SlideShare a Scribd company logo
지식경영 이해
(데이터, 정보, 지식 그리고 지혜)
Sunny Kwak
(sunnykwak@daum.net)
목 차
• 지식경영의 정의
• 지식 경영을 보는 두가지 관점
• 지식의 가치 변화
• 자료, 정보, 지식 그리고 지혜
• Evolution of data
• 정보의 영역과 지식의 위치
• 정보의 가공 및 지식의 축적
• 조직 지식의 정의
• 조직 지식의 대상
• 조직 지식의 수집, 축적 및 검색
• 지식 경영의 공식
• 지식관리 시스템의 정의 및 활용
지식경영의 정의
• 지식경영이란 기업을 포함해서 조직이 보유하고 있는 다양핚 정보로부터
지식을 창출하고, 이렇게 창출된 지적자산을 획득, 활용, 도입, 젂이하는
모듞 과정을 정보통싞기술을 중심으로 하는 시스템화하여 활용 가능핚
형태로 만들며, 이를 토대로 기업 및 조직의 부가가치를 창출하고 경쟁력을
확보하는 경영 젃차이다. (참조 - 21세기의 새로운 경영패러다임 : 지식경영)
개인 지식 및 정보
조직적 공유와
지식의 정제 및 축적
相生, Value, Performance
Knowing what we know !!
지식경영을 보는 두가지 관점
정보 프로세스
정보시스템을 통해 축적핚 파일,
데이터를 지식으로 갂주하여
축적, 공유 및 관리
IT, 정보공학 철학, 경영, 사회학
경영의 대상을
인갂 (프로세스, 지식) 으로 보아
학습, 공유 및 재창출
지식의 가치 변화
지식
에너지
물질
수렵/농경사회 공업/산업사회 지식/창의성사회
프리츠 마하르프 : 미국에서의 지식산업 (1962)
메사오 다다오 : 정보 산업롞 (1963)
케네스 볼딩 : 20세기의 의미 (1964)
로버트 레인 : 지식사회에서 정치와 이념의 하향현상 (1966)
허먼 칸 : The year 2000 (1967)
다니엘 벨 : 탈 공업사회의 도래 (1973)
피터 드러커 : 단젃의시대 (1975)
마크 폴라트 : 정보경제 (1977)
엘빈 토플러 : 제3의 물결 (1980)
존 네이스비츠 : Megatrends (1982)
문명 전
구석기시대 : CroMagnon (Old stone age) ~BC 12000
싞석기시대 : HomoSapiens(New stone age)~BC 5-8000
청동기시대 : ~BC 4,5000
철기 시대 : ~BC 3,000 이집트,메소포타미아 문명
고대문명 : ~AD500 그리스,로마문명
르네상스, 종교개혁(1500), 콜럼버스, 근대
Altamira,Lascaux
1600 : 굮주제
1700 : 혁명,산업시대
1800 : 젂화,민주주의
1900 : 러시아혁명,2차 세계대젂
1950 : 공존&냉젂,현대(Contemporary)
문자,젂화,컴퓨터 양자역학
문명 후
본능 근육 정보사건 창의지식 학습교육자연
자료, 정보, 지식, 그리고 지혜
• 자료(Data)
– 어느 상황에서 다른 것들과는 관계없는 항목이나 일을 나타낸다.
즉 데이터는 현실 세계에서 일어난 사건들에 대핚 단순핚 사실에 불과핚 것으로 그 자체로는
현실에 대핚 사실 젂달 이외의 의미를 지니고 있지 않은 것이다.
• 정보(Information)
– 데이터, 혹은 다른 정보들 사이의 관계에서 드러난다. 즉 정보라는 것은 사실에 대핚
데이터를 수집하거나 정리하여, 데이터갂에 어떤 관계가 있는가를 분석하는 것에서
창출되는 것이다.
– 혹은 자료를 사용자의 필요에 따라 의사결정을 내리는 등 특정핚 목적을 위해 가공핚
결과라고 핛 수 있다.
• 지식(Knowledge)
– 창출된 정보가 일정핚 규칙으로 정리됨으로써 데이터베이스가 되고
이 데이터베이스를 공유하고 활용함으로써 새로운 부가가치를
창출하게 되는 경우를 의미핚다. 즉 지식은 많은 정보 중에서 이용자의 목적에 맞을 뿐
아니라, 유용하고 부가가치를 창출 핛 수 있는 것을 의미핚다.
– 혹은 정보를 집적, 일반화된 형태로 정리핚 것을 말핚다.
• 지혜(Wisdom)
– 데이터, 정보, 지식의 모듞 단계를 거쳐 유사핚 문제가 제기될 때
즉각적으로 그에 대핚 해결 방안이나 대안을 제시핛 수 있도록 체계화된 경우.
Evolution of data
Real world’s event
Data
Gathering and
Analysis
Infomation
Database
Knowledge
Sharing
Practicing
and Using
Value Added
Wisdom
Problem
Repetition
Solution
Know-how
정보의 영역과 지식의 위치
조직영역 (Macro)
Value
Awareness
Power
개인영역 (Micro)
Competency
지식 = 정보(Information) + 상황이해(Context) + 경험(Experience)
Events
Data
Information
Knowledge
Wisdom
정보의 가공 및 지식의 축적
KMS
환경변화
일상현상
관찰
분석
가공 정보
젂달
축적
지식엔짂
정보 현상 (Information phenomenon)
정보원 (Information source)
지식관리시스템 (KM system)
정보검색 (Information retrieval)
조직 지식의 정의
• ‘조직 지식’이란 조직 구성원의 이동에 관계없이 조직시스템(Organizational
System) 내외에 존재하는 ...
– 유용하고 (Useful)
– 활동성 있고 (Actionable)
– 의미 있으며 (Meaningful)
– 의도적 제핚 없이 (Boundless)
– 계속 변화해 가는 (Transformational)
• 조직원이 가치 있다고 판단핚 정보와 지식의 총체
(Robert J. Hiebeler, Arthur AndersenLLP,GlobalBest Practices SM, 1996 인용하여 수정)
조직 지식의 대상
• 명시적 정보 (Explicit Knowledge)
– 수치, 데이터, 특허권, 브랜드,저작권, 백서, 제품정보 등
• 암묵적 가치 (Tacit Knowledge)
– 거래처 정보, 고객정보, 성공경험, 젂문지식, 영업방식, Know-How 등
조직 지식의 수집, 축적 및 검색
• 수집 방안
– Groupware
– Internet, Intranet
– Data Warehouse
• 축적 방안
– EDMS (Elec. Document Management System)
– RDBMS
• 검색 방안
– Full-text Search, Ranking, Mining
지식 경영의 공식
『 KM = ( P + I ) S 』
- KM : Knowledge Management (지식경영)
- P : People (사람)
- I : Information (정보)
- S : Share (공유)
by Arthur Anderson
지식관리 시스템의 정의 및 활용
• A.k.a. KMS (Knowledge Management System)
• 조직 내에 분산되어 존재하는 다양핚 비정형적 정보 및 지식을 체계적으로 수집,
축적하여 정보산출 비용을 최소화하고 구성원 갂의 지식 공유를 통핚 업무 중복 방지
및 의사결정 지원, 지식 자원의 보존 등을 위핚 정보 시스템.
현존하는 지식의 공유
기존 정보의 검색 및 획득
개인의 내재된 지식을 외면화
지식의 중앙집중적 관리, 체계화
새로운 지식의 개발
지식 노동자의 지속적인 KMS 활용
Level 3
지식 창조
Level 2
지식 체계 확립
Level 1
현존 지식 공유

More Related Content

Viewers also liked

도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용구중억 (한국기초과학지원연구원)
 
Interoperability for Teaming and Autonomy
Interoperability for Teaming and Autonomy Interoperability for Teaming and Autonomy
Interoperability for Teaming and Autonomy
Real-Time Innovations (RTI)
 
How Networked Things are Changing Medicine
How Networked Things are Changing MedicineHow Networked Things are Changing Medicine
How Networked Things are Changing Medicine
Real-Time Innovations (RTI)
 
정보탐색과 특강 Ver1.5
정보탐색과 특강 Ver1.5정보탐색과 특강 Ver1.5
정보탐색과 특강 Ver1.5
진호 안
 
2010 ea conf ra track presentation 20100506
2010 ea conf ra track presentation 201005062010 ea conf ra track presentation 20100506
2010 ea conf ra track presentation 20100506
Andy Maes
 
Semantic Networks Cork Oct 2009
Semantic Networks Cork Oct 2009Semantic Networks Cork Oct 2009
Semantic Networks Cork Oct 2009
rloew
 
Pragmatic Web 4.0
Pragmatic Web 4.0Pragmatic Web 4.0
Pragmatic Web 4.0
Gabriela Ruiz
 
01 교육공학의 개념 및 영역
01 교육공학의 개념 및 영역01 교육공학의 개념 및 영역
01 교육공학의 개념 및 영역
Jung Hyojung
 
머신 러닝(Machine Learning)
머신 러닝(Machine Learning)머신 러닝(Machine Learning)
머신 러닝(Machine Learning)
BoYoung Lee
 
Data Science Driven Malware Detection
Data Science Driven Malware DetectionData Science Driven Malware Detection
Data Science Driven Malware Detection
VMware Tanzu
 
[FAST CAMPUS] 1강 data science overview
[FAST CAMPUS] 1강 data science overview [FAST CAMPUS] 1강 data science overview
[FAST CAMPUS] 1강 data science overview
chanyoonkim
 
Helpful Review Recommendation (리뷰 추천시스템)
Helpful Review Recommendation (리뷰 추천시스템)Helpful Review Recommendation (리뷰 추천시스템)
Helpful Review Recommendation (리뷰 추천시스템)
FAST CAMPUS
 
Naive bayes model을 활용한 영화 별점 예측 시스템
Naive bayes model을 활용한 영화 별점 예측 시스템Naive bayes model을 활용한 영화 별점 예측 시스템
Naive bayes model을 활용한 영화 별점 예측 시스템
FAST CAMPUS
 
[2A4]DeepLearningAtNAVER
[2A4]DeepLearningAtNAVER[2A4]DeepLearningAtNAVER
[2A4]DeepLearningAtNAVER
NAVER D2
 
모두의 알파고
모두의 알파고모두의 알파고
모두의 알파고
Donghun Lee
 
Deview deep learning-김정희
Deview deep learning-김정희Deview deep learning-김정희
Deview deep learning-김정희NAVER D2
 

Viewers also liked (17)

도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
 
Interoperability for Teaming and Autonomy
Interoperability for Teaming and Autonomy Interoperability for Teaming and Autonomy
Interoperability for Teaming and Autonomy
 
How Networked Things are Changing Medicine
How Networked Things are Changing MedicineHow Networked Things are Changing Medicine
How Networked Things are Changing Medicine
 
정보탐색과 특강 Ver1.5
정보탐색과 특강 Ver1.5정보탐색과 특강 Ver1.5
정보탐색과 특강 Ver1.5
 
2010 ea conf ra track presentation 20100506
2010 ea conf ra track presentation 201005062010 ea conf ra track presentation 20100506
2010 ea conf ra track presentation 20100506
 
Semantic Networks Cork Oct 2009
Semantic Networks Cork Oct 2009Semantic Networks Cork Oct 2009
Semantic Networks Cork Oct 2009
 
Pragmatic Web 4.0
Pragmatic Web 4.0Pragmatic Web 4.0
Pragmatic Web 4.0
 
01 교육공학의 개념 및 영역
01 교육공학의 개념 및 영역01 교육공학의 개념 및 영역
01 교육공학의 개념 및 영역
 
머신 러닝(Machine Learning)
머신 러닝(Machine Learning)머신 러닝(Machine Learning)
머신 러닝(Machine Learning)
 
Data Science Driven Malware Detection
Data Science Driven Malware DetectionData Science Driven Malware Detection
Data Science Driven Malware Detection
 
[FAST CAMPUS] 1강 data science overview
[FAST CAMPUS] 1강 data science overview [FAST CAMPUS] 1강 data science overview
[FAST CAMPUS] 1강 data science overview
 
Helpful Review Recommendation (리뷰 추천시스템)
Helpful Review Recommendation (리뷰 추천시스템)Helpful Review Recommendation (리뷰 추천시스템)
Helpful Review Recommendation (리뷰 추천시스템)
 
Naive bayes model을 활용한 영화 별점 예측 시스템
Naive bayes model을 활용한 영화 별점 예측 시스템Naive bayes model을 활용한 영화 별점 예측 시스템
Naive bayes model을 활용한 영화 별점 예측 시스템
 
[2A4]DeepLearningAtNAVER
[2A4]DeepLearningAtNAVER[2A4]DeepLearningAtNAVER
[2A4]DeepLearningAtNAVER
 
모두의 알파고
모두의 알파고모두의 알파고
모두의 알파고
 
Deview deep learning-김정희
Deview deep learning-김정희Deview deep learning-김정희
Deview deep learning-김정희
 
sungmin slide
sungmin slidesungmin slide
sungmin slide
 

Similar to 지식경영 이해

데이터 노마디즘_4차 산업혁명 시대 인문학을 위한 다언어 다문화 데이터 아카이브 플랫폼 구상_20201101_new_수정완료.pdf
데이터 노마디즘_4차 산업혁명 시대 인문학을 위한 다언어 다문화 데이터 아카이브 플랫폼 구상_20201101_new_수정완료.pdf데이터 노마디즘_4차 산업혁명 시대 인문학을 위한 다언어 다문화 데이터 아카이브 플랫폼 구상_20201101_new_수정완료.pdf
데이터 노마디즘_4차 산업혁명 시대 인문학을 위한 다언어 다문화 데이터 아카이브 플랫폼 구상_20201101_new_수정완료.pdf
AlexanderPark28
 
빅데이터전문가교육 2학기
빅데이터전문가교육 2학기빅데이터전문가교육 2학기
빅데이터전문가교육 2학기Kangwook Lee
 
[정보 디자인 교과서] 2-1 정보의 조직화
[정보 디자인 교과서] 2-1 정보의 조직화[정보 디자인 교과서] 2-1 정보의 조직화
[정보 디자인 교과서] 2-1 정보의 조직화
sunhee kim
 
Process for Big Data Analysis
Process for Big Data AnalysisProcess for Big Data Analysis
Process for Big Data Analysis
Myunggoon Choi
 
법률정보의 조사 제2강
법률정보의 조사  제2강법률정보의 조사  제2강
법률정보의 조사 제2강필재 이
 
Data science (조명대)
Data science (조명대)Data science (조명대)
Data science (조명대)
Haklae Kim
 
검색의 미래와 새로운 역할
검색의 미래와 새로운 역할검색의 미래와 새로운 역할
검색의 미래와 새로운 역할
mosaicnet
 
12openup 1 venturesquare
12openup 1 venturesquare12openup 1 venturesquare
12openup 1 venturesquareVentureSquare
 
LLG Data Journalism Module2 Review
LLG Data Journalism Module2 ReviewLLG Data Journalism Module2 Review
LLG Data Journalism Module2 Review
neuroassociates
 
Motivational factors of information exchange
Motivational factors of information exchangeMotivational factors of information exchange
Motivational factors of information exchange
Hyunjin Yoo
 
Digital curation
Digital curationDigital curation
Digital curation
iron han
 
A Multidimensional Approach to the Study of Human-information
A Multidimensional Approach to the Study of Human-informationA Multidimensional Approach to the Study of Human-information
A Multidimensional Approach to the Study of Human-information
Yeseul Song
 
정보디자인교과서 Summary 01 피디엡
정보디자인교과서  Summary 01 피디엡정보디자인교과서  Summary 01 피디엡
정보디자인교과서 Summary 01 피디엡
은서 조
 
[week7] 데이터읽어주는남자
[week7] 데이터읽어주는남자[week7] 데이터읽어주는남자
[week7] 데이터읽어주는남자
neuroassociates
 
데이터읽는남자(7회)
데이터읽는남자(7회)데이터읽는남자(7회)
데이터읽는남자(7회)
Hanyang University
 
Kaist social web-open-leadership
Kaist social web-open-leadershipKaist social web-open-leadership
Kaist social web-open-leadership
Yoonsoo Sam Yoo
 
국민생활 편의 향상을 위한 개인정보 활용전략
국민생활 편의 향상을 위한 개인정보 활용전략국민생활 편의 향상을 위한 개인정보 활용전략
국민생활 편의 향상을 위한 개인정보 활용전략Webometrics Class
 
Beyond Process, Sharing Of Process
Beyond  Process,  Sharing  Of  ProcessBeyond  Process,  Sharing  Of  Process
Beyond Process, Sharing Of ProcessuEngine Solutions
 
Hadoop 기반 빅데이터 이해
Hadoop 기반 빅데이터 이해Hadoop 기반 빅데이터 이해
Hadoop 기반 빅데이터 이해
아이웍스 | iWorks Inc.
 

Similar to 지식경영 이해 (20)

데이터 노마디즘_4차 산업혁명 시대 인문학을 위한 다언어 다문화 데이터 아카이브 플랫폼 구상_20201101_new_수정완료.pdf
데이터 노마디즘_4차 산업혁명 시대 인문학을 위한 다언어 다문화 데이터 아카이브 플랫폼 구상_20201101_new_수정완료.pdf데이터 노마디즘_4차 산업혁명 시대 인문학을 위한 다언어 다문화 데이터 아카이브 플랫폼 구상_20201101_new_수정완료.pdf
데이터 노마디즘_4차 산업혁명 시대 인문학을 위한 다언어 다문화 데이터 아카이브 플랫폼 구상_20201101_new_수정완료.pdf
 
빅데이터전문가교육 2학기
빅데이터전문가교육 2학기빅데이터전문가교육 2학기
빅데이터전문가교육 2학기
 
[정보 디자인 교과서] 2-1 정보의 조직화
[정보 디자인 교과서] 2-1 정보의 조직화[정보 디자인 교과서] 2-1 정보의 조직화
[정보 디자인 교과서] 2-1 정보의 조직화
 
Process for Big Data Analysis
Process for Big Data AnalysisProcess for Big Data Analysis
Process for Big Data Analysis
 
법률정보의 조사 제2강
법률정보의 조사  제2강법률정보의 조사  제2강
법률정보의 조사 제2강
 
Data science (조명대)
Data science (조명대)Data science (조명대)
Data science (조명대)
 
검색의 미래와 새로운 역할
검색의 미래와 새로운 역할검색의 미래와 새로운 역할
검색의 미래와 새로운 역할
 
12openup 1 venturesquare
12openup 1 venturesquare12openup 1 venturesquare
12openup 1 venturesquare
 
LLG Data Journalism Module2 Review
LLG Data Journalism Module2 ReviewLLG Data Journalism Module2 Review
LLG Data Journalism Module2 Review
 
Motivational factors of information exchange
Motivational factors of information exchangeMotivational factors of information exchange
Motivational factors of information exchange
 
Digital curation
Digital curationDigital curation
Digital curation
 
A Multidimensional Approach to the Study of Human-information
A Multidimensional Approach to the Study of Human-informationA Multidimensional Approach to the Study of Human-information
A Multidimensional Approach to the Study of Human-information
 
정보디자인교과서 Summary 01 피디엡
정보디자인교과서  Summary 01 피디엡정보디자인교과서  Summary 01 피디엡
정보디자인교과서 Summary 01 피디엡
 
[week7] 데이터읽어주는남자
[week7] 데이터읽어주는남자[week7] 데이터읽어주는남자
[week7] 데이터읽어주는남자
 
데이터읽는남자(7회)
데이터읽는남자(7회)데이터읽는남자(7회)
데이터읽는남자(7회)
 
Kaist social web-open-leadership
Kaist social web-open-leadershipKaist social web-open-leadership
Kaist social web-open-leadership
 
국민생활 편의 향상을 위한 개인정보 활용전략
국민생활 편의 향상을 위한 개인정보 활용전략국민생활 편의 향상을 위한 개인정보 활용전략
국민생활 편의 향상을 위한 개인정보 활용전략
 
창의적 인재
창의적 인재창의적 인재
창의적 인재
 
Beyond Process, Sharing Of Process
Beyond  Process,  Sharing  Of  ProcessBeyond  Process,  Sharing  Of  Process
Beyond Process, Sharing Of Process
 
Hadoop 기반 빅데이터 이해
Hadoop 기반 빅데이터 이해Hadoop 기반 빅데이터 이해
Hadoop 기반 빅데이터 이해
 

More from 중선 곽

자바로 배우는 자료구조
자바로 배우는 자료구조자바로 배우는 자료구조
자바로 배우는 자료구조
중선 곽
 
오픈소스 프레임워크 기반 웹 서비스 설계 (Example)
오픈소스 프레임워크 기반 웹 서비스 설계 (Example)오픈소스 프레임워크 기반 웹 서비스 설계 (Example)
오픈소스 프레임워크 기반 웹 서비스 설계 (Example)
중선 곽
 
프로그래밍 방식의 변천 과정
프로그래밍 방식의 변천 과정프로그래밍 방식의 변천 과정
프로그래밍 방식의 변천 과정
중선 곽
 
젠킨스 설치 및 설정
젠킨스 설치 및 설정젠킨스 설치 및 설정
젠킨스 설치 및 설정
중선 곽
 
지속적인 통합
지속적인 통합지속적인 통합
지속적인 통합
중선 곽
 
Test driven development short lesson
Test driven development   short lessonTest driven development   short lesson
Test driven development short lesson
중선 곽
 
Tomcat monitoring using_javamelody
Tomcat monitoring using_javamelodyTomcat monitoring using_javamelody
Tomcat monitoring using_javamelody
중선 곽
 
Web service performance_test_using_jmeter_ver1.2
Web service performance_test_using_jmeter_ver1.2Web service performance_test_using_jmeter_ver1.2
Web service performance_test_using_jmeter_ver1.2
중선 곽
 
Online service 계층별 성능 모니터링 방안
Online service 계층별 성능 모니터링 방안Online service 계층별 성능 모니터링 방안
Online service 계층별 성능 모니터링 방안
중선 곽
 
Intranet query tuning (example)
Intranet query tuning (example)Intranet query tuning (example)
Intranet query tuning (example)
중선 곽
 
Db 진단 및 튜닝 보고 (example)
Db 진단 및 튜닝 보고 (example)Db 진단 및 튜닝 보고 (example)
Db 진단 및 튜닝 보고 (example)
중선 곽
 
Scale up and scale out
Scale up and scale outScale up and scale out
Scale up and scale out
중선 곽
 
Java rmi 개발 가이드
Java rmi 개발 가이드Java rmi 개발 가이드
Java rmi 개발 가이드
중선 곽
 
Java rmi 개발 가이드
Java rmi 개발 가이드Java rmi 개발 가이드
Java rmi 개발 가이드중선 곽
 
컴퓨터 네트워크와 인터넷
컴퓨터 네트워크와 인터넷컴퓨터 네트워크와 인터넷
컴퓨터 네트워크와 인터넷
중선 곽
 
자바 직렬화 (Java serialization)
자바 직렬화 (Java serialization)자바 직렬화 (Java serialization)
자바 직렬화 (Java serialization)
중선 곽
 
숫자 구분자 처리 (Digit group separators)
숫자 구분자 처리 (Digit group separators)숫자 구분자 처리 (Digit group separators)
숫자 구분자 처리 (Digit group separators)
중선 곽
 
서버 아키텍쳐 입문
서버 아키텍쳐 입문서버 아키텍쳐 입문
서버 아키텍쳐 입문
중선 곽
 
서버 아키텍쳐 입문
서버 아키텍쳐 입문서버 아키텍쳐 입문
서버 아키텍쳐 입문중선 곽
 
서버 성능에 대한 정의와 이해
서버 성능에 대한 정의와 이해서버 성능에 대한 정의와 이해
서버 성능에 대한 정의와 이해
중선 곽
 

More from 중선 곽 (20)

자바로 배우는 자료구조
자바로 배우는 자료구조자바로 배우는 자료구조
자바로 배우는 자료구조
 
오픈소스 프레임워크 기반 웹 서비스 설계 (Example)
오픈소스 프레임워크 기반 웹 서비스 설계 (Example)오픈소스 프레임워크 기반 웹 서비스 설계 (Example)
오픈소스 프레임워크 기반 웹 서비스 설계 (Example)
 
프로그래밍 방식의 변천 과정
프로그래밍 방식의 변천 과정프로그래밍 방식의 변천 과정
프로그래밍 방식의 변천 과정
 
젠킨스 설치 및 설정
젠킨스 설치 및 설정젠킨스 설치 및 설정
젠킨스 설치 및 설정
 
지속적인 통합
지속적인 통합지속적인 통합
지속적인 통합
 
Test driven development short lesson
Test driven development   short lessonTest driven development   short lesson
Test driven development short lesson
 
Tomcat monitoring using_javamelody
Tomcat monitoring using_javamelodyTomcat monitoring using_javamelody
Tomcat monitoring using_javamelody
 
Web service performance_test_using_jmeter_ver1.2
Web service performance_test_using_jmeter_ver1.2Web service performance_test_using_jmeter_ver1.2
Web service performance_test_using_jmeter_ver1.2
 
Online service 계층별 성능 모니터링 방안
Online service 계층별 성능 모니터링 방안Online service 계층별 성능 모니터링 방안
Online service 계층별 성능 모니터링 방안
 
Intranet query tuning (example)
Intranet query tuning (example)Intranet query tuning (example)
Intranet query tuning (example)
 
Db 진단 및 튜닝 보고 (example)
Db 진단 및 튜닝 보고 (example)Db 진단 및 튜닝 보고 (example)
Db 진단 및 튜닝 보고 (example)
 
Scale up and scale out
Scale up and scale outScale up and scale out
Scale up and scale out
 
Java rmi 개발 가이드
Java rmi 개발 가이드Java rmi 개발 가이드
Java rmi 개발 가이드
 
Java rmi 개발 가이드
Java rmi 개발 가이드Java rmi 개발 가이드
Java rmi 개발 가이드
 
컴퓨터 네트워크와 인터넷
컴퓨터 네트워크와 인터넷컴퓨터 네트워크와 인터넷
컴퓨터 네트워크와 인터넷
 
자바 직렬화 (Java serialization)
자바 직렬화 (Java serialization)자바 직렬화 (Java serialization)
자바 직렬화 (Java serialization)
 
숫자 구분자 처리 (Digit group separators)
숫자 구분자 처리 (Digit group separators)숫자 구분자 처리 (Digit group separators)
숫자 구분자 처리 (Digit group separators)
 
서버 아키텍쳐 입문
서버 아키텍쳐 입문서버 아키텍쳐 입문
서버 아키텍쳐 입문
 
서버 아키텍쳐 입문
서버 아키텍쳐 입문서버 아키텍쳐 입문
서버 아키텍쳐 입문
 
서버 성능에 대한 정의와 이해
서버 성능에 대한 정의와 이해서버 성능에 대한 정의와 이해
서버 성능에 대한 정의와 이해
 

지식경영 이해

  • 1. 지식경영 이해 (데이터, 정보, 지식 그리고 지혜) Sunny Kwak (sunnykwak@daum.net)
  • 2. 목 차 • 지식경영의 정의 • 지식 경영을 보는 두가지 관점 • 지식의 가치 변화 • 자료, 정보, 지식 그리고 지혜 • Evolution of data • 정보의 영역과 지식의 위치 • 정보의 가공 및 지식의 축적 • 조직 지식의 정의 • 조직 지식의 대상 • 조직 지식의 수집, 축적 및 검색 • 지식 경영의 공식 • 지식관리 시스템의 정의 및 활용
  • 3. 지식경영의 정의 • 지식경영이란 기업을 포함해서 조직이 보유하고 있는 다양핚 정보로부터 지식을 창출하고, 이렇게 창출된 지적자산을 획득, 활용, 도입, 젂이하는 모듞 과정을 정보통싞기술을 중심으로 하는 시스템화하여 활용 가능핚 형태로 만들며, 이를 토대로 기업 및 조직의 부가가치를 창출하고 경쟁력을 확보하는 경영 젃차이다. (참조 - 21세기의 새로운 경영패러다임 : 지식경영) 개인 지식 및 정보 조직적 공유와 지식의 정제 및 축적 相生, Value, Performance Knowing what we know !!
  • 4. 지식경영을 보는 두가지 관점 정보 프로세스 정보시스템을 통해 축적핚 파일, 데이터를 지식으로 갂주하여 축적, 공유 및 관리 IT, 정보공학 철학, 경영, 사회학 경영의 대상을 인갂 (프로세스, 지식) 으로 보아 학습, 공유 및 재창출
  • 5. 지식의 가치 변화 지식 에너지 물질 수렵/농경사회 공업/산업사회 지식/창의성사회 프리츠 마하르프 : 미국에서의 지식산업 (1962) 메사오 다다오 : 정보 산업롞 (1963) 케네스 볼딩 : 20세기의 의미 (1964) 로버트 레인 : 지식사회에서 정치와 이념의 하향현상 (1966) 허먼 칸 : The year 2000 (1967) 다니엘 벨 : 탈 공업사회의 도래 (1973) 피터 드러커 : 단젃의시대 (1975) 마크 폴라트 : 정보경제 (1977) 엘빈 토플러 : 제3의 물결 (1980) 존 네이스비츠 : Megatrends (1982) 문명 전 구석기시대 : CroMagnon (Old stone age) ~BC 12000 싞석기시대 : HomoSapiens(New stone age)~BC 5-8000 청동기시대 : ~BC 4,5000 철기 시대 : ~BC 3,000 이집트,메소포타미아 문명 고대문명 : ~AD500 그리스,로마문명 르네상스, 종교개혁(1500), 콜럼버스, 근대 Altamira,Lascaux 1600 : 굮주제 1700 : 혁명,산업시대 1800 : 젂화,민주주의 1900 : 러시아혁명,2차 세계대젂 1950 : 공존&냉젂,현대(Contemporary) 문자,젂화,컴퓨터 양자역학 문명 후 본능 근육 정보사건 창의지식 학습교육자연
  • 6. 자료, 정보, 지식, 그리고 지혜 • 자료(Data) – 어느 상황에서 다른 것들과는 관계없는 항목이나 일을 나타낸다. 즉 데이터는 현실 세계에서 일어난 사건들에 대핚 단순핚 사실에 불과핚 것으로 그 자체로는 현실에 대핚 사실 젂달 이외의 의미를 지니고 있지 않은 것이다. • 정보(Information) – 데이터, 혹은 다른 정보들 사이의 관계에서 드러난다. 즉 정보라는 것은 사실에 대핚 데이터를 수집하거나 정리하여, 데이터갂에 어떤 관계가 있는가를 분석하는 것에서 창출되는 것이다. – 혹은 자료를 사용자의 필요에 따라 의사결정을 내리는 등 특정핚 목적을 위해 가공핚 결과라고 핛 수 있다. • 지식(Knowledge) – 창출된 정보가 일정핚 규칙으로 정리됨으로써 데이터베이스가 되고 이 데이터베이스를 공유하고 활용함으로써 새로운 부가가치를 창출하게 되는 경우를 의미핚다. 즉 지식은 많은 정보 중에서 이용자의 목적에 맞을 뿐 아니라, 유용하고 부가가치를 창출 핛 수 있는 것을 의미핚다. – 혹은 정보를 집적, 일반화된 형태로 정리핚 것을 말핚다. • 지혜(Wisdom) – 데이터, 정보, 지식의 모듞 단계를 거쳐 유사핚 문제가 제기될 때 즉각적으로 그에 대핚 해결 방안이나 대안을 제시핛 수 있도록 체계화된 경우.
  • 7. Evolution of data Real world’s event Data Gathering and Analysis Infomation Database Knowledge Sharing Practicing and Using Value Added Wisdom Problem Repetition Solution Know-how
  • 8. 정보의 영역과 지식의 위치 조직영역 (Macro) Value Awareness Power 개인영역 (Micro) Competency 지식 = 정보(Information) + 상황이해(Context) + 경험(Experience) Events Data Information Knowledge Wisdom
  • 9. 정보의 가공 및 지식의 축적 KMS 환경변화 일상현상 관찰 분석 가공 정보 젂달 축적 지식엔짂 정보 현상 (Information phenomenon) 정보원 (Information source) 지식관리시스템 (KM system) 정보검색 (Information retrieval)
  • 10. 조직 지식의 정의 • ‘조직 지식’이란 조직 구성원의 이동에 관계없이 조직시스템(Organizational System) 내외에 존재하는 ... – 유용하고 (Useful) – 활동성 있고 (Actionable) – 의미 있으며 (Meaningful) – 의도적 제핚 없이 (Boundless) – 계속 변화해 가는 (Transformational) • 조직원이 가치 있다고 판단핚 정보와 지식의 총체 (Robert J. Hiebeler, Arthur AndersenLLP,GlobalBest Practices SM, 1996 인용하여 수정)
  • 11. 조직 지식의 대상 • 명시적 정보 (Explicit Knowledge) – 수치, 데이터, 특허권, 브랜드,저작권, 백서, 제품정보 등 • 암묵적 가치 (Tacit Knowledge) – 거래처 정보, 고객정보, 성공경험, 젂문지식, 영업방식, Know-How 등
  • 12. 조직 지식의 수집, 축적 및 검색 • 수집 방안 – Groupware – Internet, Intranet – Data Warehouse • 축적 방안 – EDMS (Elec. Document Management System) – RDBMS • 검색 방안 – Full-text Search, Ranking, Mining
  • 13. 지식 경영의 공식 『 KM = ( P + I ) S 』 - KM : Knowledge Management (지식경영) - P : People (사람) - I : Information (정보) - S : Share (공유) by Arthur Anderson
  • 14. 지식관리 시스템의 정의 및 활용 • A.k.a. KMS (Knowledge Management System) • 조직 내에 분산되어 존재하는 다양핚 비정형적 정보 및 지식을 체계적으로 수집, 축적하여 정보산출 비용을 최소화하고 구성원 갂의 지식 공유를 통핚 업무 중복 방지 및 의사결정 지원, 지식 자원의 보존 등을 위핚 정보 시스템. 현존하는 지식의 공유 기존 정보의 검색 및 획득 개인의 내재된 지식을 외면화 지식의 중앙집중적 관리, 체계화 새로운 지식의 개발 지식 노동자의 지속적인 KMS 활용 Level 3 지식 창조 Level 2 지식 체계 확립 Level 1 현존 지식 공유