Knowledge Management

Teknologi Informasi dalam Knowledge Management – Safrin Heruwanto

Dua fungsi utama teknologi informasi (TI) dalam Kowledge Management (KM) adalah untuk memperoleh dan mengkomunikasikan knowledge. TI juga melebarkan jangkauan pemanfaatan knowledge dan meningkatakan kecepatan aliran knowledge. Jaringan inter/intra-net juga memudahkan kolaborasi di dalam Knowledge Management (KM).

Siklus Knowledge Management System

Di dalam Knowledge Management System (KMS) ada enam langkah dalam satu siklusnya. Lihat gambar di samping ini:

Dasar dari keberadaan siklus tersebut adalah bahwa knowledge selalu harus di-update seiring berjalannya waktu. Knowledge dalam suatu Knowledge Management System (KMS) yang baik selalu tidak pernah berakhir karena environment selalu berubah dengan berjalannya waktu, dan knowledge harus di-update supaya mencerminkan perubahan tersebut. Siklus dalam Knowledge Management System (KMS) adalah seperti berikut:

1. Create knowledge. Knowledge dibuat karena orang menemukan cara baru dalam melakukan sesuatu atau mengembangkan kecakapan. Terkadang knowledge dari luar dibawa masuk kedalam (organisasi). Beberapa cara tersebut bisa menjadi best practices.
2. Capture knowledge. Knowledge yang baru harus benar-benar berharga dan disajikan secara masuk akal.
3. Refine knowledge. Knowledge baru harus ditempatkan pada konteksnya sehingga bisa ditindaklanjuti. Disinilah wawasan seseorang (i.e. tacit) harus diambil bersama dengan fakta-fakta explicitnya.
4. Store knowledge. Knowledge yang bermanffat tersebut harus disimpan dalam format yang masuk akal di dalam knowledge repository sehingga orang lain dalam organisasi bisa mengaksesnya.
5. Manage knowledge. Seperti halnya perpustakaan, repository harus dijaga ‘kekinian’ nya. Harus direview untuk memverifikasi bahwa knowledgenya selalu relevan dan akurat.
6. Disseminate knowledge. Knowledge harus tersaji dalam format yang bisa bermanfaat bagi semua orang di dalam organisasi kapanpun dan dimanapun.

Karena knowledge disebarkan, maka semua orang bisa mengembangkan, membuat, dan mengidentifikasi knowledge baru atau mengupdate knowledge lama, yang pada akhirnya mengisi kembali knowledge dalam system.
Knowledge adalah sumber daya yang tidak dikonsumsi ketika digunakan, namun knowledge bisa juga berusia lama. Contoh, mengemudi mobil di tahun 1990 berbeda dengan mengemudi di jaman saat ini, tetapi banyak prinsip dasar yang masih berlaku. Knowledge harus diupdate.  Jadi jumlah knowledge akan terus bertambah sepanjang waktu.

Komponen-komponen Knowledge Management System

Knowledge Management (KM) adalah lebih merupakan suatu methodologi yang diterapkan pada praktik-praktik dunia bisnis daripada suatu teknologi atau suatu produk. Namun begitu, Teknologi Informasi (TI) merupakan hal yang sangat penting bagi keberhasilan semua Kowledge Management System (KMS). Teknologi Informasi (TI) memungkinkan Kowledge Management (KM) menyediakan arsitektur enterprise dimana Kowledge Management (KM) akan dibangun. Kowledge Management System (KMS) dibangun dengan menggunakan tiga set teknologi: 1) komunikasi, 2) kolaborasi, 3) storage & retrieval (penyimpanan & pengambilan kembali/pemunculan).

Teknologi-teknologi komunikasi memungkinkan pengguna untuk mengakses knowledge yang diperlukan dan untuk berkomunikasi satu sama lain-terutama dengan para pakar. E-mail, internet, intranet koporat, dan berbagai macam aplikasi berbasis web memberikan kemampuan komunikasi seperti ini. bahkan mesin fax dan telephone juga digunakan untuk komunikasi, terutama ketika pendekatan praktir terhadap KM diterapkan.

Teknologi-teknologi kolaborasi memberikan cara-cara untuk melakukan groupwork. Group-group bisa bekerja bersama-sama dengan dokumen yang sama pada waktu yang sama (i.e., synchronous) atau pada waktu yang berbeda (i.e., asynchronous); teknologi-teknologi tersebut bisa berjalan di tempat yang sama dan tempat yang berbeda. Teknologi kolaborasi terutama sangat penting bagi mereka yang terlibat dalam komunitas praktis (community of practice) yang bekerja dalam proses pemberian knowledge. Beberapa kemampuan lain dari komputasi kolaboratif, misalnya brainstorming secara elektronis, akan meningkatkan groupwork, terutama bagi proses pemberian knowledge. Bentuk lain groupwork adalah melibatkan para pakar yang bekerja dengan orang-orang yang mencoba menerapkan knowledge; hal ini akan memerlukan kolaborasi tingkat tinggi. Beberapa system komputasi kolaboratif lainnya malah bisa memungkinkan organisasi untuk membuat ruang virtual sehingga orang-orang bisa bekerja online kapanpun dan dimanapun.

Teknologi-teknologi untuk storage & retrieval pada awalnya adalah memanfaatkan database management system (DBMS) untuk menyimpan dan memanage knowledge. Hal ini berjalan cukup baik pada waktu dulu untuk menyimpan dan memanage sebagian besar explicit knowledge—dan bahkan explicit knowledge tentang tacit knowledge. Namun demikian, mendapatkan, menyimpan, dan mengelola tacit knowledge biasanya memerlukan satu set aplikasi yang berbeda. Electronic document management systems dan sistem storage khusus yang merupakan bagian dari sistem komputasi kolaboratif bisa mengatasi masalah ini.

Teknologi-teknologi yang menunjang Knowledge Management

Beberapa teknologi telah memberikan sumbangan yang besar bagi perkembangan aplikasi-aplikasi Knowledge Management. Artificial intelligence (AI), intelligen agents, knowledge discovery in database (KDD), eXtensible Markup Language (XML), dan web 2.0 adalah berbagai macam contoh teknologi yang canggih yang digunakan dalam Knowledge Management System modern dan memberikan dasar bagi inovasi di masa mendatang dalam bidang Knowledge Management.  Berikut adalah deskripsi singkat bagaimana teknologi-teknologi tersebut digunakan dalam Knowledge Management System.

Artificial Intelligence (AI). Di dalam definisi Knowledge Management, AI jarang disebut. Namun, dalam praktiknya, berbagai macam metode dan aplikasi AI dilekatkan dalam banyak Knowledge Management System, baik oleh para vendor maupun oleh para pengembang sistemnya. Berbagai metode AI bisa membantu dalam mengidentifikasi keahlian, memunculkan knowledge secara otomatis dan semi-otomatis, menyediakan antarmuka melalui pemrosesan bahasa alami (natural language processing), dan sangat cerdas dalam mencari knowledge melalui intelligent agents. Berbagai metode AI—terutama expert systems (sistem pakar), neural networks (jaringan syaraf tiruan), fuzzy logic (logika samar), dan intelligent agents—digunakan dalam Knowledge Management Syste, untuk melakukan hal-hal sbb:

• Membantu proses pencarian knowledge (e.g., intelligent agents dalam pencarian web)
• Membantu membuat profil knowledge individu maupun group
• Membantu menentukan kaliber knowledge ketika dimasukkan ke dan diakses  dari knowledge repository
• Men-scan email, dokumen, dan database untuk menemukan knowledge, menentukan keterkaitan yang bermanfaat, memungut knowledge, atau menarik kesimpulan dari berbagai macam rules di expert systems
• Mengidentifikasi pattern dalam data (biasanya melalui neural networks)
• Memprediksi berbagai macam hasil di masa mendatang dengan menggunakan knowledge yang ada saat ini
• Memberikan saran secara langsung dari knowledge melalui neural networks atau expert systems
• Memberikan user interface KMS melalui bahasa alami atau perintah suara.

Intelligent Agents. Intelligent agents adalah software yang mempelajari tentang bagaimana manusia melakukan tugas-tugasnya dan kemudian software tersebut memberikan bantuan pada tugas-tugas tersebut. Ada banyak jenis intelligent agents. Di dalam Knowledge Management System, intelligent agents bisa membantu dalam berbagai bentuk. Pada umumnya, digunakan untuk memperoleh dan mengidentifikasi knowledge. Contohnya antara lain:

• IMB (ibm.com) menawarkan intelligent data-mining family, termasuk Intelligent Decision Server (IDS), untuk menemukan dan menganalisa jumlah besar data enterprise.
• Gentia (Planning Sciences International, gentia.com) menggunakan intelligent agents untuk memudahkan  data mining melalui web dan fasilitas untuk data warehouse.

Dengan menggabungkan intelligent agents dengan enterprise knowledge portals akan menjadi suatu teknik yang dahsyat dalam memberikan pengguna secara tepat apa yang mereka perlukan dalam melaksanakan pekerjaan-pekerjaannya (bagaimana pengguna melihat dan mengorganisasi knowledge). Intelligent agents akan mempelajari apa saja yang dilakukan pengguna kemudian intelligent agents akan mengambil informasi itu dan menyediakannya di desktop, persis seperti yang dilakukan oleh seorang assistant yang pintar.

Knowledge Discovery in Databases. Knowledge Discovery in Databases (KDD) adalah proses yang digunakan untuk mencari dan mengekstrak informasi dari sejumlah besar dokumen dan data. Hal tersebut meliputi knowledge extraction (ekstraksi knowledge), data archaeology (arkeologi data), data exploration (eksplorasi data), data pattern processing (mencari pola data), data dredging (pengerukan data), dan information harvesting (memanen data). Semua aktivitas tersebut dilakukan secara otomatis dengan temuan-temuan yang cepat, bahkan tanpa programmer. Penggalian data dan dokumen (data document mining) sangat ideal untuk mendapatkan knowledge dari database, dokumen, email, dsb. Seringkali data terkubur sangat dalam di dalam database yang sangat besar, data warehouse, dokumen-dokumen teks, atau knowledge repositories, semua yang berisi data, information, dan knowledge yang dikumpulkan selama bertahun-tahun.Berbagai metode AI adalah tool data-mining yang bermanfaat dalam proses pengambilan knowledge secara otomatis dari berbagai macam sumber. Intelligent data mining bisa menemukan berbagai informasi di dalam database, data warehouse, dan knowledge repositories yang tidak bisa ditemukan dengan efektif oleh query-query dan berbagai macam jenis laporan. Berbagai tool data-mining bisa menemukan pola dalam data dan mungkin bahkan (secara otomatis) menarik kesimpulan atau kaidah-kaidah (aturan) dari pola data tersebut. Berbagai macam pola dan kaidah bisa digunakan sebagai pedoman dalam membuat keputusan dan memprediksi akibat dari keputusan tersebut. KDD juga bisa digunakan untuk mengidentifikasi data atau teks dengan memanfaatkan berbagai tool Knowledge Management yang menscan dokumen dan email untuk membuat suatu profil keahlian para karyawan dalam suatu perusahaan. Data mining bisa mempercepat analisa dengan memberikan knowledge yang diperlukan.Untuk memperluas teknik-teknik dalam data mining dan knowledge discovery untuk knowledge externalization, Bolloju, mengusulkan suatu framework untuk mengintegrasikan Knowledge Management ke dalam lingkungan enterprise bagi DSS generasi berikutnya. Frameworknya meliputi model marts dan model warehouse dimana model marts adalah analog dengan data marts sedangkan model warehouse analog dengan data warehouse. Keduanya berfungsi sebagai tempat penyimpanan knowledge yang diciptakan dengan berbagai teknik knowledge-discovery di masa lalu yang disimpan dalam data marts dan data warehouses. Model marts dan model warehouses mengambil model-model decision operasional di masa lalu, mirip dengan data di data marts dan data warehouses. Contoh, suatu model mart bisa menyimpan kaidah-kaidah keputusan yang berkaitan dengan knowledge untuk memecahkan masalah dari para pengambil keputusan yang berbeda-beda dalam domain tertentu, seperti persetujuan kredit dalam dunia perbankan.Framework yang terintegrasi ini mengakomodasi berbagai macam jenis transformasi knowledge yang berbeda-beda. System yang dibangun berdasarkan framework ini diharapkan mampu meningkatkan kualitas dukungan terhadap para pembuat keputusan, dukungan terhadap fungsi (department) KM seperti acquisition (mendapatkan atau transfer knowledge), creation (penciptaan knowledge), exploitasi (memanfaatkan knowledge), dan accumulation (mengumpulkan knowledge); memudahkan penemuan trend dan pola-pola di dalam knowledge yang terakumulasi; dan memberikan jalan untuk membangun tempat penyimpanan knowledge organisasi.

eXtensible Markup Language (XML). eXtensible Markup Language memungkinkan penyajian struktur data yang sudah distandarkan sehingga data bisa diproses dengan pas oleh berbagai system yang heterogen tanpa pemrograman yang case-by-case. Metode ini cocok untuk berbagai aplikasi e-commerce dan supply-chain management (SCM) yang berjalan lintas batas-batas suatu perusahaan. XML tidak hanya bisa untuk mengotomatisasikan proses dan mengurangi paperwork, XML juga bisa menyatukan berbagai partner bisnis dan suplly chains untuk kolaborasi dan transfer knowledge yang lebih baik. Data yang dikirim berbasis XML bisa diambil dari back-end repository dan kemudian ditampilkan di interface portal dan begitu seterusnya. Portal yang menggunakan data berbasis XML memungkinkan perusahaan untuk berkomunikasi dengan para pelanggannya lebih baik, dengan menghubungkan rantai permintaan ‘virtual’ dimana banyak perubahan dalam kebutuhan para pelanggan segera bisa direspon oleh bagian perencanaan produksi. Penggunaan XML bisa memecahkan masalah dalam proses integrasi data dari berbagai macam sumber yang berbeda-beda. Karena kemampuannya dalam menyederhanakan integrasi sistem, XML menjadi bahasa universal yang digunakan oleh banyak vendor.

Web 2.0. Beberapa tahun belakangan ini telah terjadi perubahan dalam penggunaan World Wide Web (WWW). Web telah berevolusi dari sekedar alat untuk menyebarkan informasi dan menjalankan bisnis menjadi suatu platform untuk memudahkan berbagai macam cara baru dalam berbagi informasi, kolaborasi, dan komunikasi di era digital. Akhirnya satu kosa kata baru muncul, yang pdisebut Web 2.0, disebabkan munculnya aliran baru dalam aplikasi interaktif seperti mashups, social networks, media-sharing sites, RSS, blogs, dan wikis. Berbagai macam teknologi tersebut diharapkan memberikan dorongan bagi KM karena kemudahannya dalam berbagai knowledge melalui web.Dalam posting blog baru-baru ini, Davenport mencirikan Web 2.0 (dan pantulannya dalam dunia enterprise adalah Enterprise 2.0) sebagai “KM yang benar-benar baru”. Salah satu kemacetan bagi praktik-praktik KM  adalah karena kesulitannya dari orang-orang non-teknis untuk secara alami berbagai knowledge. Karena itu, nilai tertinggi dari Web 2.0 adalah kemampuannya dalam menumbuhkan responsiveness yang lebih baik, pengambilan dan berbagi knowledge yang lebih baik, dan pada akhirnya, kecerdasan kolektif yang lebih efektif.