Informatiesystemen
Inleiding
Waarom informatiesystemen en beleidsinformatica?
➔ Belang van informatietechnologie (IT) in onze economie en maatschappij neemt sterk toe
Recente evoluties: Digital Transformation: AI, chat gpt, Big data,…
Digitale economie: kenmerken
- Steeds meer digitale diensten en producten
- Organisaties worden gedigitaliseerd
- Paperless office (alles online)
- 24/7, real time (alles op de moment zelf verwerken)
- Hyper competitief
- globaal
Zelfs nieuwe industriële revolutie op komst?
De economische productiefunctie: x=f(L,N,K,T)
X: hoeveelheid output
L: hoeveelheid arbeid
N: hoeveelheid productiefactor natuur (bijv. land)
K: hoeveelheid kapitaal
T: technische vooruitgang
Als (informatie)technologie is aanzienlijke mate de output van een economie bepaalt, is het
voor de economist van belang kennis te bezitten van (informatie)technologie
,Voorbeelden van informatiesystemen
Bedrijfskundig kader:
Hedendaagse bedrijven bestaan uit veelal meerdere functionele departementen: boekhouding,
productie, financien, marketing, sales, etc.
- Productie en operation management:
o Vroeger: kostenefficientie en kwaliteit -> nu: customer value
▪ Customisatie: klanten kunnen steeds meer kenmerken van
producten/diensten zelf kiezen. (bv autoindustrie)
▪ Geheel/gedeeltelijke uitbesteding van het productieproces
▪ Supply chain management: alle activiteiten die grondstoffen omzetten in
afgewerkte producten en deze in de handen van klanten plaatsen.
▪ Steunt sterk op BI en IOT
o Enkele onderdelen:
▪ Transportbeheersystemen: routeplanning, chauffeersbeheur, tracking van
goederen, real time tracking, etc,
▪ Voorraadbeheersystemen: minimaliseren van kosten, voldoende voorraad,
automatisch bijbestellen, etc.
▪ Logistieke systemen: coordinatie van processen ivm aankopen, verkopen, etc.
▪ Aankoopproces: digitale bestellingen via aankoopplatformen ipv manueel
- Accounting en financien:
o Accounting
▪ Vroeger: wetgeving en rapportering -> nu: geavanceerde rapportering,
risicoprofielen van leveranciers en klanten, fraudedetectie, doorgedreving
auditing
o Financiën
▪ Mogelijkheid tot (real time) online trading
- Human rescources (HR)
o Vroeger: wetgeving en communicatie centraal
o Nu: uitbesteding (cloud), online recruteringsmogelijkheden (Linkedin), self service
door personeelslid, nieuwe mogelijkeheden zoals vrijekeuze welke voordelen in
nature afhankelijk van statuut, categorie (leasing wagen, …)
- Sales en Marketing: het meest veranderd door informatiesystemen
o Search Engine Marketing: ervoor zorgen dat het product of de dienst de aandacht
krijgt
Hoe aandacht krijgen? Via
▪ Search Engine Optimization (SEO): optimalizeren van websites om gevonden
te worden en hoog te scoren op de resultatenlijst van zoekacties
• On-page factoren: elementen die de webontwikkelaar onder
controle heeft:
o sleutelwoorden, kwaliteit van tekst, verwijzingen,
publicatie/links op social media
• Off-page factoren: elementen waarop men niet direct invloed heeft:
, o Relevantie volgens algoritmes van search engines,
verwijzingen vanuit andere betrouwbare bronnen
(backlinks), review websites
▪ Social Media Optimization (SMO): aandacht voor sociale media van een
bedrijf,( telt ook mee in de ranking algoritmes van search engines)
• Actieve betrokkenheid via ‘’Likes’’ en ‘’Reviews”
• Mond tot mondreclame (viral marketing)
• Gelijkaardig aan SEO (optimaliseren van advertenties en real time
opvolgen ervan)
• Search engines: Algoritmes van search engines houden rekening met
de aanwezigheid op social media, wat de invloed is op de reputatie
van website en bedrijf
▪ Pay Per Click Advertising (PPC): het actief plaatsen van advertenties in de
resultatenlijst van search engines. Het is een grote bron van inkomsten voor
de search engines die de zoekfunctie gratis voor iedereen beschikbaar
stellen. De bedrijven betalen enkel wanneer er op hun advertentie geklikt
wordt.
• Dynamische prijszetting: manipuleren van prijzen, men laat de prijs
van een product varieren over de tijd/personen, men kijkt hoeveel
interesse er is in een bepaald product en bij veel interesse kan de
prijs direct verhoogd worden, in sommige fysieke winkels al gebruikt,
want geen papieren prijzen meer, maar digitaal
Bouw van Informatiesystemen, en de rol van de bedrijfskundige/econoom
vb. Nordstrom (PITS: programming in the small)
App gemaakt in 5 dagen – experiment
Begin: weten zelf nog niet precies wat ze gaan maken, gebruiken klanten als feedback -> steeds
nieuwe functionaliteiten
Beleidsinformatica in dit project: Project Manager (budgetten,samenstelling,team,planning/timing),
Analist (welke vereisten zijn er bij de eindgebruikers?)
Bouwen: waarom ‘engineering’, handels-‘ingenieur’?
Architect: grondplan → ingenieur: ingewikkelder, moet x afgebroken om x te vervangen?
Wicked (lastig) of Ill-structured design problems:
- Onvolledige en ambigue specificatie van het probleem
- Geen deterministisch pad naar oplossing
- Kennis van meerdere domeinen nodig om oplossing te vinden
- Meerdere oplossingen mogelijk
- Geen duidelijke criteria om mogelijke oplossingen te vergelijken en te evalueren
,Situering van de beleidsinformatica a.d.h.v. 2 perspectieven: ondersteunend en innovatief
perspectief
Het ondersteunend perspectief
De term informatiesystemen ontstond in het ondersteunend perspectief. De term geeft aan dat het
doel is om systemen te bouwen die data tot informatie verwerken voor bedrijfskundig of
economische processen, beslissingen, doelen,… en dat is precies waarvoor hardware en software in
organisaties veelal gebruikt worden.
Het bouwproces begint bij de bedrijfskundige/econoom. Bedrijfskundige zegt wat we gaan
doen
Het gaat hier om systemen die bedrijfskundige informatie verstrekken over klanten, producenten en
voorraadniveaus. (gaat niet om software voor een schaakcomputer etc. deze worden ook niet
begrepen tot informatiesystemen)
Beleidsinformatica omvat een ruim gamma aan gebieden en problematieken: bv een deelgebied
gericht op management-aspecten, deelgebied gericht op bouwen van informatiesystemen.
Beide deelgebieden samen hebben het doel de brugfunctie tussen bedrijfskunde/economie en ICT te
overbruggen.
Definitie: Beleidsinformatica en Informatiesystemen: Bedrijfskundige toepassingen van ICT,
gericht op het omzetten van data naar (bedrijfskundige) informatie
Beleidsinformatica is een informatiekunde discipline. Het omvat het ontwerpen, ontwikkelen
en toepassing van informatie- en communicatiesystemen in zakelijke ondernemingen. Het
vakgebied ligt voornamelijk op het gebied van economie en informatica.
Het innoverend perspectief
Je begint met een nieuw idee
Er wordt vertrokken vanuit de nieuwe mogelijkheden van de ICT, en wordt er beschouwd of het
gebruik van deze technologie nieuwe mogelijkheden biedt op bedrijfskundig of economisch vlak.
Vb.: Google glass
Disruptieve innovatie: IT -> bedrijfskunde: als de technologie er is, wat kan je er dan mee doen in de
bedrijfskunde?
Niet elke innovatie lukt: Vb google glass, zelfs met veel financiele middelen lukt niet elke inovatie
Ware Innovatie heeft:
- Technologische aspecten: nieuwe technologie, combinatie van bestaande technologieen,
realisatie van bestaande technologie
- Disruptieve bedrijfskundige aspecten: bedrijfskundige toepassing vinden, business model
vinden
Disruptieve innovatie is een economisch concept van Clayton Christensen, dat betrekking heeft op en
innovatie die een nieuwe markt en waardeketen creeërt en uiteindelijk de bestaande markt en
waardeketen verstoort, waarbij de huidige marktleiders worden vervangen. (Bv opkomst van
,smartphones, in het begin niet zo populair op een duur vervangen ze de marktleiders). Bij disruptieve
innovatie gaat het dus niet om een verbeterde versie van een bestaand product, maar een volledig
nieuwe benadering
Creatieve destructie: theorie door Joseph Schumpeter, proces van industriele verandering dat voor
een onophoudelijke revolutie zorgt van de economische structuur, waarbij de oude structuur
voortdurend wordt vernietigd en er voortdurend nieuwe structuur wordt gecreëerd
Marketing, Logistiek, Financien: disruptieve bedrijfskundige innovaties door TECH companies
(google,meta amazon , facebook)
Idee begint met technologie en gaat naar de bedrijfskundigen: innovatief perspectief
,H1: Informatie en informatiesystemen
1. Wat is informatie?
Het DIKAR model:
beschrijft hoe de transformatie van ‘data’ naar ‘informatie’ en ‘kennis’, tot ‘acties’ zouden moeten
leiden die bedrijfskundige ‘resultaten’ opleveren
Vb:
Data (ruwe feiten die een bepaald fenomeen, concept beschrijven): 18
Informatie (data die een specifieke betekenis heeft in een specifieke context): 18 stuks voorraad
product x of 18 keer dat klant x bestelling heeft geplaatst
Kennis (het begrijpen van een bepaald onderwerp, ondermeer door ervaring en expertise): 18 is
minder dan vorig jaar, korting opstellen?
Actie (verwijst naar het nemen van bedrijfskundige beslissingen op basis van de beschikbare data,
informatie en kennis, wat een resultaat oplevert: nemen van bedrijfskundige beslissingen (data,
informatie en kennis staan in functie van actie)
Resultaat: hopelijk positief, vb klant die toch meer beslist te kopen
Model
Data en informatie representeren iets in de reele wereld -> je neemt beslissingen dat een impact
heeft op de reele wereld wat vervolgens weer leidt tot nieuwe data
Ze vormen een partiële, symbolische voorstelling van de reële wereld, dus een model
- Partieel: een model is slechts een abstractie van de reële wereld, waarbij bepaalde aspecten
worden beschouwd en andere niet, ‘spiegel’
- Symbolisch: een model is een symbolische representatie van de reele wereld, ‘informatie-
spiegel’
o Tekens:
▪ Syntax: betrekkeing op de vorm: 18, eerst de 1 dan 8
▪ Semantiek: betrekking op de betekenis: 18 -> #stuks of #bestellingen?
Voordelen Model
Als het model een correcte representatie is van de bedrijfskundige reële wereld (dus een spiegel), dan
zijn de voordleen van de spiegel
- Grote precisie
- Geheugen zeer groot
- Flexibele zoekmogelijkheden: in een fractie van een seconde een digitaal document
terugvinden
- Minder mensen nodig -> efficiëntie (H1: productiefunctie)
, Productiviteit wint tov fysieke wereld
Dit perspectief stelt in feite dat informatie en informatiesystemen een model vormen van de reële
wereld. Een model is een abstractie: bepaalde aspecten van de reële wereld worden in het model
opgenomen en beschouwd, terwijl andere aspecten niet worden beschouwd (er wordt abstractie van
gemaakt). Een model is hierdoor partieel en minder complex dan de achterliggende reële wereld. Een
model wordt uitgedrukt in tekens of symbolen, zoals getallen en cijfers. Daarbij is het van belang dat
deze tekens of symbolen syntactisch correct zijn naar vorm, terwijl ook de semantiek of betekenis van
belang is
Data-Representatie: Hoe reële wereld in computer voorstellen
Data wordt gerepresenteerd in verschillende formaten:
- Voor de mens: getallen, tag/word/data cloud,…
- Voor de computer: bits en bytes, QR codes,..
Bits en Bytes:
Binaire getallen voorstellen: transistor (elke schakeling in de transistor stelt een 0 of een 1 voor)
,Gestructureerde data:
Elementaire data:
o Soorten
▪ Getal
▪ Datum
▪ String: korte sequenties van alfanumerieke tekens (vb een naam: Xander
Nootenboom) alles korter dan 252 letters
o Verwerking mogelijk zoals selectie van de maand in een datum: Als computer de
structuur van data herkent kan hij de verwerking van data doen Bv. Vervaldatum van
factuur en datum van vandaag
▪ Tekensets: bepalen hoe een teken wordt voorgesteld
• ASCII gebruikt 7 bits voor een karakter
• EBCDIC gerbuikt 8 bits voor een karakter, etc.
• Unicode gebruikt voor 1 karakter, 4 bites, 32 bits
• UTF 8 meest gebruikte representatie op websites
Geaggregeerde data:
o Soorten
▪ Arrays: : verzamelingen van elementaire gestructureerde data, bv matrices (1
dim, 2 dim, 3dim)
▪ Records: vertegenwoordigt meestal één eenheid of entiteit in een dataset,
zoals een persoon, bv. Naam, adres, telenummer, email,..
▪ Array of records:
• Relationele Databanken: stellen data voor in de vorm van tabellen =
array of records
o Elke rij stelt 1 klant voor
o Elke kolom stelt 1 eigenschap voor
o Gericht op grote hoeveelheden gegevens met dezelfde
structuur, gestructureerde data (data,getallen,strings)
onhandig voor emails of documenten voor te stellen
XML: data representatie met bomen:
o Een XML-document bestaat uit een boom van recursieve ‘elementen’
o eXtensible Markup Language
▪ is een opmaaktaal om data in string-of tekstformaat te voorzien van opmaak
in de vorm van labels of tags
▪ zowel leesbaar voor mens als machines
, Semi-gestructureerde data:
Vb. document, e-mail, sociale media
Verwerking mogelijk zoals de geadresseerde selecteren, of zoeken op geadresseerde of een
woord in de mail, maar niet de tweede zin van de mail
o XML voor documenten (office open XML) documenten opgeslagen als XML
document, wordt gebruikt om betekenis en structuur toe te voegen aan:
▪ Gestructureerde data
▪ Semi-gestructureerde data
Ongestructureerde data:
Vb. Audio, Video, foto
Opgeslagen als een BLOB (Binary Large Object)
Voor een computer zijn audio, video en foto een BLOB
➔ Computer weet niet of het een audio, video of foto is en welk programma het bijgevolg moet
openen
➔ Eerste stukje betekenis/semantiek tags zorgt voor herkenning van audio,foto, video
Verwerking mogelijk zoals afspelen, maar niet tweede refrein zoeken
➔ Oplossing: tags, manueel of automatisch (Shazam voor audio)
Verwerking:
verwerking is de activiteit die de data bruikbaar maakt voor de ondersteuning van bedrijfskundige
beslissingen
Verwerking gebeurt manueel of automatisch (door informatiesystemen)
- Hoe meer structuur, hoe meer verwerking mogelijk..
Soorten: typisch grote hoeveelheden data, met relatief eenvoudige verwerking
- Selectie
- Aggregatie
- Sortering
Door recente evoluties kan
- Tegenwoordig ongestructureerde data mb.v. additionele software wel meer semantiek krijgen
en dus verwerkt worden. Bv Shazam, Google Lens
- Data science en AI is er sprake van complexe en geavanceerde verwerking, die leiden tot
hogere niveaus van beslissingsondersteuning of zelfs (semi-) autonome beslissingen
, Beperkingen en recente evoluties
Een steeds grotere digitale spiegel
➔ Privacy en security
In de digitale spiegel is er door technologie toegang mogelijk tot informatie los van plaats en tijd,
die niet altijd wenselijk is.
Actuele discussie:
- GDPR (general data protection regulation)-wetgeving -> toestemming vragen om gegevens bij
te houden, gegevens moeten ingekeken kunnen worden en verwijderd
- Self-sovereign identity: naar ‘kluizen met persoosgegevens, zelf kunnen beslissen wie je
gegevens heeft en wie niet
➔ Information overload: er is teveel informatie
In sommige gevallen is de problematiek rond informatie verschoven van ‘te weinig informatie’
naar ‘te veel informatie’
- Digitale detox: 24/7 beschikbaarheid van informatie leidt tot vermoeidheid en daling ipv
stijging van efficiëntie en productiviteit
- Zoekmachines: informatie is er steeds meer, maar de problematiek verschuift naar het vinden
van die informatie
➔ Tacit Knowledge: ontastbare kennis
- = ontastbare kennis, en kan daardoor moeilijk of niet overgedragen worden. Wel kan Tacit
Knowledge opgebouwd worden door ervaring
- Organisaties bevatten aanzienlijke hoeveelheden ‘tacit knowledge’ in hun werknemers, die
niet digitaal gepresenteerd kunnen worden. Dit staat in tegenstelling tot data die wel
gerepresenteerd kan worden
- Hoe meer tacit knowledge, hoe minder krachtig u digitale spiegel is, hoe minder tacit
knowledge een bedrijf heeft, hoe krachtiger de digitale spiegel is
- Vb: Hoe maak je de winnende beleggingsstrategie, als er geen kennis is kan men het ook niet
omzetten in binaire taal/ kan het niet voorgesteld worden’
➔ Semantiek
Moeilijk om te representeren
- ‘Alle mails of telefoongesprekken zoeken over een bepaald order is niet met zekerheid
mogelijk omdat een computer het ordenummer niet herkent in de tekst of de audio
- ‘geef me alle leuke of motiverende mails in mijn inbox’ -> emotie
- Audio is een blob:
‘ik heb met uw collega afgesproken dat…’’ -> kan niet begrepen worden door een callcenter
Ontwikkeling laatste jaren: begint steeds meer te kunnen dat computers het begrijpen, via AI
Semantiek verwijst naar de betekenis van informatie:
- Vb. Wat is een ‘klant’ in een databank?
Inleiding
Waarom informatiesystemen en beleidsinformatica?
➔ Belang van informatietechnologie (IT) in onze economie en maatschappij neemt sterk toe
Recente evoluties: Digital Transformation: AI, chat gpt, Big data,…
Digitale economie: kenmerken
- Steeds meer digitale diensten en producten
- Organisaties worden gedigitaliseerd
- Paperless office (alles online)
- 24/7, real time (alles op de moment zelf verwerken)
- Hyper competitief
- globaal
Zelfs nieuwe industriële revolutie op komst?
De economische productiefunctie: x=f(L,N,K,T)
X: hoeveelheid output
L: hoeveelheid arbeid
N: hoeveelheid productiefactor natuur (bijv. land)
K: hoeveelheid kapitaal
T: technische vooruitgang
Als (informatie)technologie is aanzienlijke mate de output van een economie bepaalt, is het
voor de economist van belang kennis te bezitten van (informatie)technologie
,Voorbeelden van informatiesystemen
Bedrijfskundig kader:
Hedendaagse bedrijven bestaan uit veelal meerdere functionele departementen: boekhouding,
productie, financien, marketing, sales, etc.
- Productie en operation management:
o Vroeger: kostenefficientie en kwaliteit -> nu: customer value
▪ Customisatie: klanten kunnen steeds meer kenmerken van
producten/diensten zelf kiezen. (bv autoindustrie)
▪ Geheel/gedeeltelijke uitbesteding van het productieproces
▪ Supply chain management: alle activiteiten die grondstoffen omzetten in
afgewerkte producten en deze in de handen van klanten plaatsen.
▪ Steunt sterk op BI en IOT
o Enkele onderdelen:
▪ Transportbeheersystemen: routeplanning, chauffeersbeheur, tracking van
goederen, real time tracking, etc,
▪ Voorraadbeheersystemen: minimaliseren van kosten, voldoende voorraad,
automatisch bijbestellen, etc.
▪ Logistieke systemen: coordinatie van processen ivm aankopen, verkopen, etc.
▪ Aankoopproces: digitale bestellingen via aankoopplatformen ipv manueel
- Accounting en financien:
o Accounting
▪ Vroeger: wetgeving en rapportering -> nu: geavanceerde rapportering,
risicoprofielen van leveranciers en klanten, fraudedetectie, doorgedreving
auditing
o Financiën
▪ Mogelijkheid tot (real time) online trading
- Human rescources (HR)
o Vroeger: wetgeving en communicatie centraal
o Nu: uitbesteding (cloud), online recruteringsmogelijkheden (Linkedin), self service
door personeelslid, nieuwe mogelijkeheden zoals vrijekeuze welke voordelen in
nature afhankelijk van statuut, categorie (leasing wagen, …)
- Sales en Marketing: het meest veranderd door informatiesystemen
o Search Engine Marketing: ervoor zorgen dat het product of de dienst de aandacht
krijgt
Hoe aandacht krijgen? Via
▪ Search Engine Optimization (SEO): optimalizeren van websites om gevonden
te worden en hoog te scoren op de resultatenlijst van zoekacties
• On-page factoren: elementen die de webontwikkelaar onder
controle heeft:
o sleutelwoorden, kwaliteit van tekst, verwijzingen,
publicatie/links op social media
• Off-page factoren: elementen waarop men niet direct invloed heeft:
, o Relevantie volgens algoritmes van search engines,
verwijzingen vanuit andere betrouwbare bronnen
(backlinks), review websites
▪ Social Media Optimization (SMO): aandacht voor sociale media van een
bedrijf,( telt ook mee in de ranking algoritmes van search engines)
• Actieve betrokkenheid via ‘’Likes’’ en ‘’Reviews”
• Mond tot mondreclame (viral marketing)
• Gelijkaardig aan SEO (optimaliseren van advertenties en real time
opvolgen ervan)
• Search engines: Algoritmes van search engines houden rekening met
de aanwezigheid op social media, wat de invloed is op de reputatie
van website en bedrijf
▪ Pay Per Click Advertising (PPC): het actief plaatsen van advertenties in de
resultatenlijst van search engines. Het is een grote bron van inkomsten voor
de search engines die de zoekfunctie gratis voor iedereen beschikbaar
stellen. De bedrijven betalen enkel wanneer er op hun advertentie geklikt
wordt.
• Dynamische prijszetting: manipuleren van prijzen, men laat de prijs
van een product varieren over de tijd/personen, men kijkt hoeveel
interesse er is in een bepaald product en bij veel interesse kan de
prijs direct verhoogd worden, in sommige fysieke winkels al gebruikt,
want geen papieren prijzen meer, maar digitaal
Bouw van Informatiesystemen, en de rol van de bedrijfskundige/econoom
vb. Nordstrom (PITS: programming in the small)
App gemaakt in 5 dagen – experiment
Begin: weten zelf nog niet precies wat ze gaan maken, gebruiken klanten als feedback -> steeds
nieuwe functionaliteiten
Beleidsinformatica in dit project: Project Manager (budgetten,samenstelling,team,planning/timing),
Analist (welke vereisten zijn er bij de eindgebruikers?)
Bouwen: waarom ‘engineering’, handels-‘ingenieur’?
Architect: grondplan → ingenieur: ingewikkelder, moet x afgebroken om x te vervangen?
Wicked (lastig) of Ill-structured design problems:
- Onvolledige en ambigue specificatie van het probleem
- Geen deterministisch pad naar oplossing
- Kennis van meerdere domeinen nodig om oplossing te vinden
- Meerdere oplossingen mogelijk
- Geen duidelijke criteria om mogelijke oplossingen te vergelijken en te evalueren
,Situering van de beleidsinformatica a.d.h.v. 2 perspectieven: ondersteunend en innovatief
perspectief
Het ondersteunend perspectief
De term informatiesystemen ontstond in het ondersteunend perspectief. De term geeft aan dat het
doel is om systemen te bouwen die data tot informatie verwerken voor bedrijfskundig of
economische processen, beslissingen, doelen,… en dat is precies waarvoor hardware en software in
organisaties veelal gebruikt worden.
Het bouwproces begint bij de bedrijfskundige/econoom. Bedrijfskundige zegt wat we gaan
doen
Het gaat hier om systemen die bedrijfskundige informatie verstrekken over klanten, producenten en
voorraadniveaus. (gaat niet om software voor een schaakcomputer etc. deze worden ook niet
begrepen tot informatiesystemen)
Beleidsinformatica omvat een ruim gamma aan gebieden en problematieken: bv een deelgebied
gericht op management-aspecten, deelgebied gericht op bouwen van informatiesystemen.
Beide deelgebieden samen hebben het doel de brugfunctie tussen bedrijfskunde/economie en ICT te
overbruggen.
Definitie: Beleidsinformatica en Informatiesystemen: Bedrijfskundige toepassingen van ICT,
gericht op het omzetten van data naar (bedrijfskundige) informatie
Beleidsinformatica is een informatiekunde discipline. Het omvat het ontwerpen, ontwikkelen
en toepassing van informatie- en communicatiesystemen in zakelijke ondernemingen. Het
vakgebied ligt voornamelijk op het gebied van economie en informatica.
Het innoverend perspectief
Je begint met een nieuw idee
Er wordt vertrokken vanuit de nieuwe mogelijkheden van de ICT, en wordt er beschouwd of het
gebruik van deze technologie nieuwe mogelijkheden biedt op bedrijfskundig of economisch vlak.
Vb.: Google glass
Disruptieve innovatie: IT -> bedrijfskunde: als de technologie er is, wat kan je er dan mee doen in de
bedrijfskunde?
Niet elke innovatie lukt: Vb google glass, zelfs met veel financiele middelen lukt niet elke inovatie
Ware Innovatie heeft:
- Technologische aspecten: nieuwe technologie, combinatie van bestaande technologieen,
realisatie van bestaande technologie
- Disruptieve bedrijfskundige aspecten: bedrijfskundige toepassing vinden, business model
vinden
Disruptieve innovatie is een economisch concept van Clayton Christensen, dat betrekking heeft op en
innovatie die een nieuwe markt en waardeketen creeërt en uiteindelijk de bestaande markt en
waardeketen verstoort, waarbij de huidige marktleiders worden vervangen. (Bv opkomst van
,smartphones, in het begin niet zo populair op een duur vervangen ze de marktleiders). Bij disruptieve
innovatie gaat het dus niet om een verbeterde versie van een bestaand product, maar een volledig
nieuwe benadering
Creatieve destructie: theorie door Joseph Schumpeter, proces van industriele verandering dat voor
een onophoudelijke revolutie zorgt van de economische structuur, waarbij de oude structuur
voortdurend wordt vernietigd en er voortdurend nieuwe structuur wordt gecreëerd
Marketing, Logistiek, Financien: disruptieve bedrijfskundige innovaties door TECH companies
(google,meta amazon , facebook)
Idee begint met technologie en gaat naar de bedrijfskundigen: innovatief perspectief
,H1: Informatie en informatiesystemen
1. Wat is informatie?
Het DIKAR model:
beschrijft hoe de transformatie van ‘data’ naar ‘informatie’ en ‘kennis’, tot ‘acties’ zouden moeten
leiden die bedrijfskundige ‘resultaten’ opleveren
Vb:
Data (ruwe feiten die een bepaald fenomeen, concept beschrijven): 18
Informatie (data die een specifieke betekenis heeft in een specifieke context): 18 stuks voorraad
product x of 18 keer dat klant x bestelling heeft geplaatst
Kennis (het begrijpen van een bepaald onderwerp, ondermeer door ervaring en expertise): 18 is
minder dan vorig jaar, korting opstellen?
Actie (verwijst naar het nemen van bedrijfskundige beslissingen op basis van de beschikbare data,
informatie en kennis, wat een resultaat oplevert: nemen van bedrijfskundige beslissingen (data,
informatie en kennis staan in functie van actie)
Resultaat: hopelijk positief, vb klant die toch meer beslist te kopen
Model
Data en informatie representeren iets in de reele wereld -> je neemt beslissingen dat een impact
heeft op de reele wereld wat vervolgens weer leidt tot nieuwe data
Ze vormen een partiële, symbolische voorstelling van de reële wereld, dus een model
- Partieel: een model is slechts een abstractie van de reële wereld, waarbij bepaalde aspecten
worden beschouwd en andere niet, ‘spiegel’
- Symbolisch: een model is een symbolische representatie van de reele wereld, ‘informatie-
spiegel’
o Tekens:
▪ Syntax: betrekkeing op de vorm: 18, eerst de 1 dan 8
▪ Semantiek: betrekking op de betekenis: 18 -> #stuks of #bestellingen?
Voordelen Model
Als het model een correcte representatie is van de bedrijfskundige reële wereld (dus een spiegel), dan
zijn de voordleen van de spiegel
- Grote precisie
- Geheugen zeer groot
- Flexibele zoekmogelijkheden: in een fractie van een seconde een digitaal document
terugvinden
- Minder mensen nodig -> efficiëntie (H1: productiefunctie)
, Productiviteit wint tov fysieke wereld
Dit perspectief stelt in feite dat informatie en informatiesystemen een model vormen van de reële
wereld. Een model is een abstractie: bepaalde aspecten van de reële wereld worden in het model
opgenomen en beschouwd, terwijl andere aspecten niet worden beschouwd (er wordt abstractie van
gemaakt). Een model is hierdoor partieel en minder complex dan de achterliggende reële wereld. Een
model wordt uitgedrukt in tekens of symbolen, zoals getallen en cijfers. Daarbij is het van belang dat
deze tekens of symbolen syntactisch correct zijn naar vorm, terwijl ook de semantiek of betekenis van
belang is
Data-Representatie: Hoe reële wereld in computer voorstellen
Data wordt gerepresenteerd in verschillende formaten:
- Voor de mens: getallen, tag/word/data cloud,…
- Voor de computer: bits en bytes, QR codes,..
Bits en Bytes:
Binaire getallen voorstellen: transistor (elke schakeling in de transistor stelt een 0 of een 1 voor)
,Gestructureerde data:
Elementaire data:
o Soorten
▪ Getal
▪ Datum
▪ String: korte sequenties van alfanumerieke tekens (vb een naam: Xander
Nootenboom) alles korter dan 252 letters
o Verwerking mogelijk zoals selectie van de maand in een datum: Als computer de
structuur van data herkent kan hij de verwerking van data doen Bv. Vervaldatum van
factuur en datum van vandaag
▪ Tekensets: bepalen hoe een teken wordt voorgesteld
• ASCII gebruikt 7 bits voor een karakter
• EBCDIC gerbuikt 8 bits voor een karakter, etc.
• Unicode gebruikt voor 1 karakter, 4 bites, 32 bits
• UTF 8 meest gebruikte representatie op websites
Geaggregeerde data:
o Soorten
▪ Arrays: : verzamelingen van elementaire gestructureerde data, bv matrices (1
dim, 2 dim, 3dim)
▪ Records: vertegenwoordigt meestal één eenheid of entiteit in een dataset,
zoals een persoon, bv. Naam, adres, telenummer, email,..
▪ Array of records:
• Relationele Databanken: stellen data voor in de vorm van tabellen =
array of records
o Elke rij stelt 1 klant voor
o Elke kolom stelt 1 eigenschap voor
o Gericht op grote hoeveelheden gegevens met dezelfde
structuur, gestructureerde data (data,getallen,strings)
onhandig voor emails of documenten voor te stellen
XML: data representatie met bomen:
o Een XML-document bestaat uit een boom van recursieve ‘elementen’
o eXtensible Markup Language
▪ is een opmaaktaal om data in string-of tekstformaat te voorzien van opmaak
in de vorm van labels of tags
▪ zowel leesbaar voor mens als machines
, Semi-gestructureerde data:
Vb. document, e-mail, sociale media
Verwerking mogelijk zoals de geadresseerde selecteren, of zoeken op geadresseerde of een
woord in de mail, maar niet de tweede zin van de mail
o XML voor documenten (office open XML) documenten opgeslagen als XML
document, wordt gebruikt om betekenis en structuur toe te voegen aan:
▪ Gestructureerde data
▪ Semi-gestructureerde data
Ongestructureerde data:
Vb. Audio, Video, foto
Opgeslagen als een BLOB (Binary Large Object)
Voor een computer zijn audio, video en foto een BLOB
➔ Computer weet niet of het een audio, video of foto is en welk programma het bijgevolg moet
openen
➔ Eerste stukje betekenis/semantiek tags zorgt voor herkenning van audio,foto, video
Verwerking mogelijk zoals afspelen, maar niet tweede refrein zoeken
➔ Oplossing: tags, manueel of automatisch (Shazam voor audio)
Verwerking:
verwerking is de activiteit die de data bruikbaar maakt voor de ondersteuning van bedrijfskundige
beslissingen
Verwerking gebeurt manueel of automatisch (door informatiesystemen)
- Hoe meer structuur, hoe meer verwerking mogelijk..
Soorten: typisch grote hoeveelheden data, met relatief eenvoudige verwerking
- Selectie
- Aggregatie
- Sortering
Door recente evoluties kan
- Tegenwoordig ongestructureerde data mb.v. additionele software wel meer semantiek krijgen
en dus verwerkt worden. Bv Shazam, Google Lens
- Data science en AI is er sprake van complexe en geavanceerde verwerking, die leiden tot
hogere niveaus van beslissingsondersteuning of zelfs (semi-) autonome beslissingen
, Beperkingen en recente evoluties
Een steeds grotere digitale spiegel
➔ Privacy en security
In de digitale spiegel is er door technologie toegang mogelijk tot informatie los van plaats en tijd,
die niet altijd wenselijk is.
Actuele discussie:
- GDPR (general data protection regulation)-wetgeving -> toestemming vragen om gegevens bij
te houden, gegevens moeten ingekeken kunnen worden en verwijderd
- Self-sovereign identity: naar ‘kluizen met persoosgegevens, zelf kunnen beslissen wie je
gegevens heeft en wie niet
➔ Information overload: er is teveel informatie
In sommige gevallen is de problematiek rond informatie verschoven van ‘te weinig informatie’
naar ‘te veel informatie’
- Digitale detox: 24/7 beschikbaarheid van informatie leidt tot vermoeidheid en daling ipv
stijging van efficiëntie en productiviteit
- Zoekmachines: informatie is er steeds meer, maar de problematiek verschuift naar het vinden
van die informatie
➔ Tacit Knowledge: ontastbare kennis
- = ontastbare kennis, en kan daardoor moeilijk of niet overgedragen worden. Wel kan Tacit
Knowledge opgebouwd worden door ervaring
- Organisaties bevatten aanzienlijke hoeveelheden ‘tacit knowledge’ in hun werknemers, die
niet digitaal gepresenteerd kunnen worden. Dit staat in tegenstelling tot data die wel
gerepresenteerd kan worden
- Hoe meer tacit knowledge, hoe minder krachtig u digitale spiegel is, hoe minder tacit
knowledge een bedrijf heeft, hoe krachtiger de digitale spiegel is
- Vb: Hoe maak je de winnende beleggingsstrategie, als er geen kennis is kan men het ook niet
omzetten in binaire taal/ kan het niet voorgesteld worden’
➔ Semantiek
Moeilijk om te representeren
- ‘Alle mails of telefoongesprekken zoeken over een bepaald order is niet met zekerheid
mogelijk omdat een computer het ordenummer niet herkent in de tekst of de audio
- ‘geef me alle leuke of motiverende mails in mijn inbox’ -> emotie
- Audio is een blob:
‘ik heb met uw collega afgesproken dat…’’ -> kan niet begrepen worden door een callcenter
Ontwikkeling laatste jaren: begint steeds meer te kunnen dat computers het begrijpen, via AI
Semantiek verwijst naar de betekenis van informatie:
- Vb. Wat is een ‘klant’ in een databank?
