Taller de Gestión del Conocimiento | En DIRECTO

Módulo 1.ANÁLISIS DE CAPACIDADES Y DEFINICIÓN DE ESTRATEGIAS

• El ciclo de vida de la transferencia de conocimientos. Factores críticos de éxito en los proyectos de gestión del conocimiento. Cómo definir la nuestra estrategia de gestión del conocimiento. Modelo de flujo de conocimiento de HEISIG. EJERCICIO PRÁCTICO: IDENTIFICACIÓND E RETOS Y FACTORES CRÍTICOS DE ÉXITO EN UN PROGRAMA DE GESTIÓN DEL CONOCIMIENTO.
• Análisis de nuestra capacidad de gestión del conocimiento: análisis de capital relacional, organizativo, social, humano y tecnológico. Determinación del nivel de madurez organizativa y tecnológica (brechas de conocimiento y tecnológicas).
• Requisitos de gestión del conocimiento en la nueva versión de la norma de calidad ISO 9001: 2015. EJERCICIO PRÁCTICO: IDENTIFICACIÓN DE FUENTES INTERNAS/EXTERNAS DE GENERACIÓN Y CAPTURA DE CONOCIMIENTO.
• Captura y transferencia de conocimiento del entorno. Sistemas de Vigilancia Tecnológica e Inteligencia Competitiva. UNE 166006. EJERCICIO: COMO DEFINIR LA MATRIZ DE FACTORES CRÍTICOS DE VIGILANCIA.
• Captura y transferencia de conocimiento de procesos, productos y servicios. Instructivos, lista de comprobación, matriz de competencias, diagramas boundary, cursogramas, diagramas de hilos, matrices funcionales, diagramas de parámetros, Cuadros de Mando, flujogramas, diagramas de bloques, jod aids, etc. EJERCICIO: COMO GENERAR LA TAXONOMIA DE CONOCIMIENTO EN TORNO A PROCESOS.
• Captura y transferencia de conocimiento de proyectos. Lecciones aprendidas, Project charter, recomendaciones, talleres de transferencia.

Módulo 2. HERRAMIENTAS DE GESTIÓN DEL CONOCIMIENTO

• Herramientas Tecnológicas (sistemas de gestión documental, portal del GC, sistemas de localización de expertos, Data Mining, Learning Tools, redes sociales de GC, Mind-Manager, etc.).
• Herramientas de gestión (mapas de conocimiento, Páginas amarillas, técnicas narrativas, Mentaran, comunidades de GC, localización expertos, etc.).

Módulo 3. TRANSFORMACIÓN DE DATOS EN CONOCIMIENTO

• Data Lake y Data Warehouse. Que estrategia es las más adecuada. Modelización de datos, plataforma de datos, y analítica de datos. Evolución en la modelización de datos.
• Cómo configurar modelos con datos estructurados. Tipología de algoritmos de datos. Identificación de datos disponibles. Identificar restricciones. Establecer procesos implicados en el algoritmo. Principales Algoritmos usados en Machine Learning.
• Cómo configurar modelos con datos NO estructurados. Análisis semántico. Comprensión, clasificación y taxonomía de datos no estructurados. Identificación y extracción de entidades. Extracción de vínculos y relaciones entre las entidades.
• Configuración de Modelo de datos de eficiencia de procesos. EJERCICIO PRÁCTICO: DEFINIR EL MODELO PREDICTIVO DE EFICIENCIA DE PROCESOS.
• Configuración de Modelo de datos de seguimiento y evaluación de vital parts.
• Configuración del Modelo de datos de experiencia del cliente EJERCICIO PRÁCTICO: DEFINIR CUADRO DE MANDO PREDICTIVO DE RECOMENDACIÓN DEL CLIENTE.

Módulo 4. IMPLEMENTACIÓN DEL MODELO DE GESTIÓN DEL CONOCIMIENTO

• Etapas en la definición del modelo de gestión del conocimiento. Definición de diagramas SIPOC+Q de procesos del sistema.
• Orientación a las personas hacia el logro de nuestros objetivos del programa de gestión del conocimiento. Definición de las rutinas organizativas que impulsan el dominio de nuevos conocimientos.
• Cómo identificar el conjunto de indicadores clave que nos orientan hacia la consecución y mejora de nuestros objetivos del programa de gestión del conocimiento. EJERCICIO PRÁCTICO: DEFINIR CUADRO DE MANDO O TABLERO DE INDICADORES DE GESTIÓN DEL CONOCIMIENTO.
• Resolución final de dudas de implementación del proyecto de gestión del conocimiento. Cómo fijar el roadmap del proyecto de gestión del conocimiento. EJERCICIO PRÁCTICO: ROADMAP DE GESTIÓN DEL CONOCIMIENTO.