24 Мая 2022 10:46 24 Мая 2022 10:46 |

Поделиться

No-code платформа помогает формализовать знания и повысить качество управления

Коротко о знаниях

В 2017 г. Нобелевская премия по экономике была присуждена Ричарду Талеру «За исследования в области поведенческой экономики». Одним из лейтмотивов его работы стала иррациональность человеческого поведения. Талер показал, что вместо абстрактных экономических агентов, руководствующихся принципами эффективности и рационального поведения в принятии решений, мир населен обычными людьми, которые принимают решения, опираясь на множество факторов, среди которых интеллект играет далеко не первую роль. Психология, интуиция, эмоциональное состояние, окружение, даже время суток, и много что ещe определяет то, как человек будет вести себя в той или иной ситуации. И с этим ничего нельзя поделать. Такова наша природа. Даже профессиональные математики, хорошо знакомые с теорией игр, обладая полнотой информации для принятия оптимального решения, в обыденной жизни регулярно демонстрируют иррациональность выбора.

С учeтом вышесказанного, можно предположить, что неспособность к полностью рациональному поведению является фундаментальным качеством человека. К счастью, начиная с древних времeн, люди нашли эффективный способ борьбы с этим. Речь идeт об использовании опыта (как правило, неудачного) для того, чтобы сделать необходимые выводы и представить их в виде правил поведения в различных ситуациях. Правило — это алгоритм, исключающий необходимость принятия решения, то есть действия в условиях неопределeнности. Подавляющее большинство наших действий основаны на правилах, которые прочно вжились в нашу жизнь. Это ещe называется «делать на автомате», то есть не задумываясь. Мы нажимаем кнопку включателя света, не пытаясь осмыслить её роль и место в комнате или выработать альтернативный путь освещения. Вот если кнопка не сработает, человек моментально выходит из режима «автомата» и попадает в ситуацию принятия решения в условиях неопределeнности. Но если имеет место регулярное отключение электричества, то, скорее всего в подобной ситуации уже имеется другое правило и никаких решений принимать не придeтся.

В некотором смысле, вся наша жизнь складывается из применения правил и принятия неоптимальных решений, которые в дальнейшем становятся основой для новых правил и так далее. Таков упрощeнный процесс познания. Давайте попробуем описать его более подробно.

С точки зрения системного анализа, в процессе познания выделяют три значимых результата, которые следуют друг за другом: данные, информация и знание. Данные — это неосмысленные синтаксические сигналы. Примером «чистых» данных для человека может служить текст на незнакомом ему языке. Понятно, что его можно как-то интерпретировать, но пока сделать это невозможно. Информация — это осмысленные данные. Если взять словарь и правильно перевести текст, то мы получим информацию, которую можно прочитать и понять. Последняя стадия — знание. Знание — это информация, которая может быть применена для получения некого результата. Предположим, что переведeнный текст оказался рецептом перуанского пирога «Пастель де чокло». Теперь мы получили знание, которое можем применить на практике.

Очевидно, что правила, о которых мы говорили ранее, являются знаниями, а процесс познания направлен на осмысление доступных данных, преобразование их в информацию с последующим осмыслением уже самой информации с надеждой когда-нибудь извлечь из неe полезное знание. И так снова и снова.

Как нам научиться работать со знаниями

Знания представляют собой высшую ценность, позволяющую индивидууму вести себя рационально, и извлекать максимальную пользу в любой жизненной ситуации. Можно сказать, что именно знания делают человека тем самым рациональным экономическим агентом. Пожалуй, стоит посмотреть на знания более пристально и отметить их отличительные черты.

Знание — это алгоритм. При всей неопределeнности и сложности данного понятия, если сосредоточиться на сути, то знание — это функция, которая имеет набор параметров на входе, осуществляет над ними определeнные операции и выдаeт на выходе заданный результат.

Знание никогда не бывает полным, то есть гарантировано приводящим к ожидаемому результату. Так, наличие рецепта вовсе не гарантирует, что любой человек сможет, руководствуясь им, приготовить описываемое блюдо. Помимо того, что рецепт может быть неполным или некорректным, он всегда предполагает наличие у повара определенных навыков, то есть других знаний, которые, в свою очередь, также опираются на следующие знания и т.д. Помимо прочего, многие вещи, которые могут повлиять на результат, просто не учитываются в описании знания. Так ни в одной кулинарной книге нам не сообщают о том, что она применима исключительно в условиях планеты Земля с кучей дополнительных допущений. Конечно, в данном случае речь не идeт об абстрактных знаниях (например, математических теоремах).

Эффективно может быть применено только комплексное знание. Под комплексным знанием мы будем понимать систему, состоящую из набора фрагментарных знаний, дополняющих друг друга, и работающих как единое целое для решения определённой задачи. Например, рассчитывая путь в незнакомую локацию, нужно суммировать знания о доступных видах транспорта, их средней скорости, пробках на дорогах и много чего ещe. Можно сказать, что мы всегда применяем только комплексные знания. В стандартных ситуациях наше сознание формирует их автоматически, мы об этом даже не задумываемся, потому что эта способность сама по себе тоже является ранее полученным знанием. Но вот для решения сложных и нестандартных задач способность создавать комплексные знания становится ключевой.

Исходя из вышесказанного, можно предположить, что для жизненного успеха человек должен уметь:

1. Максимально формализовывать знания, избавляя их от «иррациональных налетов»: эмоций, украшательств, избыточного описания и т.д.
2. Постоянно повышать полноту имеющихся знаний путeм их детализации, уточнения, укрепления связей со смежными знаниями. Актуализировать знания при изменении внутренних и внешних факторов.
3. При столкновении с нестандартной задачей строить комплексное знание, которое может привести к еe эффективному решению.

Всё это выглядит довольно очевидно и просто, но реализация этих принципов на практике сталкивается с серьезными препятствиями:

1. Человек неотделим от своего иррационального «Я», поэтому ему крайне сложно «выращивать» знания до состояния алгоритмов. Даже самые простые знания у нас всегда связаны с какими-то образами, людьми, ситуациями, эмоциями и т.д.
2. Люди по своей природе оптимисты. Мы всегда надеемся на лучшее. Даже сама по себе мысль о необходимости постоянной ревизии имеющихся знаний может вызвать головную боль. Поэтому, как правило, мы начинаем заниматься этим только тогда, когда жизнь заставляет нас столкнуться с неприменимостью того или иного знания на практике. Более того, мы склонны всё постоянно забывать, поэтому без должной поддержки наши знания не только не совершенствуются, но, напротив, деградируют.
3. Возможности человеческого мозга ограничены. Он не может оперировать большими массивами данных и выстраивать сложные причинно-следственные цепочки зависимостей. Поэтому построение комплексного знания для решения более-менее сложной задачи человеческими силами практически невозможно.

Таким образом, изначальный тезис о природной иррациональности человека можно дополнить тезисом о его крайне ограниченных способностях по работе со знаниями. Но, конечно же, ситуация не столь печальна, так как с древних времeн люди создают инструменты, позволяющие преодолевать эти ограничения и приобретать новые возможности. Речь идeт об информационных технологиях (далее — ИТ). К первым ИТ-артефактам можно отнести наскальные рисунки, петроглифы и иероглифы. Кстати, расшифровка египетских иероглифов Жаном-Франсуа Шампольоном является прекрасным примером перехода от данных к информации.

Способность к описанию данных, информации и знаний на любом носителе является мощным орудием против ограничений человеческого мозга. Но, безусловно, с появлением компьютеров возможности этого орудия кратно возросли. Ведь компьютеры практически зеркально компенсируют наши недостатки:

1. Они оперируют исключительно алгоритмами и данными
2. Они ничего не забывают и способны хранить практически неограниченные массивы информации
3. Они способны выполнять любые цепочки алгоритмов с абсолютной точностью

На первый взгляд компьютеры должны великолепно дополнять человека и позволять ему эффективно управлять процессом познания. Но здесь мы сталкиваемся с неожиданным ограничением. Между типами «мышления» человека и компьютера пролегает пропасть. Несмотря на то, что наш мозг в состоянии моментально выстраивать цепочки простых причинно-следственных зависимостей и принимать на их основе решения в «автоматическом» режиме, само по себе осмысление этих цепочек и их представление в виде алгоритмов является довольно тяжелой задачей и требует значительных усилий. А, ведь, компьютер в состоянии воспринимать только формальные алгоритмы. Ситуация ещe больше усугубляется в том случае, когда мы ведем речь о сложных знаниях, которые только предстоит извлечь из окружающего мира, выстроить на их основе комплексное знание и применить его для принятия нетривиального управленческого решения. Теоретически, всё это можно было бы сделать с применением, например, Excel. Но, почему-то никто так не поступает, предпочитая управлять собственным процессом познания в привычном, «аналоговом» режиме.

Формализованное знание как высшая ценность для организации

Давайте на секунду прервeмся. Всё вышесказанное может вызвать недоуменный вопрос: «А зачем, вообще, нам это нужно?» Действительно, человек не обязан превращать себя в робота для целей эффективного управления своими знаниями. Наши нерациональные эмоции, интуиция, привычки и предпочтения составляют очень значимую часть нашей природы, утратив которую, возможно, мы утратили бы, собственно, нашу человечность. Так что, преодолеть этот барьер практически невозможно.

Другое дело — организации, которые представляют собой сообщества людей, собранных вместе для достижения определенных целей. В отличие от отдельного человека, организация абсолютно четко формулирует свои задачи и предполагает их достижение в исключительно рациональном свете (исключение мог бы составить разве что клуб клоунов). То есть практически любая организация заинтересована в том, чтобы исключить из своей деятельности всё иррациональное и рассматривать людей, входящих в еe состав, в качестве обладателей знаний, которыми нужно эффективно управлять для регулярного получения требуемых результатов.

Получается, что любая организация должна быть максимально заинтересована в наличии ИТ-инструмента, который позволил бы:

1. Регулярно получать знания сотрудников, описывать их в форме алгоритмов и помещать в специальное хранилище.
2. Объединять фрагментарные знания в единую модель (комплексное знание) и применять эту модель для принятия управленческих решений.
3. Проводить регулярную ревизию знаний на предмет их актуальности.
4. Постоянно анализировать модель знаний с точки зрения еe неполноты и некорректности, чтобы сформировать потребность в новых знаниях.

Очевидно, что представленная последовательность шагов должна замыкаться в цикл и регулярно применяться на практике. Областью применения этой системы должен быть управленческий процесс, основой которого является планирование. Конечно, учет факта, мониторинг, анализ и другие функции менеджмента также крайне важны, но именно планирование представляет собой наиболее сложную и трудоемкую деятельность, так как заставляет иметь дело с будущим и, соответственно, с неопределeнностью.

Неопределeнность порождает риски неисполнения плана, которые являются источником целого спектра потерь. Опыт показывает, что потери, связанные с неэффективным планированием, могут составлять до 50% совокупных затрат. Причем, чем больше организация, тем больше эта доля. Таким образом, повышение качества планирования является одним из наиболее перспективных драйверов роста эффективности крупных корпораций. Это становится ещe более актуальным в современных условиях, когда темпы изменения внутренних и внешних факторов достигли угрожающих значений и продолжают расти.

Как же знания должны помочь в работе с неопределeнностью? Давайте рассмотрим этот вопрос более подробно. Начнем с того, что всю совокупность реализовавшихся рисков можно разбить на две большие группы:

1. События, о которых мы знали, но не учли их в ходе планирования.
2. События, о которых мы не знали.

Поговорим о первой группе. Еe суть состоит в том, что деятельность любой крупной организации достаточно стабильна, но очень сложна, то есть включает много действий (функций), которые реализуют разные участники. Каждый сотрудник обладает знаниями о том, как устроены его функции (по крайней мере, хочется на это надеяться). Эти знания, в общем виде, представляют собой алгоритмы, описывающие то, как функция трансформирует входы в результаты, и какие факторы на это влияют. Как правило, эти алгоритмы хранятся у людей в головах, иногда они записаны в форме нормативных документов или представлены в моделях Excel. Их все объединяет низкий уровень формализации и высокая зависимость от владельца. Тем не менее, именно эти фрагментарные знания обладают высшей ценностью для организации, так как именно они регулярно задействуются в ходе исполнения функций, последовательность которых приводит к созданию конечного продукта и, в итоге, финансового результата.

Таким образом, эффективность системы планирования определяется еe способностью учитывать максимальное количество функциональных знаний при формировании общекорпоративных планов. С точки зрения комплексного знания это означает, что модель, используемая при планировании, содержит в себе алгоритм, описывающий функциональное знание, и этот алгоритм используется в ходе имитации будущих событий. При надлежащем отражении знания, модель позволяет заранее увидеть потенциальные рисковые события и подготовиться к ним. Чем больше знаний мы соберем в модели, тем больше рисков из первой группы удастся выявить и нейтрализовать. А это, в свою очередь, станет залогом регулярного повышения экономической эффективности организации.

Напротив, неспособность учесть функциональные знания, будет регулярно приводить к нарушению планов и реализации рисков первой группы, которые будут непрерывно разрушать стоимость. В условиях благоприятной конъюнктуры компании могут игнорировать эти потери, двигаясь «методом Титаника». Но в любой момент изменение внешних условий может привести к непредсказуемым последствиям, и плохо управляемая организация может с ними не справиться. Примеров тому достаточно много.

Риски второй группы, как правило, лежат за пределами организации. Но, по аналогии с первой группой, подавляющая часть рисковых событий принадлежит стабильным функциям, которые реализуются вне компании. Речь идeт о функциях клиентов, поставщиков, подрядчиков, конкурентов, государства и т.д. Знания об этих функциях принадлежат конкретным владельцам и достаточно стабильны. Соответственно, задачей системы планирования является выявление этих внешних знаний и их приобщение к общей модели. Сложность будет состоять в том, что у организации может не быть доступа к владельцам знаний или они могут не желать ими делиться. В таком случае придeтся «воссоздавать» эти знания на основе внутренней или внешней экспертизы. Возможно, эти знания не будут достаточно качественными, но, тем не менее, они позволят увидеть потенциальные риски и начать ими системно управлять. По мере поступления факта модель будет постоянно актуализироваться, так что со временем как внутренние, так и внешние знания должны достичь достаточно высокого уровня зрелости, а планы обрести требуемый уровень точности и детализации.

Управление знаниями и управление информацией — абсолютно разные процессы

На первый взгляд картина, представленная выше, может показаться некой фантасмагорией. Это связано с тем, что в обычной жизни мы не разделяем данные, информацию и знания, объединяя все эти понятия в единый термин «информация», который определяется весьма расплывчато как «всё то, что знаем и передаем друг другу на разных носителях, а ещe храним». Если понятия «данные» и «информация» достаточно близки друг другу, и их можно объединить в одно понятие (как, собственно, все и делают), то со знаниями всё обстоит сложнее. Разрыв между формализованной информацией и формализованным знанием колоссален. Его преодоление требует значимых интеллектуальных усилий. Согласитесь, что между занесением в таблицу набора чисел и написанием алгоритма их получения имеется значительное различие. Нам относительно просто сформировать оценку будущих событий, опираясь на субъективные знания, но, если нас попросят подробно описать принципы, которыми мы при этом руководствовались, сделать это будет затруднительно.

Разрыв между информацией и знаниями постоянно возникает в ходе корпоративного планирования. Сотрудник формирует план на ближайший период руководствуясь собственным видением и задачами руководства. Подразделения в ходе планирования стремятся консолидировать планы сотрудников и совместить их с задачами, приходящими свыше. Именно здесь возникает первый разрыв знаний и информации. Ведь в процессе консолидации планов нет возможности зафиксировать те знания, которые были применены для их получения. В ходе длительных обсуждений сотрудники и менеджеры вынуждены постоянно излагать свои знания, чтобы обосновать свои суждения о будущих событиях. В обычной жизни эти знания называются доводами или объяснениями, но по сути являются именно алгоритмами, определяющими правила трансформации входящих параметров в некий результат. К сожалению, знания, формулируемые в ходе вербального общения, очень слабо соответствуют требованиям алгоритмизации. В них слишком много человеческого, эмоционального. Тут также следует отдать должное тому, что в ходе общения множество усилий уходит только на то, чтобы найти общий язык и отстоять собственную позицию. То есть чистые «интеллектуальные» знания составляют лишь незначительную долю от потока информации, возникающего в ходе обсуждений. Довольно часто знаний там вообще не возникает, а иногда, выходя из переговорной некоторые люди ловят себя на мысли, что стали немного глупее.

Очень часто знания отдельных сотрудников или подразделений формализуются в моделях Excel. Это представляет значительный прогресс по отношению к субъективным суждениям и постоянным совещаниям. Хорошая модель Excel полностью соответствует всем требованиям к знанию как алгоритму и может эффективно применяться в процессе планирования. Проблема состоит в том, что эти модели весьма ограничены и фрагментарны. Так, модель, прекрасно описывающая деятельность отдела, никак не связана с моделью, описывающую деятельность смежного отдела. Зачастую они даже противоречат друг другу. А модель всей компании очень агрегирована, оторвана от реальных процессов и уж точно никак не учитывает множество знаний из бесчисленных моделей различных подразделений и сотрудников. Вот, если бы можно было объединить все модели Excel в одну… Об этом иногда мечтают молодые экономисты. Сделать это по известным причинам невозможно, но сама по себе идея представляется весьма разумной.

Реальный процесс планирования крупной компании выглядит примерно так:

• Сначала во всех подразделениях проходит множество обсуждений, чтобы сформулировать плановые значения каких-то показателей.
• Потом эти значения заносятся в модели.
• Плановые показатели, полученные из моделей, заносятся в какие-то ИТ-системы. Эти системы рассчитывают другие показатели, которые снова заносятся уже в другие модели, и так повторяется несколько раз. Всё это сопровождается непрерывными обсуждениями и корректировками плановых показателей везде, где это возможно. Тут важно отметить, что на каждой стадии передачи данных из одного источника в другой возникает прекрасная возможность что-нибудь поправить, уточнить или даже исказить. Проконтролировать это крайне сложно.
• В конечном итоге планы из всех моделей, пройдя множество этапов трансформации, консолидируются в одной верхнеуровневой и очень агрегированной модели, которая демонстрирует верховным аналитикам план Компании в целом. С первого раза результат, как правило, никого не устраивает, и весь цикл повторяется ещe несколько раз, до тех пор, пока план не примет удовлетворительный вид.

Если представить себе всё множество моделей и систем, задействованных в ходе планирования, как фрагменты единой системы, то мы получим ту самую «единую Excel-модель», которая содержит бесконечное количество противоречий, пробелов, неточностей, циклических ссылок, а зачастую и намеренных искажений. Это и есть та система управления знаниями, которую имеют современные компании, и эта система дает те планы, по которым все вынуждены жить.

Получается интересная картина: по сути, компании обладают всеми необходимыми знаниями, более того, их значимая часть формализована в моделях и системах, но все они абсолютно разорваны, а обмен данными между некоторыми из них крайне ограничен и регулярно приводит к случайным или намеренным искажениям. То есть речь идeт о крайне низкой эффективности управления знаниями и их применения в цикле планирования.

Сегодня много говорят об управлении данными. Утверждается, что данные — это вторая нефть. И это, безусловно верно. Но ведь, даже при наличии великолепных данных, их нужно как-то применять. А для этого необходимы знания. Более того, только знания могут помочь определиться с тем, какие именно данные нам необходимы. Ведь просто копить данные ради данных довольно странно, хотя и не все разделят эту точку зрения.

В любом случае, очевидной является потребность в управлении знаниями отдельно от данных. Причем речь идeт не о «гуманитарных» знаниях, на которые ориентированы современные системы класса Knowledge management, а о тех знаниях, о которых мы ведём речь, то есть о знаниях, формализованных в моделях и алгоритмах, которые могут быть применены в цикле планирования.

Какой должна быть ИТ-система управления формализованными знаниями

Давайте попробуем сформулировать бизнес-требования к ИТ-системе, которая могла бы эффективно решать описанную выше задачу.

Способность описания знания о любой деятельности в форме алгоритма. Вне зависимости от индустрии или функциональной области, система должна быть в состоянии описать все необходимые объекты (оборудование, продукты, ресурсы и т.д.), их атрибуты, процессы, в ходе которых объекты изменяются, а также алгоритмы этой трансформации.

Универсальный язык описания знаний. Любая организация содержит в себе множество функциональных блоков, деятельность которых может сильно отличаться. Тем не менее, задача состоит в том, чтобы, с одной стороны, описать деятельность компании в целом, а с другой, учесть всю значимую специфику каждой функции. Если за основу описания знаний взять одну функциональную область, пусть даже и очень важную, например, продажи (CRM), все остальные области будут представлены весьма искаженно, и требуемое качество планов не будет достигнуто.

Способность выстраивания комплексного знания. Для того, чтобы получить качественный план компании, необходимо свести в единое целое знания из всех функциональных блоков. В современном менеджменте есть термин «Интегрированное управление», он описывает именно этот процесс. Очевидно, что уровень развития современных технологий не позволит объединить все знания о компании в единую расчетную модель, которая будет использоваться в цикле планирования. Следовательно, система должна позволять строить иерархию интегрированных моделей, функционирующих как единое целое. Это означает, что знания модели верхнего уровня находятся в неразрывной связи со знаниями всех других моделей, и внесение изменений на любом из уровней автоматически приводит к изменениям во всех связанных моделях.

Абсолютная гибкость и готовность к непрерывной эволюции знаний. Выше мы уже говорили о том, что знание никогда не может быть полным, то есть на 100% описывать некую деятельность. Даже самая совершенная модель будет иметь погрешности в расчете плановых показателей. Но, чтобы получить подобную модель нужно пройти длительный путь, в ходе которого знания будут непрерывно эволюционировать: будет уточняться состав объектов и показателей, входящих в алгоритмы, будут уточняться формулы, в конце концов, на основании факта будут корректироваться коэффициенты в формулах.

Хранение полного массива знаний. Описание знаний является важной функцией, но эти знания должны где-то фиксироваться и содержаться. Более того, учитывая предыдущее требование, важно обеспечить возможность хранения различных версий знаний, которые будут возникать в ходе их эволюции.

Применение знаний в процессе планирования. Действительно, даже прекрасно описанные и структурированные знания представляют собой лишь набор артефактов, которые могут быть интересны разве что ограниченному кругу бизнес-архитекторов. Вряд ли какая-то организация согласится прилагать значимые усилия, чтобы получить подобный архив. Ключевым требованием является возможность использования моделей знаний для имитации различных сценариев будущего и выработки на их основе оптимальных планов на разных временных горизонтах.

Вовлечение максимально широкого круга специалистов в процесс работы со знаниями. Как мы упоминали ранее, подавляющая часть знаний изначально существует лишь в головах людей. Исключение могут составлять знания, формируемые искусственным интеллектом. Но даже они, как правило, требуют дополнительного осмысления. Следовательно, для обеспечения непрерывного процесса «выращивания» знаний и их применения на практике требуется постоянное подключение к данному процессу максимального количества экспертов. Чем больше участников смогут ознакомиться с алгоритмом, описывающим знание, протестировать его, дать обратную связь, возможно, предложить его корректировку, тем выше шанс достичь его максимальной полноты. В идеале каждый рабочий день любого специалиста должен быть разбит на две части: экспертиза знаний компании и применение этих знаний в рамках исполнения своих функций.

Прозрачность и простота восприятия знаний. Если со знаниями должны работать практически все специалисты компании, то сами знания должны быть представлены в максимально доступной форме. Для комплексных знаний потребуется визуализация в самых разных форматах, а фрагментарные алгоритмы должны представляться в виде формул, которые выглядят не сложнее Excel. Желательно, чтобы ещe проще. Также необходимо отдельное отражение структуры показателей, участвующих в алгоритмах. Очевидно, что они должны быть неким образом классифицированы. С точки зрения требований универсальности и постоянного развития наилучшим способом организации информационной модели (а это и есть структура показателей) представляется объектно-ориентированная форма. Её ключевым и кардинальным преимуществом является то, что она позволяет представлять знания о любых сущностях максимально приближенно к оригиналу, без каких-либо математических «прокрустовых лож» вроде OLAP-кубов, бухгалтерских счетов или транзакций. Объектно-ориентированный подход позволяет в едином пространстве универсально описывать любые области деятельности в формате, максимально доступном для восприятия любым специалистом, без учета его функциональной специфики.

Отражение различных версий знаний. При построении современных ИТ-систем применяется принцип «Единого источника истины» (SSOT), исключающего возможность наличия нескольких версий данных. Это может выглядеть разумно в процессе работы с данными (хотя, и тут имеются сомнения), но в случае работы со знаниями, данный принцип переворачивается на 180 градусов. В условиях невозможности получения абсолютно полного знания критически важной становится возможность зафиксировать и проанализировать максимальное количество точек зрения на заданную тему. При переходе от субъективных знаний к формализованным это становится особенно актуальным, ведь знания каждого человека зависят от множества факторов: его специальности, положения в компании, личных качеств и много чего ещe. По большому счету, субъективное знание лишь отчасти отражает видение объективных процессов, но, во многом, определяется совокупностью «неинтеллектуальных» факторов. Единственным способом их нейтрализации является получение как можно большего количества экспертных оценок от самых разных специалистов, которые позволят постепенно «выкристаллизовать» чистый алгоритм.

Создание ИТ-приложений на основе знаний. Классическая компьютерная программа является прекрасным примером строго формализованного знания. Проблема состоит в том, что она полностью не соответствует вышеперечисленным требованиям: она жесткая, закрытая, непрозрачная и заточена только на один тип знаний. Внесение изменений требует постановки задач программистам, кстати, на этой стадии значительная часть знаний либо страшно искажается, либо, вообще, теряется. То есть создать одну программу, позволяющую управлять формализованными знаниями невозможно в принципе. Данный тезис звучит довольно пугающе. Но на самом деле всё не так плохо. В современном мире программы постепенно уступают место платформам — средам, в которых можно создавать функционал, подобный программам, но, либо совсем без программирования, либо с меньшими трудозатратами программистов. В нашем случае программистов нужно исключить полностью. То есть речь идeт о платформе класса no-code. В этой платформе должна обеспечиваться возможность работать в двух режимах: управления знаниями (создание, экспертиза, развитие и т.д.) и применения знаний в управленческом цикле (планирование, мониторинг, анализ и т.д.). И если управление знаниями можно осуществлять в едином пространстве (этаком Super Excel), то применение знаний в разных областях будет требовать их «упаковки» в самостоятельные ИТ-решения. Естественно, тоже без программирования. То есть платформа должна содержать в себе «конструктор знаний», в полной мере реализующий все функции, описанные в предыдущих пунктах, а также позволять строить полноценные ИТ-приложения, включающие интерфейсы, расчётные модели, автоматизированные процессы, средства интеграции, среды совместной работы и много что ещe. Такая вот интересная получается платформа.

Что такое Knowledge Space

Перечень требований можно было бы продолжить, но, даже опираясь на то, что было изложено, можно сделать вывод о том, что подобных систем пока нет. Некоторые решения и платформы соответствуют отдельным требованиям, но их совокупности не удовлетворяет никто. Причина состоит в том, что подобная постановка задачи лежит на пересечении множества дисциплин, которые на практике редко рассматриваются даже в парах. Естественно, что и специалисты в отдельных областях (например, в планировании) меньше всего задумываются об управлении знаниями, их выращивании, экспертизе и т.д. А тут ещe добавляется бизнес-архитектура, менеджмент, управление социальными сообществами и много что ещe.

Давайте попробуем описать гипотетическую платформу, которая могла бы полностью соответствовать всем требованиям по управлению знаниями. Перечислим еe ИТ-функции, опираясь на бизнес-функции, описанные выше. Они будут разделены на два блока: «Работа со знаниями» и «Применение знаний в управленческом цикле».

Работа со знаниями

Визуальный конструктор знаний — среда визуального проектирования, поддерживающая максимальный набор нотаций моделирования корпоративной архитектуры, но не ограниченная этим.

Объектно-ориентированный конструктор знаний — описание классов, их атрибутов и связей между классами так, чтобы их можно было в дальнейшем эффективно применять при планировании. Также здесь должен содержаться удобный и прозрачный конструктор алгоритмов (формул).

Пространство знаний — среда, в которой можно осуществлять навигацию по всем описанным знаниям, изучать их, предлагать идеи по развитию и использовать для создания собственных приложений.

Применение знаний в управленческом цикле

Мощное вычислительное ядро, позволяющее эффективно применять объектно-ориентированные модели, исполняя их алгоритмы в требуемой последовательности.

Конструктор интерфейсов — инструмент создания и применения всех типов форм, включая дашборды и аналитические отчеты. Важным требованием является возможность представления данных из объектной модели во всех доступных видах: табличной, графической, текстовой и т. д. Сами интерфейсы должны не уступать аналогам, разработанным программистами с точки зрения функциональности и эстетики.

Среда разработки и исполнения процессов (BPMS). Данный функционал является довольно стандартным для современных систем. Важным требованием в нашем случае будет полная интеграция с объектной моделью. По сути, процессы должны «оживлять» объекты, переводя их из одного состояния в другое и обеспечивая взаимодействие с пользователями.

Конструктор интеграций — инструмент описания подключения к внешним системам для обмена с ними данными. Также он должен быть тесно интегрирован с объектами и процессами.

Среда совместной работы и экспертизы — должна поддерживать все формы взаимодействия в кросс-функциональных командах, а также эффективную работу со знаниями в разных формах.

«Движок» интегрированного планирования — подразумевает поддержку всех функций планирования, включая работу с разными временными интервалами, сценариями, графиками Ганта, скольжением планов и многое другое.

Смесь получилась довольно гремучей, и в этот момент может закрасться вопрос о том, а нужна ли подобная система в принципе, не является ли подобный синтез бизнес и ИТ функций бессмысленным? Ответу на этот вопрос, собственно, и посвящена данная статья. Мы старались показать, что решение задачи управления формализованными знаниями и их применения в управленческом цикле является не только востребованным, но более того именно это решение может обеспечить кардинальный рост эффективности деятельности современных организаций. То есть такую систему нужно обязательно создать, и мы еe создали. Наш проект называется Knowledge Space. Это no-code платформа, нацеленная на решение всех тех задач, которые были описаны в данной статье.

Наша команда более 20-ти лет создает и автоматизирует системы интегрированного управления в различных отраслях. Опираясь на накопленный опыт, а также подсмотрев несколько идей у Артура Шопенгауэра, мы пришли к выводу о том, что формализованные знания являются «квантами» любой системы управления. Отказ от системной работы со знаниями гарантированно порождает проблемы на всех этапах управленческого цикла, и в первую очередь планирования. Напротив, даже незначительные усилия в области формализации знаний в моделях позволяют значительно повысить качество планов и эффективность деятельности.

Мы полностью сформулировали наши идеи в 2013 году, потом несколько лет на практике и в теории определяли бизнес и ИТ требования к будущей системе, а затем разработали и саму платформу. Специфика нашего взгляда на задачу определила специфику нашего решения, которое у многих вызывает недоумение. Отчасти эта статья была написана для того, чтобы объяснить, почему мы такие, что это не случайность, а результат двадцатилетнего опыта, что каждая функция Knowledge Space осмыслена и является важным компонентом общей конструкции.

Наша платформа достаточно молода, первый еe релиз состоялся в 2019 году, но с тех пор она успела решить интересные задачи, среди которых, например, создание систем интегрированного планирования для крупных компаний. Результаты показывают, что все наши идеи полностью подтверждаются на практике. Knowledge Space позволяет быстро создавать сложные промышленные решения с учетом всей специфики предметной области. Это очень радует и обнадеживает.

Мы находимся в состоянии непрерывного развития, так как для подобной технологии наращивание возможностей представляется абсолютно неограниченным.

Мы открыто смотрим в будущее и говорим: «Hello, Space!»

Поделиться

Подписаться на новости Короткая ссылка