Sistemas de Gestión de Conocimiento.

Los Sistemas de Gestión de Conocimiento (Knowledge Management System, KMS) se refiere a los sistemas informáticos para gestionar el conocimiento en las organizaciones, que soportan la creación, captura, almacenamiento y distribución de la información. Estos sistemas son una parte más de la estrategia de Gestión del Conocimiento dentro de las organizaciones (Espinosa, 2010).

Son herramientas no relacionadas directamente con la Inteligencia de Negocios, pero se pueden integrar mediante el uso de protocolos de intercambio de conocimiento, los cuales permiten que, tanto los proveedores como los receptores de conocimiento, se concienticen sobre la lógica y relevancia de los elementos cualitativos y cuantitativos que participan en un proceso de toma de decisiones. (Guevara, Lara, & Moque, 2012).

¿Que ventaja tiene para las organizaciones cuidar el conocimiento?

En la Inteligencia de Negocios, el proceso de descubrimiento de conocimiento (KDD) comienza con la preparación de los datos, la selección de las operaciones de minería de datos, identificar patrones válidos, novedosos, potencialmente útiles y, en última instancia, comprensibles, teniendo como objetivo encontrar conocimiento útil relevante y nuevo, presentando los resultados de manera visual.

A continuación se describen las fases del descubrimiento de conocimiento:

1. Selección de datos. En primera instancia se deben identificar y seleccionar las fuentes de datos que se requieran, así como el tipo de información que se desea utilizar.
2. Procesamiento. El procesamiento se basa en la preparación así como en la limpieza de los datos que son extraídos desde las diversas fuentes. Para ello se hace uso de diversas estrategias que permitan mejorar los datos faltantes o los que están en blanco; datos que sean inconsistentes o que permanecen fuera de rango. De esta forma, al final, se logra la obtención de una estructura de datos que es totalmente adecuada para una tranformación que puede dar de manera posterior.
3. Transformación. Hace referencia al tratamiento que se da de forma preliminar a los datos, transformación y generación de nuevas variables con base en las ya existentes, y con una estructura de datos que se considera apropiada para llevar a cabo operaciones que agreguen o normalicen los datos. Consolidándolos así para la siguiente fase.
4. Data Mining. Mediante métodos considerados inteligentes, los datos son aplicados con el fin de extraer patrones que son totalemente desconocidos, carecen de validez, son nuevos, de gran utilidad o comprensibles, y que a su vez se encuentran en contenidos o bien, que permanecen ocultos.
5. Interpretación y Evaluación. Al finalizar, se logran identificar los patrones que se han obtenido y que resultan relevantes para dichos fines. Esto con base en medidas que resultan de evaluaciones de los resultados obtenidos.

Dentro de las tecnologías asociadas se encuentran los sistemas de soporte de toma de decisiones, las tecnologías de bodegas de datos, técnicas de procesamiento analítico en línea (OLAP), la minería de datos, el análisis estadístico, entre otros.

Para la toma de decisiones es importante contar con la mayor cantidad de información relevante y oportuna. Las bases de datos multidimensionales son una colección de datos sistematizados, integrados y variables en el tiempo que se utilizan para dar soporte a la toma de decisiones.

El proceso de extracción de conocimiento (KDD) involucra un proceso iterativo e interactivo de búsqueda de patrones significativos y relevantes a partir de los datos y presentarlos como conocimiento. El conocimiento extraído debe ser válido, novedoso, potencialmente útil y comprensible para ser utilizado en la toma de decisiones.