Тактические процессы управления знаниями

Процессы поиска информации

Управление знаниями начинается с решения проблем поиска информации. В современном мире, перегруженном информацией, проблема заключается не в отсутствии нужной информации, а в ее избытке.

Обычно специалисты в организации придерживаются следующей последовательности правил при поиске нужной информации.

• 1. Начать с активного поиска.
• 2. Сообщить тому, к кому Вы обращаетесь, о специалистах, к которым Вы обращались ранее (чтобы Вас не отправляли по кругу).
• 3. Сообщить о данных, которые уже собраны (чтобы Вам не сообщали одну и ту же информацию).
• 4. Убедиться, что информация, которую ищете, действительно важна, и оповестить тех сотрудников, которые помогают в поиске информации, чтобы Вам не перестали отвечать.
• 5. Предложить что-нибудь взамен (обещание опубликовать результаты, обсудить их, чтобы с ними ознакомились все заинтересованные работники).

Процесс поиска информации является первым этапом на пути к созданию профессиональных сообществ. Ниже при рассмотрении проблем создания систем совместного использования знаний (см. параграф 4.3 и Приложение 5) будет проанализирована деятельность практических сообществ (Community of Practice, СоР), которые объединяют людей, заинтересованных в приобретении и развитии знаний в определенной области, их использовании на практике, и для достижения этих целей постоянно взаимодействуют друг с другом.

Профессиональные сообщества — это группы работников, обладающих сходными профессиональными интересами и решающих сходные задачи.

Для профессионального сообщества главная задача — обмен знаниями. Они обладают конкурентными преимуществами, так как способны генерировать новые знания путем обсуждения проблем в группах с использованием процессов экстернализации и комбинации. Задача менеджмента — задокументировать знания профессионального сообщества (создать каталог знаний).

Известны два подхода поиска информации в организации.

• 1. Активный поиск информации осуществляется непосредственно человеком с использованием ресурсов библиотеки, справочной службы Интернета или опосредованно (с помощью библиотекаря, менеджера по знаниям).
• 2. Пассивный поиск — это оповещение отделов, других сотрудников о том, какая информация требуется специалисту.

На языке ИТ активный поиск информации (непосредственно и опосредованно) называется вытягивание, или «пуля» (pull). Задача организации — предоставить специалистам наиболее удобные средства для активного поиска, обеспечить их необходимыми информационными ресурсами. Пассивный поиск информации (оповещение о том, какая требуется информация) на языке ИТ — это выталкивание, или «пуш» (push). В этом случае основная задача — это нахождение эффективных способов «захвата» информации.

Перечислим основные средства поиска по методу «пулл» (вытягивания):

• — браузер — просмотровая система сети Интернет (после ввода электронного адреса браузер вытягивает подборку файлов из сервера и загружает их на сайт).
• — каталоги — списки тем, в которых веб-сайты распределены по темам.
• — индивидуально настроенные поисковые системы — поиск с помощью метаданных (информации об информации). Пример: имя автора связано с датой, темой, ключевыми словами.

Необходимо заметить, что средства охоты (пулл) не всегда эффективны, так как в процессе активного поиска задействуются не все возможные источники информации.

К средствам поиска по методологии «пуш.» относятся:

• — средства предупреждения о наличии определенной информации;
• — социальные сети;
• -НАД.

Интеллектуальный анализ данных (ИАД) — методология, включающая алгоритмы, средства и применяемая в целях формирования знаний путем нахождения моделей, трендов, классов, взаимоотношений, скрытых в данных.

Этапы ИАД: 1) отбор данных; 2) преобразование данных; 3) исследование (получение знаний); 4) интерпретация.

ИАД включает следующие основные методы^[1].

• 1. Ассоциация (объединение) — позволяет определить влияние одного из факторов на другие факторы той же группы. Затем это используется для установления модели, связывающей факторы.
• 2. Классификация — отображение каждого из отобранных данных в один из предварительно определенных классов. Пример: бинарное дерево решений типа «да — нет». Методы классификации: нейронные сети, дискриминантный анализ, линейное программирование, позволяющее определить ограничения для каждого класса.
• 3. Кластерный анализ — группирует данные, используя критерии подобия. В качестве примера можно привести самоорганизующиеся карты Кохонена.
• 4. Прогнозирование — использование регрессионных методов, нейронных сетей и других методов для определения взаимосвязей между независимыми и зависимыми переменными и экстраполяции зависимостей на будущие периоды. Описание некоторых методов прогнозирования представлено в Приложении 1.
• 5. Метод последовательных приближений — поиск наиболее подходящего шаблона (образца), выявленного на основе просмотра ретроспективных данных. Затем этот шаблон используется для изучения других тенденций.
• 6. Метод аналогов — использование баз экспертных знаний, содержащих логические правила, основанные на четкой (двухзначной) и нечеткой логике.

Практика управления

Рассмотрим в качестве примера возможности ИАД по интерпретации проблемы кадрового обеспечения систем общего и дошкольного образования в период с 1987 по 2006 г. В Москве уровень оплаты труда работников социальной сферы был в этот период времени относительно невысоким и отставал от среднего уровня, сформировавшегося в регионе (рис. 4.1, 4.2).

Как следствие этих негативных процессов ухудшались показатели кадрового обеспечения систем общего и дошкольного образования. Например, увеличивалась доля педагогов, имеющих пенсионный возраст (рис. 4.3), возрастал разрыв между педагогами со стажем работы до 5 лет и свыше 20 лет (рис. 4.4), стабильно не высокой была доля мужчин в структуре кадрового корпуса педагогов (рис. 4.5).

В условиях нестабильности внешнего (по отношению к системе образования окружения) для руководителей важно иметь результаты прогноза тенденций. Инструменты ИАД предоставляют возможность осознания надвигающихся угроз и принятия упреждающих решений. В качестве примера рассмотрим задачу прогноза численности педагогов в Москве.

Рис. 4.1. Динамика зарплаты в отрасли по отношению к средней зарплате по Москве:

 — промышленность;  — строительство;  — здравоохранение, социальное обеспечение и сопрт;  — образование;  — наука и научное обслуживание.

Рис. 4.2. Средняя заработная плата в Москве по видам экономической деятельности в I—IV кварталах 2005 г. и I—II кварталах 2006 г.:

 — транспорт и связь;  — строительство;  — обрабатывающие производства;  — гостиницы и рестораны;  — здравоохранение и предоставление социальных услуг;  — образование;  — государственное управление и обеспечение военной безопасности, обязательное социальное обеспечение;  — предоставление прочих коммунальных социальных и персональных услуг.

Рис. 4.3. Динамика доли учителей пенсионного возраста в системе общего образования Москвы в период с 1991 г. по 2006 г.

Рис. 4.4. Динамика доли учителей по стажу работы в период с 1993 г. по 2006 г.:

 — до 5 лет;  — свыше 20 лет Выполненный анализ показал, что в качестве основы для прогнозов могут служить демографические процессы (рис. 4.6).

Представленные на рис. 4.6 результаты показывают, что демографические процессы могут служить основой для формирования прогнозов контингента обучающихся и требуемой численности педагогов. Коэффициент корреляции, характеризующий тесноту связи между двумя рядами данных — количеством родившихся детей и первоклассников со сдвигом 7 лет, является довольно высоким и равен 0,908.

Рис. 4.5. Гендерный состав педагогического корпуса в Москве в период с 1987 г. по 2006 г.:

 — всего учителей;  — в том числе женщин.

Рис. 4.6. Визуализация связи между численностью родившихся в Москве детей и количеством первоклассников со сдвигом в 7 лет.

 — родилось;  — 1 класс Предложенная методология прогнозов^[2] базировалась на определенной последовательности шагов: прогноз количества женщин детородного возраста, прогноз количества новорожденных, прогноз количества детей дошкольного возраста, прогноз необходимого числа воспитателей в дошкольных образовательных учреждениях (ДОУ), прогноз численности первоклассников, прогноз количества учеников по классам, прогноз общего количества учеников, прогноз необходимого количества учителей (общего и с разбивкой по предметам).

На рис. 4.7 показаны некоторые результаты выполненных исследований с использованием методологии НАД.

Рис. 4.7. Общее необходимое количество учителей в школах Москвы (факт и прогноз) в период с 1995 г. по 2028 г.:

• — прогноз необходимого количества учителей в школе;
• -?—фактические значения

В табл. 4.1 проанализированы различия между двумя методами поиска информации.

Таблица 4.1

Различие методов поиска информации.

Поскольку средства поиска могут создавать информационные перегрузки, то большое внимание уделяется всевозможным фильтрам. Фильтры для поиска типа «пуш» (выталкивание) — это способы выбраковки (просеивания) нежелательных сообщений из потока информации. Известны следующие типы фильтров.

• 1. Информационный профиль человека — приложение, позволяющее соотносить запрос (профессиональный профиль, интерес) с поступающей информацией;
• 2. Интеллектуальный фильтр — приложение, фильтрующее информацию в отсутствие пользователя (на основе ключевых слов, иерархии — важности разных данных). Интеллектуальные фильтры в свою очередь подразделяются на следующие виды:
  • — фильтрация на основе групповых задач;
  • — психографическая фильтрация (по демографическим признакам);
  • — адаптивная фильтрация.

В процессе адаптивной фильтрации программный пакет обращается с просьбой оценить материал и запоминает предпочтения пользователя.

Практика управления

Виды информации и используемые методы поиска

С помощью табл. 4.2 попытайтесь определить, какой метод доступа к информации — вытягивание («пулл») или выталкивание («пуш») — будет наиболее эффективными для разных видов информации. Добавьте к приведенным в таблице типам информации еще два-три типа, которыми Вы пользуетесь в своей повседневной работе (учебе). Проанализируйте полученные результаты. Задумайтесь о том, какие инструменты (библиотеки, информационные системы и виды программного обеспечения) помогают быстро находить нужную информацию в каждом случае.

Таблица 4.2

Способы поиска информации для разных ее типов.

• 4. Ориентация членов сообщества на полезные источники информации за пределами корпоративной системы, установление гиперссылок.
• 5. Постоянное взаимодействие с сообществом (взаимодействие не только он-лайн, но и с экспертами и другими ключевыми специалистами).

Термин координатор знаний (knowledge coordinator. KQ используется для обозначения специалистов, которые выполняют административные функции по УЗ, по администрированию систем, поддерживающих процессы УЗ в организации.

Должностные обязанности КС.

• 1. Формирование каталога контента, т. е. ответ на вопрос, какие виды информации нужнее профессиональному сообществу.
• 2. Своевременное обеспечение информацией — своевременная передача информации.
• 3. Обновление информационных профилей членов сообщества: члены виртуального сообщества должны своевременно обновлять информацию о себе.
• 4. Обеспечение доступа к информации (формирование паролей для доступа в систему).
• 5. Помощь новым пользователям: подготовка и передача пособий, проведение тренировочных занятий.
• 6. Ответы на запросы членов сообщества: выполнение функций диспетчера по сбору и распределению информации, адекватно потребностям сообщества.

Практика управления

Виды деятельности специалистов в сфере информационного обеспечения

В табл. 4.3 перечислены виды деятельности, важные для организации (учреждения) в сфере информационного обеспечения специалистов. Оцените важность разных видов деятельности для организации (учреждения) в настоящее время. Ответьте также на вопрос, должны ли специалисты по информационному обеспечению добавить в будущем тот или иной вид деятельности к своим обязанностям, если в настоящее время данный вид деятельности не входит в их обязанности или не является значимым.

Таблица 4.3

Виды деятельности по информационному обеспечению деятельности

В сфере образования парадоксальность ситуации заключается в том, что многие образовательные организации в настоящее время находятся в положении безнадежно отстающих: от момента появления новой технологии поиска информации до момента ее прихода в школы и университеты проходит относительно много времени. В связи с быстрыми темпами инновационного развития в отрасли информационных услуг образовательные организации иногда вынуждены принимать в эксплуатацию устаревшее программное обеспечение для применения его в образовательном процессе. Такое положение вещей нельзя признать допустимым в связи с ролью образования в достижении цели перехода России на инновационный путь развития.

Возникает вопрос, может ли прогресс в ИТ и связанные с ним социальные процессы изменить саму систему образования — сделать ее более динамичной и открытой? Правильной представляется ориентация на существующие в настоящее время достижения в сфере использования новых технологий в образовании.

В качестве примера можно привести проекты Википедия и OpenCourseWare (OCW) Массачусетского технологического института (МТИ, США) Т Эти проекты кажутся диаметрально противоположными по концепции. Википедия — это среда, доступная для свободного редактирования, собирающая знания по принципу «с мира по байту», а проект OCW — это академические курсы от профессоров и преподавателей одного из ведущих университетов США, выложенные в открытый доступ.

В рамках этих проектов по-разному лицензируется контент: у Википедии это весьма либеральная система, у OpenCourseWare — версия, запрещающая коммерческое использование и доработку контента. У них разные подходы к доработке материалов и обратной связи. Однако эти два проекта объединяет общая цель: создание репозитария свободной информации, предоставление доступа к знаниям всем желающим.

В проекте OCW большое число департаментов МТИ предоставили в свободное пользование 2400 своих лучших курсов, в том числе свыше 100 курсов по экономике. Содержание курсов МТИ включает: краткое изложение курса; конспект лекций; упражнения и задачи; экзаменационные вопросы; список литературы; примеры. В курсы также включены различные компьютерные модели, анимации и полный видео-курс.

В контексте обсуждаемой проблемы информационного обеспечения деятельности специалистов в организации важны основные принципы формирования организационных информационных систем (ИС). В качестве примера в табл. 4.4 представлен анализ особенностей, преимуществ и недостатков двух возможных вариантов проектирования информационных систем организации.

Таблица 4.4

Типы информационных систем

¹ URL: http://www.wikipedia.org/ (дата обращения: 08.10.2017); URL: http://ocw. mit.edu/index.html (дата обращения: 08.10.2017).

В случае индивидуально (автономно) создаваемой системы повышается степень гибкости, скорость обновления информации в системе. Однако такая система ориентирована на решение тактических задач. При этом повышается риск утечки полезной информации из организации, а достоверность информации может не отвечать запросам пользователей.

Операционные информационные системы различают также в зависимости от целевой аудитории — уровня управления в организации.

1. Руководители низового звена. Используемые ИС: системы обработки трансакций, хранилища данных и другие простейшие системы переработки и анализа данных, построенные, например, на основе Excel.

Системы обработки трансакций (transaction processing systems, TPS) помогают автоматизировать рутинные операции с данными, а базы данных TPS содержат текущие сведения о продажах, поставщиках, ассортименте продукции.

Хранилище данных (DW) — это централизованный архив специально реорганизованных данных. DW — это базовая архитектура для систем поддержки принятия управленческих решений, поскольку обеспечивает лиц, принимающих решения, своевременной и достоверной информацией и знаниями об организации, ее окружении (клиентах, конкурентах, партнерах), продуктах (услугах), и тем самым помогает эффективно управлять организацией. DW представляет собой многомерную базу данных. Его основой служат реляционные модели баз данных, в которых данные организованы в виде двумерных таблиц. Кроме того, DW использует другие модели баз данных: иерархические и многомерные.

2. Руководители среднего и высшего звена. Используемые системы: управленческие информационные системы (Management information systems, MIS); управленческие информационные системы для менеджеров высшего звена (Executive information systems, EIS); системы поддержки решений (DSS); системы административного управления (Management control systems, MCS); системы сбалансированных показателей ССП (BSC).

MIS — это система, предоставляющая руководителю необходимую информацию и помогающая принимать управленческие решения. Например, если менеджеру необходимо спланировать производственный график, то он просматривает свежие данные о числе заказов, ожидаемых в следующем месяце, объеме имеющегося сырья и доступной рабочей силе.

EIS — это система, позволяющая выбирать необходимые данные из больших массивов информации и быстро передавать их высшим менеджерам. Пример: Data mining, работающая совместно с хранилищем данных (см. выше системы НАД). Типичными задачами процесса ИАД в рамках деловой организации могут быть:

• — выявление и прогнозирование значимых для организации тенденций на рынке и др.;
• — сегментация рынка на основе профилирования клиентов;
• — предсказание спроса, прогнозирование будущих действий клиентов на основе их характеристик;
• — определение причин, по которым клиент ушел к конкуренту.

DSS — это интерактивная система, использующая базы (хранилища) данных и специальные программы и предоставляющая возможность задавать вопросы типа «что будет, если…» и анализировать альтернативы готовящихся решений. Так, сеть гипермаркетов Wal-Mart использует систему, позволяющую обнаруживать определенные прецеденты продаж, например, разные товары, которые чаще приобретаются одновременно. По результатам этого знания разрабатываются акции по продвижению данных товаров, что приводит к росту продаж. В качестве примера товаров, которые могут продаваться одновременно, можно привести компьютеры и программное обеспечение, компьютеры и периферийное оборудование к ним, образовательные и консалтинговые услуги, напитки и особую закуску к ним и т. д.

MCS — это система, основанная на использовании баз данных, определении целевых показателей, с которыми сравниваются результаты деятельности. Выявленные отклонения позволяют корректировать деятельность.

Выделяют четыре подсистемы MCS:

• 1) бюджеты — ежемесячный контроль за расходом денежных средств и других ресурсов, прибылью и убытками (также используется бухгалтерский баланс, сведения о доходах организации);
• 2) статистические данные — еженедельный, ежемесячный контроль за нефинансовыми данными (коэффициент текучести кадров, удовлетворенность клиентов, сотрудников, частота повторных обращений);
• 3) системы поощрения — ежегодная оценка работников на основе степени достижения целей (премии, дивиденды);
• 4) системы контроля качества — постоянное партнерство, бенчмаркинг, цели шести сигм. Бенчмаркинг — постоянное сравнение качества товаров и способов работы с основными конкурентами, например, на основе правила «шесть сигм».

Многие компании реализуют программу радикального улучшения качества «шесть сигм», имеющую в качестве цели 3,4 случая брака на миллион выпускаемых изделий. Среднее значение контролируемого параметра должно совпадать с серединой поля допуска, а ширина поля рассеяния параметра не должна быть больше ±3а. При нормальном законе распределения вероятность выхода за трехсигмовые пределы равна 0,0027, т. е. практически равна нулю. Брак может быть связан как со смещением среднего значения контролируемого параметра из-за неправильных настроек оборудования, так и с увеличением среднего квадратического отклонения а.

BSC — это система, позволяющая анализировать связи между финансовыми показателями, внутренними процессами, ситуацией на рынке, интересами сотрудников. BSC позволяет организациям перевести свою стратегию в систему показателей, обеспечивающую успех, так как стратегические цели доводятся до всех сотрудников.

Стратегия в BSC визуализируется в виде связей между мероприятиями и показателями, привязанными к этим мероприятиям. Стратегически значимые показатели, как правило, декомпозируются на ключевые показатели эффективности подразделений, которые затем трансформируются в программы действий подразделений организации. Все показатели и мероприятия группируются, как правило, по четырем перспективам: финансасы, клиенты, внутренние процессы и персонал. (Система BSC, как способ формирования стратегии и одновременно оценки нематериальных активов, подробнее будет рассмотрена в параграфе 5.1.).

Особый класс информационных систем, получающих в последнее время все более широкое распространение — это системы бизнесинтеллекта (Business intelligence, BI). BI — это процесс анализа информации, выработки (с помощью информационной системы) интуиции и понимания для улучшения качества принимаемых решений, а также инструменты для извлечения из данных значимой для бизнеса информации и знаний. Некоторые тенденции развития систем BI представлены в Приложениях 2 и 3.

Бизнес-интеллект и УЗ связаны. Инструменты, используемые в технологии УЗ (Knowledge management) больше нацелены на анализ неструктурированной или слабоструктурированной информации (например, HTML), которая, в свою очередь, не является предметом анализа ЯГ-инструментов. Технологии и инструменты УЗ обеспечивают категоризацию, разведку и семантическую обработку текстов, расширенный поиск информации. Технология BI имеет отношение в большей степени к анализу больших данных, а именно: фактографической структурированной информации (баз данных, плоских файлов и других источников данных) и квазиструктурированной информации (например, XML).

Плотные стыки и пересечения между BI и УЗ возможны при подготовке справочной информации для анализа с помощью технологий разведки и очистки текста (text mining), а также при расширении поиска информации на аналитические базы (хранилища) данных, создаваемые в рамках методологии BI. Корпорации IBM и Microsoft реализуют стратегии интеграции программных средств бизнес-интеллекта и инструментов УЗ, ставя своей целью создание нового поколения программного обеспечения, которое будет обрабатывать как структурированные, так и неструктурированные данные^[3]. Неструктурированные данные, как правило, представлены в форме текста, который может содержать такие данные, как даты, цифры и факты. Это приводит к трудностям анализа, особенно в случае использования традиционных программ, предназначенных для работы со структурированными данными.

• [1] Более подробно описание методов интеллектуального анализа данных представлено в специальной литературе. См., например: Фролов Ю. В. Интеллектуальныесистемы и управленческие решения; Стратегия образования: основы формирования, методы оценки и прогнозирования / В. В. Рябов [и др.]. М.: Изд-во МГПУ, 2003.
• [2] Фролов Ю. В., Офицеров В. П., Офицеров М. В. Методология анализа кадрового обеспечения образовательных учреждений на основе извлечения знаний из ретроспективных данных // Реинжиниринг бизнес-процессов на основе современных информационных технологий: системы управления знаниями. М.: Изд-во МЭСИ, 2007.
• [3] Иванов А. Комплексный анализ неструктурированных данных // Открытыесистемы. СУБД. 2013. № 6. URL: https://www.osp.ru/os/archive/2013/06 (дата обращения: 08.10.2017).