We współczesnej gospodarce o sukcesie rynkowym przedsiębiorstwa często przesądza wiedza zgromadzona przez jego pracowników oraz zawarta w danych przez nie gromadzonych. W podręczniku została zawarta wiedza dotycząca umiejętności formułowania problemów i wykorzystania metod zarządzania wiedzą w przedsiębiorstwie. Autorzy przedstawili: podstawowe informacje dotyczące zasobów wiedzy w przedsiębiorstwie, wybrane narzędzia zarządzania wiedzą (logika rozmyta, systemy eksperckie, drążenie danych), konkretne przypadki zastosowań biznesowych. Szczególny nacisk autorzy położyli na przekazanie praktycznych umiejętności projektowania i efektywnego wykorzystania informatycznych systemów analityki biznesowej do wspierania analiz finansowych, marketingowych i rynkowych w celu zwiększenia wartości przedsiębiorstwa oraz podniesienia jego konkurencyjności. Podręcznik jest przeznaczony dla studentów zarządzania w wyższych uczelniach rożnych typów.

Wstęp * Rozdział 1. Podstawy zarządzania wiedzą * 1.1. Społeczeństwo informacyjne, społeczeństwo wiedzy * 1.1.1. Od społeczeństwa przemysłowego do społeczeństwa wiedzy * 1.1.2. Istota i cechy społeczeństwa informacyjnego * 1.1.3. Skutki społeczno-gospodarcze zmian * 1.1.4. Przedsiębiorstwo w społeczeństwie informacyjnym * 1.1.5. Społeczeństwo informacyjne w Polsce i na świecie * 1.2. Znaczenie wiedzy w otoczeniu gospodarczym * 1.2.1. Dane - informacja - wiedza * 1.2.2. Okrężny obieg wiedzy * 1.2.3. Wiedza jako zasób, ekonomika wiedzy * 1.3. Zasoby wiedzy w przedsiębiorstwie - klasyfikacja, główne składniki, proces uczenia się organizacji * 1.3.1. Klasyfikacja wiedzy * 1.3.2. Szacowanie zasobów wiedzy w przedsiębiorstwie * 1.3.3. Ewoluowanie przedsiębiorstw-organizacje uczące się i sieciowe * 1.3.4. Pracownik w nowym modelu funkcjonowania przedsiębiorstwa * 1.4. Rola i znaczenie zarządzania wiedzą * 1.4.1. Rozwój zarządzania wiedzą * 1.4.2. Istota zarządzania wiedzą * 1.4.3. Metody, techniki i strategie zarządzania wiedzą * 1.4.4. Ilościowe a jakościowe zarządzanie wiedzą * 1.4.5. Zarządzanie wiedzą a przewaga konkurencyjna * 1.5. Technologie informacyjne w zarządzaniu wiedzą * 1.5.1. Pozyskiwanie wiedzy z otoczenia * 1.5.2. Zarządzanie wiedzą o klientach * 1.5.3. Wiedza w systemach rozproszonych i organizacjach sieciowych * Rozdział 2. Zarządzanie wiedzą w praktyce * 2.1. Kluczowe procesy zarządzania wiedzą * 2.1.1. Lokalizowanie zasobów wiedzy * 2.1.2. Pozyskiwanie wiedzy * 2.1.3. Zachowywanie wiedzy * 2.1.4. Stosowanie wiedzy * 2.1.5. Przykłady wybranych procesów zarządzania wiedzą * 2.2. Rozwijanie wiedzy * 2.2.1. Wiedza a innowacje w przedsiębiorstwach * 2.2.2. Procedury rozwoju wiedzy * 2.2.3. Przykłady zastosowań rozwiązań informatycznych w rozwoju wiedzy * 2.3. Poziomy zarządzania wiedzą * 2.3.1. Zarządzanie wiedzą a zarządzanie przedsiębiorstwem * 2.3.2. Zarządzanie normatywne, strategiczne i operacyjne * 2.3.3. Studium przypadku zarządzania wiedzą w przedsiębiorstwie * Rozdział 3. Projektowanie systemów ekspertowych * 3.1. Procesy przetwarzania wiedzy * 3.1.1. Formy wiedzy w przedsiębiorstwie * 3.1.2. Etapy procesu przetwarzania wiedzy * 3.2. Systemy ekspertowe - istota, struktura i działanie * 3.2.1. Istota systemu ekspertowego i różnice w stosunku do innych rozwiązań * 3.2.2. Rozwój systemów ekspertowych * 3.2.3. Klasyfikacja systemów ekspertowych * 3.2.4. Struktura i zasada działania systemu ekspertowego * 3.3. Identyfikacja problemów dla systemów ekspertowych * 3.3.1. Cechy charakterystyczne problemów rozwiązywanych za pomocą systemów ekspertowych * 3.3.2. Ocena celowości budowania systemu ekspertowego dla wybranego problemu - koszty a zyski * 3.3.3. Studium przypadku opłacalności wdrożenia systemu ekspertowego * 3.4. Proces pozyskiwania wiedzy do systemu ekspertowego * 3.4.1. Metody pozyskiwania wiedzy * 3.4.2. Przykłady opracowań formularzy pozyskiwania wiedzy * 3.4.3. Przykłady zastosowań drzew decyzyjnych * 3.4.4. Ramowe koncepcje uczenia się organizacji na przykładach przedsiębiorstw * 3.5. Metody reprezentacji wiedzy * 3.5.1. Deklaratywne metody reprezentacji wiedzy * 3.5.2. Proceduralne metody reprezentacji wiedzy * 3.6. Zapis baz wiedzy w systemie ekspertowym * 3.6.1. Przykład zastosowania systemu PC-Shell w technologicznym przygotowaniu produkcji * 3.6.2. Przykład zastosowania języka PROLOG w zapisie wiedzy w systemie ekspertowym * 3.7. Weryfikacja baz wiedzy * 3.7.1. Eliminowanie nadmiarowości wiedzy * 3.7.2. Usuwanie sprzeczności wiedzy * 3.7.3. Badania kompletności baz wiedzy * 3.8. Zastosowanie systemów uczenia się maszyn w bazach wiedzy * 3.8.1. Metody uczenia się maszyn * 3.8.2. Przykłady zastosowań systemów uczących się * Rozdział 4. Zastosowanie logiki rozmytej w budowie systemów zarządzania wiedzą * 4.1. Elementy logiki rozmytej w reprezentacji wiedzy * 4.1.1. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych * 4.1.2. Zastosowanie współczynników pewności w reprezentacji wiedzy * 4.2. Wnioskowanie rozmyte * 4.2.1. Modele rozmyte w systemach zarządzania wiedzą * 4.2.2. Metody wnioskowania rozmytego * 4.3. Systemy rozmyte * 4.3.1. Budowa systemów rozmytych * 4.3.2. Przykład zastosowania systemu rozmytego w projektowaniu procesów produkcyjnych * Rozdział 5. Drążenie danych * 5.1. Zarządzanie wiedzą firmy ukrytą w danych * 5.1.1. Cele i strategie zarządzania wiedzą przedsiębiorstwa * 5.1.2. Informacje pozyskiwane z danych * 5.1.3. Przetwarzanie danych we wspomaganiu decyzji biznesowych * 5.2. Ogólna charakterystyka drążenia danych * 5.2.1. Pojęcia podstawowe * 5.2.2. Metodyka projektu * 5.2.3. Kryteria wyboru metody lub modelu * 5.2.4. Weryfikacja modeli i ocena wyników * 5.2.5. Miary błędów * 5.3. Wstępna analiza danych * 5.3.1. Czyszczenie i przekształcenia danych * 5.3.2. Podział danych na próby: uczącą, walidacyjną i testową * 5.3.3. Analizy struktur wielowymiarowych OLAP * 5.4. Analizy wielowymiarowe * 5.4.1. Regresja wieloraka * 5.4.2. Analiza skupień * 5.4.3. Skalowanie wielowymiarowe * 5.4.4. Analiza czynnikowa * 5.4.5. Analiza składowych głównych PCA * 5.4.6. Analiza składowych niezależnych ICA * 5.4.7. Analiza dyskryminacyjna * 5.4.8. Graficzne metody prezentacji danych wielowymiarowych * 5.5. Drzewa klasyfikacyjne i regresyjne * 5.5.1. Drzewa klasyfikacyjne i regresyjne C&RT * 5.5.2. Drzewa decyzyjne CHAID * 5.6. Metody sztucznej inteligencji w drążeniu danych * 5.6.1. Neuronowe sieci wielowarstwowe typu MLP i RBF * 5.6.2. Sieci samoorganizujące Kohonena - SOM * 5.6.3. Metoda wektorów nośnych - SVM * 5.6.4. Algorytmy ewolucyjne * 5.7. Przykłady zastosowań drążenia danych * 5.7.1. Wybór metod analizy w opracowywaniu rozwiązania * 5.7.2. Analiza szeregów czasowych-prognozowanie krótkoterminowe cen produktów sezonowych * 5.7.3. Modelowanie złożonych systemów-prognozowanie cen akcji na rynku kapitałowym * 5.7.4. Klasyfikacja-diagnostyka i identyfikacja produktów roślinnych * Rozdział 6. Systemy hybrydowe * 6.1. Kategorie i struktura systemów hybrydowych * 6.1.1. Struktury równoległe * 6.1.2. Struktury sekwencyjne * 6.1.3. Zanurzenia * 6.2. Systemy transformacyjne * 6.2.1. Neuronowe systemy ekspertowe * 6.2.2. Sieci ekspertowe * 6.2.3. Semantyczne sieci neuronowe * 6.3. Systemy neuronowo-rozmyte * 6.3.1. Rozmyte sieci neuronowe * 6.3.2. Neuronowe systemy wnioskowania rozmytego * 6.3.3. Klasyfikacja neuronowo-rozmyta * Rozdział 7. Wielowymiarowe systemy pomiaru wiedzy * 7.1. Podstawowe poziomy pomiaru wiedzy * 7.1.1. Pomiar wiedzy a cele zarządzania wiedzą * 7.1.2. Pomiary wiedzy na poziomach zarządzania przedsiębiorstwem * 7.2. Podstawy systemów pomiaru wiedzy * 7.2.1. Schemat przyczynowo-skutkowy * 7.2.2. Zrównoważona karta wyników * 7.2.3. Podstawowe grupy wskaźników pomiaru wiedzy * 7.3. Przykład budowy wielowymiarowego systemu pomiaru wiedzy * Rozdział 8. Wdrażanie i użytkowanie systemów zarządzania wiedzą w przedsiębiorstwie * 8.1. Wdrażanie systemów zarządzania wiedzą * 8.1.1. Przygotowanie profilu wiedzy przedsiębiorstwa * 8.1.2. Znaczenie kultury organizacyjnej * 8.1.3. Przykładowe opracowanie obszarów kompetencji * 8.2. Wdrażanie i eksploatacja systemów ekspertowych * 8.2.1. Systemy ekspertowe jako systemy złożone * 8.2.2. Planowanie i przygotowywanie procedury wdrożeniowej * 8.2.3. Realizacja wdrożenia systemu * 8.2.4. Eksploatacja systemu i jego dostosowywanie do potrzeb użytkownika * 8.3. Wdrażanie i eksploatacja systemów drążenia danych * 8.3.1. Identyfikacja potrzeb * 8.3.2. Realizacja wdrożenia systemu * 8.3.3. Dostosowanie systemu do potrzeb użytkownika * Zakończenie