Selasa, 19 Februari 2019

Mengelola Pengetahuan

Bab 11 Mengelola Pengetahuan
11.1 SUDUT PANDANG PENGELOLAAN PENGETAHUAN
Sistem manajemen pengetahuan dan kolaborasi merupakan bidang investasi korporat dan pemerintah yang paling cepat berkembang. Dasawarsa terakhir telah menunjukkan pertumbuhan eksplosif dalam penelitian pengetahuan dan manajemen pengetahuan di bidang ekonomi, manajemen, dan sistem informasi. Manajemen pengetahuan telah menjadi tema penting di banyak perusahaan bisnis besar karena para manajer menyadari bahwa sebagian besar nilai perusahaan mereka bergantung pada kemampuan perusahaan untuk menciptakan dan mengelola pengetahuan. Studi telah menemukan bahwa sebagian besar nilai pasar saham perusahaan terkait dengan aset tak berwujudnya, dimana pengetahuan merupakan salah satu komponen penting, bersama dengan merek, reputasi, dan proses bisnis yang unik.
DIMENSI PENTING PENGETAHUAN
Ada perbedaan penting antara data, informasi, pengetahuan, dan kebijaksanaan. Bab 1 mendefinisikan data sebagai arus peristiwa atau transaksi yang ditangkap oleh sistem organisasi yang, dengan sendirinya, berguna untuk bertransaksi tapi sedikit lain. Untuk mengubah data menjadi informasi yang berguna, perusahaan harus mengeluarkan sumber daya untuk mengatur data ke dalam kategori pemahaman, seperti laporan penjualan total bulanan, harian, regional, atau penyimpanan. Untuk mengubah informasi menjadi pengetahuan, perusahaan harus mengeluarkan sumber daya tambahan untuk menemukan pola, aturan, dan konteks di mana pengetahuan itu bekerja. Akhirnya, kebijaksanaan dianggap sebagai pengalaman kolektif dan individual untuk menerapkan pengetahuan terhadap pemecahan masalah. Kebijaksanaan melibatkan di mana, kapan, dan bagaimana menerapkan pengetahuan. Pengetahuan yang berada di benak karyawan yang belum didokumentasikan disebut pengetahuan diam-diam, sedangkan pengetahuan yang telah didokumentasikan disebut pengetahuan eksplisit.
Seperti manusia, organisasi menciptakan dan mengumpulkan pengetahuan dengan menggunakan berbagai mekanisme pembelajaran organisasi. Melalui pengumpulan data, pengukuran aktivitas terencana yang cermat, trial and error (percobaan), dan umpan balik dari pelanggan dan lingkungan pada umumnya, pengalaman mendapatkan organisasi. Organisasi yang belajar menyesuaikan perilaku mereka untuk mencerminkan pembelajaran itu dengan menciptakan proses bisnis baru dan dengan mengubah pola pengambilan keputusan manajemen. Proses perubahan ini disebut pembelajaran organisasi.

NILAI RANTAI MANAJEMEN PENGETAHUAN
Manajemen pengetahuan mengacu pada serangkaian proses bisnis yang dikembangkan dalam sebuah organisasi untuk menciptakan, menyimpan, mentransfer, dan menerapkan pengetahuan. Manajemen pengetahuan meningkatkan kemampuan organisasi untuk belajar dari lingkungannya dan untuk menggabungkan pengetahuan ke dalam proses bisnisnya.
Akuisisi Pengetahuan
Organisasi memperoleh pengetahuan dengan berbagai cara, tergantung dari jenis pengetahuan yang mereka cari. Sistem manajemen pengetahuan pertama berusaha membangun gudang dokumen, laporan, presentasi, dan praktik terbaik perusahaan. Upaya ini telah diperluas untuk memasukkan dokumen tidak terstruktur (seperti e-mail).
Penyimpanan Pengetahuan
Begitu mereka menemukan dokumen, pola, dan aturan ahli harus disimpan agar bisa diambil dan digunakan oleh karyawan. Penyimpanan pengetahuan umumnya melibatkan pembuatan database. Sistem pengelolaan dokumen yang mendigitalkan, mengindeks, dan memberi tag dokumen sesuai kerangka koheren adalah database besar yang mahir menyimpan koleksi dokumen. Sistem pakar juga membantu perusahaan mempertahankan pengetahuan yang diperoleh dengan memasukkan pengetahuan tersebut ke dalam proses dan budaya organisasi.

Diseminasi pengetahuan
Portal, e-mail, instant messaging, wiki, jaringan sosial, dan teknologi mesin telusur telah menambahkan serangkaian teknologi kolaborasi dan sistem perkantoran yang ada untuk berbagi kalender, dokumen, data, dan grafik (lihat Bab 7). Teknologi kontemporer tampaknya telah menciptakan banjir informasi dan pengetahuan. Bagaimana para manajer dan karyawan dapat menemukan, dalam lautan informasi dan pengetahuan, apa yang benar-benar penting untuk keputusan dan pekerjaan mereka? Di sini, program pelatihan, jaringan informal, dan pengalaman manajemen bersama yang dikomunikasikan melalui budaya yang mendukung membantu para manajer memusatkan perhatian mereka pada pengetahuan dan informasi penting.
Aplikasi pengetahuan
Terlepas dari jenis sistem manajemen pengetahuan yang dilibatkan, pengetahuan yang tidak dibagi dan diterapkan pada masalah praktis yang dihadapi perusahaan dan manajer tidak menambah nilai bisnis. Untuk memberikan laba atas investasi, pengetahuan organisasi harus menjadi bagian sistematis dari pengambilan keputusan manajemen dan berada di dalam sistem pendukung keputusan.
Membangun Modal Organisasi dan Manajemen: Kolaborasi, Praktik Komunitas, dan Lingkungan Kantor
Selain kegiatan yang baru saja kami jelaskan, para manajer dapat membantu dengan mengembangkan peran dan tanggung jawab organisasi baru untuk mengakuisisi pengetahuan, termasuk pembentukan posisi eksekutif kepala eksekutif, posisi staf yang berdedikasi (knowledge manager), dan praktik komunitas. Praktik komunitas (COP) adalah jaringan sosial informal para profesional dan karyawan di dalam dan di luar perusahaan yang memiliki kegiatan dan minat terkait pekerjaan serupa. Kegiatan komunitas ini meliputi pendidikan dan konferensi mandiri, konferensi, buletin online, dan berbagi pengalaman dan teknik sehari hari untuk memecahkan masalah pekerjaan tertentu.

JENIS SISTEM MANAJEMEN PENGETAHUAN
Pada dasarnya ada tiga jenis sistem manajemen pengetahuan utama: sistem manajemen pengetahuan perusahaan, sistem kerja pengetahuan, dan teknik cerdas.
Sistem manajemen pengetahuan menyeluruh adalah upaya umum untuk mengumpulkan, menyimpan, mendistribusikan, dan menerapkan konten serta pengetahuan digital. Sistem ini mencakup kemampuan untuk mencari informasi, menyimpan data terstruktur dan tidak terstruktur, serta menemukan keahlian karyawan di dalam perusahaan. Sistem kerja pengetahuan (KWS) adalah sistem khusus yang dibangun untuk para insinyur, ilmuwan, dan pekerja pengetahuan lainnya yang ditugaskan untuk menemukan dan menciptakan pengetahuan baru bagi sebuah perusahaan. Manajemen pengetahuan juga mencakup beragam jenis teknik cerdas, seperti data mining, sistem pakar, jaringan syaraf tiruan, logika fuzzy, algoritma genetika, dan agen cerdas.
11.2 MANAJEMEN PENGETAHUAN PERUSAHAAN SECARA LUAS
Perusahaan harus berurusan dengan setidaknya tiga jenis pengetahuan. Beberapa pengetahuan ada di dalam perusahaan berupa dokumen teks terstruktur (laporan dan presentasi). Pengambil keputusan juga membutuhkan pengetahuan yang semistructured, seperti e-mail, voice mail, chat room exchange, video, gambar digital, brosur, atau papan buletin. Dalam kasus lain, tidak ada informasi formal atau digital dalam bentuk apapun, dan pengetahuan berada di kepala karyawan. Sebagian besar pengetahuan ini adalah pengetahuan diam-diam yang jarang dituliskan. Sistem manajemen pengetahuan menyeluruh perusahaan menangani ketiga jenis pengetahuan tersebut.
SISTEM MANAJEMEN KONTEN PERUSAHAAN

Bisnis saat ini perlu mengatur dan mengelola aset pengetahuan terstruktur dan semistructured. Pengetahuan terstruktur adalah pengetahuan eksplisit yang ada dalam dokumen formal, dan juga peraturan formal yang diturunkan organisasi dengan mengamati para ahli dan perilaku pengambilan keputusan mereka. Sistem manajemen konten perusahaan membantu organisasi mengelola kedua jenis informasi. Mereka memiliki kemampuan untuk menangkap, penyimpanan, pengambilan, distribusi, dan pelestarian pengetahuan untuk membantu perusahaan memperbaiki proses bisnis dan keputusan mereka. Masalah utama dalam mengelola pengetahuan adalah penciptaan skema klasifikasi yang tepat, atau taksonomi, untuk mengatur informasi ke dalam kategori yang bermakna sehingga mudah diakses. Perusahaan dalam penerbitan, periklanan, penyiaran, dan hiburan memiliki kebutuhan khusus untuk menyimpan dan mengelola data digital tidak terstruktur seperti foto, gambar grafis, video, dan konten audio. Sistem manajemen aset digital membantu perusahaan mengklasifikasikan, menyimpan, dan mendistribusikan benda digital ini.

SISTEM JARINGAN PENGETAHUAN
Sistem jaringan pengetahuan, juga dikenal sebagai lokasi keahlian dan sistem manajemen, mengatasi masalah yang timbul saat pengetahuan yang tepat tidak dalam bentuk dokumen digital melainkan berada dalam memori individu ahli di perusahaan. Sistem jaringan pengetahuan menyediakan direktori pakar korporat online di domain pengetahuan yang terdefinisi dengan baik dan menggunakan teknologi komunikasi untuk mempermudah karyawan menemukan pakar yang tepat di perusahaan.

SISTEM PENGELOLAAN KOLABORASI DAN SISTEM MANAJEMEN PEMBELAJARAN
Sistem pengelolaan konten perusahaan utama mencakup teknologi portal dan kolaborasi yang hebat. Portal pengetahuan perusahaan dapat menyediakan akses ke sumber informasi eksternal, seperti umpan berita dan penelitian, serta sumber pengetahuan internal bersama dengan kemampuan untuk e-mail, obrolan / pesan instan, kelompok diskusi, dan konferensi video. Bookmark sosial mempermudah pencarian dan berbagi informasi dengan mengizinkan pengguna menyimpan bookmark mereka ke halaman Web di situs Web publik dan menandai bookmark ini dengan kata kunci. Tag ini bisa digunakan untuk mengatur dan mencari dokumen. Daftar tag dapat dibagi dengan orang lain untuk membantu mereka menemukan informasi yang menarik. Taksonomi buatan pengguna yang dibuat untuk bookmark bersama disebut folksonomies. Delicious dan Digg adalah dua situs bookmark sosial yang populer. Sistem manajemen pembelajaran (LMS) menyediakan alat untuk manajemen, pengiriman, pelacakan, dan penilaian berbagai jenis pembelajaran dan pelatihan karyawan.
11.3 SISTEM PENGETAHUAN KERJA
Sistem pengetahuan perusahaan secara luas yang baru saja kami jelaskan memberikan berbagai kemampuan yang dapat digunakan oleh banyak orang jika tidak semua pekerja dan kelompok dalam sebuah organisasi. Perusahaan juga memiliki sistem khusus untuk pekerja pengetahuan dalam membantu mereka menciptakan pengetahuan baru dan untuk memastikan bahwa pengetahuan ini terintegrasi dengan benar ke dalam bisnis.
PENGETAHUAN PEKERJAAN DAN PENGETAHUAN KERJA
Pekerja pengetahuan, yang kami perkenalkan di Bab 1, mencakup periset, perancang, arsitek, ilmuwan, dan insinyur yang terutama menciptakan pengetahuan dan informasi untuk organisasi. Pekerja pengetahuan biasanya memiliki tingkat pendidikan dan keanggotaan yang tinggi dalam organisasi profesional dan sering diminta untuk melakukan penilaian independen sebagai aspek rutin pekerjaan mereka. Misalnya, pekerja pengetahuan menciptakan produk baru atau menemukan cara untuk memperbaiki produk yang sudah ada. Pekerja pengetahuan melakukan tiga peran penting yang penting bagi organisasi dan manajer yang bekerja di dalam organisasi:
Menjaga pengetahuan organisasi saat ini dalam pengetahuan saat berkembang di dunia luar – dalam teknologi, sains, pemikiran sosial, dan seni
Melayani konsultan internal mengenai bidang pengetahuan mereka, perubahan yang terjadi, dan peluang
Bertindak sebagai agen perubahan, evaluasi, inisiasi, dan promosi proyek perubahan
PERSYARATAN SISTEM KERJA PENGETAHUAN
Sebagian besar pekerja pengetahuan bergantung pada sistem perkantoran, seperti pengolah kata, voice mail, e-mail, konferensi video, dan sistem penjadwalan, yang dirancang untuk meningkatkan produktivitas pekerja di kantor. Namun, pekerja pengetahuan juga memerlukan sistem kerja pengetahuan yang sangat terspesialisasi dengan grafis, alat analisis, dan komunikasi serta kemampuan manajemen dokumen yang hebat.

CONTOH SISTEM KERJA PENGETAHUAN
Aplikasi kerja pengetahuan utama mencakup sistem CAD, sistem virtual reality untuk simulasi dan pemodelan, dan workstation keuangan. Computeraided design (CAD) mengotomatisasi penciptaan dan revisi desain, menggunakan komputer dan perangkat lunak grafis yang canggih. Sistem virtual reality memiliki kemampuan visualisasi, rendering, dan simulasi yang jauh melampaui sistem CAD konvensional. Mereka menggunakan perangkat lunak grafis interaktif untuk membuat simulasi yang dihasilkan komputer yang sangat dekat dengan kenyataan sehingga pengguna hampir yakin bahwa mereka berpartisipasi dalam situasi dunia nyata. Augmented reality (AR) adalah teknologi terkait untuk meningkatkan visualisasi. AR menyediakan pandangan langsung atau tidak langsung tentang lingkungan dunia nyata fisik yang elemennya diperkuat oleh citra buatan komputer virtual. Pengguna beralasan di dunia fisik yang sebenarnya, dan gambar virtual digabungkan dengan tampilan nyata untuk membuat tampilan yang disempurnakan.
Aplikasi virtual reality yang dikembangkan untuk Web menggunakan standar yang disebut Virtual Reality Modeling Language (VRML). VRML adalah seperangkat spesifikasi untuk pemodelan 3 dimensi interaktif di World Wide Web yang dapat mengatur beberapa jenis media, termasuk animasi, gambar, dan audio untuk menempatkan pengguna di lingkungan dunia nyata yang disimulasikan. VRML adalah platform independen, beroperasi di atas komputer desktop, dan membutuhkan sedikit bandwidth. Industri keuangan menggunakan workstation investasi khusus untuk memanfaatkan pengetahuan dan waktu dari broker, pedagang, dan manajer portofolio.
11.4 TEKNIK KECERDASAN
Kecerdasan buatan dan teknologi basis data memberikan sejumlah teknik cerdas yang dapat digunakan organisasi untuk menangkap pengetahuan individu dan kolektif serta untuk memperluas basis pengetahuan mereka. Sistem pakar, penalaran berbasis kasus, dan logika fuzzy digunakan untuk menangkap pengetahuan tersembunyi. Jaringan syaraf tiruan dan data mining digunakan untuk penemuan pengetahuan. Teknik cerdas lainnya yang dibahas di bagian ini didasarkan pada teknologi kecerdasan buatan (artificial intelligence / AI), yang terdiri dari sistem berbasis komputer (perangkat keras dan perangkat lunak) yang mencoba meniru perilaku manusia.
MENGETAHUI PENGETAHUAN: SISTEM AHLI

Sistem pakar adalah teknik cerdas untuk menangkap pengetahuan tersembunyi dalam domain keahlian manusia yang sangat spesifik dan terbatas. Sistem ini menangkap pengetahuan karyawan yang terampil dalam bentuk seperangkat aturan dalam sistem perangkat lunak yang dapat digunakan oleh orang lain dalam organisasi. Kumpulan aturan dalam sistem pakar menambah ingatan, atau pembelajaran tersimpan dari perusahaan. Pengetahuan manusia harus dimodelkan atau diwakili sedemikian rupa sehingga komputer bisa memprosesnya. Sistem pakar memodelkan pengetahuan manusia sebagai seperangkat aturan yang secara kolektif disebut basis pengetahuan. Strategi yang digunakan untuk mencari melalui basis pengetahuan disebut inferensi engine. Dua strategi yang umum digunakan: forward chaining dan backward chaining.
Dalam forward chaining, mesin inferensi dimulai dengan informasi yang dimasukkan oleh pengguna dan mencari basis aturan untuk sampai pada sebuah kesimpulan. Strateginya adalah menembak, atau melakukan tindakan aturan saat kondisi benar. Dalam strategi backward chaining, strategi untuk mencari basis aturan dimulai dengan sebuah hipotesis dan dilanjutkan dengan mengajukan pertanyaan kepada pengguna tentang fakta-fakta yang dipilih sampai hipotesis tersebut dikonfirmasi atau dibantah.
KECERDASAN ORGANISASI: PENALARAN BERBASIS KASUS
Sistem pakar terutama menangkap pengetahuan tersembunyi para ahli individual, namun organisasi juga memiliki pengetahuan dan keahlian kolektif yang telah mereka bangun selama bertahun-tahun. Pengetahuan organisasi ini dapat ditangkap dan disimpan dengan menggunakan penalaran berbasis kasus. Dalam kasus berbasis penalaran (CBR), deskripsi pengalaman  spesial masa lalu manusia, yang digambarkan sebagai kasus, disimpan dalam database untuk pengambilan nanti saat pengguna menemukan kasus baru dengan parameter serupa.
SISTEM LOGIKA FUZZY
Kebanyakan orang tidak berpikir dalam hal aturan tradisional jika-kemudian atau angka yang tepat. Manusia cenderung mengkategorikan hal-hal yang tidak tepat dengan menggunakan peraturan untuk membuat keputusan yang mungkin memiliki banyak nuansa makna. Misalnya, pria atau wanita bisa kuat atau cerdas. Sebuah perusahaan bisa berukuran besar, menengah, atau kecil. Suhu bisa panas, dingin, sejuk, atau hangat. Kategori ini mewakili berbagai nilai. Logika fuzzy adalah teknologi berbasis aturan yang dapat mewakili ketidaktepatan seperti itu dengan membuat aturan yang menggunakan nilai perkiraan atau subyektif. Ini bisa menggambarkan fenomena atau proses tertentu secara linguistik dan kemudian mewakili deskripsi itu dalam sejumlah kecil peraturan fleksibel. Organisasi dapat menggunakan logika fuzzy untuk menciptakan sistem perangkat lunak yang menangkap pengetahuan tersembunyi dimana terdapat ambiguitas linguistik.

JARINGAN SYARAF TIRUAN
Jaringan syaraf digunakan untuk memecahkan masalah kompleks dan kurang dipahami dimana sejumlah besar data dikumpulkan. Mereka menemukan pola dan hubungan dalam jumlah besar data yang akan terlalu rumit dan sulit bagi manusia untuk dianalisis. Jaringan saraf menemukan pengetahuan ini dengan menggunakan perangkat keras dan perangkat lunak yang paralel dengan pola pengolahan otak biologis atau otak manusia. Sesi Interaktif pada Organisasi menggambarkan aplikasi perdagangan saham terkomputerisasi berdasarkan teknologi AI terkait yang disebut pembelajaran mesin. Pembelajaran mesin berfokus pada algoritma dan metode statistik yang memungkinkan komputer “belajar” dengan mengekstraksi aturan dan pola dari kumpulan data masif dan membuat prediksi tentang masa depan.
ALGORITMA GENETIK
Algoritma genetika berguna untuk menemukan solusi optimal untuk masalah tertentu dengan memeriksa sejumlah besar kemungkinan solusi untuk masalah itu. Mereka didasarkan pada teknik yang diilhami oleh biologi evolusioner, seperti pewarisan, mutasi, seleksi, dan crossover (rekombinasi).
SISTEM AI HYBRI
Algoritma genetika, logika fuzzy, jaringan syaraf tiruan, dan sistem pakar dapat diintegrasikan ke dalam satu aplikasi untuk memanfaatkan fitur terbaik dari teknologi ini. Sistem semacam itu disebut sistem hibrida.
AGEN CERDAS
Teknologi agen cerdas membantu bisnis menavigasi melalui sejumlah besar data untuk mencari dan bertindak berdasarkan informasi yang dianggap penting. Agen cerdas adalah program perangkat lunak yang bekerja di latar belakang tanpa intervensi langsung manusia untuk melaksanakan tugas spesifik, berulang, dan dapat diprediksi untuk pengguna individual, proses bisnis, atau aplikasi perangkat lunak. Banyak fenomena kompleks dapat dimodelkan sebagai sistem agen otonom yang mengikuti aturan interaksi yang relatif sederhana. Aplikasi pemodelan berbasis agen telah dikembangkan untuk memodelkan perilaku konsumen, pasar saham, dan rantai pasokan dan untuk memprediksi penyebaran epidemi.

0 komentar:

Posting Komentar

Popular Posts

Recent Posts

Unordered List

Text Widget

Blog Archive

LATEST POSTS

CB Blogger Lab

JASA SEO CB

jam ayam

CONTOH BLOG

JASA SEO CB

Formulir Kontak

Nama

Email *

Pesan *