Продолжение. Начало см. PC Week/RE, №46/2001, c.34.

Особенности систем, ориентированных на знания

В публикациях, анализирующих преимущества и недостатки технологий разработки программных систем, из года в год повторяются истины, набившие оскомину с начала 80-х. Однако менталитет потребителя КИС управления мало изменился за последнее время. Это связано в первую очередь с ориентацией экономических вузов на подготовку менеджеров с “интуитивным”, а не аналитическим мышлением [1, 2]. Данным обстоятельством, а также появлением систем класса Knowledge Management (КМ) и другими факторами, вносящими дополнительную неразбериху в базовые понятия, обусловлена настоятельная необходимость эти истины повторять.

При обработке гигантских объемов данных, когда на выходе предоставляется только “конденсат”, требуемый для принятия решения, необходимы системы KM-класса. Сейчас же мы ведем речь о системах, выходящих далеко за подобные рамки. Назначение их - не исполнение сложных информационных запросов, а нахождение управляющих решений или даже осуществление прямых регулирующих воздействий. Различие между этими системами так же велико, как между информацией и знаниями.

Знания о бизнесе, которыми обладает компания, представляются в виде бизнес-правил (далее - правила). Знания являются основой интеллектуального капитала и овеществлены в стратегических и процедурных руководствах; соглашениях с потребителями и поставщиками, маркетинговых стратегиях; ценовой политике; предложениях продуктов и услуг; опыте управления отношениями с клиентами; нормативных документах, регламентирующих бизнес.

Правила - это утверждения, которые описывают, ограничивают и управляют структурой компании, операциями и стратегией. Они существуют часто в “грубой”, неструктурированной форме как экспертные мнения и ноу-хау, которыми исполнители владеют и пользуются в повседневной практике. Правила - наиболее динамичная составляющая в любом приложении. Фокусируя реорганизацию бизнес-процессов (РБП) на идентификации и формализации бизнес-правил, можно добиться быстрой адаптации к рыночным и производственным изменениям. При идентификации и определении бизнес-логики в форме правил обеспечивается лучшая коммуникабельность, взаимопонимание персонала и возможность внесения независимых от программного кода изменений.

При такой формализации бизнес-логики возникают дополнительные удобства для пользователей и разработчиков АСУ БП: 1) пользователи более оперативно могут реагировать на изменения рынка и нормативной базы; 2) разработчики могут легко локализовать и модифицировать правила, когда требуется изменение политики без компиляции кода.

Такой гибкий подход контрастирует с общей практикой разработки АСУ БП, которая представляет БП в виде программных объектов, подобных COM, Ja-vaBeans, прикладным классам или запросам к базам данных.

Популярный объектно-ориентированный подход неудобен для работы с правилами. При использовании объектов для представления бизнес-логики возникает несколько неприятностей: 1) обработка правил, содержащих несколько объектов, затруднительна; 2) описывать функциональность нескольких разнородных объектов неудобно; 3) изменение логики требует от разработчиков перекомпиляции кода; 4) пользователь не имеет возможности изменить программу.

Объекты нерационально использовать для описания декларативных знаний, в которых способ достижения цели (задача “как”), четко отделяется от того, “что” исполняется. Правила имеют отношение исключительно к действиям, которые должны быть исполнены, и условиям, которые активизируют эти действия. В приложениях, основанных на правилах, способ исполнения (задача “как”) находится в юрисдикции механизма логического вывода.

Поместить правила в сплетение объектов можно, описав задачи “как” и “что” с помощью условных операторов или переключателей условий. При этом управление сотнями правил, которые ссылаются на многочисленные объекты бизнеса, окажется очень проблематичным, сам процесс объектно-ориентированного проектирования растянется во времени.

Объектно-ориентированное проектирование бессильно помочь, когда пользователь желает изменить бизнес-логику. Для этого объектно-ориентированной АСУ БП потребуется слишком много времени. Смешение правил и объектов рассеивает логику по приложениям, затрудняя ее локализацию и увеличивая затраты в случае необходимости реагировать на изменения рынка.

Говоря о проблемах объектно-ориентированного подхода, мы пространно и нечетко выражаем уже высказанную ранее ясную мысль С. П. Никанорова о системе конструктов [3] или о проблеме отсутствия общей для разработчика, пользователя и внешней среды концепции, на основе которой можно было бы разработать “гибкую” АСУ БП, адаптивную к изменениям, происходящим в организации и вне ее.

Художник В.Котов

Помощь разработчика становится ненужной, когда АСУ БП, ориентированная на знания, использует для описания правил управления язык, похожий на естественный. Синтаксис представления правил, близкий к речевому и являющийся универсальным конструктом, обеспечивает отсутствие ограничений на внесение изменений в базу правил непрограммистом.

Когда организация ищет новые пути разработки и внедрения приложений, автоматизирующих деятельность, возникает особый интерес к гибкости и оперативности АСУ БП, ориентированных на знания. Такие АСУ БП совершенно необходимы в следующих случаях: 1) пользователи нуждаются в быстрых и нетрудоемких изменениях декларативных организационных знаний; 2) приложения управляются событиями и должны реагировать на комбинации событий; 3) причинно-следственные связи бизнес-правил сложны и до конца не исследованы или не описаны; 4) нет математических алгоритмов решения проблемы.

Для разных отраслей критическими могут быть одно или несколько из перечисленных условий. Независимо от того, выпускает ли компания строительные материалы, использует ли электронные или обычные каналы сбыта, у нее должны быть правила для управления транзакциями, оценки сценариев и принятия решений. Сегодня наиболее известным и мощным пакетом, используемым для разработки АСУ БП на основе знаний, является продукт компании ILOG. Приложения ILOG активно используются сейчас в ERP-системах, а пакет оптимизации ILOG де-факто стал стандартом для таких разработчиков ERP-систем, как Adonix, Baan, i2 Technologies, J.D. Edwards, Oracle, PeopleSoft и SAP.

Успех ILOG на рынке свидетельствует не только о перспективности технологий, основанных на управлении знаниями, и осознании разработчиками элементов ERP-систем этого факта, но и о некоторой неповоротливости мышления их генеральных конструкторов, не решающихся на признание технологии управления знаниями в качестве базовой для разработки ERP-систем в целом. Здесь нельзя не отметить революционной заслуги отечественной компании “Эллай”, создавшей КИС “Ресурс” целиком на технологиях управления знаниями (хотя эта КИС и не получила широкого признания).

Способность управлять знаниями - условие сохранения и развития культуры организации

Различные авторы предпринимали попытки дать классификацию организационных знаний. Наиболее известными в области управления знаниями являются классические работы японского исследователя И. Нонака. Именно его определения относительно двух форм знания - скрытой и явной - упоминаются наиболее часто [4]. Р. Санчез считал, что по крайней мере три категории знания имеют место на фирме: “знать, как” (практическое знание), “знать, почему” (теоретическое знание) и “знать, что” (стратегическое знание) [5]. М. Уайтхил в качестве типологии знания выбрал такую классификацию: “знать, что” (закодированное), “знать, как” (привычное), “знать, почему” (научное) и т. д. [6]. М. Димарест заострил внимание на коммерческом знании, которое является явно развитой и управляемой сетью императивов, образцов, правил и сценариев, используемых фирмой, что обеспечивает результативность ее действий на рын- ке [7]. При всем разнообразии трактовок очевидно, что организационное знание формирует базу для развития отличительных способностей и деятельности, увеличивающей стоимость организации.

Хранилища информации о предметной области бизнеса компании имеют уже давно, они накопили существенный опыт по их организации и использованию. Они стали основой такого интеллектуального бизнеса, как управленческий консалтинг (McKenzie, Boston Consulting Group), аудит и РБП (компании большой пятерки) или высокие технологии (Hewlett-Packard, Cisco). Некоторые хранилища информации существуют на рынке как отдельный брэнд и обладают высокой стоимостью: Global Best Practices (Arthur Andersen), Knowledge Links (Hewlett-Packard).

Руководителям организаций необходимо понимать, что накопление байтов информации еще не означает накопления знаний. И речь идет не только о большом количестве информационного “мусора”, затрудняющего поиск. А о том, что книга в руках - не свидетельство обладания знаниями, даже если эта книга - авторитетный справочник. Чтение книги - далеко не всегда извлечение знаний. По этой причине и результаты деятельности бизнес-консультантов не следует измерять томами документации. Знания - это продукт специфических интеллектуальных усилий. Они могут быть извлечены или сформированы только посредством логических операций, совершаемых индивидом или вычислительной машиной. Для этого потребляемая информация должна быть организована нужным образом. Организационное знание формируется тогда, когда индивидуальное знание формализуется и хранится в определенном формате. Такое технологическое знание может затем распространиться в пределах организации, а в ограниченном объеме и вне ее.

Поэтому, используя термин “хранилище информации” вместо “база знаний”, мы акцентируем внимание на том, что, строго говоря, “хранилища информации” часто являются всего лишь развитыми предметными базами данных [8]. Знания, которые они содержат, относятся, как правило, к типу “знать, где”, “знать, кто”. Для получения технологичных знаний (”знать, как”, “знать, почему”, “знать, что”) от пользователя таких систем потребуются дополнительные усилия по преобразованию (форматированию) предоставляемой ему информации.

Сегодня строительством баз знаний, а также систем управления ими охвачено много компаний из разных индустрий. Знания становятся товаром [9]. Т. Дэвенпорт, известный специалист в области РБП и управления знаниями, говорит о необходимости введения штатной позиции Chief Knowledge Officer (CKO, директор по знаниям) в организациях [10]. Он называет СКО главным проводником структурированных знаний компании, способным с помощью информационных технологий извлечь знания из тех, кто их имеет, сгруппировать их в виде, доступном к использованию другими сотрудниками компании, и периодически обновлять и редактировать знания.

Следуя Р. Куинну, наиболее успешные организации сегодня можно рассматривать как интеллектуальные предприятия, развивающие у себя базовые способности, основанные на знаниях [11]. Управление знаниями связано с генерацией знаний (как у отдельных сотрудников, так и у организации в целом), формализацией и сохранением знаний, распространением, координацией и контролем знаний. Эффективное управление знаниями зависит от организационной структуры, инфраструктуры и коммуникаций и, следовательно, является производной культуры организации. Гуру в области КИС К. Дж. Дэйт писал: “Бизнес-правила можно назвать следующим (и гигантским) шагом в эволюции исходного относительного видения” [12]. П. Друкер определил знания как ключевой ресурс мировой экономики: “Традиционные составляющие производства - земля, труд и капитал - становятся скорее ограничивающими факторами, нежели движущей силой+ Знания - ныне основная составляющая производственного процесса” [13]. Накопление знаний в современном производстве уже не считается “издержкой”, а является неотъемлемой его частью. Иначе говоря, обучение есть новая форма производственного процесса. По мнению аналитической компании Gartner Group, к 2003 г. предприятия, которые не перешли к модели управления, основанной на знаниях, будут испытывать серьезные затруднения на рынке из-за резкой потери конкурентоспособности (с вероятностью 70%).

Явное знание - это знание, содержание которого выражено четко, может быть записано и сохранено. Неявное знание чаще всего не фиксируется и основывается на индивидуальном опыте, что делает его трудным для записи и хранения [7]. Обе формы знания возникают изначально как индивидуальное знание, но для существенного улучшения деятельности организации они должны быть преобразованы в организационное знание. Практически глобальное распространение в мире с конца 1970-х получила форма представления знаний в виде “продукционных” правил “если+ то” Обратный логический вывод позволяет на основе таких правил получать знания “знать, как”, “знать, почему”, “знать, что”. Однако самое важное - это то, что “продукционные знания” идеально выполняют функцию информационного обеспечения систем ситуационного управления (ССУ). В силу своих функциональных свойств ССУ помимо поддержки принятия управленческих решений обеспечивают превращение индивидуальных знаний в организационные.

Знания и система ситуационного управления

Модельная теория мышления, развитая в работах В. Н. Пушкина, послужила основой для создания метода ситуационного управления большими системами. Этот метод, возникший во второй половине 60-х годов [14], во многом предвосхитил технологию решения задач в системах, опирающихся на знания. ССУ позволяют накапливать знания о поведении и выделять ключевые составляющие без нарушения целостности базы знаний. Пока ССУ находят применение [15] только в среде, связанной с возможными угрозами обществу (федеральные ситуационные центры, военные организации, атомная энергетика, железнодорожные перевозки и т. п.), или там, где бессилие человека очевидно (системы управления автоматами в среде, не приспособленной для жизни человека). Важным преимуществом ССУ является естественная инструментальная поддержка описаний БП в виде рефлексных контуров, которые в ССУ представляются уже упоминаемой триадой-конструктом: 1) процессом наблюдения (протоколирование ситуаций по формальным правилам); 2) процессом моделирования [управление базой знаний в виде правил (правил логического вывода) “если+ то”]; 3) процессом логического вывода (регулированием).

ССУ - наиболее естественный инструмент моделирования БП в виде рефлексных контуров, позволяющий управлять параллельно с совершенствованием модели, организацией, оценкой ее полноты и рисков при принятии управленческого решения. ССУ способны идентифицировать ключевые БП по формальным правилам (например, по полноте и непротиворечивости описания БП, мощности логических связей БП с другими БП и т. п.).

В этом случае представление механизма саморегулирования организации в виде ССУ обладает рядом преимуществ:

- ССУ полностью следуют принципу управления на основе контуров с обратной рефлексивной связью.

- ССУ можно строить на основе аналитических правил и далее результат вычислений интерпретировать с помощью лингвистических правил. В этом случае для управления состояниями организации, уже имеющими аналитические модели, в ССУ встраивают алгоритмы оптимального регулирования.

- ССУ всегда включают в себя лингвистические правила, используемые как для формирования высокоуровневых управляющих воздействий (например, с учетом вывода по “вычислительным” правилам), так и для воздействий любого уровня, пока не сформированы соответствующие “вычислительные” правила.

- ССУ позволяют в мягкой форме изменить культуру организации, в которой еще не использовались математические модели для принятия управленческих решений. Это свойство обусловлено тем, что ССУ до возникновения в организации иных условий неограниченное время могут существовать как хранилища корпоративных знаний и как системы поддержки принятия управленческих решений на основе лингвистических правил. Такое использование ССУ рано или поздно неминуемо приведет к появлению потребности в повышении качества принимаемых решений и, следовательно, в обращении для этого к математическим моделям.

- ССУ являются хранилищем и гарантом культуры организации. При охвате ССУ основных бизнес-процессов организации смена руководства или увольнение ответственных сотрудников не повлекут изменения культуры организации. Такое изменение будет возможно только в результате разрушения ССУ или отказа от использования научных методов управления.

- Информационное наполнение ССУ (например, база знаний) является “рентгеновским снимком” организации. На основе анализа этого “снимка” возможна формальная диагностика интеллектуального потенциала организации, а также результатов любых действий по совершенствованию ее структуры.

- Известно, что до 35% инвестиционных решений неформализованы и принимаются на основе нефинансовых данных (например, количества запатентованных продуктов) [16]. Формализация знаний, достигаемая их представлением в ССУ, в виде правил “если+то” повышает инвестиционную привлекательность организации [17, 18].

ССУ, работающие на основе “аналитических” и лингвистических правил, относят к классу гибридных экспертных систем [19]. Например, средства разработки правил и оптимизации в ERP-системах формируют ядро такой гибридной системы. Гибридные системы признаны наиболее перспективными с точки зрения современной концепции управления знаниями. Именно осознание возможностей ССУ позволяет видеть главный недостаток MRP II/ERP-систем начала XXI века в их ограниченности использованием принципов построения хранилищ данных (а не знаний) как технологии информационного обеспечения этих систем.

Организация может получить ключевое конкурентное преимущество, если создаст культуру информационного обмена, основанную на правилах. ССУ являются стержнем для формирования такой культуры, они призвали активно противостоять интуитивистской концепции, в фарватере которой следует П. Сенге, считающий, что специалисты должны быть заинтересованы в передаче своих неявных знаний другим сотрудникам, а успех распространения неявного знания в организации может оказаться критическим фактором [21]. Напротив, научный подход к управлению диктует понимание того, что только через формализацию процедур управления знанием организации (один из вариантов которой предоставляют ССУ) можно как сократить время, необходимое для обучения, так и повысить качество и объем доступного знания. А это - главное условие приобретения конкурентного преимущества.

Кибернетикам известно, что невозможно управлять тем, что нельзя измерить. Также бессмысленно говорить об управлении неформальным знанием. Наличие мысли в глазах не означает способности человека выразить эту мысль словами. Неявное знание принципиально не может закрепиться в организации, быть товаром, а тем более капиталом организации. Ведь носителем неявных знаний является персонал, а организации персоналом, как правило, не торгуют! Статистика, в частности, свидетельствует о том, что в США в среднем 40% сотрудников компаний проработали в своих организациях меньше года, еще 40% собираются уходить. Вклад “новобранцев” в работу фирмы обычно невелик. А ведь уходящие уносят информацию с собой, в результате 80% неформализованных знаний компании остаются неосвоенными [2].

Литература

1. Рубцов С. В. Если мы так хорошо образованы, то почему мы так неэффективны? / Новые рынки, 2001, № 2, с. 7-13.

2. Рубцов С. В. Основные противоречия современных взглядов на управление бизнесом и возможности их разрешения. / Управление компанией, 2001, № 5.

3. Никаноров С. П. Характеристика и область применения метода концептуального проектирования систем организационного управления. Веб: Концептуальное проектирование систем организационного управления (КП СОУ) и его применение в капитальном строительстве.

4. Nonaka I., Teece D. J. Managing industrial knowledge: creation, transfer and utilization. London, Thousand Oaks, Calif., Sage Publications, 2001. 344 р.

5. Sanchez R., Heene A. Strategic learning and knowledge management. Chichester, J. Wiley and Sons, 1998. 235 р.

6. Whitehill M. Knowledge-based Strategy to Deliver Sustained Competitive Advantage. / Long Range Planning, 1997, v.30, № 4, р. 621-627.

7. Demarest M. Understanding Knowledge Management. / Ibid, 1997, v. 30, № 3, р. 374-384.

8. Зырянов М. Инструментарий для управления знаниями. / ComputerWorld (Россия), 1999, № 7, с. 15-17.

9. Foote N. W., Matson E. W., Rudd N. W. Managing the Knowledge Manager. / The McKinsey Quarterly, 2001, № 3, p. 120-129.

10. Davenport T. H. Process innovation: reengineering work through information technology. Boston, Mass., Harvard Business School Press, 1993. 337 р.

11. Quinn J. B. Intelligent enterprise: a knowledge and service based paradigm for industry. N. Y., Free Press, 1992. 473 р.

12. Date C. J. What not how: the business rules approach to application development. Reading, Mass., Addison-Wesley Publishing Co. 2000. 131 р.

13. Drucker P. F. Next Information Revolution. Forbes ASAP, 1998, р. 24-33.

14. Пушкин В. Н. Оперативное мышление в больших системах. М.- Л.: Энергия, 1965. 255 с.

15. Геловани В. А. и др. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием современной информационной технологии. М.: Эдиториал УРСС, 2000. 356 с.

16. Mavrinac S. C., Siesfeld A. G. An Exploratory Investigation of Investors’ Information Needs and Value Priorities. In: Enterprise Value in the Knowledge Economy: Measuring Performance in the Age of Intangibles. N. Y., OECD/Ernst and Young Center for Business Innovation, 1998. р. 49-72.

17. Соловьева Г. В. Учет нематериальных активов. М.: Финансы и статистика, 2001. 176 с.

18. Калятин В. О. Интеллектуальная собственность (исключительные права). М., ИНФРА-М, 2000. 480 с.

19. Goonatilake S., Khebbal S. Intelligent hybrid systems. Chichester, New York, Wiley, 1995. 325 р.

20. Senge P. M. e. a. The Fifth discipline field book: strategies and tools for building a learning organization. N. Y., Currency, 1994. 593 р.

21. Скотт Р. Управление знаниями глазами тех, кто его развивает. / ComputerWorld (Россия), 1999, № 7, с. 25-27.

(Продолжение следует)