Gestion de la connaissance
Le but de la pratique de gestion des connaissances est de maintenir et d’améliorer l’utilisation efficace, efficiente et pratique de l’information et des connaissances dans l’ensemble de l’organisation.
La pratique de gestion des connaissances vise à l’information et le capital intellectuel organisationnel en valeur persistante pour les employés et les consommateurs de services. Cette pratique vise à fournir la bonne information aux bonnes personnes au bon moment pour construire un environnement évolutif où :
- L’apprentissage est continuellement amélioré
- Les gens sont désireux d’apprendre de nouvelles connaissances, de désapprendre les anciennes connaissances et d’acquérir et de partager leur expérience et leurs idées
- Les capacités de prise de décision sont améliorées
- Une culture de changement adaptatif existe
- Les performances s’améliorent, en support de la stratégie organisationnelle
- Des approches axées sur les données et les connaissances sont utilisées dans l’ensemble de l’organisation.
ITIL décrit les données comme une série de faits sur des événements. Les données ne sont organisées d’aucune manière et ne fournissent aucune autre information concernant les modèles, la structure ou le contexte. Les données représentent des faits ou des chiffres singuliers, mais en eux-mêmes, les éléments de données ont peu de sens.
Pour que l’information devienne une connaissance, elle doit organisée ou structurée d’une manière ou d’une autre. Les connaissances combinent l’information avec l’expérience et peuvent être utilisées comme base pour la prise de décision ou la prise d’une action.
La sagesse est l’étape la plus délicate à expliquer. ITIL définit la sagesse comme étant le discernement ultime permettant de pour fournir un jugement fort et de bon sens. Je suis dans l’informatique depuis assez longtemps pour réaliser qu’on ne peut pas enseigner le bon sens, mais avoir la bonne formation et le bon soutien permet de prendre les bonnes décisions.
Fournir des outils capables d’effectuer une analyse prédictive est le plus grand défi de l’analyse de données.
L’analyse prédictive implique l’utilisation d’une variété de techniques statistiques telles que la modélisation prédictive, l’apprentissage automatique et l’exploration de données pour fournir des prédictions.
Les modèles prédictifs recherchent des modèles dans les données pour identifier les risques et les opportunités, guidant ainsi la prise de décision. Pour ce faire, des algorithmes d’apprentissage automatique sont utilisés, c’est-à-dire des algorithmes qui permettent au programme d’apprendre en fonction des données stockées pour pouvoir prédire les tendances futures. Ces logiciels sont basés sur des modèles mathématiques et des algorithmes d’intelligence artificielle qui permettent d’estimer les tendances avec une marge d’erreur minimale, offrant à la direction un soutien décisif pour prendre des décisions correctes et plus rentables.
Les spécialistes du « big-data » et de l’intelligence artificielle sont de plus en plus sollicités. Je voudrais vous parler de Stéphane, expert en big data, membre de l’équipe d’encadrement d’un club de football et qui exploite depuis plusieurs années des tonnes de données brutes, nombre de passes réussies, temps passé dans le terrain adverse, distance parcourue ; ces données, remises dans leur contexte (adversaire, moral de l’équipe, résultats précédents) deviennent des informations, qui deviennent à leur tour des connaissances lorsqu’elles sont soumises à la sagacité des experts.
Elles permettent de définir des stratégies parfois surprenantes et inattendues, signe de sagesse.
A noter que malgré quelques beaux succès sportifs, le club a finalement été relégué par suite de soucis financiers … ITIL ne fait pas de miracle !
Cette pratique est décrite en détail dans la formation « ITIL Specialist Create, Deliver and Support » et « ITIL Specialist Direct, Plan and Improve ».
