Корпоративная память и онтологии

Одним из новых решений по управлению знаниями является понятие корпоративной памяти (corporate memory), которая по аналогии с человеческой памятью позволяет пользоваться предыдущим опытом и избегать повторения ошибок.

Корпоративная память хранит информацию из различных источников предприятия и делает эту информацию доступной специалистам для решения производственных задач.

Корпоративная память не позволяет исчезнуть знаниям выбывающих специалистов (уход на пенсию, увольнение и пр.). Она хранит большие объемы данных, информации и знаний из различных источников предприятия.

Можно выделить два уровня корпоративной памяти:

Уровень 1. Уровень материальной или явной информации — это данные и знания, которые могут быть найдены в документах организации в форме сообщений, писем, статей, справочников, патентов, чертежей, видео- и аудио-записей, программного обеспечения и т. д.

Уровень 2. Уровень персональной или скрытой информации — это персональное знание, неотрывно связанное с индивидуальным опытом. Оно может быть передано через прямой контакт — «с глазу на глаз» через процедуры извлечения знаний. Именно скрытое знание — то практическое знание, которое является ключевым при принятии решении и управлении технологическими процессами.

В действительности эти два типа информации, подобные двум сторонам одной и той же медали, одинаково важны в структуре корпоративной памяти.

При разработке систем УЗ можно выделить следующие этапы:

1.Накопление. Стихийное и бессистемное накопление информации в организации.

2.Извлечение. Процесс обнаружения источников знаний, их “добыча” и описание. Это один из наиболее сложных и трудоемких этапов. От его успешности зависит дальнейшая жизнеспособность системы.

3.Структурирование. На этом этапе должна быть выделены основные понятия, выработана структура представления информации, обладающая максимальной наглядностью, простотой изменения и дополнения.

4.Формализация и программная реализация. Представление структурированной информации в форматах машинной обработки — то есть на языках описания данных и знаний и организация автоматизированной обработки и поиска информации по запросу.

5.Обслуживание. Корректировка формализованных данных и знаний (добавление, обновление): «чистка», то есть удаление устаревшей информации; фильтрация данных и знаний для поиска информации, необходимой пользователям.

Существуют различные подходы, модели и языки описания данных и знаний. Однако все большую популярность последнее время приобретают онтологии.

ОНТОЛОГИЯ — это формализованное представление основных понятий и связей между ними. Его ввел в информационные технологии Том Грубер в 1993. Ранее этот философский термин означал учение о бытии, затем он переместился в область точных наук, где полуформализованные концептуальные модели всегда сопутствовали математически строгим определениям. Под определение онтологии подпадают многие понятийные структуры: иерархия классов в объектно-ориентированном программировании, концептуальные карты (concept maps), семантические сети, и т. п.

Онтология — это структурная спецификация некоторой предметной области, ее формализованное представление, которое включает словарь (или имена) указателей на термины предметной области и логические выражения, которые описывают, как они соотносятся друг с другом.

Таким образом, онтологии обеспечивают словарь для представления и обмена знаниями о некоторой предметной области и множество связей, установленных между терминами в этом словаре.

Для описания онтологий существуют различные языки и системы, однако, наиболее перспективным представляется визуальный подход, позволяющий специалистам непосредственно «рисовать» онтологии, что помогает наглядно сформулировать и объяснить природу и структуру явлений. Визуальные модели, например, графы обладают особенной когнитивной (т.е. познавательной) силой. Любой программный графический пакет от PaintBrush до Visio можно использовать как первичный инструмент описания онтологий.

Программы визуализации онтологий являются инструментом, позволяющим сделать видимыми структуры корпоративного знания.

В простейшем случае построение онтологии сводится к:

выделению концептов — базовых понятий данной предметной области;

построению связей между концептами — определению соотношений и взаимодействий базовых понятий;

сравнению построенной онтологии с имеющимися — проведение параллелей с другими областями знаний.

Традиционно говорят о следующих причинах интереса к системам УЗ:

¾ работники предприятия тратят слишком много времени на поиск необходимой информации;

¾ опыт ведущих и наиболее квалифицированных сотрудников используется только ими самими;

¾ ценная информация захоронена в огромном количестве документов и данных, доступ к которым затруднен;

¾ дорогостоящие ошибки повторяются из-за недостаточной информированности и игнорирования предыдущего опыта.

Важностьсистем УЗ обусловлена также тем, что знание, которое не используется и не возрастает, в конечном счете становится устаревшим и бесполезным, также, как деньги, которые сохранены без того, чтобы стать оборотным капиталом, в конечном счете теряют свою стоимость, пока не обесценятся. Напротив, знание, которое распространяется, приобретается и обменивается, генерирует новое знание.

Таким образом, любая система автоматизации затрагивает проблемы хранения корпоративных знаний, но только системы КМ делают это в явном виде, тем самым сохраняя этот драгоценный ресурс, а не растворяют его в алгоритмах, бизнес –процессах и спецификациях. KM фактически предоставляет следующий уровень автоматизации для тех компаний, которые уже справились с автоматизацией данных, и является хорошей стартовой площадкой для тех, кто хочет создать интегрированную систему, а не “лоcкутное” одеяло.