Alt sınıfı | Sistem mühendisliği , yapay zeka |
---|---|
Tarafından uygulandı | Bilgi Mühendisi |
Bilgi mühendisliği boyutlarına biri olan bilgi yönetimi bir kuruluş içinde. Uzman sistemler gibi birçok bilgiyi içeren karmaşık "akıllı" sistemlerin mühendisliğini ifade eder .
Bilgiden yararlanma beş işlemi içerir: tanımlama, oluşturma, depolama, paylaşma ve kullanma.
Bilgi mühendisliği, araçları paylaşma ve kullanma karşısında tarafsız kalmak için bilginin tanımlanması, oluşturulması, depolanması ve sağlanmasına odaklanır.
Bilgi tanımlama, bir organizasyon için kritik bilginin tanımlanmasıdır.
Anketler, mülakatlar vb. Temelinde bireysel olarak veya departmanlar, hizmetler, ekipler belirlenerek toplu olarak gerçekleştirilebilir.
Toplama, bilgi aktarımı veya bilgi paylaşımından oluşabilir ve bunların tümü, bilgileri doğru bir şekilde yapılandırırken:
Yapılandırma, erişimi ve danışmayı kolaylaştırmak için muhtemelen birkaç hiyerarşik düzeyde olmak üzere kategoriler halinde toplanan bilgilerin düzenlenmesinden oluşur. Yapılandırma, verileri kullanabilmek için gerekli bir adımdır .
Verilerin toplanması ve yapılandırılması , bilgi yönetimi yaklaşımında oldukça farklıdır. Ancak, toplama ve yapılandırma, kapsamlı bir bilgi yönetimi yaklaşımından bahsetmek için yeterli değildir. Aslında, bu yaklaşım ancak toplanan ve saklanan veriler ilgili kuruluşun hedeflerine ulaşmak için kullanılabildiğinde tamamlanır.
Bu nedenle, " Bilgi Verisi Keşfi" (KDD) ifadesi altında da bilinen verilerin kullanımı , sonuçları ve sonuçları çıkarmak için gerçekleri bağlamayı ve yorumlamayı içerir.
Bilginin veriden çıkarılması, uygulama alanına ve ham verilerin doğasına bağlı olarak birkaç yöntem kullanılarak gerçekleştirilebilir. Bu bağlamda çeşitli yöntemler bulunmaktadır:
Veri madenciliğiVeri madenciliği (veri madenciliği adlandırılan veri madenciliği veya veri madenciliği İngilizce için) sonucu anlamlı desen ve kural keşfidir büyük veri kümeleri arama ve arama için (otomatik veya yarı otomatik yoluyla) pratiktir. Bunu yapmak için, veri madenciliği istatistiklerden ödünç alınan bilgisayar tekniklerini ve bir bilgi sistemi tarafından toplanan büyük veri yığınlarındaki tekrar eden modellerin tanınmasını kullanır. Veri Madenciliği analizlerinin sonuçlarının amacı, bir kullanıcının davranışını bilmek, davranışını anlamak ve ardından tahmin etmektir. Bu nedenle, organizasyon için bilgi üreten (Bilgi Keşfi) [24] veri belirlemenin sonuçlarıdır . İş dünyasında veri madenciliği esas olarak şu alanlarda kullanılır:
Yapay zeka bir durumda Antlaşması üzerinde tatmin edici kararlar almak için evrensel kurallara dayalı bir otomatik veri işleme olarak tanımlanabilir. Yapay zekaya dayalı EDC yöntemleri, Web 2.0'ın ortaya çıkmasından ve BT'nin ilerlemesinden bu yana, özellikle veri kaynaklarının çoğalması ( Web , ERP , müşteri ilişkileri yönetimi vb.)
BaşvurularDVE uygulamaları büyük ölçüde verilerin doğasına ve bu verilere uygulanan yöntemlere bağlıdır. Aslında, kullanılan veriler için iki ana uygulama ailesi vardır.
Önleyici uygulamaRiskleri yönetmek ve öngörmek ve önleyici bakım planlarını tanımlamak için dolandırıcılık tespiti için verilerin kullanılmasından oluşur .
Uygulamanın iyileştirilmesiVerilerden yararlanmanın organizasyonun iyileştirilmesine yönlendirilmesi yoluyla, stratejilerin yeniden tanımlanması ve optimizasyonu: örnek: bir ürünün pazarlanması için pazardaki müşterilerin davranışlarının incelenmesi.
(zaman ...) Anlık bilgi, karar verme sürecine önemli ölçüde yardımcı olur. İşbirliğine dayalı araçlar, bilgilerin şeffaf bir şekilde paylaşılmasını sağlar (bir topluluk içinde veya kısıtlama olmaksızın).
İş dünyasında gelişiyorlar ama özellikle yeni uygulamaların ortaya çıkmasıyla küresel düzeyde.
Yeni bir ortak çalışma aracı örneği, dünya çapında 60 milyondan fazla kullanıcısı olan Waze'dir. Bu uygulama, yoldaki diğer kullanıcıların hızını görmenizi (telefonun coğrafi konumu sayesinde) ve çalışma bölgelerini veya hız kameralarının varlığını bilmenizi sağlar. Burada herkes diğer kullanıcıların bilgilerinden yararlanabilir ve doğruluğunu kontrol edebilir, kullanıcılar tarafından kendi kendine düzenlenir. Bu araç, trafik sıkışıklığına yaklaşma ve sürüş sırasında karar verme şeklimizi tamamen değiştirir, burada gerçek zamanlı bilgi paylaşımı çok önemlidir.
Uluslararası bilim topluluğu, FFP kısaltmasıyla bilinen üç tür sahtekarlığı belirlemeyi kabul eder: