مهمترین موضوع در عصر جدید روش های جمع آوری داده است. مفهوم مدیریت دانش از مفاهیم پرکاربرد و مهم به حساب می آید. مدیریت دانش به عنوان ابزاری برای گردآوری دانش موجود، می باشد که نظم یخشیدن به آن دارای اهمیت فراوانی است.

روش های جمع آوری داده

قبل از گردآوری داده باید روش ها و قصد از جمع آوری داده را مشخص نماییم. لذا موارد زیر را مد نظر داشته باشید:

• منابع

منابع دست اول و دست دومی برای جمع آوری داده ها وجود دارد:

1. منابع دست اول: مستقیما در ارتباط با حادثه یا پدیده بدست می آیند. ممکن است به شکل کتبی/شفاهی/تصویری/مادی و … باشند.
2. منابع دست دوم: به طور غیر مستقیم در ارتباط با حادثه قرار دارند و به اتکای منابع دست اول تهیه شده اند. ممکن است به صورت نقل قول مستقیم یا غیر مستقیم/ کتبی یا شفاهی و .. باشند.

• روش های جمع آوری داده ها را مشخص و مزایا و معایب آن را بیان کنید.در یک تقسیم بندی کلی به دو دسته تقسیم میشوند:

1. استفاده از اطلاعات و مدارک موجود (اسناد/ کتابخانه)
2. روش میدانی(مشاهده/مصاحبه/پرسش نامه)

• زمان و نحوه استفاده از داده ها را بدانید.

شناخت مفاهیم مدیریت دانش

برای اینکه مدیریت دانش را بیشتر بشناسیم و اهمیت آن را برای عصر کنونی درک کنیم بهتر است ابتدا مفاهیم مرتبط را بررسی کنیم:

• داده (Data)

واقعیات شکل نیافته و بدون ساختار، مناسبترین روش برای معرفی داده ها است. واقعیتی از یک موقعیت هستند که بدون توضیح و پردازش، و فاقد هر نوع برداشتی می باشند. داده ها، مواد خام مورد نیاز برای تصمیم گیری به شمار می آیند. زیرا نمی توانند عمل لازم را نشان دهند.

• اطلاعات (Information)

عناصر اصلی اطلاعات داده ها هستند. اگر داده به اطلاعات تبدیل شوند. آنگاه افراد برای درک بیشتر از آنها استفاده می کنند. به عبارت دیگر داده ها خلاصه ای از گروهبندی ها، ذخیره ها، پالایش ها و سازماندهی های هستند؛ که معنی دار شده اند. اطلاعات به داده ها ارزش می دهند و آنها را قابل قبول و قابل استفاده میکنند.

• دانش (Knowledge)

اطلاعات دسته بندی شده قابل اجرا و عمل می گردند. دانش از تجربیات، ارزشها، اطلاعات موجود و دیدگاه کارشناس نظم یافته است؛ که یک قاعده جدیدی را برای ارزشیابی و بهره گیری از این تجربیات و اطلاعات را بدست می آورد. دانش معنا و مفهومی از تفکر است؛ که بدون آن، اطلاعات و داده گفته می شود.

پردازش و تفسیر داده ها

بعد از اینکه قصد خود را از جمع آوری داده مشخص کردیم و مفاهیم دانش را آموختیم؛ نوبت به پردازش داده ها و تفسیر آنها می رسد.

• کنترل کیفیت داده ها

1. دقت در جمع آوری و ثبت داده ها
2. بازبینی داده ها
3. اصلاح خطای احتمالی
4. تکمیل داده های پر نشده
5. اصلاح موارد بی ربط

• تفکیک داده ها

پردازش را ساده تر می کند. مثلا طبقه بندی کردن اطلاعات

• پردازش داده ها

داده اولیه برای تحلیل، فرآوری یا سازماندهی می شود. مانند فرمت ستونی یا سطری کردن در یک جدول(داده ساختاری)

داده کاوی تحلیل مقدار زیادی از داده ها است، که الگوهای ناشناخته از داده ها، داده های غیر معمول و وابستگی آنها را استخراج میکند. هدف از استخراج الگو و دانش از مقدار زیاد داده است نه از خود داده. تجزیه و تحلیل داده ها شامل متدهای مختلفی از هوش مصنوعی، یادگیری ماشین، آمار و سیستم های پایگاه داده است. هوش تجاری که امروزه از آن استفاده می شود می تواند، تصمیمات عملیاتی یک سازمان مانند قرارداد یا تعیین قیمت محصول، شناسای بازارهای جدید، ارزیابی تقاضا، پیش بینی بودجه، استفاده از ابزارهای تصویری مانند نقشه برداری جغرافیایی، نقشه های گرم و جداول محوری را بیان کند.