La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Dominique Crié Revue française de gestion 5/2003 (n o 146), p. 59-79. URL : www.cairn.info/revue-francaise-de-gestion-2003-5-page- 59.htm. DOI : 10.3166/rfg.146.59-79.www.cairn.info/revue-francaise-de-gestion-2003-5-page-

Présentations similaires


Présentation au sujet: "Dominique Crié Revue française de gestion 5/2003 (n o 146), p. 59-79. URL : www.cairn.info/revue-francaise-de-gestion-2003-5-page- 59.htm. DOI : 10.3166/rfg.146.59-79.www.cairn.info/revue-francaise-de-gestion-2003-5-page-"— Transcription de la présentation:

1

2 Dominique Crié Revue française de gestion 5/2003 (n o 146), p URL : 59.htm. DOI : /rfg www.cairn.info/revue-francaise-de-gestion page- 59.htm /rfg ISSN Réalisé par : Mahjoubi Hanene & Manel Benzarti Master « Management des Organisations »

3 Plan 1. Présentation de l’article 2. Problématique 3. Définitions des concepts clés 4. Les nouvelles logiques de gestion des connaissances 5. Apports et limites 6. Que doit-on retenir? 2

4 1.Présentation de l’article  Nature de l’article:  Population visée:  Sources d’informations:  Source de données: 3 L’état de l’art (Revue de la littérature) Les académiciens et les praticiens Les conférences, les ouvrages et les revues Secondaire, non empirique.

5 2.Problématique  La croissance exponentielle de l’information 4 • NTIC fournissent une masse très importante de données • Présenter les nouvelles logiques de gestion des connaissances et leurs implications managériales  Un souci cognitive : Le défi est de donner un sens à toute l’information

6 3.Définitions des concepts clés L’extraction de connaissances (EC) 5 L’extraction des connaissances à partir de textes (ECT) ou Text Mining (TM) L’extraction des connaissances à partir de textes (ECT) ou Text Mining (TM) Web Mining Multimedia- Mining L’extraction des connaissances à partir des données (ECD)

7 3.Définitions des concepts clés « L’acquisition de connaissances nouvelles, intelligibles et potentiellement utiles à partir de faits cachés au sein de grandes quantités de données » (Fayyad et al.,1996) 6 L’extraction de connaissances à partir des données (ECD) : Le Knowledge Discovery in Data-bases (KDD) Intelligence artificielle Le Data Mining(DM) Statisques Fournir une aide décisionnelle au manager

8 3.Définitions des concepts clés 7 C’est un processus d’extraction des connaissances à partir des documents non structurés. L’extraction des connaissances à partir de textes (ECT) ou Text Mining (TM) Web Mining C’est le data mining appliqué aux données de navigation sur le web. Source: zonecours.hec.ca/.../H H06_Seance14.ppt Multimedia-Mining C’est l’extraction des connaissances à partir des BDD multimédias. ECT ECD Web Mining Multimedia - mining KM

9 4.Les nouvelles logiques de gestion des connaissances 8

10 ECD 9 Data X (html, xml, etc.) Data X (html, xml, etc.) Data Y (xls, doc, ppt, etc.) Data Y (xls, doc, ppt, etc.) Data Z (pdf, ps, etc.) Data Z (pdf, ps, etc.) Data Warehouse Data Mart Structuration, normalisation des données Prétraitement (Données manquantes) Algorithmes Arbres, inférences bayésiennes, réseaux neurones, etc Base de connaissances Visualisation des données, règles, modélisation Structuration DW, Méta données Systèmes experts Sélection des données

11 Mots- clés 10 ECT La recherche des d’informations spécifiques (RI) ou recherche documentaire La recherche des d’informations spécifiques (RI) ou recherche documentaire L’extraction des connaissances à partir des données (ECD) Mots, concepts Moteur de recherche Moteur d’extraction Documents RI ECD Univers lexical non structuré Réseau sémantique structuré L’utilisateur est un « requêteur » de documents L’utilisateur est un récepteur d’informations ECT

12 Les techniques de Web Mining 1. L’analyse de contenu fait référence à la recherche automatique et à l’extraction de connaissances à partir du Web 2. L’analyse de l’usage du web s’attache à la découverte des schémas d’accès et de navigation des utilisateurs au sein des serveurs 11

13 Les aspects du KM Aspects 12 organisationnels humains culturels technologiques - Il faut que les schémas organisationnel de l’entreprise soit propice à la création et au partage des connaissances - Il ne faut pas fixer les objectifs au préalable ou les fixer mais sans les transmettre aux employés. - Insister sur l’importance des métadonnées - Le défi du KM s’attache, dans cet aspect, au recrutement, à la rétention et accroissement de la productivité des travailleurs clés du savoir pour implémenter le capital humain à moyen et long terme. - La connaissance nécessite l’intervention humaine le KM doit ériger l’individu au cœur du système - Favoriser l’émergence d’une culture générale commune de la connaissance - Formaliser l’intelligence et l’expérience des individus pour rendre plus accessible l’information à la bonne personne au bon moment

14 Les enjeux du KM  Augmenter la performance de l’entreprise  Anticiper le futur et de bénéficier d’une meilleure position concurrentielle une meilleure place sur le marché  Eviter la perte des savoirs 13

15 Les freins au KM  Difficultés d’assimiler et d’appréhender des technologies lourdes à manipuler ou encore émergentes.  Absence de culture orientée connaissance (Source: D.W.Delong et L.Fahey « Diagnostic Cultural Barries to Knowledge Management, Academy of Management Exécutive, vol.14, n°4, p ,2000)  Inadaptation de la structure aux flux informationnels  Partage et la localisation du pouvoir 14

16 Apports et limites  Apports 15  Limites - La présentation détaillée des différentes logiques de GC - La complémentarité des approches - Absence des pistes de recherche - Manque de précision du degré de maîtrise des ces nouveaux outils

17 Que doit-on retenir? 16 Stockage de connaissances (vous savez ce que vous détenez) Stockage de connaissances (vous savez ce que vous détenez) Partage de connaissances (vous savez ce que vous n’avez pas) Partage de connaissances (vous savez ce que vous n’avez pas) Extraction de connaissances (vous ne savez pas ce que vous détenez) Extraction de connaissances (vous ne savez pas ce que vous détenez) Fichiers Gestion des documents Moteur de recherche traditionnel TM Web Mining DM Moteur d’extraction

18 17 Stock informationnel DW Intranets Portails d’entreprise Workflows, … BI CRM Client Entreprise Organisation Entreprise Organisation Marché Environnement Marché Environnement KM IE TM WM MM DM OLAP Sources et moyens d’extraction des connaissances

19 18 MERCI POUR VOTRE ATTENTION


Télécharger ppt "Dominique Crié Revue française de gestion 5/2003 (n o 146), p. 59-79. URL : www.cairn.info/revue-francaise-de-gestion-2003-5-page- 59.htm. DOI : 10.3166/rfg.146.59-79.www.cairn.info/revue-francaise-de-gestion-2003-5-page-"

Présentations similaires


Annonces Google