สรุปความคิดเห็นจากบทสัมภาษณ์ของ Phillip Jones ผู้จัดการ Change management practice ของ Access Sciences Corporation เกี่ยวกับการคาดการณ์ประโยชน์และการวัดผลลัพธ์ของการจัดการความรู้ (Knowledge Management: KM)

ทำไมการคาดการณ์ประโยชน์และและการวัดผลลัพธ์ของ KM ถึงยาก?
หน่วยงานส่วนใหญ่ตระหนักถึงคุณค่าของความรู้ แต่ความรู้คือสิ่งที่ไม่สามารถนับจำนวน เห็น หรือสัมผัสได้ ขณะที่หน่วยงานมักวัดสิ่งที่สามารถสัมผัสได้ ดังนั้นจึงเป็นงานยากสำหรับผู้ที่ปฏิบัติงานเกี่ยวกับ KM ในการคาดการณ์ประโยชน์และและการวัดผลลัพธ์ของ KM

อะไรคือข้อกังวลที่ใหญ่ที่สุดเกี่ยวกับการคาดการณ์ประโยชน์และและการวัดผลลัพธ์ของ KM ของผู้ที่ปฏิบัติงานเกี่ยวกับ KM?
ความกังวล สามารถแบ่งออกเป็น 2 ข้อหลัก คือ 1. การที่ผู้ที่ปฏิบัติงานฯ คิดว่าตัวเองไม่สามารถคาดการณ์หรือวัดผลลัพธ์ของ KM ที่สามารถทำให้คนอื่นๆ เชื่อได้ว่าการคาดการณ์หรือวัดผลลัพธ์นั้นเป็นจริง เพราะความรู้เป็นสิ่งที่เป็นนามธรรม ผู้ที่ปฏิบัติงานฯ อาจคิดว่าจะไม่มีใครยอมรับการคาดการณ์และรายงานของตน ซึ่งสิ่งที่ผู้ที่ปฏิบัติงานเกี่ยวกับ KM ควรทำความเข้าใจคือ การวัดผลลัพธ์ของ KM คือ เพื่อลดจำนวนของความคลุมเครือหรือความไม่แน่นอนของผลลัพธ์เกี่ยวกับ KM 2. ความกลัว คือ ผู้ที่ปฏิบัติงานฯ กังวลที่จะแบ่งปัน (Sharing) โมเดลของการคาดการณ์ประโยชน์และและการวัดผลลัพธ์ของตัวเองแก่คนอื่นๆ

อะไรคือโมเดลของการคาดการณ์ประโยชน์และและการวัดผลลัพธ์ของ KM?
โมเดลของการคาดการณ์ประโยชน์และและการวัดผลลัพธ์ของ KM ประกอบด้วย
1. จำแนกสิ่งที่กำลังทำออกเป็นคำถามที่เหมาะสมหลายๆ ข้อ
2. มองหาหลักการที่สำคัญเกี่ยวกับคำถามเหล่านั้น
3. ทำการคาดการณ์ และวัดหรือปรับการคาดการณ์นั้นด้วยข้อมูลที่สามารถรวบรวมได้
4. สร้างโมเดล
5. จำลองการใช้โมเดลด้วยตัวแปรการทดสอบต่างๆ

องค์กรสามารถตรวจสอบโมเดลเพื่อช่วยคาดการณ์หรือวัดผลลัพธ์ของ KM ได้อย่างไร?
เริ่มจากการตั้งคำถามที่ถูกต้องและเหมาะสมเกี่ยวกับโมเดล ตัวอย่างเช่น องค์กรควรตั้งคำถามว่า โมเดลนี้จะให้ผลตอบแทนที่คุ้มค่าหรือไม่ อย่างไร

อะไรคือความผิดพลาดที่พบโดยทั่วไปจากการกำหนดโมเดลเพื่อวัดผลลัพธ์ของ KM?
ความผิดพลาดแรกคือการคิดว่าโมเดลคือเครื่องมือที่มหัศจรรย์ แต่ความจริงแล้ว การวัดผลลัพธ์ของ KM คือการลดความคลุมเครือหรือความไม่แน่นอน ไม่ใช่การกำจัดความคลุมเครือหรือความไม่แน่นอนนั้น ความผิดพลาดที่สองคือการไม่ตรวจสอบหรือประเมินการคาดการณ์ตามความเป็นจริง และความผิดพลาดสุดท้ายคือการยอมแพ้ตั้งแต่ยังไม่เริ่ม

ที่มา: Trees, L. (2017, March 13). Stop being afraid of knowledge management forecasting and measuring [Web log post]. Retrieved from https://www.apqc.org/blog/stop-being-afraid-knowledge-management-forecasting-and-measuring

biotec

mtec

nectec
nanotec
entec

tsp

AIMI

nctc

ตราโลโก้ ศูนย์เทคโนโลยีเพื่อความมั่นคงของประเทศและการประยุกต์เชิงพาณิชย์ (Logo of National Security and Dual-Use Technology Center: NSD)

ตราโลโก้ ศูนย์ทดสอบทางพิษวิทยาและชีววิทยา (Toxicology and Bio Evaluation Service Center)

 
สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.)
เป็นหน่วยงานของรัฐที่จัดตั้งขึ้นเพื่อศึกษาวิจัยและพัฒนาทางด้านวิทยาศาสตร์ และเทคโนโลยีเพื่อการพัฒนาประเทศไทย ไม่ได้มีวัตถุประสงค์เพื่อแสวงหากำไร
หากท่านพบว่ามีข้อมูลใดๆ ที่ละเมิดทรัพย์สินทางปัญญาปรากฏอยู่ในเว็บไซต์ของสำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
โปรดแจ้งให้ทราบเพื่อดำเนินการแก้ปัญหาดังกล่าวโดยเร็วที่สุดต่อไป