Hoofdstuk 5: Kennismanagement
1
Overzicht







Introductie
Types van kennis
Kennismanagement
Knowledge sharing
Technieken voor kennisverwerving
Kennisrepresentatie
Conclusies
2
Kennis

Data


Informatie


Data in context en met betekenis
Kennis


Ruwe geobserveerde feiten
Informatie geïnterpreteerd samen met eigen
inzicht en ervaring die tot concrete actie kan leiden
Wijsheid
3
De Kennispiramide
Wijsheid
Waardevol
Subjectief
Kennis
Volume
Volledigheid
Objectiviteit
Codeerbaar
Transfereerbaar
Informatie
Data
4
Types van kennis

Explicit knowledge




Kan gemakkelijk geïdentificeerd worden
Formeel en gecodeerd in bijvoorbeeld documenten, rapporten,
manuals, white papers, standaard procedures, …
Bv. Een set van regels voor loonberekening
Tacit knowledge





Informeel en niet gecodeerd
Vaak gebaseerd op persoonlijke ervaring, individueel leren, en
speciale know how
Vaak onbewust
Heel moeilijk om te extraheren en te coderen
Bv. Ervaring van een investeringsmanager bij het aan- en
verkopen van aandelen
5
Kenniscreatie
Distribution, combination
Explicit knowledge
Learning, codification
Training, practice
Tacit knowledge
Socialization, experience
6
Kennisbronnen







Mensen
Bedrijfsprocessen
Manuals
Documenten en boeken
Databases
Intranetten
…
7
Kennismanagement

Definitie


Het systematisch creëren, verzamelen, verfijnen,
opslaan, onderhouden, beheren en verspreiden van
kennis
De explicit en tacit knowledge binnen een
organisatie wordt ook het intellectueel kapitaal
genoemd
8
De kennismanagement cyclus
Knowledge Use
Knowledge Sharing
& Dissemination
Knowledge Preservation
& Storage
Collect
& Acquire
knowledge
Create &
Discover new
knowledge
Knowledge Harmonisation
& Quality
9
Belang van Knowledge Management

Kenniseconomie


Globalisatie



Werknemers van geografisch verschillende locaties kunnen kennis
delen
Evoluties in ICT


Toename van ‘white collar’ workers
Web, portals, artificial intelligence, …
Kennis wordt meer een meer aanzien als een belangrijke
concurrentie-factor
“Over 40 % of the Fortune 1000 now have a CKO (Chief knowledge
officer), a senior-level executive responsible for creating an
infrastructure and cultural environment for knowledge sharing” (B.
Roberts, Web Week)
10
Belang van Knowledge Management
Source: Orbital Software
11
Figure 12-8
12
Knowledge Management binnen de
organisatie
Knowledge Work
Systems (KWS)
Office Automation
Systems (OAS)
(Source: Laudon & Laudon, Management Information Systems 8, chapter 2)
13
Doelstellingen van knowledge
management

Het behouden van het intellectueel kapitaal en geheugen van
een organisatie

Minimaliseren van de impact van employee attrition

Het creëren van nieuwe kennis op basis van bestaande kennis

Harmonisatie van kennis

Het exploiteren van de kennis ten behoeve van de
besluitvorming

Het creëren van toegevoegde waarde aan de hand van kennis

Efficiënte verspreiding van kennis

Inrichten van een kennis infrastructuur

Hergebruik van kennis
14
The knowledge management
landscape
Figure 12-2
15
Employee attrition
16
Het verspreiden en delen van kennis




E-mail
Groupware
Internet/Intranet/Extranet
Portals
17
E-mail

Voordelen:


Nadelen






Gemakkelijk, snel, goedkoop, onafhankelijk van tijd en plaats,
ondersteunen van samenwerking, …
Zeer ongestructureerd
Time consuming (vaak 3 tot 4 uur per dag)
Kennis gaat meestal verloren
Veel te veel (SPAM)
“The cost of time wasted by poor e-mail habits is estimated to be
$20+ million per year in an organization of 10,000 employees”
Oplossingen



Gebruik van rules voor automatic filtering en foldering
Duidelijke policies en guidelines!
Attitude!
18
Groupware


Software die ondersteuning biedt voor workflow
activiteiten en information sharing
Voorbeeld: Lotus Notes
19
Portals




Samenbrengen van informatie voor een specifieke
groep van gebruikers aan de hand van een
gebruiksvriendelijke webinterface
Visueel aantrekkelijk en gemakkelijk te navigeren
Kan gepersonaliseerd worden op basis van individuele
behoeften
Uitgerust met search engine functionaliteit, discussiefora, …
20
Portals
CRM
Order
Entry
Support
Web
Content
Sales
Marketing
Customer Service
etc.
Enterprise Portal
Everything you need to
do your job
Customers
Partners
Suppliers
ERP
Product
Literature
Extranet Portal
One-to-One
relationships
(P. Hinssen)
21
Voorbeeld

SCK-CEN



Knowledge Centre Portal







Studie-centrum voor kernenergie
R&D organisatie waarvoor kennis de belangrijkste resource is!
On-line library catalogus
E-journals
On-line requests met workflow en status rapport
Consultatie van eigen wetenschappelijke output
Newsfeeds
Search engine
Ook portal voor nuclear waste disposal
22
Ruyssen, Moons, Borgermans, 2004
23
Intranet: cost aspecten
24
Technieken voor kennisverwerving

Business intelligence en KDD



Text mining


Ontginnen van kennis uit goed gestructureerde data
Cf. Hoofdstuk 4
Ontginnen van kennis uit tekst
Kenniselicitatie van experten

Vooral voor tacit knowledge
25
Text Mining


Het ontdekken van patronen in tekstuele data
Voorbeelden van tekstdocumenten:









E-mails
Nieuwsartikelen
Verzekeringsclaims
Webpagina’s
Klachtenbrieven
Transcripts van telefoongesprekken met klanten
Manuals
…
Ongeveer 90% van de totale data beschikbaar is ongestructureerd
(Oracle)
26
Text Mining Uitdagingen

Heel veel dimensies



Ongestructureerde documenten
Complexe en subtiele verbanden



“AOL merges with Time-Warner”
“Time-warner is bought by AOL”
Ambiguïteit en context-afhankelijkheid



Alle mogelijke woorden
Automobile=car=vehicle=Toyota
Apple (the company) versus apple (fruit)
Spelling mistakes and chat language

“Hey whazzzzz up”
27
Preprocessing voor Text Mining

Verwijderen van stopwoorden


Stemming



Bv. Lidwoorden (de, het, een, …)
Herleiden van woorden naar hun stam
Bv. Kopen, koop, koopt, gekocht, …
Extraheren van sleutelwoorden
28
Text Mining taken





Information Retrieval
Information Extraction
Categorisatie
Clustering
Summarisation
29
Taak: Information Retrieval




Gegeven een bron van tekst documenten en
een user query
Bepaal de set (eventueel gerangschikt) van
documenten die relevant zijn voor de query
Voorbeeld: Google
Recall en Precision heel belangrijk (cf. supra)
30
Intelligente Information Retrieval

Houdt rekening met betekenis van woorden



Volgorde van de woorden in de query



Synoniemen: Buy versus purchase
Homoniemen: bat (baseball versus mammal), predator (movie,
animal, company, plane, …)
Hot dog stand in the amusement park
Hot amusement stand in the dog park
Authority of the source

E.g. Academic versus hobbyist
31
Taak: Information Extraction



Gegeven een bron met tekstuele documenten
en een goed gedefinieerde en gestructureerde
tekstuele query
Zoek alle zinnen met relevante informatie,
extraheer de relevante informatie en negeer de
niet relevante informatie,
Presenteer de output in een vooraf gedefinieerd
formaat (bijvoorbeeld voor het populeren van
een database model)
32
Information Extraction: Voorbeeld
Grobelnik
33
Taak: Text Classificatie




Toewijzen van een document aan een
voorafgedefinieerde categorie
Supervised learning
Eventueel een hiërarchie van categorieën
Voorbeeld


Catalogeren van e-mail als SPAM
Catalogeren van nieuwsberichten (binnenland,
buitenland, sport)
34
Taak: Text Clustering





Het groeperen van documenten die analoge
topics beschrijven in een aantal clusters
Unsupervised learning
Maximaliseren van de intra-cluster similariteit
Maximaliseren van de inter-cluster dissimilariteit
Via het definiëren van een similariteitsmaatstaf

bv. Euclidische afstand
35
Text Clustering: voorbeeld






Apple
fruit?
company?
label?
jeans?
New York
36
Taak: Text Summarization




Samenvatten van een tekst in een kleinere vorm
Bijvoorbeeld door het identificeren en
samenvoegen van enkele sleutelzinnen
Voorbeeld: genereren van management
summaries van rapporten
MS Word
37
Text Mining: Toepassingen



Clusteren van klachten van klanten
Suggereren van producten (bv. Films) op basis
van een productbeschrijving (tekstueel, bv. Film
review) met profiel van de klant
Het identificeren van web sites van concurrenten
en het extraheren van informatie aangaande hun
producten en prijzen
38
Kenniselicitatie van domein experten


Extraheren en formaliseren van tacit knowlegde van één
of meerdere domein experten door een knowledge
engineer
Technieken





discussies
interviews (gestructureerd of ongestructureerd)
vragenlijsten
aanbieden en laten oplossen van standaard problemen
directe observatie van handelingen domein expert
39
Problemen bij kenniselicitatie van experten

De domein expert weet vaak meer dan wat hij zegt

Knowledge engineer moet vaak ook specialist zijn in de materie



Bv. Kenniselicitatie van geneesheren
Domein expert denkt volgens zijn eigen patronen, typische
cases, objecten, gebeurtenissen
Zeer moeilijk om een goede kennisrepresentatie-vorm te kiezen
die begrijpbaar is voor de domein expert en werkbaar voor de
knowledge engineer (cf. infra)

Valideren van de geëliciteerde kennis niet gemakkelijk

Hoe kennis van meerdere domein experten samenvoegen?

Hoe conflicten oplossen?
40
Overzicht







Introductie
Types van kennis
Kennismanagement
Knowledge sharing
Technieken voor kennisverwerving
Kennisrepresentatie
Conclusies
41
Nood aan kennisrepresentatie

Beschouw het volgende voorbeeld




The number of holidays depends on age and years of service.
Every employee receives at least 22 days.
Additional days are provided according to the following criteria:
 Only employees younger than 18 or at least 60 years, or employees with
at least 30 years of service will get 5 extra days.
 Employees with at least 30 years of service and also employees of
age 60 or more, receive 3 extra days, on top of possible additional days
already supplied.
 If the employee has at least 15 but less than 30 years of service, 2 extra
days are given. These 2 days are also provided for employees of age 45
or more. The 2 extra days can not be combined
with the 5 extra days.
Vraag: how many holidays is a 62-year old employee with 25
years of service entitled to?
Nood aan kennisrepresentatie-vormen die expressief zijn,
ondubbelzinnig, context onafhankelijk, en met precieze syntax en
semantiek
42
Vormen van Kennisrepresentatie



Als dan regels
Beslissingstabellen
Grafische methoden
43
Als dan regels






Propositionele regels bestaande uit condities (antecedent) en acties
(consequent)
Als aan een aantal condities is voldaan, dan mogen bepaalde conclusies
getrokken worden
Voorbeeld:

If age between 18 and 45 And Service less than 15 years
Then Assign 22 days
Typische geïmplementeerd als een regelbank met verschillende If then
regels die een gegeven scenario of procedure beschrijven:

R1: If… Then…

R2: If … Then …

…

RN: If … Then…
Wanneer data ter beschikking komt (bv. Age en Service) dan wordt de
regelbank doorlopen voor het bepalen van het doelattribuut (bv. Number of
holidays)
Regelbanken zijn echter moeilijk te interpreteren, verifiëren en valideren
44
Voorbeeld regelbank
45
Kennisbank architectuur
development
operation
46
Beslissingstabellen


The number of holidays depends on age and years of service.
Every employee receives at least 22 days.
Additional days are provided according to the following criteria:

Only employees younger than 18 or at least 60 years, or employees with at least
30 years of service will get 5 extra days.

Employees with at least 30 years of service and also employees of
age 60 or more, receive 3 extra days, on top of possible additional days already
supplied.

If the employee has at least 15 but less than 30 years of service, 2 extra days
are given. These 2 days are also provided for employees of age 45 or more.
The 2 extra days can not be combined with the 5 extra days.
Question: how many holidays is a 62-year old
employee with 25 years of service entitled to?
47
48
Kim Clijsters' Tennis Ranking
“Clijsters becomes the world's number one if she reaches the
final, OR If Davenport doesn't reach the final, OR Mauresmo
doesn't win the tournament.
Lindsay Davenport stays number one if she wins the tournament
AND Clijsters doesn't reach the final, OR she looses the final
(against another player than Mauresmo) AND Clijsters looses in
the semi-finals.
Amélie Mauresmo becomes number one if she wins the
tournament and Clijsters looses in the quarter-finals. ”
(translated from a www.sporza.be, 2006 ...)
49
Holidays Example


The number of holidays depends on age and years of service.
Every employee receives at least 22 days.
Additional days are provided according to the following criteria:

Only employees younger than 18 or at least 60 years, or employees with at least
30 years of service will get 5 extra days.

Employees with at least 30 years of service and also employees of
age 60 or more, receive 3 extra days, on top of possible additional days already
supplied.

If the employee has at least 15 but less than 30 years of service, 2 extra days
are given. These 2 days are also provided for employees of age 45 or more.
The 2 extra days can not be combined with the 5 extra days.
Question: how many holidays is a 62-year old
employee with 25 years of service entitled to?
50
DT Quadrants

A DT consists of four quadrants:




condition subjects: relevant decision criteria
action subjects: possible decision outcomes
condition entries: (subranges of) values that the condition
subjects may take ( ‘–’ : irrelevant in the context of that column)
action entries: action values to be assigned under the
corresponding condition combination ( ‘x’ : execute)
condition
entries
condition
subjects
action
subjects
action entries
51
DT Properties

Desirable properties of the condition part of a DT:


It should represent a complete set of decision rules
(“exhaustivity” criterion)
where columns are mutually exclusive
(“exclusivity” criterion)
Criteria exclude so-called “multiple-hit” tables
52
DT Modelling Phases
A typical DT modelling process includes the
following phases:



Obtain the conditions and actions of the decision
situation
Specify the problem in terms of decision rules
Fill a DT enumerating every possible combination based
on the former rules

Check the DT for potential errors

Simplify the DT
53
Holidays Example: Obtain Conditions


The number of holidays depends on age and years of service.
Every employee receives at least 22 days.
Additional days are provided according to the following criteria:

Only employees younger than 18 or at least 60 years, or employees with at least
30 years of service will get 5 extra days.

Employees with at least 30 years of service and also employees of
age 60 or more, receive 3 extra days, on top of possible additional days already
supplied.

If the employee has at least 15 but less than 30 years of service, 2 extra days are
given. These 2 days are also provided for employees of age 45 or more. The 2
extra days can not be combined with the 5 extra days.
Age:
<18
18-<45
Service:
<15
15-<30
45-<60
60
30
54
Holidays Example: Obtain Actions


The number of holidays depends on age and years of service.
Every employee receives at least 22 days.
Additional days are provided according to the following criteria:

Only employees younger than 18 or at least 60 years, or employees with at least
30 years of service will get 5 extra days.

Employees with at least 30 years of service and also employees of
age 60 or more, receive 3 extra days, on top of possible additional days already
supplied.

If the employee has at least 15 but less than 30 years of service, 2 extra days are
given. These 2 days are also provided for employees of age 45 or more. The 2
extra days can not be combined with the 5 extra days.
Assign 22 days
5 extra days
3 extra days
2 extra days
55
Holidays Example: Construct Empty DT

Lexicographical ordering: entries at lower rows alternate
before the entries above them



Every combination is included (exhaustivity)
There are no overlaps (exclusivity)
DT can be consulted in a top-down manner
56
Specify Rules and Fill DT (1)
“Every employee receives at least 22 days.”
‘x’ in all columns
57
Specify Rules and Fill DT (2)
“Only employees younger than 18 or at least 60 years, or
employees with at least 30 years of service will get 5 extra days.”
if Age < 18 or Age ≥ 60 or Service ≥ 30 then 5 extra days
{1, 2, 3}
{10, 11, 12}
{3, 6, 9, 12}
(try completing remaining rows yourself )
58
Check the DT for Potential Errors
x
x
x
x
x
“The 2 extra days can not be combined with the 5 extra days”

Verify: look for any anomalies



Check columns for conflicting action entries
Check columns for missing action entries
Validate: check correctness (semantic)

Does every column have the right entries?
59
Simplify: Eliminate Impossibilities
Simplify by removing impossible columns
(e.g. employees younger than 18 cannot have 15 years of
service or more)
60
Simplify: Contract Logically
Adjacent Columns
61
Holidays Example: Decision Table
(DT)
Number of holidays:
62-year old employee with 25 years experience: 22+5+3 = 30 days
Definition:
A decision table (DT) is a tabular notation used to describe and
analyse decision situations where the state of a number of conditions
determines the execution of a set of actions
62
A DT Modelling Tool: Prologa
URL: http://www.econ.kuleuven.be/prologa/
63
Advantages of DTs

Intuitive also to non-IT people



Facilitate communication between business user, analyst and programmer
Easy to validate
Can be efficiently applied to a specific problem case
Assumed faster and less prone to human mistakes than textual rules

Provide range of implementation options

Automatic export to other target representation


procedural: program code (nested if-else statement)
non-procedural:




if-then rules & rule inference engine
relational database table & SQL
Direct consultation by special-purpose engine
Easy to maintain (even by business user directly)


Provide level of abstraction from implementation issues
Implementing changes requires little effort
Reflected instantly (direct consultation) or after re-generating target representation
64
Kim Clijsters’ Voorbeeld
1. Clijsters
2. Davenport
3. Mauresmo
goes out before semi-final
goes out before final
runner-up
does not win tourn.
wins tourn.
does not win tourn.
wins tourn.
1. Cijsters number 1
2. Davenport number 1
3. Mauresmo number 1
1. Clijsters
2. Davenport
3. Mauresmo
1. Cijsters number 1
2. Davenport number 1
3. Mauresmo number 1
x
.
.
1
x
.
x
2
x
.
.
3
.
.
x
4
looses semi-final
goes out before final
runner-up or wins tourn.
does not win tourn.
wins tourn.
x
.
.
6
x
x
.
7
wins tourn.
-
.
.
.
8
x
x
.
5
runner-up or wins
x
.
.
9
65
Grafische kennisrepresentatie methoden


Semantische netwerken
Bayesiaanse netwerken
66
Semantische netwerken
subclass
haspart
Animal
head
subclass
Reptile
Mammal
subclass
Africa
livesin
Elephant
Dumbo
size
large
instance
Via het doorlopen van het netwerk vinden we dat Dumbo Large
is, in Africa woont en een hoofd heeft!
67
Bayesiaanse netwerken


Probabilistische white box modellen
Kennis infereren aan de hand van Bayes’ theorema
68
Knowledge Management in de Praktijk

General Electric


McKinsey and Bain & Co.


These two management consulting firms have developed "knowledge
databases" that contain experiences from every assignment including names
of team members and client reactions. Each team must appoint a "historian"
to document the work.
Boeing 777


GE has since 1982 collected all customer complaints in a database, that
supports telephone operators in answering customer calls. GE has
programmed 1,5 million potential problems and their solutions into its
system.
First "paperless" development of aircraft. Included customers in design
teams. More than 200 teams with wide range of skills both designed and
constructed sub parts, rather than usual organization design team,
construction team. Suppliers world-wide used same digital databases as
Boeing.
Xerox

Provides convenient places where people can get together routinely. Called
the "distributed coffee pot" these environments encourage transfer of tacit
knowledge
69
Knowledge Management: Slotbevindingen




Bereidwilligheid van werknemers tot het
delen van kennis
Kennismanagement moet met een geschikte
ICT technologie geïmplementeerd worden
Kennismanagement moet gealigneerd zijn
met de bedrijfsstrategie
Ontwikkelen van een kennisinfrastructuur!
70