из электронной библиотеки / 386680340860039.pdf
.pdfраспространяющуюся на все виды активов. Обычно в рамках организации акцент делается на каком-либо одном виде интеллектуального капитала. Некоторые организации особое внимание уделяют человеческому капиталу, обучению, тренингам, системам мотивации и продвижения по службе. Другие делают акцент на вопросах маркетинга, продвижения товара на рынок, завоевания соответствующей доли рынка. Третьи увлечены созданием корпоративных систем управления, построенных с использованием современных информационных технологий. Лишь немногие одновременно уделяют пристальное внимание всем аспектам управления знаниями. Среди них фирма McKinsey.
Одним из проявлений того, что фирма осуществляет седьмую стратегию в полной мере выступает регулярный мониторинг интеллектуального капитала. В настоящее время имеется целый ряд коммерческих предприятий, которые регулярно оценивают свой интеллектуальный капитал. Это, прежде всего, шведская страховая компания Скандия, которая проводит эту оценку начиная с 1996 г., консалтинговая компания PLS Consult, оценивающая свои нематериальные активы с 1995 г., шведская телекоммуникационная компания Telia, с 1990 г. публикующая оценки своего человеческого капитала, включая счета прибылей и убытков, а также баланс, отражающий инвестиции в человеческие ресурсы.
В ряде случаев организации, имеющие опыт управления знаниями в течение нескольких лет, внедряют у себя интегрированные стратегии, которые имеют дело со всеми элементами интеллектуального капитала одновременно. Одна из таких стратегий – стратегия фирмы Скандия, которую в самой фирме называют Навигатор. Управленческая технология, выработанная в рамках Навигатора, предписывает каждому подразделению, даже каждому работнику планировать собственную деятельность в соответствии с определенным шаблоном. Этот шаблон предусматривает:
установление миссии, формирование видения, определение стратегии;
выявление факторов успеха, необходимых для достижения поставленных целей;
составление плана действий, направленных на использование этих факторов или на их развитие;
определение индикаторов (показателей), по которым можно будет определять успех действий в рамках данного плана.
По каждому направлению действий устанавливаются соответствующие
индикаторы, отражающие разные аспекты деятельности подразделения или корпорации в целом:
финансовый;
человеческий;
клиентский;
бизнес-процесса;
обновления и развития.
Другими словами, Навигатор подсказывает каждому подразделению и каждому работнику, что, планируя те или иные конкретные действия, целесообразно продумать:
какими будут последствия в финансовом смысле, как они отразятся на важнейших финансовых показателях работы подразделения, или компании в целом;
каковы будут последствия с точки зрения человеческого капитала, т. е. как они отразятся на индивидуальной компетенции сотрудников, на их составе, мотивации и пр.;
как данные действия отразятся на клиентах, на их приверженности фирме, привлекут ли запланированные действия новых клиентов или нет;
как изменятся основные бизнес-процессы, их эффективность, станут ли они более гибкими, прозрачными для клиентов;
как действия, которые были запланированы, вписываются в общие стратегические планы развития, что они меняют, какие новые элементы вносят и пр.
Нетрудно видеть, что основные положения Навигатора в значительной
мере соответствуют общим подходам, используемым в управлении знаниями, а также опираются на базовые положения теории стратегического планирования.
Рассмотренные выше стратегии управления знанием могут эффективно использоваться не только в коммерческих, но и в некоммерческих организациях. Более того, значительная часть некоммерческих организаций имеет прямое отношение к управлению знаниями. Основа их деятельности состоит именно в управлении знаниями. Среди них особо выделяются органы государственного управления. Здесь потенциальная эффективность управления знаниями может оказаться весьма высокой. Однако этот аспект управления знаниями пока еще мало разработан в отечественной и мировой научной литературе. Мало разработаны и технологии управления знаниями в органах государственного управления.
В то же время, концепция обучаемой организации вполне подходит для органов государственного и муниципального управления. В частности, в местных администрациях большую пользу могут принести системы управления знаниями, нацеленные на продуктивное взаимодействие и применение лучшей практики. Методы оценки интеллектуального капитала и стратегии менеджмента знаний могут с успехом использоваться в
деятельности органов власти. Однако вопросы применения основных идей и подходов менеджмента знаний в сфере государственного и муниципального управления требуют самостоятельного изучения.
Концепция управления знаниями способна повысить эффективность деятельности не только коммерческих, но и государственных организаций. Многие подходы к управлению знаниями, дающие положительные результаты в коммерческих организациях, применимы и в государственных организациях, в том числе, в федеральных и региональных органах управления. Так, например, повышение индивидуальной компетенции сотрудников государственных организаций — один из мощных резервов повышения эффективности и результативности работы этих организаций. Обычно и в теории, и на практике ограничиваются стандартными подходами к повышению индивидуальной компетенции работников государственных организаций. Это традиционный набор действий, охватывающий подбор, распределение, воспитание и обучение кадров. Концепция управления знаниями позволяет по-новому подойти к каждому из этих составляющих работы с кадрами.
Так, например, обучение может происходить не только в результате регулярного обучения в аудиториях, но и в результате спланированной ротации, непосредственно на рабочем месте, в результате общения с клиентами и в других не столь тривиальных формах. Важнейший элемент обучения сегодня — это обучение приемам системного мышления, технологиями совместного решения проблем. Для многих государственных организаций весьма актуальным является формирование организационной культуры, нацеленной на обмен знаниями.
Рассмотренные выше стратегии управления знаниями позволяют выделить и такое направление совершенствования работы государственных организаций, как формирование информационных систем, позволяющих осуществлять эффективный обмен знаниями и снабжать потребителей необходимыми званиями. В качестве примеров можно упомянуть геоинформационные системы, систему мониторинга предприятий в ЦБ, систему данных Госкомстата и пр.
Важны также стратегии формирования положительного имиджа государственных организаций и государственной службы в целом, стратегии, обеспечивающие продвижение управляемых объектов (в частности, продвижение городов и регионов на рынке инвестиций).
Большое значение управленческие технологии, обеспечивающие эффективное взаимодействие учреждений и организаций государственной службы с потребителями услуг. Это и социологические исследования, и
технологии горячих телефонных линий, это и приемы бенчмаркинга, это и базы данных о потребителях услуг.
В недалеком будущем можно ставить вопрос о создании баз знаний о лучших примерах использования современных управленческих технологий в государственных организациях, аналогичных тем, которые сформированы в консалтинговых компаниях типа PricewaterhouseCopers, McKinsey и др.
3.7. Инженерия знаний
При построении системы УЗ компания может придерживаться одной из двух возможных стратегий, которые представлены в следующей системе координат:
-где аккумулируются знания: «человек» (персонал) или «машина» (информационная система);
-какая из задач более приоритетна: «генерация нового» или «аккумуляция существующего» знания.
Рис. 6. Существующая в организации информация
Ориентация на персонал и активизацию человеческих ресурсов предполагает включение в систему УЗ не только задач, связанных с управлением знанием как особым информационным объектом, но и задач развития, вовлечения и удержания персонала.
Выбор «машинно-ориентированной» стратегии, хотя и не исключает работу с персоналом как источником и потребителем знаний, но связывает УЗ прежде всего с поддерживающей информационной системой или комплексом специальных программных средств.
Концепция УЗ заставляет изменить взгляд на автоматизацию корпорации, так как акцент теперь ставится на особую ценность накапливаемой информации. Новизна концепции заключается в том, что ставится иная задача — копить знания, а не разрозненную информацию, то есть закономерности и принципы, позволяющие решать производственные и бизнес-задачи. При этом в расчет берутся и те знания, которые «невидимы»,
— они хранятся в памяти специалистов, а не на материальных носителях. Знания в организации, так же как и процессы, существуют независимо
от того, осознают ли это сотрудники или нет. Вопрос в том, являются ли эти знания объектом управления. С самого начала организации УЗ необходимо взять под контроль стихийное и бессистемное накопление информации и приступить к выявлению имеющихся в компании знаний. Это один из наиболее сложных и трудоемких этапов, от его успешности зависит дальнейшая жизнеспособность системы.
Источники знаний, конечно, зависят от отраслей индустрии, но, как правило, в них входят корпоративные стандарты, методики, бизнес-правила, описание технологий, процедур, информационные массивы, накопившиеся в процессе функционирования предприятия, руководства, письма, новости, сведения о заказчиках и конкурентах, схемы, чертежи и другие документальные материалы, а также знания, навыки и умения персонала.
Источники существенно отличаются степенью формализации и доступности. Поэтому в ходе этого этапа «знания в головах» (а также в других неявных аккумуляторах знаний — документах, разрозненных базах данных и т.п. — так называемая «размытая» информация — «soft» knowledge) должны быть переведены в разряд «интеллектуальных активов» компании.
Большинство западных систем, например, mySAP Business Intelligence,
XELOPES, Hummingbird Products, CEOP Data Archive Integrated Data Mining
System и других, позиционирующихся в качестве систем УЗ, ориентированы на «добычу данных» (data mining) или «компьютерный логический анализ» (e-analytics). Для этого в поисках нужных сведений «прочесываются» корпоративные базы данных, архивы коммуникативных систем, тексты электронных документов и прочие массивы данных. Безусловно, в системах УЗ это необходимо, но недостаточно. Не менее важным является аккумуляция экспертных знаний. Следует отметить, что решение задачи извлечения знаний, существующих в головах специалистов, сопряжено с определенными трудностями. Здесь существуют специальные технологии, являющиеся предметом особой науки под названием «инженерия знаний»
(knowledge engineering), возникшей в русле разработки интеллектуальных систем примерно 15-20 лет назад.
Извлечение знаний — это своеобразная «разведка среди своих», процесс переноса компетентности специалистов сначала на аналитика или «инженера по знаниям», а затем в базу знаний системы УЗ. Обычно с процессом «извлечения» (knowledge elicitation) ассоциируются три группы проблем или аспектов, на которых надо сосредоточиться аналитику: психологический, лингвистический, гносеологический.
В российских компаниях трудности возникают еще до этого. Российский бизнес отличает почти полное отсутствие документированности. Причем не документируются не только данные, но также правила и регламенты работы. Поэтому проблему составляет не только извлечение специфических (тонких) «технологических» знаний, но и вообще системное описание деятельности компании. Следует отметить, что даже если речь идет о разработке традиционной информационной системы, а не системы УЗ, эти проблемы не теряют своей актуальности.
Следующий за извлечением этап — это «структурирование и формализация» знаний. На этом этапе должны быть выделены основные понятия, выработана понятийная структура представления информации, а затем информация записана в память на выбранном внутреннем языке. Качество интеллектуальных ресурсов напрямую зависит от уровня организации информации о соответствующих объектах бизнес-системы. Хорошо организованная информация позволяет эффективно извлекать и предоставлять лицу, принимающему решения, нужные сведения, а также осуществлять различные преобразования с целью скорейшего предоставления этих сведений в будущем.
И, наконец, надо предпринять значительные усилия, чтобы знания превратились в «силу». Ведь цель управления знаниями заключается в том, чтобы помочь людям лучше работать вместе, используя все возрастающие объемы информации и управляя ими. Командные, групповые методы работы лежат в основе современного процессного подхода к управлению. Поэтому интересно проследить связь этого подхода с управлением знаниями. Ведь все современные технологии управления, как правило, не противоречат, а дополняют друг друга, выражая веяние времени или общую парадигму менеджмента в данный период.
3.8. Системы поддержки принятия решений
Руководство крупных компаний испытывает потребность в достоверной информации о различных аспектах бизнеса компании в целях поддержки принятия решений. От этого зависит качество управления компанией, возможность эффективного планирования ее деятельности, выживание в условиях жесткой конкурентной борьбы. При этом критически важными являются наглядность форм представления информации, быстрота получения новых видов отчетности, возможность анализа текущих и исторических данных. Системы, предоставляющие такие возможности, называются Системами Поддержки Принятия Решений (СППР). Они с успехом применяются в самых разных отраслях: телекоммуникациях, финансовой сфере, торговле, промышленности, медицине и многих других.
СППР состоят из двух компонент: хранилища данных и аналитических средств.
Хранилище данных предоставляет единую среду хранения корпоративных данных, организованных в структурах, оптимизированных для выполнения аналитических операций. Аналитические средства позволяют конечному пользователю, не имеющему специальных знаний в области информационных технологий, осуществлять навигацию и представление данных в терминах предметной области. Для пользователей различной квалификации, СППР располагают различными доступа к своим сервисам.
СППР — хранилище данных
Специфика работы аналитических систем делает практически невозможным их прямое использование на оперативных данных. Это объясняется различными причинами, в том числе разрозненностью данных, хранением их в форматах различных СУБД и в разных «уголках» корпоративной сети, но, что наиболее важно, неприменимостью структур данных оперативных систем для выполнения задач анализа. Для этих целей создается специализированная среда хранения данных, называемая хранилищем данных (Data Warehouse).
Хранилище данных представляет собой банк данных определенной структуры, содержащий информацию о производственном процессе компании в историческом контексте. Главное назначение хранилища — обеспечивать быстрое выполнение произвольных аналитических запросов.
Согласно исследованию META Group, 90 - 95% компаний списка Fortune 2000 активно применяют хранилища данных, чтобы добиться преимущества в конкурентной борьбе и получить значительно большую отдачу от своих инвестиций. Трехлетнее изучение опыта 62 организаций,
проведенное International Data Corporation (IDC) показало, что эти организации в среднем получили 400-процентный возврат своих инвестиций в СППР-системы.
Перечислим главные преимущества хранилищ данных.
Единый источник информации: компания получает выверенную единую информационную среду, на которой будут строиться все справочноаналитические приложения в той предметной области, по которой построено хранилище. Эта среда будет обладать единым интерфейсом, унифицированными структурами хранения, общими справочниками и другими корпоративными стандартами, что облегчает создание и поддержку аналитических систем. Также, при проектировании информационного хранилища данных особое внимание уделяют достоверности информации, которая попадает в хранилище.
Производительность: физические структуры хранилища данных специальным образом оптимизированы для выполнения абсолютно произвольных выборок, что позволяет строить действительно быстрые системы запросов.
Быстрота разработки: специфическая логическая организация хранилища и существующее специализированное ПО позволяют создавать аналитические системы с минимальными затратами на программирование.
Интегрированность: интеграция данных из разных источников уже сделана, поэтому не надо каждый раз производить соединение данных для запросов, требующих информацию из нескольких источников. Под интеграцией понимается не только совместное физическое хранение данных, но и их предметное, согласованное объединение; очистку и выверку при их формировании; соблюдение технологических особенностей и т.д.
Историчность и стабильность: OLTP-системы оперируют с актуальными данными, срок применения и хранения которых обычно не превышает величины текущего бизнес-периода (полугода-год), в то время как информационное хранилище данных нацелено на долговременное хранение информации в течение 10-15 лет. Стабильность означает, что фактическая информация в хранилище данных не обновляется и не удаляется, а только специальным образом адаптируется к изменениям бизнес-атрибутов. Таким образом, появляется возможность осуществлять исторический анализ информации.
Независимость: выделенность информационного хранилища существенно снижает нагрузку на OLTP-системы со стороны аналитических приложений, тем самым производительность существующих систем не
ухудшается, а на практике происходит уменьшение времени отклика и улучшение доступности систем.
Наряду с большими корпоративными хранилищами данных широкое применение находят также витрины данных (Data Mart). Под витриной данных понимается небольшое специализированное хранилище для некоторой узкой предметной области, ориентированное на хранение данных, связанных одной бизнес-тематикой. Проект по созданию витрины данных требует меньших вложений и выполняется в очень короткие сроки. Таких витрин данных может быть несколько, скажем витрина данных по доходам для бухгалтерии компании и витрина данных по клиентам для маркетингового отдела компании.
Аналитические системы
Аналитические системы СППР позволяют решать три основных задачи: ведение отчѐтности, анализ информации в реальном времени (OLAP) и интеллектуальный анализ данных.
Сервис отчѐтности СППР помогает организации справиться с созданием всевозможных информационных отчетов, справок, документов, сводных ведомостей и пр., особенно когда число выпускаемых отчетов велико и формы отчѐтов часто меняются. Средства СППР, автоматизируя выпуск отчѐтов, позволяют перевести их хранение в электронный вид и распространять по корпоративной сети между служащими компании.
OLAP (On-Line Analitycal Processing) — сервис представляет собой инструмент для анализа больших объемов данных в режиме реального времени. Взаимодействуя с OLAP-системой, пользователь сможет осуществлять гибкий просмотр информации, получать произвольные срезы данных, и выполнять аналитические операции детализации, свертки, сквозного распределения, сравнения во времени. Вся работа с OLAPсистемой происходит в терминах предметной области.
OLAP-системы являются частью более общего понятия Business Intelligence, которое включает в себя помимо традиционного OLAP-сервиса средства организации совместного использования документов, возникающих в процессе работы пользователей хранилища. Технология Business Intelligence обеспечивает электронный обмен отчетными документами, разграничение прав пользователей, доступ к аналитической информации из Интернет и Интранет.
Интеллектуальный анализ данных или «добыча данных» (Data Mining).
При помощи средств добычи данных можно проводить глубокие исследования данных. Эти исследования включают в себя: поиск
зависимостей между данными (например, «Верно ли, что рост продаж продукта А обусловлен ростом продаж продукта В?»); выявление устойчивых бизнес-групп (например, «Какие группы клиентов, близких по поведенческим и другим характеристикам, можно выделить? Какие характеристики клиентов при этом оказывают наибольшее влияние на классификацию?»); прогнозирование поведения бизнес-показателей (например, «Какой объем перевозок ожидается в следующем месяце?»); оценка влияния решений на бизнес компании (например, «Как изменится спрос на товар А среди группы потребителей Б, если снизить цену на товар С?»); поиск аномалий (например, «С какими сегментами клиентской базы связаны наиболее высокие риски?»).
Типы СППР
В зависимости от функционального наполнения интерфейса системы выделяют два основных типа СППР: EIS и DSS.
EIS (Execution Information System) – информационные системы руководства предприятия. Эти системы ориентированы на неподготовленных пользователей, имеют упрощенный интерфейс, базовый набор предлагаемых возможностей, фиксированные формы представления информации. EISсистемы рисуют общую наглядную картину текущего состояния бизнеспоказателей работы компании и тенденции их развития, с возможностью углубления рассматриваемой информации до уровня крупных объектов компании. EIS–системы – та реальная отдача, которую видит руководство компании от внедрения технологий СППР.
DSS (Desicion Support System) – полнофункциональные системы анализа и исследования данных, рассчитанные на подготовленных пользователей, имеющих знания, как в части предметной области исследования, так и в части компьютерной грамотности. Обычно для реализации DSS-систем (при наличии данных) достаточно установки и настройки специализированного ПО поставщиков решений по OLAP-
системам и Data Mining.
Такое деление систем на два типа не означает, что построение СППР всегда предполагает реализацию только одного из этих типов. EIS и DSS могут функционировать параллельно, разделяя общие данные и/или сервисы, предоставляя свою функциональность, как высшему руководству, так и специалистам аналитических отделов компаний.
Области применения
Телекоммуникации