10.05.2018 | Добавил: OleshkoV | Просмотров: 201
NASA как самообучающаяся организация. Часть 2

В 2015 г. NASA совместно с Колумбийским университетом разработали метод выявления, приоритизации, сохранения и распространения критических знаний. Критические знания они определили как «широко применимые извлеченные уроки, которые облегчают достижение успеха миссией, стимулируют критическое мышление и помогают формулировать вопросы, которые нужно решать на разных стадиях проектного цикла».

В общих чертах разработанный Knowledge Referee Process (KRP) выглядит так: «оценщики знаний» (Knowledge Referees) определяют, какие из извлеченных уроков обладают широкой применимостью, включают знания, которые могут развиваться дальше в новых проектах и могут быть включены в подходящие формальные политики, технические стандарты и различные мероприятия по совершенствованию технических навыков сотрудников. И отбирают ТОП 5% этих знаний. Затем профильное СоР включает эти знания в нужные документы и базы знаний и обеспечивает возможность их легкого нахождения (дорабатывает таксономию, подбирает теги и т.п.). Процесс размещения контролируется «оценщиками знаний» и директорами по управлению знаниями соответствующих подразделений. В команду «оценщиков» входят представители офиса по управлению персоналом, офиса по безопасности и гарантированию миссий, центра проектирования и безопасности и сами директора по управлению знаниями.

Теперь о том, как отбираются эти самые ТОП 5%:

  1. Знания классифицируются – делятся на 3 категории:
  2. Знания оцениваются по 5 критериям на основе специальной скоринговой системы. Критерии: риски (R), широкая применимость (BA), выгоды (B), влияние на результаты проекта (I), инновации (In). Система баллов: 0 – совсем нет; 1 – минимально релевантен/низкий уровень; 2 – отчасти релевантен; 3 – средний уровень; 4 – релевантен/применим; 5 – определенно релевантен/высокая степень применимости.
  3. Рассчитывается итоговый индекс CKI (Critical Knowledge Index) с учетом разного веса критериев: CKI = 1/4 * R + 1/4 * BA + 1/6 * I + 1/6 * B +1/6 *In. Например:
  4. Отбирается 5% с самым высоким значением индекса.
  5. Определяется дальнейшая судьба отобранных знаниевых активов (где их размещать, в какие документы/процессы/обучение включать и т.д.).

Мне понравилась эта модель своей четкостью и логичностью. Большинству компаний, на мой вг, такая система не нужна, но перед теми, кто генерирует огромное количество знаниевых активов (например, наукоемкие производства), рано или поздно встает вопрос, как расставить приоритеты, т.к. сохранять и распространять абсолютно все новые знания – очень расточительно с т.з. ресурсов. И здесь такая модель вполне может пригодиться.

В следующей части мы познакомимся с процессом извлечения уроков в NASA.

Кейсы компаний / 10.05.2018 | Просмотров: 201 | Добавил: OleshkoV | Всего комментариев: 0 / Теги: кейс, Управление знаниями
ОБ АВТОРЕ
Виктория Олешко Олешко Виктория, бизнес-тренер, консультант, главный редактор сайта SixSigmaOnline.ru. Автор книги “Управление знаниями: коротко о главном” и блога “Управление знаниями”.
Хотите узнать больше об управлении знаниями? Присоединяйтесь к группе на facebook.
Есть вопросы по управлению знаниями? Интересует корпоративное обучение? Пишите или обращайтесь через мой профиль в сети LinkedIn.

ПОХОЖИЕ МАТЕРИАЛЫ


  Добавить комментарий
avatar
SixSigmaOnline.ru © 2009-2018            Хостинг от uWeb