Knowledge Management (KM) adalah sebuah proses yang membantu organisasi memanipulasi pengetahuan penting yang merupakan bagian dari memori perusahaan, biasanya dalam bentuk format yang tidak terstruktur. Untuk organisasi yang sukses, pengetahuan, sebagai modal penting, harus ada dalam format yang dapat ditukar antar orang. Dan sebagai tambahan, pengetahuan juga harus dapat tumbuh.
Knowledge Dalam konteks teknologi informasi, knowledge atau pengetahuan sangat berbeda dari data dan informasi. Data adalah sekumpulan fakta yang di record. Informasi adalah data yang diproses sehingga memiliki arti, sedangkan knowledge (pengetahuan) adalah informasi yang kontekstual, relevant, dan dapat dilakukan. Secara sederhana, knowledge adalah informasi yang dilakukan.

Explicit dan Tacit Knowledge
Explicit Knowledge adalah pengetahuan yang tertulis, terarsip, tersebar (cetak maupun elektronik) dan bisa sebagai
bahan pembelajaran (reference) untuk orang lain
Tacit Knowledge merupakan
pengetahuan yang berbentuk know-how, pengalaman, skill, pemahaman, maupun rules of thumb.

Knowledge Management System
Tujuan dari knowledge management adalah untuk membantu sebuah organisasi membuat penggunaan yang paling efektif dari kepemilikan knowledge tersebut. Menurut sejarah, sistem informasi manajemen fokus kepada pengambilan, penyimpanan, pengaturan, dan pelaporan explicit knowledge. Organisasi sekarang mengakui kebutuhan untuk mengintegrasikan explicit dan tacit knowledge dalam sistem informasi formal. Knowledge Management System (KMS) lebih mengarah kepada penggunaan teknologi informasi modern – internet, intranet, extranet, LotusNotes, data warehouse – untuk mensistemasi, mempertinggi, mempercepat knowledge management didalam dan antar perusahaan. KMS dimaksudkan untuk membantu perusahaan mengatasi perubahan, pergantian yang sangat cepat dengan membuat sistem expert.
Organisasi dapat menyadari beberapa keuntungan KMS. Yang paling penting, KMS dapat menjadi latihan terbaik, misalnya cara melakukan sesuatu dengan cara yang paling efektif dan paling efisien. Mempertinggi akses untuk latihan terbaik pengetahuan meningkatkan performansi perusahaan secara keseluruhan. Misalnya, manager bagian keuangan dapat membagikan ilmunya menjadi tacit knowledge tentang bagaimana menangani account yang besar. Pengetahuan ini kemudian dapat digunakan untuk melatih manager keuangan yang baru. Keuntungan yang lain adalah termasuk meningkatkan pelayanan kepada pelanggan, pengembangan produk yang lebih efisien, dan meningkatkan moral dan ingatan pekerja.
Ada beberapa tantangan untuk mengimplementasikan KMS yang efektif.
Pertama, para pekerja harus bisa membagikan tacit knowledge (pengetahuan) mereka. Untuk meningkatkan perilaku seperti ini, organisasi atau perusahaan harus menciptakan budaya “knowledge management”, misalnya pemberian hadiah bagi pekerja yang menambahkan keahliannya ke pengetahuan dasar .
Kedua, pengetahuan tersebut harus terus berlanjut dan di update. Pengetahuan yang baru harus ditambah, dan yang sudah lama harus di hapus.

The Knowledge Management System Cycle

Alasan mengapa sistem bersifat siklus adalah karena pengetahuan berubah sepanjang waktu. Pengetahuan dalam sebuah KMS yang efektif tidak pernah di finalisasi karena lingkungan berubah sepanjang waktu dan pengetahuan harus diupdate karena diakibatkan perubahan tersebut. Siklus KMS sebagai berikut :
- Create Knowledge. Knowledge (pengetahuan) dibuat ketika seseorang menentukan atau menemukan cara baru dalam melakukan sesuatu atau mengembangkan sesuatu. Kadang-kadang pengetahuan yang berasal dari luar dibawa ke dalam.
- CaptureKnowledge. Pengetahuan yang baru harus diidentifikasikan sebagai sesuatu yang bernilai dan di representasikan dalam cara yang masuk akal.
- Refine Knowledge. Pengetahuan yang baru harus ditempatkan dalam konteks yang tepat, sehingga dapat dilaksanakan.
- Store Knowledge. Pengetahuan yang berguna kemudian harus disimpan dalam format yang pantas dalam penyimpanan pengetahuan sehingga orang lain dalam organisasi dapat mengakses nya.
- Manage Knowledge. Seperti perpustakaan, pengetahuan harus dijaga. Pengetahuan tersebut harus secara rutin di periksa dan di verifikasi apakah masih relevan dan akurat.
- Disseminate Knowledge. Pengetahuan harus tersedia dalam format yang dapat digunakan oleh setiap orang dalam organisasi yang memerlukannya, dimana saja dan kapan saja..

1. Geographic Information System (GIS)
Sebuah sistem informasi geografis (GIS) adalah sistem yang berbasi komputer untuk menangkap (dan menyimpan), mengintegrasikan, manipulasi, dan menampilkan data menggunakan peta digital. Perbedaan karakteristik yang paling besar adalah setiap record atau objek digital memiliki lokasi geografis yang sudah diidentifikasi. Proses ini disebut geocoding, memungkinkan pengguna untuk menghasilkan informasi untuk perancanaan, penyelesaian masalah, pembuat keputusan. Format grafik membuat kemudahan bagi manajer untuk memvisualisasikan data.
Saat ini, GIS relatif murah, fungsi lengkap dari GIS berbasi PC sekarang sudah tersedia. Contoh vendor dari GIS adalah ESRI (www.esri.com), Intergraph (www.intergrapgh), dan Mapinfo (www.mapinfo.com)
Tidak terhitung aplikasi GIS yang berguna untuk mengembangkan pembuatan keputusan dalam sektor private atau publik. Berikut ini merupakan salah satu contoh,
- Menemukan lokasi dari restoran baru. McDonalds menggunakan sistem GIS untuk mendapatkan semua jenis dari informasi geografis pada peta untuk mengidentifikasi lokasi terbaik untuk restoran baru.
- Memunculkan aplikasi GIS. Pengintegrasian GIS dan Global Positioning System (GPS) memiliki potensi untuk membanti restruktur dan desain ulang penerbangan, transportasi, dan industri perkapalan. GPS adalah sistem berbasis satelit untuk menemukan lokasi anda pada semua tempat di dunia ini. Sistem-sistem tersebut memungkinkan kendaraan atau perlengkapan pesawat dengan GPS receiver untuk menunjukkan lokasi kemana mereka bergerak.

2. Virtual Reality (VR)

Tidak ada standar yang mendefinisikan apa itu virtual reality (VR). Definisi umum yang menyatakan VR adalah interaktif, computer-generated, pengiriman grafis 3-Dimensi kepada user. Dalam VR, seseorang percaya bahwa dia sedang melakukan sesuatu walapun itu hanya dibuat secara artificial.
Sekelompok orang atau bahkan kelompok yang besar dapat berbagi dan berinteraksi dalam lingkungan artificial yang sama. Untuk alasan ini, VR dapat menjadi media yang bagus untuk komunikasi, entertainment, dan pembelajaran. Tidak seperti melihat layar komputer, layar VR dengan 3-Dimensi, computer generated environment.

Data dalam data warehouse diatur oleh dimensi bisnis, yang setiap tepi dari data cube, dan semua subjek, seperti area fungsional, vendor, produk, area geografis, atau periode waktu. Pengguna (user) dapat melihat dan menganalisa dari berbagai macam perspektif dimensi bisnis. Analisis ini bersifat intuitif, karena dimensi yang berada dalam term bisnis dapat dengan mudah dimengerti oleh user.

      g.   Hubungan dengan relational database
Data yang berada dalam data warehouse berasal database operasional perusahan, yang menjadi relational database.

Beberapa keuntungan dari data warehouse meliputi :
      -    End user (pemakai akhir) dapat mengakses data yang diperlukan secara cepat dan mudah dengan menggunakan web browser, karena berlokasi pada satu tempat.
      -    End user dapat melakukan analisa yang luas terhadap data dengan cara bahwa data tersebut sebelumnya tidak ada.
      -    End user dapat memiliki sebuah view penggabungan dati organisasional data.

Keuntungan-keuntungan diatas dapat meningkatkan business knowledge, menyediakan keuntungan yang kompetitif, memperluas pelayanan terhadap pelanggan dan kepuasan, memfasilitasi pembuatan keputusan, dan mempersingkat proses bisnis.

Data warehouse juga memiliki beberapa masalah,
       –    Data warehouse bisa menjadi sangat mahal untuk dibuat dan dipelihara.
       –    Data warehouse akan menjadi rumit dan mahal untuk menggabungkan data yang berasal dari sistem mainframe yang sudah lama atau yang tidak dipakai lagi.
       –    Orang-orang yang ada pada suatu departemen atau divisi mungkin saja segan atau ragu untuk berbagi data dengan departemen yang lain.

2. Data Marts
Karena data warehouse sangat mahal, mereka biasanya digunakan oleh perusahaan-perusahaan besar. Beberapa perusahaan yang lebih kecil, menggunakan data warehouse yang skala nya lebih kecil, yang biasa disebut data mart. Data mart adalah data warehouse yang kecil yang didesain untuk kebutuhan pemakai akhir pada sebuah unit bisnis strategi (SBU = Strategic Business Unit) atau departemen.

Dalam tahapan sebelumnya, data mart jauh lebih murah dari pada data warehouse. Daya mart biasanya menghabiskan dana sampai $100,000, bandingkan dengan data warehouse yang menghabiskan $1 juta atau lebih. Ditambah lagi, data mart dapat diimplementasikan lebih cepat, biasanya kurang dari 90 hari. Hal ini dikarenakan data mart hanya berisi lebih sedikit informasi dari pada data warehouse, data mart juga memiliki respon yang lebih cepat dan lebih mudah untuk dipelajari. Data mart mendukung lebih ke lokal dari pada pengontrolan terpusat oleh manajer suatu departemen. Data mart juga memberikan hak kepada SBU untuk membuat sebuah sistem pendukung keputusan tanpa mengandalkan departemen Sistem Informasi pusat.

3. Data Mining Apabila data sudah disimpan di dalam data warehouse ataupun data mart, data tersebut dapat diakses dan dianalisis oleh manajer, analist dan pengguna lain, dengan menggunakan data mining. Tujuan dari analisis ini adalah untuk menyediakan bisnis intelijen. Bisnis Intelijen adalah sebuah pengetahuan sederhana tentang pesaing anda, pelanggan anda, rekan bisnis anda, dan operasi internal perusahaan. Pengetahuan ini memungkinkan anda untuk membuat keputusan yang lebih baik, terutama sekali tentang kerumitan, dan masalah yang sukar dipahami.

Data mining memperoleh namanya dari pencarian informasi tentang bisnis yang bernilai dalam database berskala besar, data warehouse, data mart. Data mining dapat menampilkan dua operasi dasar, yaitu :
a. Memprediksi kecenderungan dan perilaku
b. Mengidentifikasi pola yang tidak diketahui sebelumnya

Berdasarkan operasi pertama, data mining mengautomasi proses penemuan informasi prediksi dalam database yang besar. Pertanyaan-pertanyaan yang biasa yang memerlukan analisis sekarang dapat dijawab dengan langsung dan cepat dari data yang telah tersedia. Contoh khusus dari masalah prediksi adalah target marketing. Data mining dapat menggunakan data dari penyebaran promosi yang lama (sebelumnya) untuk mengidentifikasi orang yang kemungkinan besar meresponse dengan baik untuk penyebaran promosi yang akan datang.
Data mining juga dapat mengidentifikasi pola yang tidak kelihatan sebelumnya yang terdapat dalam langkah tunggal. Sebagai contoh, data mining dapat menganalisis data penjual eceran untuk menemukan produk yang sepertinya tidak berhubungan yang sering dipesan secara bersamaan, misalnya popok dan bir.
Satu masalah penemuan pola yang menarik adalah mendeteksi kecurangan transaksi pada kartu kredit. Setelah kamu menggunakan kartu kredit, sebuah pola dari cara anda menggunakan kartu kredit muncul. Jika kartu kredit anda dicuri dan digunakan dengan cara ilegal, penggunaannya pasti sering berbeda dengan pola yang sering anda digunakan. Tools data mining dapat membedakan perbedaan dari dua pola penggunaan tersebut.
Ada banyak jenis dari tools data mining yang digunakan oleh manajer dan analis untuk menganalisa data, termasuk tools untuk laporan dan query, tool analisis multidimensi, dan tool statistika. Tool untuk reporting (laporan) dan query mirip dengan SQL dan QBE. Tool untuk analisis mutidimensi memperbolehkan pengguna untuk memotong-motong atau memilah data sesusai dengan keinginannya. Pada data warehouse, proses ini kelihatan seperti perputaran sebuah kubus yang mana user memandangnya dari sudut pandang yang berbeda. Tool statistika melayani pengguna dengan model matematika yang dapat dipergunakan untuk mendapat jawaban dario pertanyaan-pertanyaan pengguna.
Kekuatan dari data mining terletak pada kemampuannya untuk menganalisa data seperti memungkinkan user untuk dengan cepat menjawab pertanyaan-pertanyaan seputar bisnis. Misalnya, Berapa banyak baut yang terjual di bagian barat pada tahun 2005?, Apa tren atau kecenderungan dalam penjualan cincin di bagian barat dalam tiga tahun terakhir? Apakah ada 4 produk yang secara khusus dibeli bersamaan?
Beberapa vendor menawarkan paket dari tools ini, dengan nama perangkat lunak Business Intelegence (BI). Vendor BI yang besar misalnya SAS (www.sas.com), Hyperion (www.hyperion.com), Business Object (www.businessobject.com), Cognos Corp. (www.cognos.com), Information Builders (www.informationbuilders.com), DBMiner Technology (www.dbminer.com), dan SPSS (www.spss.com)

4. Aplikasi data mining

Ada banyak aplikasi data mining. Berdasarkan laporan dari Gartner (www.gartner.com), sebagian besar dari 1000 perusahaan yang kaya di dunia ini menggunakan data mining, sebagaimana diilustrasikan contoh representative berikut. Sebagai catatan, dalam banyak kasus maskud dari penggunaan data mining adalah untuk mengidentifikasi keuntungan bisnis sehingga dapat membuat keuntungan dalam persaingan.
- Retailing dan sales, memprediksi penjualan, mencegah pencuri dan kecurangan, dan menentukan level inventori yang benar dan mendistribusikan jadwal sepanjang outlet. Sebagai contoh, penjual seperti AAFES menggunakan Fraud Watch dari Triversity untuk melawan penipuan oleh pekerja di 1400 toko.
- Banking. Level prediksi untuk peminjaman yang buruk dan kecurangan dalam penggunaan kartu kredit, prediksi pengeluaran kartu kredit oleh pelanggan yang baru, dan menentukan jenis mana dari pelanggan yang memberikan respon yang baik untuk menawarkan peminjaman.
- Manufacturing dan production, memprediksi kesalahan mesin, dan menemukan faktor kunci yang dapat mengoptimasi kapasitas produksi.
- Insurance. Memprediksi jumlah tagihan dan ongkon kesehatan, mengklasifikasikan elemen yang paling penting yang mempengaruhi jaminan kesehatan dan memoprediksi pelanggan mana yang akan membeli polis asuransi baru.
- Policework. Menemukan pola kejahatan, lokasi, dan perilaku tindak kejahatan; mengidentifikasi atribut yang berguna untuk menyelesaikan masalah kriminal.
- Healthcare. Korelasi demografis dari pasien yang memiliki penyakit yang parah, dan memperluas wawasan yang lebih baik tentang bagaimana mengidentifikasi dan gejala penyakit dan penyebabnya.
- Marketing. Mengklasifikasikan demografis pelanggan yang dapat digunakan untuk memprediksi pelanggan mana yang akan merespon untuk pembelian produk tertentu.