Subclase de | Ingeniería de sistemas , inteligencia artificial |
---|---|
Practicado por | Ingeniero del conocimiento |
La ingeniería del conocimiento es una de las dimensiones de la gestión del conocimiento dentro de una organización. Se refiere a la ingeniería de sistemas complejos "inteligentes" que incorporan mucho conocimiento como los sistemas expertos .
La explotación del conocimiento comprende cinco operaciones: identificación, creación, almacenamiento, intercambio y uso.
La ingeniería del conocimiento se enfoca en la identificación, creación, almacenamiento y provisión de conocimiento para permanecer neutral frente al intercambio y uso de herramientas.
La identificación del conocimiento es la identificación del conocimiento crítico para una organización.
Se puede realizar de forma individual a partir de cuestionarios, entrevistas, etc., o de forma colectiva identificando departamentos, servicios, equipos.
La colección puede consistir en una transferencia de conocimiento o un intercambio de conocimiento, todo mientras se estructura correctamente la información:
La estructuración consiste en organizar el conocimiento recopilado en categorías, posiblemente en varios niveles jerárquicos, para facilitar el acceso y la consulta. La estructuración es un paso necesario para poder llegar a la explotación de los datos .
La recopilación y estructuración de datos son bastante distintas en el enfoque de gestión del conocimiento. Sin embargo, recopilar y estructurar no es suficiente para hablar de un enfoque integral de gestión del conocimiento. De hecho, este enfoque solo se completa cuando los datos recopilados y almacenados se pueden utilizar para lograr los objetivos de la organización en cuestión.
Así, el uso de datos , también conocido bajo la expresión " Knowledge Data Discovery" (KDD) consiste en vincular e interpretar hechos para deducir resultados y consecuencias útiles.
La extracción de conocimiento de los datos se puede llevar a cabo utilizando varios métodos, dependiendo del campo de aplicación y la naturaleza de los datos brutos. En este contexto, existen varios métodos:
Procesamiento de datosLa minería de datos (también llamado minería de datos, minería de datos o minería de datos para Inglés) es la práctica (por medios automáticos o semi-automáticos) para la búsqueda y exploración de grandes conjuntos de datos, el resultado es el descubrimiento de patrones y reglas significativas. Para ello, la minería de datos utiliza técnicas informáticas tomadas de las estadísticas y el reconocimiento de patrones recurrentes en grandes masas de datos recopilados por un sistema de información. El propósito de los resultados de los análisis de Data Mining es conocer el comportamiento de un usuario, inferir y luego predecir su comportamiento. Así, son los resultados de la minería de datos los que generan conocimiento para la organización (Knowledge Discovery) [24] . En los negocios, la minería de datos se utiliza principalmente en:
La inteligencia artificial se puede definir como un tratamiento automático de datos basado en reglas universales para la toma de decisiones satisfactorias sobre un caso tratado. Los métodos EDC basados en inteligencia artificial han evolucionado considerablemente desde la aparición de la Web 2.0 y desde el avance de las TI, especialmente ante la multiplicación de fuentes de datos ( Web , ERP , gestión de relaciones con clientes , etc.)
AplicacionesLas aplicaciones de EDC dependen en gran medida de la naturaleza de los datos y los métodos aplicados a esos datos. De hecho, existen dos familias principales de aplicaciones para los datos utilizados.
Aplicación preventivaConsiste en utilizar datos para la detección de fraudes con el fin de gestionar y anticipar riesgos y definir planes de mantenimiento preventivo .
Mejorando la aplicaciónMediante la orientación de la explotación de datos hacia la mejora de la organización, la redefinición y optimización de las estrategias: ejemplo: el estudio del comportamiento de los clientes en el mercado para la comercialización de un producto.
(tiempo ...) La información instantánea aporta una ayuda considerable a la toma de decisiones. Las herramientas colaborativas ofrecen un intercambio transparente de información (dentro de una comunidad o sin restricciones).
Se están desarrollando en los negocios pero especialmente a nivel global con la aparición de nuevas aplicaciones.
Un ejemplo de una herramienta colaborativa reciente es Waze, que tiene más de 60 millones de usuarios en todo el mundo. Esta aplicación permite ver (gracias a la geolocalización del teléfono) la velocidad de otros usuarios en la carretera y conocer las zonas de trabajo o la presencia de radares. Aquí todo el mundo puede aprovechar la información de otros usuarios y comprobar su veracidad, es autorregulado por los usuarios. Esta herramienta cambia por completo la forma en que abordamos los atascos y tomamos decisiones mientras conducimos; el intercambio de información en tiempo real es esencial aquí.
La comunidad científica internacional se compromete a identificar tres tipos de fraude, conocidos por las siglas FFP: