Documente Academic
Documente Profesional
Documente Cultură
management al cunostintelor
Condensarea
• Datele sunt sintetizate intr-o forma mai concisa, iar amanuntele sunt eliminate.
Contextualizarea
• Scopul sau motivul colectării datelor este cunoscut şi înţeles de la început;
Calculul
• Datele sunt procesate şi agregate pentru a oferi informaţii utile;
Categorizarea
• Este un proces care presupune repartizarea datelor pe tipuri sau categorii; este un
proces care presupune repartizarea datelor pe tipuri sau categorii;
Corectarea
• Este un proces al cărui scop este îndepărtarea erorilor. Informaţia reprezintă datele
grupate, sortate şi clasificate cărora li s-a dat o semnificaţie prin conexiunile
relaţionale.
Informaţia devine cunoaştere individuală când este acceptată şi reţinută ca
o comprimare apropiată a adevărului şi o interpretare validă a realităţii.
Cunoaşterea apare şi se aplică în mintea oamenilor. În organizaţii,
cunoaşterea este încastrată nu doar în documente şi în depozite, ci şi în
procesele, practicile şi normele organizaţionale (Davenport et al., 1998).
Cunoaşterea organizaţiei sau socială există când este acceptată prin
consens de un grup de persoane
Între cei mai apreciaţi autori din acest domeniu sunt japonezii Ikujiro Nonaka şi
Hirotaka Takeuchi, creatori al modelului SECI (Nonaka şi Takeuchi, 1995). Acest
model reprezintă o descriere a creării dinamice a cunoştinţelor în organizaţii şi a
utilizării practice a acestora. Modelul creat iniţial de Nonaka şi Takeuchi a fost
completat împreună cu Toyama şi Konno pentru a putea fi mai uşor aplicat de
companii descrie sintetic acest model.
•Reprezintă procesul prin care sunt împărtăşite cunoştinţe tacite prin intermediul unor experienţe
comune. Întrucât cunoştinţele tacite sunt dependente de context, cheia achiziţionării lor este
trăirea aceloraşi experienţe şi realizarea de activităţi împreună cu cei care deţin aceste
cunoştinţe. Cel mai bun exemplu este tradiţionala relaţie maestru-învăţăcel. Învăţăcelul învaţă
meseria prin imitarea directă a acţiunilor maestrului, ameliorându-şi cunoştinţele prin practică şi
nu prin cuvinte sau scrieri. Calitatea relaţiei dintre cei care împărtăşesc experienţe comune, fie
Socializarea că este vorba despre învăţăcel şi maestru, angajat şi client sau şef şi subordonat, este un factor
fundamental în potenţarea creării de cunoştinţe în organizaţie
• Grup Global DMS este o societate care desfășoară activități cu jocuri de noroc.
• Aceasta deține lanțurile de casinouri ”Las Vegas” din țară.
• Brașov reprezintă orașul sediu datorită faptului că este deținătorul pieții din această zonă
Grup Global DMS (Sibiu-sediul Baum),aici localizându-se cele mai multe săli.
•Pricipalele orașe unde sunt deschise săli proprii: Brasov-13 săli ; Iași-10 săli ; Cluj- 4 săli;
Constanța-5 săli; Botoșani-3 săli; Huși-2 săli,Bacău-4 săli ,Buzău-4 săli ,București-10 săli
,Pașcani-1 sală,Suceava-6 săli etc.
•Firma deține și parteneriate-francize și baruri în orașele menționate dar și în
Sibiu,Arad,Vaslui, jud.Brașov (Ghimbav,Predeal,Zărnești,Noua) etc.
• În cadrul companiei ne confruntăm cu un flux de date nesortat și
neinterpretat.Acest flux de date se referă la frecvența cu care o băutură
se cere pe o locație, pe un aparat de către un client sau mai mulți.
• Sistemul de POS existent emite o bază de date în funcție de înregistrările
angajaților, la cererea angajatorului.
• Un astfel de raport se scoate constant ( la fiecare final de tură) Pe baza
interpretării acestor date se iau diverse decizii , precum: negociere-
furnizorul de răcoritoare,furnizorul de cafea, cantitatea de aprovizionare
Flux de date
de la un anumit furnizor.
• În momentul de față interpretarea acestor date se face de către
departamentul de achiziții prin metode clasice(excel, pix și foaie),
nesortat
metode care nu oferă rezultate concrete.
• În speranța îmbunătățirii timpului de analiză și eficientizarea rezultatelor
am realizat un program de data mining în R, folosind diverși algoritmi
care să ne ajute să ajungem la rezultate precise.
R este un limbaj de programare făcut în primul rând pentru a face calcule
statistice și pentru a le vizualiza. Are aproape 20 de ani (1993) și este cel mai
folosit limbaj pentru data mining
Avand în vedere că acest cod de program este un prototip, am utilizat o bază de date mică
folosind datele firmei Grup Global DMS, un raport realizat pe 12 h, echivalentul unei ture.
library("Matrix")
fp.df
fp.mat
inspect(fp.trans)
Legendă:
1= Adevărat=1 buc
0=Fals= 0 buc
Pentru a putea asocia datele cu valorile de tip diferit, transformăm numărul aparatului
într-o matrice,spațiu vectorial unde putem asocia valorile de tip caracter și datele logice.
Grupare de 2 aparate au
frecvență de TRUE=2 produse
identice la aparate diferite
Partea dreaptă a regulii (RHS = Right-Hand Side) se numește succedent și partea stângă a regulii
(LHS = Left-Hand Side) se numește antecedent.
Se estimează că în combinația
pepsi și mirinda, la aparatul 1 se
va consuma și cafea.Aceasta
combinație se regăsește de mai
multe ori.
Etc.
Probabilitatea de consumare
trebuie să fie mai mică pentru
a nu estima greșit comenzile,
stocurile tampon și furnizorii
preferați de clienți.