Kennisarchitectuur

“Nothing that is worth knowing can be teached”

Oscar Wilde

doelstelling

zoals geïllustreerd door het Symbolic Systems Program (SSP) van Stanford University, brengen de ontwikkelingen in computer-en communicatietechnologieën informatie-en kennissystemen onder één functioneel dak, namelijk de verwerking van symbolische representaties.

binnen dat begrip zal men verwachten dat kennismanagement systeemarchitecturen en zorgen overschaduwt: bedrijfscontexten en-doelstellingen, bedrijfsorganisatie en-operaties, systeemfunctionaliteiten en-technologieën. Aan de andere kant, kennis is van nature een gedeelde bron van herbruikbare activa, de organisatie moet de behoeften van de verschillende gebruikers, onafhankelijk van de oorsprong en de aard van de informatie te ondersteunen. Kennisbeheer moet daarom kennis van architecturen verbinden met kennisarchitectuur.

kennisrepresentatie

in hun centrale artikel zetten Davis, Shrobe en Szolovits Vijf Principes voor kennisrepresentatie:

1. surrogaat: KR biedt een symbolische tegenhanger van werkelijke objecten, gebeurtenissen en relaties.
2. ontologische verplichtingen: een KR is een verzameling uitspraken over de categorieën van dingen die kunnen bestaan in het betreffende domein.Fragmentarische theorie van intelligent redeneren: een KR is een model van wat de dingen kunnen doen of kunnen worden gedaan met.
3. Medium voor efficiënte berekening: kennis begrijpelijk maken door computers is een noodzakelijke stap voor elke leercurve.
4. medium voor menselijke expressie: een eerste vereiste is het verbeteren van de communicatie tussen specifieke domeinexperts enerzijds en generieke kennisbeheerders anderzijds.

dat stelt informatiesystemen als een speciaal geval van kennis degenen, omdat ze voldoen aan de vijf principes, maar met een functionele Kwalificatie:

• net als kennissystemen beheren informatiesystemen symbolische representaties van externe objecten, gebeurtenissen of activiteiten waarvan wordt beweerd dat ze relevant zijn.
• systeemmodellen zijn beweringen met betrekking tot legitieme zakelijke doelen en activiteiten.
• ook zijn informatiesystemen bedoeld om efficiënte berekeningen en gebruikersvriendelijke interacties te ondersteunen.

het enige verschil betreft koppeling: in tegenstelling tot kennissystemen Spelen informatie-en besturingssystemen een rol in hun context, en operaties op surrogaten zijn niet neutraal.

Kennisarcheologie

Kennisconstructies zijn lege kaders die correct met feiten moeten worden gevuld. Maar, zoals notoir tentoongesteld door de alternatieve, feiten worden niet gegeven, maar moeten worden nageleefd, wat noodzakelijkerwijs impliceert een waarnemer, op taak gezet, zo niet met gevestigde belangen, en een apparaat, natuurlijk of met opzet gemaakt. En om deze vast te leggen, moeten zelfs “zuivere” feiten die door de blote ogen van onschuldige kinderen worden waargenomen, worden vertaald in een of andere symbolische voorstelling.Wind als voorbeeld, windsokken ondersteunen onmiddellijke observatie van feiten, zonder enige symbolische betekenis. Om zin van hun gedrag te maken, zijn wanes en anemometers nodig, respectievelijk voor azimut en snelheid; maar dat vereist ook symbolische kaders voor richtingen en metrics. Ten slotte kan kennis over de risico ’s van sterke wind worden toegevoegd wanneer dergelijke risico’ s in overweging moeten worden genomen.

wat ondernemingen betreft, moeten de kennisvakken worden gevuld met feiten over hun bedrijfscontext en processen, organisatie en toepassingen, en technische platforms. Sommige zullen intern worden geproduceerd, andere uit externe bronnen, maar alle moeten onafhankelijk van specifieke doeleinden worden beheerd.

ongeacht de aard ervan (bedrijf, organisatie of systemen), de door de ondernemingen zelf geproduceerde informatie is van meet af aan gebruiksklaar, i.e georganiseerd rond geïdentificeerde objecten of processen, met gedefinieerde structuren en semantiek.

dat is niet noodzakelijk het geval met gegevens die externe contexten weerspiegelen (markten, regelgeving, technologie, enz.) die moeten worden afgestemd op de belangen en doelstellingen van ondernemingen voordat ze van enig nut zijn.

die vertaling van gegevens in informatie kan onmiddellijk worden gedaan door gegevenssemantiek in kaart te brengen op geïdentificeerde objecten en processen; het kan ook worden uitgesteld, waarbij ruwe gegevens als zodanig worden beheerd totdat ze in een later stadium worden gebruikt om informatie op te bouwen.

van gegevens naar informatie

informatie is zinvol, gegevens niet. Zelfs ” feiten “zijn geen manna uit de hemel, maar moeten worden gevormd uit verschijnselen in gegevens en vervolgens informatie, zoals belichaamd door binaire, gefragmenteerde of” grote ” gegevens.

• binaire gegevens zijn directe registratie van fysische verschijnselen, bijvoorbeeld geluiden of beelden; zelfs indien geïndexeerd met sleutelwoorden blijven ze nutteloos totdat ze als niet-symbolische kenmerken worden geassocieerd met geïdentificeerde objecten of activiteiten.
• in tegenstelling tot binaire gegevens, komen gefragmenteerde gegevens in symbolische gedaante, maar als zwevende klompjes met sub-niveau granulariteit; en net als hun binaire neef, zijn deze fijnkorrelige beschrijvingen zinloos totdat ze aan geïdentificeerde objecten of activiteiten zijn gekoppeld.
• “Grote” gegevens worden gewoonlijk begrepen in termen van schaalbaarheid, aangezien het gaat om brokken die te groot zijn om afzonderlijk te worden verwerkt. Het kan ook worden gedefinieerd als een veralgemening van gefragmenteerde gegevens, met geïdentificeerde doelen gegroepeerd in meer betekenisvolle aggregaten, het verplaatsen van de gerichte granulariteit op de schaal tot een aantal “overweldigende” niveau.

aangezien kennis alleen kan worden opgebouwd uit symbolische beschrijvingen, moeten gegevens eerst worden vertaald in informatie van geïdentificeerde en gestructureerde eenheden met bijbehorende semantiek.

wanneer kennismanagers te maken krijgen met “ruwe” (ook wel niet-verwerkte) gegevens, kunnen zij kiezen tussen twee beleidstakken: informatie kan met behulp van statistische middelen uit gegevens worden “gewonnen”, of de informatiefase kan eenvoudig worden omzeild en gegevens direct worden gebruikt (ook wel geïnterpreteerd) door “goed geïnformeerde” agenten, afhankelijk van hun context en zorgen.

in feite zijn beide beleidsmaatregelen afhankelijk van goed geïnformeerde agenten, de vraag is wie de “mijnwerkers” zijn en wat ze moeten weten. Theoretisch zouden mijnwerkers volledig geautomatiseerde hulpmiddelen kunnen zijn die patronen van relevante informatie uit ruwe gegevens kunnen extraheren zonder voorafgaande informatie; praktisch zullen dergelijke hulpmiddelen moeten worden gevoed met enige voorafgaande “intelligentie” met betrekking tot wat moet worden gezocht, bijvoorbeeld monsters voor neuronale netwerken, of variabelen voor statistische regressie. Vandaar de behoefte aan een soort van formaten, blauwdrukken of sjablonen die zullen helpen om ruwe gegevens in informatie te framen.

informatie-Eigenschappen

kennis moet worden opgebouwd op basis van nauwkeurige en actuele informatie over de externe en interne stand van zaken, en daartoe moeten informatie-items worden beheerd op basis van hun bron, aard, levenscyclus en relevantie.:

• bron: overheid en overheden, NGO ‘ s, bedrijfsmedia, sociale media, ondernemingen, systemen, enz.
• aard: gebeurtenissen, besluiten, gegevens, adviezen, beoordelingen, enz.
• type anker: individu, instelling, tijd, ruimte, enz.
• levenscyclus: direct, tijdgerelateerd, definitief.
• relevantie: traceerbaarheid met betrekking tot bedrijfsdoelstellingen, bedrijfsvoering, organisatie en systeembeheer.

op basis daarvan zal kennismanagement kennis in kaart moeten brengen aan zijn informatievoetafdruk in termen van betrouwbaarheid (bron, nauwkeurigheid, consistentie, veroudering, enz.) en risico ‘ s.

van informatie naar kennis

informatie is zinvol, kennis is ook nuttig. Als informatiemodellen moeten kennisrepresentaties eerst worden verankerd in persistentie – en uitvoeringseenheden om de consistentie en continuïteit van surrogaten-identiteiten te ondersteunen (principe #1).

deze ankers moeten worden toegewezen aan domeinen die worden beheerd door afzonderlijke organisatie-eenheden die verantwoordelijk zijn voor ontologische verplichtingen, en verrijkt met structuren, kenmerken en associaties (principe #2). Afhankelijk van hun omvang, structuur of functie, moeten semantiek worden beheerd door respectievelijk persistent of applicatiedomeinen.

evenzo kunnen ontologieën zich richten op objecten of aspecten, waarbij de eerste geassocieerd wordt met structurele subtypes, de laatste met functionele.

verschillen tussen informatiemodellen en kennisrepresentatie verschijnen met regels en beperkingen. Terwijl het doel van informatie-en controlesystemen is om zakelijke objecten en activiteiten te beheren, is het doel van kennissystemen om symbolische inhoud onafhankelijk van hun werkelijke tegenhangers te beheren (principe #3).

standaardregels gebruikt in systeemmodellering beschrijven toegestane bewerkingen op objecten, activiteiten en bijbehorende informatie; ze kunnen vooruit of achteruit worden uitgedrukt:

• Forward (aka push) regels zijn voorwaarden voor wanneer en hoe operaties moeten worden uitgevoerd.
• achterwaartse (ook bekend als pull) regels zijn beperkingen op de consistentie van symbolische representaties of op de uitvoering van operaties.

uitgaande van een continuïteit tussen informatie-en kennisvoorstellingen, zou het buigpunt worden gekenmerkt door de invoering van modaliteiten die worden gebruikt voor gekwalificeerde waarheidswaarden, bijvoorbeeld volgens temporele en vage logica:

• Temporele uitbreidingen zullen tijdstempels zetten op waarheidswaarden van informatie.
• Fuzzy logic zet betrouwbaarheidsniveaus op waarheidswaarden van informatie.

daar wijken kennissystemen af van informatie-en controlesystemen omdat ze een nieuwe theorie van intelligent redeneren introduceren, een gebaseerd op de vloeibaarheid en volatiliteit van kennis.

betekenissen zijn in handen van de toeschouwers

in een bedrijfscontext kan kennis worden begrepen als informatie die door contexten wordt omlijst en wordt gestuurd door doeleinden: hoe een bedrijf te runnen, hoe applicaties te ontwikkelen, hoe systemen te beheren. Vandaar het tweeledige perspectief: aan de ene kant wordt informatie beheerst door ondernemingsbelangen, systeemfunctionaliteiten en platformtechnologie; aan de andere kant wordt kennis gedreven door bedrijfsprocessen, systeemengineering en services management.

dat zorgt voor een duidelijke en uitgebreide taxonomie van artefacten, te gebruiken om kennis op te bouwen uit lagere lagen van informatie en gegevens:

• Business analisten moeten weten over zakelijke domeinen en activiteiten, organisatie en toepassingen, en de kwaliteit van de dienstverlening.
• systeemingenieurs moeten kennis hebben van projecten, systeemfunctionaliteiten en platformimplementaties.
• systeembeheerders moeten op de hoogte zijn van locaties en operaties, diensten en platformimplementaties.

het tweeledige perspectief wijst ook op de dynamiek van kennis, waarbij informatie wordt gepusht door hun bronnen en kennis wordt getrokken door hun gebruikers.

een tijd voor elk doel

volgens de cybernetica zijn ondernemingen levensvatbare systemen waarvan het succes afhangt van hun vermogen om entropie tegen te gaan, i.e de geleidelijke downgrading van de informatie die wordt gebruikt om interacties te regelen, zowel binnen de organisatie zelf als met haar omgeving.

vergeleken met architectuurkennis, die is georganiseerd op basis van informatie-inhoud, is kennisarchitectuur georganiseerd op basis van functionele problemen en informatielevensduur, en heeft het als doel interne en externe informatie synchroon te houden:

• Planning van bedrijfsdoelstellingen en-vereisten (intern) in relatie tot marktontwikkeling en-kansen (extern).
• beoordeling van organisatorische eenheden en procedures (intern) in overeenstemming met de regelgeving en de contractuele omgeving (extern).
• toezicht op operaties en projecten (intern) samen met verkoop-en toeleveringsketens (extern).

die betekenissen (dat zou kennis zijn) in de handen van besluitvormers leggen, respectievelijk voor bedrijfsstrategie, organisatie en operaties. Bovendien zijn ondernemingen die levende entiteiten zijn, levensduur en functionele duurzaamheid bedoeld om samen te smelten tot consistente en homogene lagen:

• Enterprise (aka business, aka strategische) tijdschalen worden bepaald door omgevingen, doelstellingen en investeringsbeslissingen.
• organisatie (ook wel functioneel genoemd) tijdschalen worden bepaald door beschikbaarheid, veelzijdigheid en aanpasbaarheid van middelen
• operationele tijdschalen worden bepaald door proceskenmerken en-beperkingen.

een dergelijke congruentie van tijdschalen, architecturen en doeleinden in Afschuiflagen is ongetwijfeld een belangrijke succesfactor van kennisbeheer.

Search and Stretch

zoals reeds opgemerkt, wordt kennis gedreven door doeleinden, en doeleinden, die niet beperkt zijn tot domeinen of conserven, zijn gebonden om kennis over bedrijfscontexten en organisatorische grenzen heen uit te breiden. Dat kan worden bereikt door zoeken, logica en classificatie.

• zoekopdrachten verzamelen de informatie die relevant is voor gebruikers (1). Dat kan voldoen aan alle kennisbehoeften, of een backbone voor verdere uitbreiding.
• zoekopdrachten kunnen worden gecombineerd met ontologieën (aka classificaties) die dezelfde informatie onder nieuwe lichten plaatsen (1b).
• Waarheidsbehoudende bewerkingen waarbij wiskunde of formele talen worden gebruikt, kunnen worden toegepast om afgeleide informatie te produceren (2).
• ten slotte kan nieuwe informatie met een lager betrouwbaarheidsniveau worden verkregen door statistische verwerking (3,4).

het waargenomen verkeer op tolwegen (1) wordt bijvoorbeeld gebruikt voor boekhoudkundige doeleinden (2), om de ontwikkeling van het verkeer te voorspellen (3), om seizoensgebonden trends te analyseren (1b) en seizoensgebonden en variabele toltarieven te simuleren (4).

deze operaties hebben duidelijke gevolgen voor het kennisbeheer:

voor zover computationele afstanden het betrouwbaarheidsniveau niet beïnvloeden, zijn waarheidsbewarende operaties neutraal ten opzichte van KM.

classificaties zijn symbolische instrumenten die speciaal zijn ontworpen; Bijgevolg moet alle kennis die met een classificatie verband houdt onder de verantwoordelijkheid van de ontwerper blijven.

problemen doen zich voor wanneer het betrouwbaarheidsniveau rechtstreeks of door veroudering wordt beïnvloed. En aangezien besluitvorming in wezen over risicobeheer gaat, kan het omgaan met gedeeltelijke of onbetrouwbare informatie niet worden vermeden. Vandaar het belang van het beheren van kennis langs schaarlagen, elk met zijn eigen informatie levenscyclus, vertrouwen eisen, en besluitvormingsregels.

van Kennisarchitectuur tot Architectuurcapaciteit

Kennisarchitectuur is het centrale zenuwstelsel van het bedrijf en speelt als zodanig een primaire rol bij de ondersteuning van operationele en managementprocessen. Dat punt wordt gedeeltelijk aangepakt door Frameworks zoals Zachman wiens matrix organiseert Information System Architecture (ISA) langs mogelijkheden en ontwerp niveaus. Toch blijft, zoals blijkt uit de ontwerpniveaus, de nadruk liggen op informatietechnologie zonder expliciet aandacht te besteden aan het onderscheid tussen ondernemingen, systemen en platforms.

dat onderscheid is cruciaal omdat het het onderscheid regelt tussen overeenkomstige processen, namelijk bedrijfsprocessen, systeemengineering en services Management. En zodra het onderscheid goed is vastgesteld, kan de kennisarchitectuur worden afgestemd op de procesbeoordeling.

dat zal echter niet genoeg zijn nu digitale omgevingen bedrijfssystemen binnendringen, waardoor het onderscheid tussen beheerde informatiemiddelen en de continue stromen van big data vervaagt.

dat zet de focus op twee structurele gebreken van enterprise architecturen:

• de verwarring tussen gegevens, informatie en kennis.
• de intrinsieke discrepantie tussen systemen en kennisarchitecturen.

Beide kunnen worden overwonnen door het samenvoegen van systeem architecturen en kennis toepassen van de Pagode blauwdruk:

De uitlijning van platformen, systemen, functionaliteiten en enterprise organisatie respectievelijk met gegevens (omgevingen), informatie (symbolisch) en kennis (business intelligence) zou sterk verbeteren van de traceerbaarheid van transformaties veroorzaakt door de onderdompeling van de ondernemingen in digitale omgevingen.

Kennisvertegenwoordiging & geprofileerde ontologieën

geconfronteerd met digitale bedrijfsomgevingen moet het bedrijfsleven relevante en nauwkeurige informatie sorteren uit een continue en massale toestroom van gegevens. Aangezien modelleringsmethoden niet kunnen omgaan met de open waaier van contexten, zorgen, semantiek en formaten, zijn lossere schema ‘ s nodig, dat is precies wat ontologieën zijn bedoeld om te doen:

• Thesaurus: ontologieën met betrekking tot termen en concepten.
• documenten: ontologieën met betrekking tot documenten met betrekking tot onderwerpen.
• Zakelijk: ontologieën van relevante bedrijfsorganisatie en zakelijke objecten en activiteiten.
• Engineering: symbolische weergave van organisatie-en bedrijfsobjecten en-activiteiten.

geprofileerde ontologieën kunnen dan worden ontworpen door die taxonomie van zorgen te combineren met contexten, bijv.:

• institutioneel: regelgevende instantie, gestage, wijzigingen onderworpen aan vastgestelde procedures.
• professioneel: overeengekomen tussen partijen, stabiel, wijzigingen onder voorbehoud van overeenstemming.
• ondernemingen: gedefinieerd door ondernemingen, wijzigingen die onderworpen zijn aan interne besluitvorming.
• sociaal: gedefinieerd door gebruik, volatiele, continue en informele veranderingen.
• persoonlijk: gebruikelijk, gedefinieerd door met name genoemde personen (bv. onderzoekspaper).

Last but not least zouden externe (regelgeving, bedrijven, …) en interne (d.w.z. ondernemingsarchitectuur) ontologieën kunnen worden geïntegreerd, bijvoorbeeld met het Zachman-kader:

het gebruik van geprofileerde ontologieën om bedrijfsarchitectuur en corporate kennis te beheren zal helpen om kennismanagement af te stemmen op EA governance door ontologieën die extern zijn gedefinieerd (bijv. regelgeving), te onderscheiden van die welke zijn vastgesteld via besluitvorming, strategische (bijv. plate-form) of tactische (bijv. partnerschappen).Een ontologische kernel is ontwikkeld als een Proof of Concept met behulp van Protégé / OWL 2; een beta-versie is beschikbaar voor commentaar op de Stanford/Protégé portal met de link: Caminao Ontological Kernel (CaKe).

van Data-analyse tot Deep Learning

tussen een allesomvattende aanval van gegevens aan de ene kant, doordringende slimme bots aan de andere kant, zouden informatiesystemen hun identiteit en doel kunnen verliezen. En daar is een goede reden voor, namelijk de verwarring tussen data, informatie en kennis.

zoals het eonen geleden gebeurde, zijn ontologieën expliciet al klaar om met dat probleem om te gaan.

Verder Lezen

• – Systemen, de Informatie, de Kennis
• Ontologieën & Modellen
• Caminao Ontologische Kernel (Protégé/UIL 2)
• Ontologieën & Enterprise Architectuur
• Ontologieën als Productieve Activa
• Enterprise Governance & Kennis
• Agile Samenwerking & Sociale Creativiteit
• opnieuw het wiel Uitvinden
• Alternatieve Feiten & Augmented Reality
• AlphaGo: Van intuïtief leren naar holistische kennis
• AlphaGo & niet-Nulsomwedstrijden
• Nieuw Jaar: 2016 is het te leren
• Governance, regelgeving & risico ‘ s
• gebeurtenissen & besluitvorming
• operationele intelligentie & besluitvorming
• datamining & vereisten analyse
• EA: entropie-antidotum
• bedrijfsflexibiliteit vs Systeementropie