Этапы процесса по реинжинирингу:
Последствия Реинжиниринга: 
По смыслу можно термин перевести так – обслуживание оборудования, позволяющее обеспечить его наивысшую эффективность на протяжении всего жизненного цикла с участием всего персонала. Согласно этой концепции ставку необходимо делать не на контроль качества извне, а на создание высокого качества непосредственно в процессе работы.• Одним из естественных этапов реализации этого подхода стало появление кружков качества. • В компании «Ниппон дэнсо», производившей автомобильное электрооборудование, в кружки качества оказался вовлеченным весь персонал.
В результате автоматизации производства в компании возникла проблема эффективного использования сложного оборудования. Найти решение удалось с помощью двух Система всеобщего обслуживания оборудования
• Во-первых, операторам было вменено в обязанность не только использовать оборудование, но и осуществлять его текущее обслуживание.
• Во-вторых, на основе кружков качества была создана система поддержания в нормальном состоянии всего Data Mining («добыча», «раскопка данных»)
В связи с совершенствованием технологий записи и хранения данных на людей обрушились колоссальные потоки информационной руды в самых различных областях. Деятельность любого предприятия (коммерческого, производственного, медицинского, научного и т.д.) теперь сопровождается регистрацией и записью всех подробностей его деятельности.
Что делать с этой информацией?
Стало ясно, что без продуктивной переработки потоки сырых данных образуют никому не Современные требования к переработке данных:
• Данные имеют неограниченный объем
• Данные являются разнородными (количественными, качественными, текстовыми)
• Результаты должны быть конкретны и понятны
• Инструменты для обработки сырых данных должны быть просты в использованииДеловые люди осознали, что с помощью методов Data Mining они могут получить ощутимые преимущества в конкурентной борьбе. • Data Mining представляют большую ценность для руководителей и аналитиков в их повседневной деятельности. Кому это нужно?
• Сфера применения Data Mining ничем не ограничена - она везде, где имеются какие-либо данные.
• Но в первую очередь методы Data Mining сегодня заинтриговали коммерческие предприятия, развертывающие проекты на основе информационных хранилищ данных (Data Warehousing).
Опыт многих таких предприятий показывает, что отдача от использования Data Mining может достигать 1000%.
Некоторые бизнес-приложения Data Mining Розничная торговля
Типичные задачи, которые можно решать с помощью Data Mining в сфере розничной торговли:
• анализ покупательской корзины (анализ сходства) предназначен для выявления товаров, которые покупатели стремятся приобретать вместе.
Знание покупательской корзины необходимо для улучшения рекламы, выработки стратегии создания запасов товаров и способов их раскладки в торговых залах. • исследование временных шаблонов помогает торговым предприятиям принимать решения о создании товарных запасов.
Оно дает ответы на вопросы типа "Если сегодня покупатель приобрел видеокамеру, то через какое время он вероятнее всего купит новые батарейки и пленку?"
• создание прогнозирующих моделей дает возможность торговым предприятиям узнавать характер потребностей различных категорий клиентов с определенным поведением, например, покупающих товары известных дизайнеров или посещающих распродажи. Некоторые бизнес-приложения Data Mining Банковское дело
Достижения технологии Data Mining используются в банковском деле для решения следующих распространенных задач:
• выявление мошенничества с кредитными карточками. Путем анализа прошлых транзакций, которые впоследствии оказались мошенническими, банк выявляет некоторые стереотипы такого мошенничества. • сегментация клиентов. Разбивая клиентов на различные категории, банки делают свою маркетинговую политику более целенаправленной и результативной, предлагая различные виды услуг разным группам клиентов.
• прогнозирование изменений клиентуры. Data Mining помогает банкам строить прогнозные модели ценности своих клиентов, и соответствующим образом обслуживать каждую категорию.
Некоторые бизнес-приложения Data Mining Телекоммуникации В области телекоммуникаций методы Data Mining помогают компаниям более энергично продвигать свои программы маркетинга и ценообразования, чтобы удерживать существующих клиентов и привлекать новых. Среди типичных мероприятий отметим следующие:
• анализ записей о подробных характеристиках вызовов. Назначение такого анализа - выявление категорий клиентов с похожими стереотипами пользования их услугами и разработка привлекательных наборов цен и услуг;
• выявление лояльности клиентов. Data Mining можно использовать для определения характеристик клиентов, которые, один раз воспользовавшись услугами данной компании, с большой долей вероятности останутся ей верными. В итоге средства, выделяемые на маркетинг, можно тратить там, где отдача больше всего.Управление знаниями
• Управление знаниями (knowledge management) — это методология направленная на повышение уровня конкурентоспособности и защищенности компании за счет использования полного набора инструментов охраны, управления и экономики нематериальных активов компании. Рассматривает стратегии, направленные на предоставление вовремя нужных знаний тем членам сообщества, которым эти знания необходимы для того, чтобы повысить эффективность деятельности сообщества.Система регулярного управления знаниямиОбучающиеся организации Обучающаяся организация - это организация, которая создает, приобретает, передает и сохраняет знания. Она гибко и адаптивно изменяется в ответ на новые знания и контекст ситуации. В ней люди постоянно расширяют свои возможности создания результатов, к которым они на самом деле стремятся, в ней взращиваются новые широкомасштабные способы мышления, в ней люди постоянно учатся тому, как учиться вместе.
Популярные направления при внедрении системы управления знаниями
• Повышение эффективности обучения;
• Сбор идей и информации для создания новых товаров;
• Формирование библиотеки выполненных работ, для минимизации повторов и нерационального расходования времени;
• Оптимизация информационных потоков на предприятии;
• Сокращение уровней управления и повышение эффективности деятельности управляющей структуры;
• Создание новых знаний и подходов;
• Формирование базы знаний для регулярного
