Data Mining

В основе Data Mining лежит математический аппарат, возникший и развивающийся на базе достижений прикладной статистики, распознавания образов, методов искусственного интеллекта, теории баз данных и т.д. Наличие различных методов и алгоритмов, на которых базируются современные системы Data Mining, привели к их многообразию. Некоторые системы интегрируют в себе сразу несколько подходов, хотя в каждой системе есть свой ключевой компонент.

Процесс управления знаниями можно рассматривать с нескольких позиций - инновационного менеджмента, экономики, образования, психологии, социологии и т.д. Ограничим рассмотрение этой проблемы позициями маркетинга и теории информационных систем.

В структуре интеллектуального капитала согласно классификации, предложенной основоположником современной теории интеллектуального капитала Т.Стюартом, выделяют человеческий, организационный и потребительский капиталы. Эти элементы интеллектуального капитала могут быть соотнесены с индивидуальной компетенцией сотрудников, внутренней и внешней структурами компании, соответственно, они являются взаимосвязанными. В такой структуре стратегии управления знаниями, учитывающие все взаимосвязи, должны быть направлены на повышение эффективности формирования и использования каждого из элементов интеллектуального капитала и поддерживаться современными корпоративными информационными системами.

Однако обработка оперативных данных, хранение и аналитическая обработка информации не означает увеличения корпоративного знания как высокоструктурированной (классифицированной, с выявленными логическими, семантическими и ассоциативными связями) информации. Практическую значимость для бизнеса имеет управление знаниями (KM, Knowledge Management) как совокупность стратегических и оперативных усилий, направленных на увеличение и повышение эффективности использования интеллектуального капитала организации.