za upravljanje dokumentima i zbirkama uz izvrsnu podršku životnom cilusu
Search Engine Web mjesto
Uhvati
Traži slike, tekst, metapodaci ostali elementi
Prepoznaj
Kolekcije znanja (elektroničkih dokumenata - datoteka) -brigu o datotekama vodi operacijski sustav -označavanje datoteka u operacijskom sustacu: naziv datoteke (ime+nastavak) veličina datoteke datum formiranja datoteke vlasništvo nad datotelom i prava upotrebe -organiziranje datotka - kreiraju se kolekcije unutar mapa (direktorija (kataloga) i poddirektorija (podkataloga) -problem - nedovoljno metapodataka za kvalitetnu organiozaciju i i pretraživanje znanja -rješenje - uvođenje Document Management Sustava - DMS i njima sljednih oblika upravljanja datotekama Extranet Upravljanje dokumentima Tehnologije menadžmenta znanja Intranet Sustavi za skupni rad (eng. groupware)
Skladištenje podataka
Web konferencije
Sustavi za podršku odlučivanju (DSS)
Pravila pretraživanja
Rezultat
Klasificiraj
HTML
Indeksiraj
Filter
Transformiraj
Organiziraj
Indeks
http://www.caci.com/fed_civilian/fed_civ_law_enforce.shtml
Digitaliziranje papirnih dokumenata -manualno prepisivanje -scaniranje i OCR
Rezultat pretrage http://www.searchengineguide.com/paul-bruemmer/in-search-of-be.php prema www.reddor.biz
Kreiranje bilješki vezanih uz dokument - metaznanje -automatske (vrijeme kreiranja, veličina, …) -ručne (izvornik, autor izvornika, verzija, ….)
Elektroničko bilježenje sadržaja -nastaju datoteke -pretraživaje znanja u samoj datoteci vs. pretraživanje znanja u kolekciji znanja
Server
Izdvoji Prevedi
Tijek rada (eng. Work Flow)
Upit
Prikaži papir, e-datoeke, audio, video, cjeli Internet
Povećaj
Upravljanje projektima
Pauk
Analiziraj
Uvezi Forenzika
Kolekcije nestrukturiranih sadržaja Nestrukturirani sadržaji i oblici kolekcija znanja: -zapisi u zbirke zapisa -knjige u knjižnice -dokumenti u dokumentaciju -podaci u memoriju (datoteke)
Preglednik
Otkrij Scan-iraj
Tagovi povezinca - hyperlink <A HREF></A>Umeće poveznicu (Anchor Hypertext Reference) <A NAME></A>Kreira bookmark (Anchor Name)
Tablični tagovi <TABLE></TABLE>Definira tablicu <TR></TR>Kreira redak tablice (Table Row) <TD></TD>Kreira ćeliju u retku (Table Data Cell) <TBODY></TBODY>Definira tijelo tablice <THEAD></THEAD>Definira zaglavlje tablice <TH></TH>Kreira ćeliju zaglavlje tablice (Table Heder)
Gartner procjenjuje da prosječna organizacija: -utroši $20 u radu za pohranu dokumenta -utroši $120 u radu tražeći zagubljeni dokument -izgubi se jedan na dvadeset dokumenta, a utroši se 25 sati za ponovnu izradu dokumenta
Temeljne mogućnosti DMS-a -traženje: brzo pronalaženje dokumenta/datoteke -dijeljenje: omogućava zajednički rad više djelatnika na istom dokumentu -kontrola verzija: praćenje izmjena dokumenta i mogućnost vraćanja prethodnih verzija -centralizacija: svi dokumenti su svima dostupni -sigurnost: dodjela prava uvida i izmjene dokumenta pojedincima, grupama i kolektivu -revizija: provjera pristupa i ažuriranja dokumenta -arhiviranje: definiranje razdoblja čuvanja, arhivski raspored i raspored uklanjanja dokum
Tagovi zaglavlja <TITLE></TITLE>Kreira tekst u liniji naslova prozora HTML dokumenta <SCRIPT></SCRIPT>Umetanje koda skriptnog programskog jezika
Grafički tagovi <IMG SRC>umeće grafički objekt (sliku) u dokument <HR>Umetanje horizontalne linije (Horizontal Rule)
DMS (Document Management Systems) Sinonimi za dokument menadžment programske sustave DIS(Document Information Systems) IDM(Integrated Document Management) EDM(Electronic Document Management) ECM(Enterprise Content Management) Content Management i Knowledge Management CMS (Content Management System) Paperless Office
http://www.mulberrytech.com/papers/fromHTMLtoXML/slide012.html
XML u sustavu Microsoft Office: -Excel, Word i PowerPoint 2007 koriste XML kao zadane formate -prednosti: manje veličine datoteka XML je čitljiv i ako se datoteka ošteti (može se otvoriti u drugom programu za čitanje)
Osnovni tagovi <HTML></HTML>Kreiranje HTML dokumenta <HEAD></HEAD>Kreira zaglavlje u koje se upisuju dijelovi HTML-a koji se ne pojavljuju na Web stranici <BODY></BODY>Kreira vidljivi dio HTML dokumenta
Tagovi za oblikovanje teksta <PRE></PRE>Kreira preformatid tekst (pisaći stroj) <H></H>Oblikovanje naslova (Head) <B></B>Podebljana slova (Bold) <I></I>Ukošena slova (Italic) <SUB></SUB>Subscript - indeks <SUP></SUP>Superscript - potencija <P>Pasus <BR>Novi red (Break Row) <OL></OL>Kreira numeričku listu (Oredred List) <UL></UL>Kreira Bulleted listu (Unordered List) <LI>Element liste (List Item) <FONT></FONT>Kreira vidljivi dio HTML dokumenta
Dokument menadžment -proces koji uključuje svaku radnju poduzetu s dokumentom u okviru organizacije, a odnosi se na stvaranje, distribuciju i brisanje dokumenata - može biti u užem (DMS) i širem (Inter/IntraNet) smislu -baza dokumenata (ne i polustrukturiranog znanja) != baza podataka
Razlozi upotrebe DMS-a -statistika Gartner Group-e većina uredskih djelatnika potroši preko 500 sati godišnje tražeći dokumente u prosjeku profesionalci provedu 50% vremena tražeći informacije
HyperText Markup Language (HTML)
Tagovi -hijerarhijska organizacija -oznake kojima se oblikuje tekst i definiraju akcije (npr. poveznice) -zapisuju se između znakova < i > (npr. <BODY>) -nisu osjetljivi na velika i mala slova -većinom se pišu u paru: otvaranje taga <BODY> zatvaranje taga </BODY> -često imaju više parametara: <BODY BGCOLOR=“RED” TEXT=“BLUE” ….> -nisu jednistveno podržani u svim preglednicima -označavaju početak i kraj skripti (ubačen dio drugog progrmaskog koda)
Upravljanje kolekcijama digitalno zabilježenog znanja (datotekama) Izdavaštvo (DeskTop Publishing - DTP) -odnosi se na: nestrukturirane dokumente i polustrukturirane dokumente -vrste: serijsko izdavaštvo (prevladavalo u prošlosti) više-Varijantno izdavaštvo (danas aktualno) -s obzirom na način prezentiranja znanja: monomedijalna, multimedijalna i hiprmedijalna -više-format izdavaštvo ispis: Portable Document Format (PDF), Rich Text Format (RTF) , DOC, PPT on-line: HTML, programska dokumentacija (Microsoft Compiled HTML Help (CHM), Interactive Electronic Technical Manual (IETM)), na Web-u temeljena tehnologija e-Učenja (Sharable Content Object Reference Model (SCORM)) -problemi izdavaštva: upravljanje verzijama objavljenih materijala razmještaj objavljenih materijala pronalaženje podataka (informacija i znanja) u materijalima
Pohrana i arhiviranje dokumenata magnetski mediji/tvrdi diskovi -RAID - Redundant Array of Independent Disks -NAS Network Attached Storage -SAN Storage Area Networks Pohrana i arhiviranje dokumenata optički mediji -CR, DVD, Blu Ray Pohrana i arhiviranje dokumenata na elektroničkim memorijskim uređajima (flash memorije, SSD diskovi) Indeksiranje i alati za pretraživanje -Through Indeks (indeksiranje datoteka) -Full Text Indexing (indeksiranje sadržaja) -Folder File structure (datotečni sustav) Temeljna prava Access Rights (prava otvaranja dokumenata) Feature Rights (prava izmjene dokumenta) Sigurnost, arhiviranje i osiguranje dokumenata -Disaster Management - politika, planiranje i provedba akcijskih planova za zaštitu od gubitka podataka backup na različitim medijima backup na različitim seijzmičkim zonama zaštita od krađe dokumenata
domenski pretraživači - omogućavaju temeljem IP adrese otkrivanje l ogičke adrese servera (nslookup) -metode pronalaska sadržaja unutar jednog dokumenta: 1. direktan način - poveznica na neki dio dokumenta 2. indirektan način - find opcija unutar preglednika (moguć dolazak samo tekstualnih saedržaja) -temeljna prednost Web okruženja - danas naveća baza podataka (informacija i znanja) - omogućava online pristup bazama dokumenata i bazama podataka -temeljni nedostaci Web okruženja: preobilje sadržaja - teško pronaći željeni sadržaj upitna pouzdanost sadržaja (često nepoznat tvorac i vrijme nastanka) velika količina «smeća» -problemi današenjeg Web-a u smislu pristupa podacima istraživanja na jednoj razini danas zahtijevaju istraživanje rezultata različitih razina traženje znanja u jednom polju podrazumijeva traženje znanja u svim poljima prisutan problem poznavanja i prepoznavanja pravih ključnih riječi za pretraživanje informacije i znanje su često rezultat integracije informacija i znanja iz više Web mjesta problem pronalaženja ne-tekstualnih informacija kreiranje takvih podataka koji su "strojno čitljivi" (zahtjva transformaciju HTML-a u XML) -rješenje - potreba za unapređenjem upravljanja Web okruženjem - Semantički Web
Semantički Web -poboljšanje sadašnjeg Web-a u kojem je informacijama bolje definirano značenje, te omogućuje da računala i ljudi bolje surađuju -Tim Berners-Lee i Eric Miller: "Web će doseći svoj puni potencijal kada postane okruženje gdje se podaci mogu dijeliti i obrađivati automatiziranim alatima, na način na koji to čine ljudi." -svojstva semantičkogWeb-a poboljšava komunikaciju između ljudi koji koriste različite tehnologije pospješuje interoperabilnost baze podataka nudi alate za interakciju s multimedijskim sadržajima osigurava mehanizme za potporu "agent-based" računalstvu omogućava interaktivni rad ljudi i strojeva -semantičko Web mjesto uključuje: rječnik (Thesaurus) - strojno čitljiva ontologija prošireni rječnik koji ocrtava odnose između rječnika i predmeta bazu znanja – obično u XML-u definira ontologija -načela rad semantičkog Web mjesta
-što je potrebno za izgradnju semantičkogWeb-a? ontologije jezici kao što su RDF, OWL, XML za kreiranje ontologije programske alate za razvoj i rasuđivanje vezano za ontologije agente i pretraživačke (search) tehnologije -što je ontologija? izraz koji se koristi za opisivanje i predstavljanje određenih područja znanja koriste ga ljudi, baze podataka i aplikacije za opisivanje područja znanja računalno-upotrebljive definicije osnovnih pojmova iz domene i odnosa među njima -pojam ontologije pojam nastao u 17. stoljeću kao znanost o biću izrasla iz Aristotelove "prve filozofije“- metafizika ne postoji opće prihvaćena definicija, stoga nejasni: zadataka predmet ciljevi i granice smatra se granom metafizike bavi identificiranjem stvari koje doista postoje, u najopćenitijim terminima -osnovni principi ontologije jasnoća proširljivost minimalna ontološka vezanost (samo neophodni pojmovi) standardizacija imena -kreiranje ontologije iterativan proces ne postoji samo jedan način izgradnje domene za kojega se možemo tvrditi da je točan rješenje ovisi o namjeni domene koncepti ontologije bi trebali na najbolji mogući način predstavljati objekte i odnose u domeni -što nije ontologija? nije nekakav rječnik: - najmanje što je potrebno je veza dio-cjelina - ne radi se o skupu riječi već koncepata nije taksonomija: - grč. tassein - "svrstati” - nije jednostavna klasifikacija već sadrži koncepte s kojima se može objasniti realan svijet -taksonomija vs. ontologija Vozila Svijet vozila -zemljana vozila -tip -motorna vozila *zemljana vozila -4 i više kotača *brodovi -automobil *zrakoplovi -kamion -funkcija -motocikli *prijevoz putnika -vlakovi *prijevoz tereta -brodovi -atributi -zrakoplovi *snaga *veličina -glavni dijelovi - …. -mjesto pojave ontologija taksonomije na Web-u (npr. Yahoo! Kategorije) katalozi za on-line kupovinu (npr. Amazon.com katalog proizvoda) -domene sa specifičnom standardnom terminologijom: SNOMED Klinički termini - terminologija u kliničkoj medicini UNSPSC - terminologija za proizvode i usluge -koriti od ontologija – olakšava rad agentima - omogućava semantiku dokumenata - standardizira meta podatke - jednoznačnost - omogućava ponovnu uporabu domene znanja - postavke domena čini eksplicitnim -gdje je ontologija korisna? kod združivanja pojmova kod ekstrakcije informacija kod integracije informacija kod automatskog zaključivanja primjer ontološkog zaključivanja: Roditelj je generalniji odnos od majke Marija je majka Marku Zaključak: Marija je roditelj Marku Zaključivanje omogućuje odgovor na pitanje: "Tko su Markovi roditelji?” -dva načina upotrebe ontologije:
MENADŽMENT ZNANJA Menadžmenta znanja u primjeni Skladišta podataka u funkciji upravljanja znanjem radi odlučivanja
-pozadina ontologija u Web okruženju XML - sintaksa za strukturirane dokumente, ali nema semantičkih ograničenja XML Schema - jezik za ograničavanje strukturu XML dokumenata RDF - model podataka za objekte "resursa" i odnosa između njih RDF Schema - vokabular za opisivanje svojstava i klasa RDF izvora -ono što nedostaje: prikazivanje složenijih odnosa domena/područje više-na-jedan vs. više-prema-više, itd. -rješenje nedostataka XML-a i RDF-a u smislu ontologija: DAML – DARPA Markup Language OIL – Ontology Inference Layer dodaci za XML i RDF koji mogu precizno izraziti ograničenja nad klasama i svojstvima -OWL - Web Ontology Language izveden iz DAML-a i OIL-a proširuje RDF na način da: - bilježi odnose između klasa - bilježi kardinalnost veza - osigurava jednakost i bogatu tipizaciju svojstava - bilježi karakteristike svojstva - definira nabrojive razrede razvijen čitav niz OWL alata:
Implementacija MZ 2.0 kroz Web 2.0
Umjetna inteligencija (eng. Artificial Intelligence) -dio informacijskih znanosti koji se bavi oblikovanjem i izgradnjom računalnih programa za one zadatke koji zahtijevaju inteligenciju kad ih obavlja čovjek -djelatnost kojom se primarno ispituju sposobnosti elektroničkih uređaja ili sustava za one funkcionalnosti koje su prirodno povezane s ljudskom inteligencijom -na računalu temeljen proces rješenja složenih problema takvih aplikacijskih procesa koji su inače odvijaju u čovjekovim mentalnim procesima (Rolston, 1988) -proučava zamisli koje omogućavaju računalima obavljanje zadataka koji se ljudima čine inteligentnim (Winston, 1979) Kišobran “Umjetne inteligencije” (Winston, 1979): -Robotika(eng. Robotics) - psihomotorna značajka -Sustavi gledanja(eng. Vision System) -Stručnost (znanje) (eng. Expert System) -Komunikacija prirodnim govorom (eng. Natural Language) razvijen čitav niz OWL alata: Specijalizirani integralni programski sustavi u funkciji MZ-a
Pretpostavke za izgradnju integralnog MZ sustava: -promjena načina rada, a kroz to i organizacije -Involviranje distribuirane projektne organizacije Novi izazovi: -ujednačena kvaliteta isporuke znanja (WW - multimedija) -ponovno korištenje (reuse) postojećeg znanja -podrška radu dislociranih projektnih timova, 24/7 -povezivanje s ključnim ekspertima -učenje na daljinu -odnosi u stjecanju zanja: 70:20:10
Programski alati za suradnju na kriranju novih znanja i djeljenje znanja Tijek rada (eng. Work Flow)
Extranet Upravljanje dokumentima
Upravljanje projektima Tehnologije menadžmenta znanja Intranet Sustavi za skupni rad (eng. groupware)
Skladištenje podataka
Web konferencije
Sustavi za podršku odlučivanju (DSS)
Primjer višefunkcionalnog alata MZ-a
Groupware programski alati -kolaboracijski alat (timska suradnja) -podržava odvijanje tipičnih poslovnih procesa na razini grupe/tima ili organizacijske jedinice -funkcije su mu: organizacija i usklađuje dokumenata koje proizvode članovi tima automatizacija tijeka poslovnih aktivnosti (Workflow) upravljanje elektroničkom poštom i drugim oblicima komunikacije (forumi - conferencing) planiranje vremena i obveza (Scheduling) -primjer SharePoint kolaboracijskog alata
Definicija inteligencije iskazuje tri stajališta: -biološko - naglašava opću mentalnu adaptabilnost -pedagoško - sposobnost učenja -psihološko - analizira intelektualni proces i ističe stvaralačke odlike
Spoznajne znanosti(eng. Cognitive Science) pod kišobranom umjetne inteligencije Područje umjetne inteligencije (prema ACM – Association of Computing Machinery) -ekspertni sustavi -formalizmi i metode za prikaz znanja -strojno učenje -razumijevanje i obrada prirodnih i umjetnih jezika -rješavanje problema -robotika -automatsko programiranje -računalni vid, -raspoznavanje uzoraka -neuronske mreže -genetski algoritmi -inteligentni tutorski sustavi (sustavi za učenje i poučavanje)
Menadžmenta znanja u funkciji odlučivanja Tijek rada (eng. Work Flow)
Extranet Upravljanje dokumentima
Upravljanje projektima Tehnologije menadžmenta znanja
Web konferencije
Intranet Sustavi za skupni rad (eng. groupware)
Skladištenje podataka
Sustavi za podršku odlučivanju (DSS)
Ä
Alternativni pristup skladištenju podataka Kimball: “Skladišta podataka moraju biti razumljiva i brza” Otac Dimenzijskog modeliranja (Kimball methodology): -logički model obično korišten kod skladišta podataka razlikuje se od Entitet-veza modeliranja -nije nužno vezan uz relacijski model podataka -tehnika modeliranja baza podataka prilagođene su skladištenju podataka i jednostavnim upitima korisnika Temeljni pojmovi vezani uz skladišta podataka -tablice i kocke (Cubes) -Star shema i Snowflake shema -tablice činjenica (Fact) i dimenzija (Dimension) -Top – Down proces i Bottom – Up proces -Enterprise Data Warehouse i Data Mart -ETL proces
O čemu je riječ?
Ekspertni sustavi .vs. konvencionalni programi Program = Podaci + Algoritam Ekspertni sustav = Znanje + Proces zaključivanja = pravila + činjenice = modeli + podaci -korisnički program i operacijski sustav u konvencionalnih programa zamijenjen je kod ekspertnog sustava s bazom znanja, strojem za zaključivanje i korisničkim sučeljem.
Otac koncepta skladištenja podataka
Inteligencija .vs. Znanje inteligencija: - opća mentalna efikasnost - sposobnost za obavljanje složenih kognitivnih – spoznajnih aktivnosti
“Skladište podataka je subjektno orijentirana, integrirana, vremenski određena i skupina podataka namjenjena pomoći menadžmentu u procesu odlučivanja”
Struktura Microsoftovog sustava za upravljanje znanjem
Primjer ekspertnog sustava uporabe svjetlosne signalizacije
Objašnjenje definicije skladištenja podataka W.H. “Bill” Inmon -Subject Oriented: Building the Data Warehouse (1991.) podaci koji daju informacije o određenoj temi, umjesto o operativnim poslovima “A warehouse is a subject-oriented, tvrtke. integrated, time-variant and non-volatile collection of data -Integrated: in support of management's decision podaci koji se prikupljanjem u DW iz making process" različitih izvora i spajaju u povezanu cjelinu. -Time-variant: svi podaci u DW su identificirani određenom jedinicom vremena. -Non-volatile: podaci su u DW “stabilni” (podaci se dodaju ali se ne brišu), što omogućava menadžmentu konzistentnu sliku poslovanja.
Da
Ne
Objašnjenje
1
Je li svjetlo zeleno?
Prođi raskrižjem.
Idi na pravilo 2.
Trebalo bi biti sigurno ako je svjetlo zeleno, ako ne treba više informacija.
2
Je li svjetlo crveno?
Idi na pravilo 4.
Idi na pravilo 3.
Trebalo bi stati možda neće biti moguće.
3
Izgleda li da će se svjetlo promijeniti u crveno prije no što prođeš raskrižjem?
Idi na pravilo 4.
Prođi raskrižje m.
Dosegnut ćeš ovu točku ako je svjetlo žuto, tada imaš dvije opcije.
4
Možeš li se zaustaviti prije raskrižja?
Stani.
Idi na pravilo 5.
Trebalo bi stati jer će biti problem ako ne uspiješ.
Pripremi se za sudar.
Prođi raskrižje m.
Dok je raskrižje bez prometa slobodno se sudari.
5
Ima li prometa s druge strane?
Primjer ekspertnog sustava
Modeliranje dimenzijskih baza podataka: -obuhvaća više programskih arhitektura -obuhvaća više analitičkih postupaka Metodološka dosljednost: -autori u različitim kontekstima koriste pojmove: skladište podataka, poslovna inteligencija, OLAP
Različiti pogledi na skladištenje podataka -u užem smislu DW je način za skladištenje podataka i činjenica u obliku koji je informativan. Relacijski model podataka vs. Data Warehouse (skladište podataka) -Relacijski model - tablice i kolone -Data Warehouse - činjenice i dimenzije Pojam skladištenjnja podataka (DW) -u užem smislu: - definicija DW se fokusira na proces skladištenja podataka, sukladno tome DW obuhvaća i alate za čitanje i analizu podataka, za izdvajanje transformaciju i učitavanje podataka - Extract Transform Load (ETL) proces -u širem smislu: - alati poslovne inteligencije (BI) + alate za izdvajanje, transformaciju i učitavanje podataka (ETL) u centralno skladište + alate za upravljanje podacima.
Umjetna inteligencija i menadžment znanja
Inteligentno ponašanje stroja (Turingov test) - Alan Turing, 1950.: Computing Machinery and Intelligemnce, Mind, 59, 433-460,1950 -omogućava provjeru inteligencije računala ili programske potpore -osnovna zamisao Turing-ova testa - igra oponašanja Interpretacija: igrač C-ispitivač, pokušava utvrditi koji igrač, A ili B je računalo, a koji čovjek.
DW u širem smislu
DW u užem smislu
Odgovori se postavljaju i dobivaju od igrača A i B u pisanom obliku. Ako ispitivač C sa sigurnošću ne može utvrditi koji je sugovornik stroj, smatra se da je stroj prošao test. Pojam: Inteligencija (eng. Intelligence) -sposobnost čovjeka za snalaženjem u novim (nepoznatim) prilikama -sposobnost čovjeka za rješavanje problema i nalaženja novih, prilagođenih reakcija -sposobnost čovjeka za otkrivanje zakonitosti u odnosima između, predmeta, činjenica, događaja (socijalni aspekt inteligencije) Inteligencija se razlikuje od: -znanja -vještina -sposobnosti (inteligencija u velikoj mjeri utječe na njihovo stjecanje)
Ralph Kimball The Data Warehouse Toolkit (2004)
Temeljni pojmovi vezani uz izvješćivanje iz DW-a (poslovna inteligenciju ) -alati za upite i izvješća (engl. Query and reporting tools) -alati za izravnu analitičku obradu – OLAP alati -Data mining alati
Paradigme stjecanja znanja: -kroz posao 70%: - stvaranje znanja kroz projektne aktivnosti - kreiranje predložaka za prikupljanje i bilježenje znanja - prikupljanje i kodiranje znanja - nominiranje i evaluacija (ocjenjivanje) znanja - meta-tagitanje znanja (znanje o znanju) - distribuiranje znanja -od drugih 20%: - pronalaženje eksperata - kreiranje domene eksperata (Subject-Matter Expert - SME) - virtualne (tematske) zajednice - baze znanja -kroz treninge 10%: - mape tereninga (Learning Roadmap) - udaljeno učenje online učenje - konferencije i učionice offline učenje - snimljeni materijali
Simptom ili činjenica
Načelna arhitektura skladišta podataka prema Billu Inmonu – uobičajeni pristup
Uvod u skladištenje podataka
Ekspertni sustavi -računalni programi koji rješavaju probleme na osnovi znanja iz nekog užeg problemskog područja (eng. problem domain) i pritom se ponašaju slično kao i čovjek - ekspert iz problemskog područja -oponašaju čovjekov način rješavanja problema, dakle zaključivanje, prosuđivanje i odlučivanje koje često treba izvršiti na osnovi nepouzdanih i nepotpunih informacija. -podrazumijevaju računalom podržan sustav, utemeljen na znanju i iskustvu stručnjaka, u takvom obliku da može pružiti inteligentan savjet ili donijeti inteligentnu odluku o određenom problemu
Pravilo
Tipovi -Operational Data Store (ODS) repliciranje transakcijske baze podataka -Data Warehouse (DW) podaci subjektno orijentirani – proizvodi, kupci, prodajna mjesta, profitni centri) -Data Mart (DM) specijalizirani oblik
Definicije temeljnih pojmova: -skladište podataka – fizički repozitorij s logičkom shemom baze podataka -pojedinačne kocke (eng. Data Mart) -alati za izvješćivanje/analitički alati – BI alati: OLAP, DM alati,… Produkcijske baze podataka vs. Skladište podataka -SQL upiti koji se sporo izvršavaju Kocke (Cube) optimizirane za čitanje podataka -Opterećivanje produkcionih sistema Minimizovano zaključavanje tabela -Ručno pisanje upita Click (and Drag) to Query – nema zahtjeva, posebnog pisanja upita -Različiti izvori podataka ETL procesi - svi podaci na jednom mjestu u istom obliku -Podaci nisu dostupni svim DSS podrazumijeva centraliziran pristup korisnicima -Previše podataka Dobrih podataka nikad dosta Motivi razvoja teorije skladištenja podataka: -izvješćivanje je iz produkcijskih baza podataka: siromašno (nizovi podataka na papiru) komplicirano - zahtijeva razumijevanje složenog (normaliziranog) modela podataka, složenog upitnog jezika ili alata temeljenih na njegovoj logici - oni kojima podaci trebaju nisu spremni učiti, a programeri ne mogu baš za sve napraviti programsko rješenje sporo - upiti nad velikim tablicama guše performanse stroja neekonomično - prostor diska jeftin vrijeme košta skupo -Excel nije alat za rad s velikim serijama podataka Razlozi bržeg odziva skladišta podataka na upite: -za razliku od relacijske strukture koja mora proći kroz svaki pojedinačni slog kako bi pronašla sve odgovarajuće slogove, dimenzijska struktura “presreće upite na pola puta” time što predstavlja podatke na unaprijed organiziran način Osnovna ideja dimenzijske baze podataka: -skoro svaki tip poslovnih podataka može predstaviti kao dio kocke podataka gdje: ćelije kocke sadrže mjerljive vrijednosti (izvorne podatke) rubovi kocke određuju prirodne dimenzije podataka Prednosti BI sustava -BI je brz u izvješćivanju (upite) - OLAP vs OLTP -BI unapređuje ROI (Return of Investment) -više korisnika, efikasnija upotreba podataka -BI je alat koji omogućava korisnicima da nađu što im je potrebno Uzrečica: “It isn't that they can't see the solution, it's that they can't see the problem.“
http://www.exsyssoftware.com/FlashDemos/CaribbeanIslandSelector/IslandSelector.html
Građa ekspertnih sustava
korisnik – eng. User korisničko sučelje – eng. User Interface stroj za zaključivanje – eng. Ingference Engine baza znanja – eng. Knowledge Base radna memorija – eng. Working Memory
Proces nastajanja skladišta podataka Dva pristupa izgradnji skladišta podataka: -Top - Down pristup (Definirao Bill Inmon) -Bottom - Up pristup (Definirao Ralph Kimball)
Kako nastaje skladište podataka -kopiranjem podataka iz transakcijskih baza podataka i neformatiranih podatkovnih izvora
MENADŽMENT ZNANJA Menadžmenta znanja u primjeni Prvi pristup (Top - Down ) 1. Faza: Izgrađuje se centralizirani repozitorij – Enterprise Data Warehouse (EDW) odlike EDW-a: - podaci su normalizirani da se izbjegnu nekontrolirane redundancije - omogućava uspostavu jedna verzija tablice činjenica - podaci se bilježe na što nižoj razini agregacije (daju više detalja ali uzrokuju kompleksnije rukovanje, zahtijevaju više prostora i procesorske snage što povećava troškove 2. Faza: Izgradnja subjektno orijentiranih repozitorija iz EDW-a – tzv. Data martova odlike Data Marta (DM): - podaci su u denormaliziranoj formi (shema zvijezde) radi lakše i brže upotrebe od strane krajnjih korisnika - podaci su sumirani sukladno analitičkim zahtjevima krajnjih korisnika DM-a -kada koristiti? - kada su jasno definirani zahtjevi prema budućem skladištu podataka - kada su na raspolaganju potrebno vrijeme i novac za modeliranje i implementaciju -prednosti: - izgrađuje se centralizirani repozitorij podataka koji sadrži jednu nepromjenjivu verziju činjenica - takvi podaci su vjerodostojni, konzistentni glede subjektne orijentacije, a vjerodostojnost podataka ovisna je o argumentiranosti subjektnih odnosa -nedostaci: - ovaj pristup zahtijeva više vremena i inicijalnih sredstava - vrijeme izgradnje obuhvaća vrijeme izgradnje EDW-a, a potom i izgradnje DM-a, a tek je onda moguće pristupiti izvješćivanju Drugi pristup (Bottom – Up): -iterativni pristup izgradnji skladišta podataka -podrazumijeva pojedinačno definiranje Data Marta u kada se pojavi potreba za podacima -DM-i se integriraju ili kombiniraju radi izgradnje DW-a – kombiniraju se DM-i s usaglašenim dimenzijama i činjenicama (zajedničke se dimenzije i činjenice dijele) -usaglašavanje dimenzija različitih DM-a obuhvaća: - usaglašenje ključeve dimenzija - usaglašene nazive atributa - usaglašene vrijednosti atributa -usaglašavanje činjenica podrazumijeva da različiti DM-i) imaju: istu definiciju mjera iste dimenzije povezane s njima istu granulaciju podataka kroz DM-e -u svrhu izgradnje usaglašenih dimenzija i usaglašenih činjenica izgrađuje se sabirnička matrica (Bus Matrix): - redovi matrice se odnose na različite DM-e - stupci matrice se odnose na sve tablice dimenzija
Osnovni koncepti dimenzijskog modeliranja podataka
Nazivi za izvorišne baze podataka: -OLTP (On-Line Transaction Processing) sustavi -normalizirane baze podataka -produkcijske baze podataka -baze podataka
OLAP alati (temeljni oblik izvješćivanja): -omogućavaju korisnicima da iskoriste sve prednosti multidimenzijskog modela podataka -omogućavaju promatranje podataka na različite načine (kao mreže ili ukrštene tablice koje se mogu jednostavno okretati što omogućava analiziranje podataka iz različitih kutova) -omogućavaju interaktivno pretraživanje podataka (korisnik može slijediti tijek svojih razmišljanja i promatrati informaciju na agregatnoj razini ( na primjer: Prodajna regija) i zatim ići (“svrdlati”) do detaljnijih informacija (na primjer: grad, prodavaonica i sl.) -OPAP sustavi: ROLAP, MOLAP i HOLAP.
Zvjezdasta shema definirana temeljem prethodnog relacijskog modela:
Struktura MOLAP sustava: Načela kreiranja kocke: -relacijski model se transformira u dimenzijsku strukturu
Nazivi za skladišta podataka podataka: -OLAP (On-Line Analitical Processing) sustavi -dimenzijske baze podataka -skladišta podataka -kocke Usporedba: -Baze podataka vs. -koncepti: -entitet, atribut i veze -predočavanje podataka: -relacije -razumljivost: -teško razumljive korisnicima -organizacija podataka: -logička i fizička
Skladišta podataka tablica činjenica, činjenica i dimenzija tablice lako razumljiva korisnicima logička i fizička
Još neki primjeri – star shema:
Koje odgovore može dati baza podataka: -Kliko je kilograma banana kupio Pero Perić dana 21.1.2009. godine? -Koliko je isplaćeno Peri Periću za siječanj 2009. god?
http://www.cis.drexel.edu/faculty/song/courses/info%20607/tutorial_olap/MOLAP_sub.htm
Rezime: -baze podataka su u statičnim dijelovima ekvivalentne skladištima podataka (npr. kupci, evidencija knjiga u knjižnici i sl.) -baze podataka pružaju uvid u individualne podatke a skladišta u agregirane -baze i skladišta podatka vrlo slični, i jedni drugi omogućavaju izvješćivanje, no iz skladišta je to lakše činiti (podaci iz baza podatak pročišćeni prelaze u skladište, i stavljaju na raspolaganje korisnicima u lako razumljivom obliku) -relacijska shema može poslužiti i za oblikovanje skladišta podataka (ROLAP) ali i ne mora (MOLAP) -dimenzijski model podataka je način razmišljanja u svezi najbolje metode predstavljanja podataka -skladišta podataka su namijenjena za obradu brzih (ad hock) upita -podaci u skladištu rijetko se ažuriraju -činjenična i dimenzijske tablice predstavlja višu organizacijsku razinu od relacijske tablice
Pojam tablice dimenzija: -po njima ime za skladišta podataka -slične referiranim tablicama u relacijskim bazama podataka jer “opisuje” činjenice (tablice na koje se iz središnje tablice preko vanjskog ključa referira, a služe za “opisivanje”), no imaju drugu namjenu -zadatak im je: - smanjiti dupliranje podataka (veličinu činjenične tablice) - osigurati usklađenost podataka - olakšati analizu podataka (sredstvo za izdvajanje potrebnih podataka) -sadrže osobine atributa činjenične tablice koji su mjerljivi (mjera: kombinacije vrijednosti dimenzija) Organizacija dimenzijskog modela podataka: -činjenična tablica u sredini - okolo činjenične tablice dimenzijske tablice Karakteristične organizacijske sheme: zvjezdasta shema (eng. Star schema): -tablica činjenica i dimenzijske tablice neposredno povezane -tablice dimenzija nisu međusobno povezane pahuljasta shema (eng. Snowflake schema): -razdvaja određenu dimenziju na više relacija (normalizira dimenziju) i međusobno povezuje razdvojene dimenzije (relacije) – rijetko se čini -tablica činjenica i dio dimenzijskih tablica neposredno povezani Zvjezdasta shema:
Pahuljasta shema:
Struktura ROLAP sustava:
Kocka kao višedimenzijska struktura:
Koje odgovore može dati skladište podataka -Koje grupe proizvoda donose najveću dobit? -U kojoj su služni uposlenici imali najveće plaće za siječanj 2009. godine?
Pojam tablice činjenica: -sadrži podatke koji se koriste u izradi izvješća -obično su to numerički podaci - podaci se agregiraju -vrste atributa tablice činjenica: ključni atributi: vanjski ključevi pomoću kojih je tablica činjenica povezana s dimenzijskim tablicama činjenični atributi (činjenice): atributi koji sadrže podatke koji se obrađuju (mjere)
Top-Down vs. Bottom-Up
Prikaz podataka pomoću kocke:
Svojstva skladišta podataka: -velika količina arhivskih podataka -podaci u skladištima podataka rijetko se mjenjaju -koristi ih manji broj korisnika istodobno -omogućavaju efikasno izvještavanje: - brzi odgovori na ad hok upite - shema podataka ako razumljiva korisniku (normalizirana shema nije lako razumljiva)
Shema multidimenzijske baze podataka -logičke relacije – tablice: - tablica činjenica (eng. Fact Table) – 1 kom - tablice dimenzija (eng. Dimension Tables) – min. 1 kom.
-odlike: - nije potrebno imati definirane sve potrebe glede skladišta podataka - potrebno je izgraditi iscrpnu sabirničku matricu već kod izgradnje prvog DM-a s identificiranim i definiranim svim mogućim dimenzijama u protivnom se javljaju problemi u organizaciji podataka -primjenjuje se: - kada su inicijalna sredstva i vrijeme ograničeni - kada nema jasne vizije ukupnosti informacijskih zahtijeva prema skladištu podataka (jasna je potreba za izgradnjom konkretnog DM-a) -prednosti: - niski početni troškovi - kratko vrijeme inicijalne implementacije - brz ulazak u područje BI-a -nedostaci: - pohranjeni podaci su u nenormaliziranoj formi - denormalizirana forma onemogućuje deagregirani pristup podacima – time se gubi prednost koju pružaju ne agregirani podaci, a to su detalji vezani uz pojedinu sumarnu i/ili izdvojenu činjenicu
Dio Normalizirane sheme za Narudžbe:
mjerljiva vrijednost
Još neki primjeri – snowflake shema:
Dimenzija 2
Dimenzija 3 Dimenzija 1
Pojmovi vezani uz kocku: -rotacija: - naziva se “komadanje podataka” (engl. data slicing) zato što svaka rotacija predstavlja različit komad (dio) podataka - broj mogućih pogleda (komada) se povećava eksponencijalno s brojem dimenzija. -rangiranje: - slično je kompleksnim upitima u relacijskom okruženju. - naziva se i “izrezati na manje komade” (engl. data dicing) zato što se podaci grupiranjem razlažu na potskupove http://www.cis.drexel.edu/faculty/song/courses/info%20607/tutorial_olap/ROLAP_sub.htm
Različito dimenzioniranje kocke:
Svrha znanja u organizaciji -organiziranje elemenata strukture -vođenje procesa (poslovno odlučivanje)
ETL Proces
Razine organiziranja -poslovni ustroj (službe, odjeli, organizacijske jedinice, ….) – obavlja pravna služba -ustroj elemenata poslovnog procesa (ustroj sredstava za rad, predmeta rada, radne snage) – obavlja tehnička priprema -ustroj poslovnog procesa (doprema sredstava za rad, vođenje poslovnog procesa, otprema gotovih proizvoda) – obavlja menadžment -informacijski ustroj – informacijski menadžment
Extract, Transform i Load (ETL) proces uključuje: “Vađenje” podataka iz “vanjskih” izvora Transformaciju podataka da bi se uklopili u DW model (može da uključuje i određeni nivo kvaliteta) Učitavanje podataka u DW tablice Extract - Prvi dio ETL procesa : -obuhvaća “izvlačenje” podataka iz podatkovnih izvora. -većina DW projekata obuhvata podatke iz različitih izvora podataka (produkcijske aplikacije, baze podataka). -svaki zasebni podatkovni izvor može koristiti različit format podataka. -uobičajeni izvori podataka su relacijske baze podataka i flat fajlovi. -izvlačenjem se podaci formatiraju za transformaciju, pri čemu se parsiraju i provjerava da li se rezultat obrade uklapa u očekivanu strukturu, ako ne, podaci mogu biti djelomično ili u cijelosti odbačeni.
Grafičko predstavljanje znanje
Odnos informacije i znanja s obzirom na vrijeme Isijecanje kocke (pregradci za podatke):
Transform - Drugi dio ETL procesa : -faza transformacije primjenjuje grupe pravila ili funkcija nad podacima preuzetim iz podatkovnih izvora da bi se pripremili podaci za učitavanje u DW tablice. -neki izvori podataka će zahtijevati vrlo malo manipulacija nad podacima, dok će drugi zahtijevati veći broj transformacija prije učitavanja -zadatak transformacije je da uskladi podatke s poslovnim ili tehničkim potrebama ciljnog skladišta podataka. -primjer transformacije: selektiranje (odabiranje) samo određenih kolona za učitavanje - null kolone se ne učitavaju. Load - Trći dio ETL procesa : -faza učitavanja podatke u ciljnu “bazu” podataka. -ovisno od zahtjeva/potreba organizacije ovaj proces: prepisuje stare podatke novim, ažurnim, dodaje nove podatke u povijesnoj formi (vremenska komponenta). -primjer: DW treba da održava podatke o prodaji na godišnjoj razini. Tada će DW prepisivati podatke koji su stariji od godinu dana, međutim, unos podataka u okviru jedne godine će biti upisan u povijesnom obliku, od kad do kad je neki podatak aktualan. -akceptira ograničenja modela baze podataka (npr. referencijalni integritet, obavezna polja i sl.) Razrada ETL procesa na 11 faza prema Kemballu: -primarno izdvajanje (čitanje operativnih formata); -identificiranje promijenjenih slogova; -generaliziranje ključeva za promijenjene dimenzije; -transformiranje u slogove za učitavanje; -migriranje iz operativnog u sustav skladišta podataka; -sortiranje i agregiranje; -generaliziranje ključeva za agregiranje: -učitavanje; -brada izuzetaka; -siguravanje kakvoće podataka; -stavljanje podataka na raspolaganje.
Dvodimenzionalni prikaz kocke:
Baza podataka .vs. Baza znanja -baza podataka - vremenski promjenjiv skup podataka -baza znanja - vremenski nepromjenjiv skup podataka Baza znanja -stabilne baze podataka – pogodna za stacionarno grafičko predstavljanje Transformacija informacija u znanje
Alati za korisnički pristup skladištu podataka http://cybermotorcycle.com/gallery/jap/JAP-V-Twin-Engine-Diagram.htm
Predočavanje dimenzijski modeliranih podataka Oblik predočavanja podataka pomoću kocke: -kocka (eng. Cube) -predstavlja drugi (fizički) način predstavljanja zvjezdaste sheme činjenične i dimenzijskih tablica podataka -struktura koja ima tri ili više (n) dimenzija -koristi ga Microsoft u MS SQL-u -nazivi: n-Kocka, hiperkocka, kocka i podatkovna kocka -to je samo drugačiji pogled na organizaciju podataka ali ne i drugačija organizacija podataka
Klasifikacija alata za pristup podacima u DW-u: -alati za upite i izvješća (engl. Query and reporting tools) -alati za izravnu analitičku obradu – OLAP alati -Data mining alati -vizualizacijski alati (Scorecards i Dashboard tools) Odlike alata za upite i izvješćivanje: -najjednostavniji sustavi izvješćivanja -zahtijevaju stalno učešće informatičara u procesu izrade i održavanja -poteškoće kod složenih upita glede poslovanja -nedostatak koncepta vremena, konsolidiranja i agregiranja
Kada informacija postaje znanje -informacije se mogu smatrati znanjem samo ako su strukturirane tako da budu prikladne za upotrebu pri rješavanju problema u nekom području -znanje je informacija o svijetu koja ekspertu omogućuje donošenje odluke Transformacija znanja Tacit2Explicit -znanje se mora uoblićiti tako da ga je moguće prenijeti u računalo -objedinjava:- definiranje načina prikazivanja znanja - definiranje načina povezivanja elementa znanja
MENADŽMENT ZNANJA Menadžmenta znanja u primjeni Grafička eksternalizacija znanja za potrebe odlučivanja Neki načini strukturiranja i prikazivanja znanja -pravila -stabla odlučivanja -semantičke mreže Pravila -jedna od najstarijih metoda prikazivanja znanja temelji se na propozicijskoj logici -specificiraju događaj i reakciju na događaj, odnosno reakciju izlaza na ulaz: ulaz “pada kiša” izlaz “otvori kušbran“ -prikaz znanja s pomoć pravila: - znanje se sastoji od skupa pravila AKO uvjet (jednostavan i složen) TADA akcija - kada je uvjeti (nekog pravila) zadovoljen uz pomoć činjenica iz baze podataka (opisuje stanje objekta) tada pravilo postaje primjenjivo -dobre strane: - jednostavan čitljiv prikaz - modularnost i nezavisnost - izmjena jednog pravila ne utječe na ostala pravila, - baza znanja je nezavisna od mehanizma upravljanja -loše strane: - skup pravila nije lako razumjeti (kao cjelinu) - teško je stvoriti hijerarhiju među pravilima - pravila mogu biti nepouzdana Faktor pouzdanosti (FP) - stupanj pouzdanosti pravila: FP = 0.7; AKO mjesec=Siječanj&temperatura<=3oC TADA cesta je klizava; Stabla odlučivanja -prikazivanje znanje s grafom (stablo) -hijerarhijski prikaz -prirodna metoda za klasifikaciju objekata -prikaz znanja: - znanje se opisuje pomoću skupa atributa nekog objekta ili problema - unutarnji vrhovi stabla (tj. oni vrhovi koji nisu listovi) opisuju testiranje atributa i nazivaju se i ‘čvorovi odlučivanja’ - ishodi testa (odluke) mogu biti ‘da’ ili ‘ne’ - ishodi testa mogu biti i izbori između više od dviju mogućih vrijednosti (složeni uvjeti) - svaki ishod testa (odluke) ima jedan izlazni luk koji vodi do “djeteta” - na luku je označen ishod testa (tj. odgovarajuća vrijednosti atributa) - ishodi za koje se još ne može donijeti odluka o tome kojoj kategoriji objekt pripada vode na unutarnje vrhove u kojima se provodi daljnje testiranje atributa - ishodi kod kojih se zna kojoj kategoriji objekt pripada vode na listove stabla nazvanih i ‘čvorovi odgovora’ - testiranje se provodi od gore prema dole (po razinama) sve do “čvora odgovora” - kod ove vrste zaključivanja baza činjenica se obično ne formira unaprijed već se postepeno popunjava odgovorima na pitanja u čvorovima odlučivanja kroz koje se prolazi tijekom procesa zaključivanja - stabla odlučivanja mogu se mehanički prevesti u pravila tako da se za svaki čvor odlučivanja i svaki njegov ishod formira jedno pravilo: AKO Ima … nasilja?=da TADA ne AKO Ima … nasilja?=ne TADA Je li film strave?
Baza znanja (eng. Knowledge Base) ekspertnog sustava: -sastoji se od znanja iz nekog problemskog područja koje je potrebno za uspješno djelovanje ekspertnog sustava -znanje može općenito biti iskazano: - činjenicama - postupkovnim pravilima - heurističkim pravilima Činjenice: -izjave iz problemskog područja, koje opisuju znanje aksiomatskog tipa (primjer: Mlijeko je bijelo. Lastavica je ptica.) Postupkovno (proceduralno) pravilo: -pravilo koje opisuje osnovne dijelove radnji i odnosa (primjer: Prije ulaska na autocestu treba provjeriti promet.) Heurističko pravilo, ili heuristika -pravilo za koja bi prije mogli reći da su sugestije jer ih se ne može dovoljno čvrsto obrazložiti, a ekspert ih stječe svojim višegodišnjim iskustvom -primjenjuju se u slučajevima kada zbog nepotpunih ili nepouzdanih informacija nemamo odgovarajućih postupkovnih pravila (primjer: Ako motorna pila s lancem izgleda kao da je u redu ali se ipak ne može uključiti, treba popustiti napetost lanca) Grafička eksternalizacija znanja o procesima Tijek rada (eng. Work Flow)
Extranet Upravljanje dokumentima
Upravljanje projektima Tehnologije menadžmenta znanja
Web konferencije
Intranet Sustavi za skupni rad (eng. groupware)
Skladištenje podataka
Sustavi za podršku odlučivanju (DSS)
Proces: -ulaz - obrada (pravila transformacije, algoritmi) - izlaz -osnovni simboli za grafičko prikazivanje procesa
Procesne (algoritamske strukture) -slijedne (operacija, ulaz i izlaz) -pogodbene (grananje) -kružne (iteracija/petlja) Primjer prikaza procesa: Grafičko oblikovanje -pravila crtanja slabo ili nikako definirana -simboli predefinirani i obvezni http://wiki.metadataregistry.org/Getting_Started
Simboličko predstavljanje znanje
Proceduralno (Postupkovno) .vs. Deklarativno znanje (eng. Procedural Versus Declarative Knowledge) Proceduralno (Postupkovno) znanje: -znanje o procedurama koje opisuju slijed akcija, načine promjene stanja radne okoline i znanje o postupcima za uporabu znanja. Deklarativno znanje: -znanje o odnosima i načinima dekompozicije objekata, pojmova, događaja ili procesa.
Semantičke mreže -čvorovi i veze - temeljne komponente -čvorovi služe za prikazivanje objekata znanja -veze prikazuju odnose između objekata -veza je u načelu tvrdnja da je za stanoviti objekt nešto istina u odnosu na drugi objekt -radi poboljšavanja semantičke strukture nekog objekta, u kombinaciji sa semantičkim mrežama, koriste se i okviri -okviri su u načelu opisani s: - objektom atributom (objektima atributima) - objektom (objektima) sa vrijednostima atributa
U konvencionalnim obradama podataka proceduralno znanje je u programima, a deklarativno u podacima smještenim u datotekama ili bazama podataka Simboličko bilježenje deklarativnog znanja: -formule - simbolički način izražavanja informacija i znanja - daju odnos između različitih veličina - uspostavljaju relaciju između različitih veličina - balansiraju elemente strukture - djele se na matemetičke (primjenjuju ih sve znanosti) i kemijske Simboličko bilježenje postupkovnog znanja -orijentirano razumjevanju čovjeka - alogoritmi (pseudo kod) -orijentirano razumijevanju stroja - programski jezici Programski jezici za programiranje znanja
Zaštita eksternaliziranog znanja
Znanje se kodira i bilježi u bazama znanja Upravljanje znanjem -u užem smislu - upravljanje bazama znanja -u širem smislu – povećanje efikasnosti neke organizacije
Zaštita od uništenja (lokalna i gliobalna) Zaštita od neovlaštenog korištenja (prava pristupa) Politika znanja - dokument o metodama i tehnikama upravljanja znanjem u poslovnim organizacijama