Koncepcja systemu pozyskiwania wiedzy o funkcjonowaniu organizacji

• Autorzy: Krzysztof Kania
• Języki publikacji: PL

Abstrakty

Przedstawiona koncepcja jest jedynie przykładem systemów, które mogą być oparte o ideę rozszerzonej analizy temporalnej. Zasygnalizowane możliwości i wymagania, zastosowane narzędzia oraz różnice, ale i podobieństwa do systemów HD i OLAP sugerują potrzebę poszerzania zakresu działania tych systemów. Dotyczy to zarówno źródeł informacji, zawartości, sposobu (modelu) ich przechowywania, narzędzi analizy i sposobów wizualizacji. Niektóre z postulowanych zmian nie mają charakteru prostych uzupełnień i wskazują na osiągnięcie trudnych do ominięcia ograniczeń obecnych rozwiązań. Być może jest to sygnał do pojawienia się rozszerzonych wersji obecnie eksploatowanych systemów HD i OLAP. (fragment tekstu)

Słowa kluczowe

PL

Wiedza w organizacji; Hurtownie danych

EN

Knowledge in organization; Data warehouse

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2003
• Numer: nr 975 Pozyskiwanie wiedzy i zarządzanie wiedzą
• Strony: 188--198

Twórcy

autor

Krzysztof Kania

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Nardi B. (ed.): Contexts and Consciousness, Activity Theory and Human-Computer Interaction, The MIT Press, Cambridge, MA, 1996.
• Virkkunen J.K.: Expansive Transition From Individual to Team and Network Based Knowledge Work, in: Blackler F. (ed.), Knowledge Work, Organizations and Expertise: Europe and Perspective, London, 1997.
• Iivari J., Linger H.: Knowledge Work as Collaborative Work: A Situated Theory View, Poc. Of the 32nd Hawaii Intl. Conf. On System Sciences, 1999.
• Kania K.: Źródła wiedzy korporacyjnej i narzędzia ich eksploracji. [w:] Komputerowo Zintegrowane Zarządzanie, tom I, WNT, W-wa, 2003.
• Agraval R., Srikant R.: Fast algoritms for mining association rules, Proc. Int. Conference Very Large Data Bases, Santiago, Chile, 487-499, 1994.
• Mannila H., Toivonen H., Verkamo A.: Efficient algorithms for discovering association rules, Proc. AAAI'94 Workshop Knowledge Discovery in Databases (KDD'94), Seattle, WA, 1994.
• Mannila H., Ronkainen P.: Similarity of event sequences. Proc. of the 4th Intl. Workshop on Temporal Representation and Reasoning (TIME'97), Daytona Beach, 1997.
• Moen P.: Attribute, Event Sequence, and Event Type Similarity Notions for Data Mining. Report A-2000-1, University of Helsinki, 2000.
• Po-shan Kam., Ada Wai-chee Fu.: Discovering Temporal Patterns for Interval-Based Events, 2nd Intl. Conf. Data Warehousing and Knowledge Discovery, London, 2000.
• Ale J.M., Rossi G.H.: An approach to discovering temporal association rules. SAC conference, Como. Italy, 2000.
• Lesh N., Zaki M., Mitsunori Ogihara: Mining Feature for Sequence Classification. 5th ACM SIGKDD Int. Conf. On Knowledge Discovery and Data Mining, 1999.
• Sanfilippo L., Voorhis Van J.: Categorizing Event Sequences Using Regular Expressions. IASSIST Conference, Odense, Denmark, 1997.
• Kimball R.: The Data Warehouse Toolkit. John Wiley & Sons, Inc., New York, 1996.
• Weber M., Alexa M., Muller W.: Visualizing Time-series on Spirals. Proc of the IEEE Symposium on Information Visualization INFOVIS'01, 2001.