Videnarkitektur

“intet, der er værd at vide, kan undervises”

Oscar vil

mål

som illustreret af det symbolske systemprogram (SSP) ved Stanford University bringer fremskridt inden for computing og kommunikationsteknologier informations-og videnssystemer under et enkelt funktionelt tag, nemlig behandling af symbolske repræsentationer.

inden for denne forståelse vil man forvente videnstyring til skygge systemarkitekturer og bekymringer: forretningskontekster og mål, virksomhedsorganisation og drift, systemfunktionaliteter og teknologier. På den anden side er viden af natur en fælles ressource af genanvendelige aktiver, og dens organisation bør understøtte behovene hos sine forskellige brugere uafhængigt af informationens oprindelse og Art. Videnstyring bør derfor binde viden om arkitekturer med videnarkitektur.

vidensrepræsentation

i deres afgørende artikel Davis, Shrobe og Ssolovits satte fem principper for vidensrepræsentation:

1. surrogat: KR giver en symbolsk modstykke til faktiske objekter, begivenheder og relationer.
2. ontologiske forpligtelser: a KR er et sæt udsagn om de kategorier af ting, der kan eksistere i det pågældende domæne.
3. fragmentarisk teori om intelligent ræsonnement: en KR er en model for, hvad tingene kan gøre eller kan gøres med.
4. Medium til effektiv beregning: at gøre viden forståelig af computere er et nødvendigt skridt for enhver indlæringskurve.
5. Medium for menneskeligt udtryk: En KR-forudsætning er at forbedre kommunikationen mellem specifikke domæneeksperter på den ene side, generiske videnledere på den anden side.

der sætter informationssystemer som et specielt tilfælde af viden, da de opfylder de fem principper, men alligevel med en funktionel kvalifikation:

• ligesom videnssystemer administrerer informationssystemer symbolske repræsentationer af eksterne objekter, begivenheder eller aktiviteter, der påstås at være relevante.
• systemmodeller er påstande om legitime forretningsobjekter og operationer.
• ligeledes er informationssystemer beregnet til at understøtte effektiv beregning og brugervenlige interaktioner.

den eneste forskel handler om kobling: i modsætning til videnssystemer spiller information og kontrol en rolle i deres sammenhæng, og operationer på surrogater er ikke neutrale.

Videnarkæologi

Videnkonstruktioner er tomme kasser, der skal fyldes korrekt med fakta. Men, som notorisk udstillet af de alternative, fakta er ikke givet, men skal overholdes, hvilket nødvendigvis indebærer en eller anden observatør, sat på opgave, hvis ikke med interesser, og noget apparat, naturligt eller lavet med vilje. Og hvis de skal registreres, skal selv “rene” fakta, der observeres gennem uskyldige børns blotte øjne, oversættes til en eller anden symbolsk repræsentation.

ved at tage vind som et eksempel understøtter vindsokker øjeblikkelig observation af fakta, fri for enhver symbolsk betydning. For at give mening om deres adfærd, aftager og anemometre er nødvendige, henholdsvis For asimut og hastighed; men det kræver også symbolske rammer for retninger og målinger. Endelig kan viden om risikoen for stærk vind tilføjes, når sådanne risici skal overvejes.

for så vidt angår virksomheder skal vidensbokse fyldes med fakta om deres forretningskontekst og processer, organisation og applikationer og tekniske platforme. Nogle af dem vil blive produceret internt, andre opnået fra eksterne kilder, men alle skal styres uafhængigt af specifikke formål.

uanset deres art (virksomhed, organisation eller systemer), oplysninger produceret af virksomhederne selv er, fra starten, klar til brug, Jeg.e organiseret omkring identificerede objekter eller processer med definerede strukturer og semantik.

det er ikke nødvendigvis tilfældet med data, der afspejler eksterne sammenhænge (markeder, regler, teknologi osv.), som skal kortlægges til virksomhedens bekymringer og mål, før de er til nogen nytte.

at Oversættelse af data til information kan ske straks ved at kortlægge datasemantik til identificerede objekter og processer; det kan også blive forsinket, med grove data administreret som sådan, indtil de bruges på et senere tidspunkt til at opbygge information.

fra Data til Information

Information er meningsfuld, data er ikke. Selv ” fakta “er ikke manna fra himlen, men skal formes fra fænomener til data og derefter information, som indbegrebet af binære, fragmenterede eller” store ” data.

• binære data er direkte registrering af fysiske fænomener, f.eks.lyde eller billeder; selv når de er indekseret med nøgleord, forbliver de ubrugelige, indtil de som ikke-symbolske træk er knyttet til identificerede objekter eller aktiviteter.
• i modsætning til binære data kommer fragmenterede data i symbolsk forklædning, men som flydende nuggets med granularitet på underniveau; og ligesom deres binære fætter er disse finkornede beskrivelser meningsløse, indtil de er knyttet til identificerede objekter eller aktiviteter.
• “store” data forstås normalt med hensyn til skalerbarhed, da det refererer til klumper, der er for store til at blive behandlet individuelt. Det kan også defineres som en generalisering af fragmenterede data med identificerede mål omgrupperet til mere meningsfulde aggregater, der flytter den målrettede granularitet op på skalaen til et “overvældende” niveau.

da viden kun kan bygges ud fra symbolske beskrivelser, skal data først oversættes til information lavet af identificerede og strukturerede enheder med tilhørende semantik.

stillet over for “grove” (aka uforarbejdede) data kan videnschefer vælge mellem to politikker: information kan “udvindes” fra data ved hjælp af statistiske midler, eller informationsstadiet simpelthen omgåes og data direkte brugt (aka fortolket) af “kyndige” agenter i henhold til deres kontekst og bekymringer.

faktisk er begge politikker afhængige af kyndige agenter, spørgsmålet er, hvem der er “minearbejdere” og hvad de burde vide. Teoretisk set kunne minearbejdere være fuldt automatiserede værktøjer, der er i stand til at udtrække mønstre af relevant information fra grove data uden nogen forudgående information; Praktisk set skal sådanne værktøjer fodres med en vis forudgående “intelligens” med hensyn til, hvad der skal søges efter, f.eks.prøver til neuronale netværk eller variabler til statistisk regression. Derfor er behovet for en slags formater, tegninger eller skabeloner, der hjælper med at indramme Grove data til information.

informationsegenskaber

viden skal bygges ud fra nøjagtige og opdaterede oplysninger om eksterne og interne forhold, og til dette formål skal informationselementer styres i henhold til deres kilde, Art, livscyklus og relevans:

• kilde: regering og administrationer, NGO, virksomhedsmedier, sociale medier, virksomheder, systemer osv.
• natur: begivenheder, beslutninger, data, meninger, vurderinger osv.
• type anker: Individ, institution, tid, rum osv.
• livscyklus: øjeblikkelig, tidsrelateret, endelig.
• relevans: sporbarhed med hensyn til forretningsmål, forretningsdrift, organisation og systemstyring.

på dette grundlag skal videnstyring kortlægge viden til dets informationsfodaftryk med hensyn til pålidelighed (kilde, nøjagtighed, konsistens, forældelse osv.) og risici.

fra Information til viden

Information er meningsfuld, viden er også nyttig. Som informationsmodeller skal videnrepræsentationer først forankres til vedholdenhed og eksekveringsenheder for at understøtte konsistensen og kontinuiteten af surrogateridentiteter (princip #1).

disse ankre skal tildeles domæner, der administreres af enkelte organisatoriske enheder med ansvar for ontologiske forpligtelser, og beriget med strukturer, funktioner og foreninger (princip #2). Afhængigt af deres omfang, struktur eller funktion skal semantik styres henholdsvis af vedvarende eller applikationsdomæner.

ligeledes kan ontologier målrette mod objekter eller aspekter, hvor førstnævnte er forbundet med strukturelle undertyper, sidstnævnte med funktionelle.

forskelle mellem informationsmodeller og vidensrepræsentation vises med regler og begrænsninger. Mens formålet med informations-og kontrolsystemer er at styre forretningsobjekter og aktiviteter, er formålet med videnssystemer at styre symbolsk indhold uafhængigt af deres faktiske kolleger (princip #3).

standardregler anvendt i systemmodellering beskriver tilladte operationer på objekter, aktiviteter og tilhørende information; de kan udtrykkes fremad eller bagud:

• fremad (aka push) regler er betingelser for, hvornår og hvordan operationer skal udføres.
• baglæns (aka pull) regler er begrænsninger på konsistensen af symbolske repræsentationer eller på udførelsen af operationer.

hvis man antager en kontinuitet mellem informations-og vidensrepræsentationer, vil bøjningspunktet være præget af indførelsen af modaliteter, der anvendes til kvalificerede sandhedsværdier, f.eks. i henhold til tidsmæssig og uklar logik:

• temporale udvidelser vil sætte tidsstempler på sandhedens værdier af information.
• uklar logik sætter tillidsniveauer på sandhedsværdier af information.

det er her, vidensystemer afviger fra information og kontrol, når de introducerer en ny teori om intelligent ræsonnement, en baseret på videnens fluiditet og volatilitet.

betydninger er i hænderne på beholdere

set i en virksomhedskontekst kan viden forstås som information indrammet af sammenhænge og drevet af formål: hvordan man driver en virksomhed, hvordan man udvikler applikationer, hvordan man styrer systemer. Derfor er det dobbelte perspektiv: på den ene side styres information af virksomhedens bekymringer, systemfunktionaliteter og platformsteknologi; på den anden side er viden drevet af forretningsprocesser, systemteknik og servicestyring.

det giver en klar og omfattende taksonomi af artefakter, der skal bruges til at opbygge viden fra lavere lag af information og data:

• forretningsanalytikere skal vide om forretningsdomæner og aktiviteter, organisation og applikationer og servicekvalitet.
• systemingeniører skal vide om projekter, systemfunktionaliteter og platformsimplementeringer.
• systemadministratorer skal vide om placeringer og operationer, tjenester og platforminstallationer.

det dobbelte perspektiv peger også på dynamikken i viden, hvor information skubbes af deres kilder, og viden trækkes af deres brugere.

en tid til ethvert formål

som forstået af cybernetik er virksomheder levedygtige systemer, hvis succes afhænger af deres evne til at modvirke entropi, jeg.E den gradvise nedgradering af de oplysninger, der bruges til at styre interaktioner både inden for organisationen selv og med dens miljø.

sammenlignet med arkitekturviden, der er organiseret efter informationsindhold, er videnarkitektur organiseret efter funktionelle bekymringer og informationslevetid, og dens mål er at holde intern og ekstern information synkroniseret:

• planlægning af forretningsmæssige mål og krav (internt) i forhold til markedets udvikling og muligheder (eksternt).
• vurdering af organisatoriske enheder og procedurer (interne) i overensstemmelse med lovgivningsmæssige og kontraktmæssige miljøer (eksterne).
• overvågning af drift og projekter (internt) sammen med Salgs-og forsyningskæder (eksternt).

det sætter betydninger (det ville være viden) i hænderne på beslutningstagere, henholdsvis for virksomhedens strategi, organisation og drift. Desuden er virksomheder, der er levende enheder, levetid og funktionel bæredygtighed, beregnet til at samle sig i ensartede og homogene lag:

• Enterprise (aka business, aka strategic) tidsskalaer er defineret af miljøer, mål og investeringsbeslutninger.
• organisation (aka funktionel) tidsskalaer er indstillet af tilgængelighed, alsidighed og tilpasningsevne af ressourcer
• operationelle tidsskalaer bestemmes af procesfunktioner og begrænsninger.

en sådan kongruens af tidsskalaer, arkitekturer og formål i klippelag er uden tvivl en vigtig succesfaktor for videnstyring.

Søg og stræk

som allerede nævnt er viden drevet af formål, og formål, der ikke er begrænset til domæner eller bevarer, er bundet til at strække viden på tværs af forretningskontekster og organisatoriske grænser. Det kan opnås gennem søgning, logik og klassificering.

• søgninger indsamler de oplysninger, der er relevante for brugernes bekymringer (1). Det kan tilfredsstille alle videnbehov eller give en rygrad til yderligere udvidelse.
• søgninger kan kombineres med ontologier (aka klassifikationer), der sætter de samme oplysninger under nye lys (1b).
• Sandhedsbevarende operationer, der bruger matematik eller formelle sprog, kan anvendes til at producere afledt information (2).
• endelig kan nye oplysninger med nedsat konfidensniveau produceres gennem statistisk behandling (3,4).

for eksempel anvendes observeret trafik på betalingsveje (1) til regnskabsmæssige formål (2), til at forudsige trafikudviklingen (3), til at analysere sæsonmæssige tendenser (1b) og simulere sæsonbestemte og variable vejafgifter (4).

disse operationer medfører klare konsekvenser for videnstyring:

så vidt beregningsafstande ikke påvirker tillidsniveauer, er sandhedsbevarende operationer neutrale med hensyn til KM.

klassifikationer er symbolske værktøjer designet med vilje; som følge heraf bør al viden, der er knyttet til en klassificering, forblive under designerens ansvar.

udfordringer opstår, når tillidsniveauer påvirkes, enten direkte eller gennem forældelse. Og da beslutningstagning i det væsentlige handler om risikostyring, kan håndtering af delvis eller upålidelig information ikke undgås. Derfor er vigtigheden af at styre viden langs klippelag, hver med sin egen informationslivscyklus, tillidskrav og beslutningsregler.

fra Vidensarkitektur til Arkitekturkapacitet

Videnarkitektur er virksomhedens centrale nervesystem, og som sådan spiller det en primær rolle i understøttelsen af operationelle og ledelsesmæssige processer. Dette punkt behandles delvist af rammer som f.eks. Men som illustreret af designniveauerne forbliver fokus på informationsteknologi uden eksplicit at tage fat på sondringen mellem virksomhed, systemer og platforme.

denne sondring er afgørende, fordi den regulerer sondringen mellem tilsvarende processer, nemlig forretningsprocesser, systemteknik og serviceledelser. Og når sondringen er korrekt etableret viden arkitektur kan tilpasses processer vurdering.

alligevel vil det ikke være nok nu, hvor digitale miljøer invaderer virksomhedssystemer, hvilket slører sondringen mellem administrerede informationsaktiver og de kontinuerlige strømme af big data.

det sætter fokus på to strukturelle mangler ved virksomhedsarkitekturer:

• forvirringen mellem data, information og viden.
• den iboende uoverensstemmelse mellem systemer og videnarkitekturer.

begge kan overvindes ved at flette system-og vidensarkitekturer, der anvender Pagoda-planen:

tilpasningen af platforme, systemfunktionaliteter og virksomhedsorganisation med henholdsvis data (miljøer), information (symbolske repræsentationer) og viden (business intelligence) ville i høj grad forbedre sporbarheden af transformationer induceret af nedsænkning af virksomheder i digitale miljøer.

vidensrepræsentation& profilerede ontologier

overfor digitale forretningsmiljøer skal virksomheden sortere relevant og nøjagtig information ud af kontinuerlig og massiv tilstrømning af data. Da modelleringsmetoder ikke kan klare det åbne udvalg af sammenhænge, bekymringer, semantik, og formater, løsere ordninger er nødvendige, det er netop, hvad ontologier er beregnet til at gøre:

• tesaurus: ontologier, der dækker udtryk og begreber.
• dokumenter: ontologier, der dækker dokumenter med hensyn til emner.
• forretning: ontologier af relevant virksomhedsorganisation og forretningsobjekter og aktiviteter.
• teknik: symbolsk repræsentation af organisation og forretningsobjekter og aktiviteter.

profilerede ontologier kan derefter designes ved at kombinere denne taksonomi af bekymringer med sammenhænge, f. eks:

• institutionel: regulerende myndighed, stabil, ændringer underlagt etablerede procedurer.
• professionel: aftalt mellem parterne, stabil, ændringer underlagt aftaler.
• Corporate: defineret af virksomheder, ændringer underlagt intern beslutningstagning.
• Social: defineret ved brug, Flygtige, kontinuerlige og uformelle ændringer.
• personlig: sædvanlig, defineret af navngivne personer (f.eks.

sidst men ikke mindst kunne eksterne (lovgivningsmæssige, virksomheder,…) og interne (dvs.virksomhedsarkitektur) ontologier integreres, f. eks. med:

brug af profilerede ontologier til styring af virksomhedsarkitektur og virksomhedsviden vil hjælpe med at tilpasse videnstyring med EA-styring ved at adskille ontologier defineret eksternt (f.eks.regler) fra dem, der er fastlagt gennem beslutningstagning, strategisk (f.eks.pladeform) eller taktisk (f. eks. partnerskaber).

en ontologisk kerne er udviklet som et konceptbevis ved hjælp af Protristg/ugle 2; en betaversion er tilgængelig for kommentarer til Stanford/Protristg-portalen med linket: Caminao ontologisk kerne (kage).

fra dataanalyse til dyb læring

sæt mellem altomfattende angreb på data på den ene side, gennemgribende smarte bots på den anden side, informationssystemer kunne miste deres identitet og formål. Og det er der en god grund til, nemlig forvirringen mellem data, information og viden.

som det skete For æoner siden, ontologier har været eksplicit, men op til at håndtere dette problem.

yderligere læsning

• systemer, Information, viden
• ontologier & modeller
• Caminao Ontological Kernel (Protkirriterg/ugle 2)
• ontologier & Enterprise Architecture
• ontologier som produktive aktiver
• enterprise Governance & viden
• Agile Collaboration & social kreativitet
• genopfinde hjulet
• alternative fakta & Augmented Reality
• AlphaGo: Fra Intuitiv læring til holistisk viden
• AlphaGo & ikke-Nulsumskonkurrencer
• Nytår: 2016 er den, der skal lære
• styring, regler & risici
• begivenheder & beslutningstagning
• operationel intelligens & beslutningstagning
• Data Mining & kravanalyse
• EA: entropi modgift
• business agility vs systems entropi