지식건축

“알만한 것은 배울 수 없다”

오스카 와일드

목표

이러한 이해 내에서 지식 관리는 비즈니스 컨텍스트 및 목표,엔터프라이즈 조직 및 운영,시스템 기능 및 기술과 같은 시스템 아키텍처 및 우려 사항을 숨겨 줄 것으로 기대합니다. 반면에,지식은 본질적으로 재사용 가능한 자산의 공유 자원이기 때문에,조직은 정보의 기원과 성격에 관계없이 서로 다른 사용자의 요구를 지원해야합니다. 따라서 지식 관리는 아키텍처에 대한 지식을 지식의 아키텍처와 결합해야합니다.

지식 표현

그들의 중추적 인 기사에서 데이비스,슈 로브,그리고 졸로 비츠 지식 표현을위한 다섯 가지 원칙을 설정:

1. 대리:실제 객체,이벤트 및 관계의 상징적 대응을 제공합니다.
2. 존재론적 약속:고려 대상 영역에 존재할 수 있는 것들의 범주에 대한 일련의 진술이다.
3. 단편적인 지적 추리론:코리아는 사물이 무엇을 할 수 있고 무엇을 할 수 있는지의 모델이다.
4. 효율적인 계산을 위한 중간: 컴퓨터로 지식을 이해할 수있게 만드는 것은 모든 학습 곡선에 필요한 단계입니다.
5. 인간 표현 매체:한 가지 전제 조건은 특정 영역 전문가,다른 한편으로는 일반 지식 관리자 간의 의사 소통을 개선하는 것입니다.

정보시스템을 지식의 특수한 사례로 삼아 5 가지 원칙을 이행하면서도 기능적 자격을 갖추게 한다:

• 지식 시스템과 마찬가지로,정보 시스템은 관련이 있다고 추정되는 외부 대상,사건 또는 활동의 상징적 표현을 관리한다.
• 시스템 모델은 합법적인 비즈니스 오브젝트 및 운영에 관한 주장입니다.
• 마찬가지로 정보 시스템은 효율적인 계산과 사용자 친화적 인 상호 작용을 지원하기위한 것입니다.

유일한 차이점은 결합에 관한 것입니다:지식 체계와는 달리 정보와 통제는 그 맥락에서 역할을하며 대리 게이트에 대한 작업은 중립적이지 않습니다.

지식 고고학

지식 구조는 사실들로 적절히 채워져야 하는 빈 상자들이다. 그러나,악명 높은 대안들에 의해 전시 된 바와 같이,사실은 주어지지 않고 관찰되어야하며,이는 반드시 어떤 관찰자를 수반하며,기득권이 아니라면 과제에 착수하고,자연적이거나 의도적으로 만들어진 어떤 장치를 수반한다. 그리고 그것들이 기록되어야 한다면,무고한 아이들의 육안으로 관찰된”순수한”사실들조차도 어떤 상징적인 표현으로 번역되어야 할 것이다.

바람을 예로 들자면,바람 양말은 상징적 의미가없는 사실을 즉시 관찰 할 수 있습니다. 자신의 행동을 이해하기 위해,기울면 및 풍속계는 방위각과 속도에 각각 필요하다;그러나 그것은 또한 방향 및 메트릭에 대한 상징적 인 프레임 워크를 필요로한다. 마지막으로,그러한 위험을 고려해야 할 때 강풍의 위험에 대한 지식을 추가 할 수 있습니다.

기업에 관한 한 지식 상자는 비즈니스 컨텍스트 및 프로세스,조직 및 응용 프로그램,기술 플랫폼에 대한 사실로 채워야합니다. 그 중 일부는 내부적으로 생산되고 다른 일부는 외부 소스에서 얻을 수 있지만 모두 특정 목적과 독립적으로 관리해야합니다.

그들의 성격(비즈니스,조직 또는 시스템)이 무엇이든,기업 자체가 생산 한 정보는 처음부터 사용할 준비가되었습니다.정의 된 구조와 의미로 식별 된 객체 또는 프로세스를 중심으로 구성됩니다.

외부 상황(시장,규정,기술 등)을 반영하는 데이터가 반드시 사용되기 전에 기업의 관심사와 목표에 매핑되어야하는 것은 아닙니다.

데이터의 정보로의 변환은 식별된 객체와 프로세스에 데이터 의미를 매핑함으로써 즉시 수행될 수 있다;또한 지연될 수 있으며,거친 데이터는 정보를 구축하기 위해 나중 단계에서 사용될 때까지 관리된다.

데이터에서 정보로

정보는 의미가 있지만 데이터는 그렇지 않습니다. “사실”조차도 천국의 만나가 아니라 현상에서 데이터와 정보로 형성되어야하며,이진,조각화 또는”큰”데이터로 요약됩니다.

• 이진 데이터는 물리적 현상,예를 들어 소리 또는 이미지의 직접 기록이다;핵심 단어로 색인 경우에도 식별 된 개체 또는 활동에,비 상징적 기능으로,관련 될 때까지 그들은 쓸모 남아있다.
• 이진 데이터와 달리,조각난 데이터는 상징적 인 모습으로 제공되지만 하위 수준의 세분성을 가진 떠 다니는 너기츠로 제공되며 이진 사촌과 마찬가지로 이러한 세밀한 설명은 식별 된 객체 또는 활동에 첨부 될 때까지 의미가 없습니다.
• “빅”데이터는 일반적으로 확장성 측면에서 이해되는데,이는 개별적으로 처리하기에는 너무 큰 덩어리를 의미하기 때문이다. 또한 식별된 대상을 보다 의미 있는 집계로 재편성하여 대상 세분성을 일부”압도적인”수준으로 확장하여 조각화된 데이터의 일반화로 정의할 수 있습니다.

지식은 상징적인 설명으로만만 구축될 수 있기 때문에,데이터는 먼저 관련 의미를 가진 식별되고 구조화된 단위로 이루어진 정보로 변환되어야 한다.

“거친”(일명 처리되지 않은)데이터에 직면하여 지식 관리자는 통계적 수단을 사용하여 데이터에서 정보를”채굴”할 수 있거나 정보 단계를 단순히 우회하고”지식이있는”에이전트가 자신의 맥락과 관심사에 따라 직접 사용하는 데이터(일명 해석)중 하나를 선택할 수 있습니다.

사실,두 정책 모두 지식이 풍부한 에이전트에 의존하며,질문은”광부”가 누구이며 무엇을 알아야합니까? 이론적으로,광부는 완전히 사전 정보없이 거친 데이터에서 관련 정보의 패턴을 추출 할 수있는 도구를 자동화 할 수있다;실질적으로,이러한 도구는 신경 네트워크에 대한 예를 들어,샘플,또는 통계 회귀 변수에 대한 무엇을 찾아야하는지에 대한 몇 가지 이전의”지능”으로 공급되어야 할 것이다. 따라서 어떤 종류의 형식,청사진 또는 정보에 거친 데이터를 프레임 하는 데 도움이 됩니다 템플릿의 필요.

정보 속성

지식은 외부 및 내부 상태에 관한 정확하고 최신 정보를 기반으로 구축되어야하며,그 목적을 위해 정보 항목은 출처,성격,수명주기 및 관련성에 따라 관리되어야합니다:

• 출처:정부 및 행정,비정부기구,기업 미디어,소셜 미디어,기업,시스템 등
• 성격:사건,결정,데이터,의견,평가 등
• 앵커 유형:개인,기관,시간,공간 등
• 라이프 사이클:인스턴트,시간 관련,최종.
• 관련성:비즈니스 목표,비즈니스 운영,조직 및 시스템 관리와 관련된 추적 가능성.

이를 바탕으로 지식 관리는 신뢰성(출처,정확성,일관성,노후화 등)및 위험 측면에서 지식을 정보 풋 프린트에 매핑해야합니다.

정보에서 지식으로

정보는 의미 있고 지식도 유용합니다. 정보 모델링으로서 지식 표현은 먼저 대리 정체성의 일관성과 연속성을 지원하기 위해 지속성 및 실행 단위에 고정되어야합니다(원칙#1).

이러한 앵커는 존재론적 약속을 담당하는 단일 조직 단위에 의해 관리되는 도메인에 할당되어야 하며,구조,특징 및 연관성으로 강화되어야 한다(원칙#2). 범위,구조 또는 기능에 따라 의미 체계를 영구 또는 응용 프로그램 도메인에 의해 각각 관리해야 합니다.

마찬가지로,온톨로지는 객체 또는 측면을 타겟팅 할 수 있으며,전자는 구조적 하위 유형과 관련되고 후자는 기능적 유형과 관련된다.

정보 모델과 지식 표현의 차이는 규칙과 제약 조건과 함께 나타납니다. 정보 및 제어 시스템의 목적은 비즈니스 객체 및 활동을 관리하는 것이지만 지식 시스템의 목적은 실제 대응 물과 독립적으로 상징적 인 내용을 관리하는 것입니다(원칙#3).

시스템 모델링에 사용되는 표준 규칙은 객체,활동 및 관련 정보에 대한 허용 된 작업을 설명합니다.:

• 앞으로(일명 푸시)규칙은 작업을 수행 할시기와 방법에 대한 조건입니다.
• 뒤로(일명 끌어 오기)규칙은 기호 표현의 일관성 또는 작업 실행에 대한 제약입니다.

정보와 지식 표현 사이의 연속성을 가정 할 때,변곡점은 시간적 및 퍼지 논리에 따라 자격을 갖춘 진리 가치에 사용되는 양식의 도입으로 표시됩니다:

• 시간적 확장은 정보의 진실 값에 타임 스탬프를 넣습니다.
• 퍼지 논리는 정보의 진실 가치에 대한 신뢰 수준을 부여합니다.

지식의 유동성과 변동성에 기초한 지능적 추론의 새로운 이론을 도입하면서 지식 체계가 정보와 통제 체계로부터 출발하는 곳이다.

의미는 보는 사람의 손에 있습니다

기업의 맥락에서 볼 때,지식은 비즈니스 운영 방법,응용 프로그램 개발 방법,시스템 관리 방법 등 상황에 따라 구성되고 목적에 따라 구동되는 정보로 이해 될 수 있습니다. 따라서 이중 관점:한편으로는 정보가 기업 문제,시스템 기능 및 플랫폼 기술에 의해 관리됩니다; 반면에 지식은 비즈니스 프로세스,시스템 엔지니어링 및 서비스 관리에 의해 주도됩니다.

즉,정보 및 데이터의 하위 계층에서 지식을 구축하는 데 사용되는 유물의 명확하고 포괄적 인 분류를 제공합니다:

• 비즈니스 분석가는 비즈니스 도메인 및 활동,조직 및 응용 프로그램,서비스 품질에 대해 알아야합니다.
• 시스템 엔지니어는 프로젝트,시스템 기능 및 플랫폼 구현에 대해 알아야합니다.
• 시스템 관리자는 위치 및 운영,서비스 및 플랫폼 배포에 대해 알아야 합니다.

이중적 관점은 또한 지식의 역학을 가리키며,정보는 그들의 근원에 의해 추진되고 지식은 사용자에 의해 끌어 당겨진다.

모든 목적을 위한 시간

사이버네틱스가 알 수 있듯이,기업은 엔트로피에 대응하는 능력에 달려 있는 실행 가능한 시스템이다.조직 자체 내에서 그리고 환경과의 상호 작용을 관리하는 데 사용되는 정보의 점진적인 다운 그레이드.

정보 내용에 따라 구성된 건축 지식에 비해,지식 아키텍처는 기능적 관심사와 정보 수명에 따라 구성되며,그 목적은 내부 및 외부 정보를 동기화하여 유지하는 것이다:

• 시장 진화와 기회(외부)에 대한 비즈니스 목표 및 요구 사항(내부)계획.
• 규제 및 계약 환경(외부)에 따른 조직 단위 및 절차(내부)평가.
• 영업 및 공급망(외부)과 함께 운영 및 프로젝트(내부)모니터링.

즉,기업 전략,조직 및 운영에 대해 각각 의사 결정자의 손에 의미(지식 일 것)를 넣습니다. 또한,살아있는 실체,수명 및 기능적 지속 가능성 인 기업은 일관되고 균질 한 층으로 합쳐집니다:

• 기업(일명 비즈니스,일명 전략적)시간 척도는 환경,목표 및 투자 결정에 의해 정의됩니다.
• 조직(일명 기능적)시간 척도는 자원의 가용성,다양성 및 적응성에 의해 설정됩니다
• 운영 시간 척도는 프로세스 기능 및 제약 조건에 의해 결정됩니다.

이러한 시간 척도,아키텍처 및 목적이 전단 층으로의 합동은 틀림없이 지식 관리의 핵심 성공 요인이다.

검색 및 스트레칭

이미 언급했듯이,지식은 목적에 의해 주도되며,목적은 도메인이나 보존 영역에 국한되지 않고 비즈니스 컨텍스트와 조직의 경계를 넘어 지식을 확장 할 수밖에 없습니다. 이는 검색,논리 및 분류를 통해 달성 할 수 있습니다.

• 검색은 사용자의 우려와 관련된 정보를 수집합니다(1). 이는 모든 지식 요구를 충족 시키거나 추가 확장을 위해 백본을 제공 할 수 있습니다.
• 검색은 새로운 조명(1 비)아래에 동일한 정보를 넣어 온톨로지(일명 분류)와 결합 될 수있다.
• 수학 또는 공식 언어를 사용하는 진리 보존 연산을 사용하여 파생 된 정보를 생성 할 수 있습니다(2).
• 마지막으로 통계 처리(3,4)를 통해 신뢰 수준이 감소 된 새로운 정보를 생성 할 수 있습니다.

예를 들어,유료 도로(1)에서 관찰 된 트래픽은 회계 목적(2),트래픽 진화 예측(3),계절 추세 분석(1)및 계절 및 가변 통행료 시뮬레이션(4)에 사용됩니다.

이러한 작업은 지식 관리에 대한 명확한 결과를 수반한다:

계산 거리가 신뢰 수준에 영향을 미치지 않는 한,진실 보존 작업은 킬로미터와 관련하여 중립적이다.

분류는 의도적으로 설계된 상징적인 도구이며,따라서 분류와 관련된 모든 지식은 설계자의 책임하에 있어야 한다.

신뢰 수준이 직접적으로 또는 노후화를 통해 영향을받을 때 문제가 발생합니다. 의사 결정은 본질적으로 위험 관리에 관한 것이므로 부분적이거나 신뢰할 수없는 정보를 다루는 것은 피할 수 없습니다. 따라서 전단 층을 따라 지식을 관리하는 것이 중요하며,각각 자체 정보 수명주기,신뢰 요구 사항 및 의사 결정 규칙이 있습니다.

지식건축에서 건축능력까지

지식건축은 기업의 중추신경계로서 운영 및 경영과정을 지원하는 데 주요한 역할을 한다. 그 점은 부분적으로 그 매트릭스 기능과 디자인 수준에 따라 정보 시스템 아키텍처(이사)를 구성 자크 먼과 같은 프레임 워크에 의해 해결된다. 그러나 설계 수준에서 알 수 있듯이 기업,시스템 및 플랫폼의 차이를 명시 적으로 다루지 않고 정보 기술에 중점을 둡니다.

이 구별은 해당 프로세스,즉 비즈니스 프로세스,시스템 엔지니어링 및 서비스 관리 간의 구별을 제어하기 때문에 중추적입니다. 그리고 일단 구별이 제대로 확립되면 지식 아키텍처는 프로세스 평가와 정렬 될 수 있습니다.

그러나 디지털 환경이 엔터프라이즈 시스템을 침범하고 관리되는 정보 자산과 빅 데이터의 지속적인 흐름 사이의 구분을 흐리게하는 것만으로는 충분하지 않을 것입니다.

이는 엔터프라이즈 아키텍처의 두 가지 구조적 결함에 초점을 둡니다:

• 데이터,정보 및 지식 간의 혼란.
• 시스템과 지식 아키텍처 간의 본질적인 불일치.

파고다 청사진을 적용한 시스템과 지식 아키텍처를 병합하여 둘 다 극복 할 수 있습니다.:

플랫폼,시스템 기능 및 엔터프라이즈 조직을 각각 데이터(환경),정보(기호 표현)및 지식(비즈니스 인텔리전스)과 정렬하면 디지털 환경에서 기업의 몰입으로 인한 변환의 추적 성이 크게 향상됩니다.

지식 표현&프로파일링 된 온톨로지

디지털 비즈니스 환경에 직면 한 기업은 지속적이고 방대한 데이터 유입에서 관련성이 높고 정확한 정보를 분류해야합니다. 모델링 방법은 열린 범위의 컨텍스트,우려 사항,의미 및 형식에 대처할 수 없으므로 더 느슨한 체계가 필요합니다.:

• 동의어 사전:용어 및 개념을 다루는 온톨로지.
• 문서:주제와 관련된 문서를 다루는 온톨로지.
• 사업: 관련 기업 조직 및 비즈니스 개체 및 활동의 온톨로지.
• 엔지니어링:조직 및 비즈니스 객체 및 활동의 상징적 표현.

그런 다음 프로파일 링 된 온톨로지는 우려의 분류를 컨텍스트와 결합하여 설계 할 수 있습니다.:

• 기관:규제 기관,꾸준한,확립 된 절차에 따라 변경.
• 전문가:당사자 사이에 합의,꾸준한,협정에 따라 변경.
• 기업:기업에 의해 정의되며 내부 의사 결정에 따라 변경됩니다.
• 사회:사용,휘발성,지속적이고 비공식적 인 변화에 의해 정의됩니다.
• 개인:관습,명명 된 개인에 의해 정의(예:연구 논문).

마지막으로,외부(규제,기업,…)와 내부(즉,엔터프라이즈 아키텍처)온톨로지가 통합 될 수 있습니다.:

이러한 온톨로지를 사용하여 엔터프라이즈 아키텍처와 기업 지식을 관리하는 것은 의사 결정,전략적(예:판형)또는 전술적(예:파트너십)을 통해 설정된 온톨로지에서 외부에서 정의 된 온톨로지(예:규정)를 분리하여 지식 관리를 동양적 거버넌스와 조정하는 데 도움이됩니다.

온톨로지 커널은 개념 증명으로 개발되었다.

데이터 분석에서 딥 러닝에 이르기까지

한쪽에는 모든 것을 포함하는 데이터의 맹공격,다른 한쪽에는 널리 퍼져있는 스마트 봇 사이에 설정되면 정보 시스템은 정체성과 목적을 잃을 수 있습니다. 그리고 그것에 대한 좋은 이유,즉 데이터,정보 및 지식 사이의 혼란이 있습니다.

영겁 전에 일어난 것처럼,온톨로지는 그 문제를 다루기 위해 명시 적으로 존재 해왔다.

더 읽어보기

• 시스템,정보,지식
• 온톨로지&모델
• 카미나오 온톨로지 커널(프로토타입 1)
• 온톨로지&엔터프라이즈 아키텍처
• 생산 자산으로서의 온톨로지
• 엔터프라이즈 거버넌스&지식
• 애자일 협업&사회 창의성
• 바퀴 재창조
• 대안 사실&증강 현실
• 알파고: 직관적 인 학습에서 전체 론적 지식에 이르기까지
• 알파 고&넌제로섬 콘테스트
• 새해:2016 년은 배울 수있는 것입니다
• 거버넌스,규정&위험
• 이벤트&의사 결정
• 운영 인텔리전스&의사 결정
• >
• 데이터 마이닝&요구 사항 분석
• 엔트로피 해독제
• 비즈니스 민첩성 대 시스템 엔트로피