«Он тебе понравится, если ты его поймешь. А если не поймешь, так вовсе не важно, чтобы он тебе понравился»
Льюис Кэрролл «Алиса в Зазеркалье»
Продолжение. Начало смотрите здесь.
В прошлый раз мы не случайно начали рассмотрение сугубо индустриального вопроса об управлении знаниями с обсуждения непонятно зачем выливаемой университетским образованием поголовно на всех технарей мутноватой воды гносеологических воззрений давно почивших в бозе философов.
Просто (поскольку совсем не исключено, что окружающий мир реализован именно в виде объективной реальности, данной нам в ощущениях), хотим мы этого или нет, но этот самый Knowledge Management (KM), фактически, и является структурирующим формальным посредником между объективной реальностью и нашими субъективными представлениями о ней, которые мы всеми силами пытаемся реализовать во всем, что лязгает, скрипит, громыхает за окнами или отчаянно моргает лампочками в наших компах...
Поэтому к вопросам объектности и субъектности нам придется вернуться еще не раз, но сейчас поговорим о более приземленном.
Жаль, что при Адаме Смите еще не было информатики (или про то, что именно экономисты первыми начали что-то подозревать)
Удивительно, но сломав столько копий вокруг обсуждения проблем, связанных с созданием прибавочного продукта (а параллельно еще и понатврорив делов с практическим внедрением некоторых сопутствующих научных разработок), ученые долгое время вообще серьезно не рассматривали вопроса о движущих силах технического прогресса.
Не исключено, что подобное отсутствие любопытства можно объяснить тем, что это тем, что темп освоения обществом технических инноваций был настолько не высок, что его вообще не следовало серьезно изучать: ведь в те стародавние времена всех интересовало не то, как поскорее выкинуть в продакшн двигатель внутреннего сгорания, а как скорее настругать паровых машин побольше, да сделать их подоступнее для покупателя-мануфактурщика…
Но когда промышленность просто стала не успевать за настойчивыми требованиями покупателей, грезившими все новыми и новыми усовершенствованиями, ученым мужам пришлось в серьез заняться изучением проблем, связанных с возникновением инноваций (ибо серьезная интенсификация любого процесса, как известно, просто немыслима без его детального изучения)…
…Авторитеты снизошли. И середина прошлого века была ознаменована взрывным ростом интереса к процессам, связанным с возникновением инноваций…
Первыми были экономисты (ну, куда же без них).
В 1956 году будущий Нобелевский лауреат Роберт Солоу описал формализованную модель роста экономики, основывающегося на факторах инновационного технологического развития, которая связала научно-технический прогресс с добавленным опытом работников, полученным ими в процессе труда.
Затем еще один Роберт и тоже будущий Нобелевский лауреат (но уже Лукас) детально описал влияние человеческого капитала на повышение общей эффективности производства, предположив сопоставимое влияние материального и человеческого капитала на технический прогресс.
А дальше, как из рога изобилия полноводной рекой в мир хлынули работы, призванные по достоинству оценить самоотверженный труд ученых и инженеров.
Словом, ура: инноваторов заметили, а результаты их труда заняли подобающее им достойное место в финансовой отчетности предприятий в качестве «нематериальных активов» …
Только, вот беда: ни макро- и микроэкономические оценки (несомненно, являясь серьезным подспорьем в виде некоторой обратной связи учета эффективности решения) не сильно приближают нас к созданию систем, управления этими самыми инновациями…
… «Ибо (как говорил один известный одесский стендапер прошлых лет) деньги нельзя есть и надевать на ноги» …
Поэтому для того, чтобы более предметно перейти к описанию элементов, предшествующих созданию инноваций надо перейти от их учета в стоимостном выражении (в пока еще родных рублях, или в недружественных долларах) к учету в выражении натуральном (т. е. в штуках).
Модель DIMKC (или почему умные книжки надо внимательно читать с самой первой страницы)
В связи с тем, то мы хотим поговорить непосредственно о технологических процессах изготовления инновации, нам следует вспомнить о таком достаточно скучном и пропахшем промасленной ветошью и запахом сварочных работ понятии как Технологический Передел, который, фактически, является одной из основ описания процесса изготовления чего либо.
Тот, кому сквозь разные там физики, схемотехники и сопроматы повезло в здравом уме перевалить за экватор высшего образования, конечно же вспомнит, что «передел» представляет собой «часть технологического процесса, заканчивающуюся выпуском полуфабриката, который может быть использован в дальнейшем производстве продукции или продан на сторону».
При этом, существенно, что в результате совокупности технологических процессов, входящих в состав Передела, изготовляется однородная, по исходному материалу и характеру обработки, продукция.
Разбиение технологического процесса на подобные однородные этапы позволяет аргументировано фрагментировать сложные процессы, выделяя из них, например заготовку отдельных деталей, изготовление подсборок и сборок, монтаж блоков и секций и т.п.
В информатике, поскольку она тоже может рассматриваться как обыкновенная промышленная технология (нет! ну конечно же, подернутая неким флером таинственности), тоже есть свои технологические переделы, описываемые пятиуровневой моделью DIMKC, представленной в виде скучного набора определений на самых первых страницах любого учебника по информатике.
D – уровень данных (data) - описывает совокупность полученных эмпирическим путем и зафиксированных фактов, некоторым образом характеризующих свойства объектов внешнего мира,
I – уровень информации (information) - описывает результат первичного преобразования и анализа данных, заключающийся в том числе в классификации, ранжировании и систематизации,
M – уровень модели (model) - описывает результат процесса отображения оригинального объекта исследуемой системы объектами другой системы с целью лучшего изучения оригинала,
K – уровень знаний (knowledge) - описывает результаты обобщения и установления некоторых закономерностей в конкретной предметной области,
C – уровень компетенций (competence) - описывает (безотносительно к образовательному процессу) результаты преобразования знаний в форму, доступную к применению, и востребованную рынком.
Когда-то давным-давно придворный врач Гильберт, потерев янтарную палочку о мех, описал понятие электричества. Он менял различные материалы для его выработки, изучал процессы передачи этого процесса на расстояние и определил, что все материалы по-разному вырабатывают и передают электричество, записав это в толстенных амбарных книгах словами. Так были получены и зафиксированы разрозненные данные.
Потом через много десятков лет естествоиспытатель Гальвани, используя химические элементы Вольты, изучая влияние электричества на мышцы животных, обнаружил, что чем больше разряд, тем сильнее сокращается нога лягушки. После этого он высказал предположение о том, что существует прямая зависимость силы разряда от количества батарей… В этот момент в данных появляется некоторая систематизация (и облако разрозненных фактов-точек превращается в некоторое подобие предположений-линий). Так появляется информация: уже записанная цифрами, но без особых описаний закономерностей.
Затем возникает сумеречный гений Ома, который, использовав введенные понятия силы тока, электродвижущей силы и сопротивления формулирует закон собственного имени, тем самым создавая модель явления: т. е. запись информации на абстрактном языке формул… И этот результат уже позволяет производить очень полезные в каждом домохозяйстве электрические расчеты для различных участков цепи. При этом следует иметь в виду, что созданный закон (в виде аналитической модели) особо ничего не объясняет, зато достаточно точно отвечает на вопрос «как».
Следом появляется не к ночи второкурсников помянутый Максвелл, который пытается объяснить природу возникновения тока через силы электромагнитной индукции, производя формулы (переполненные наблами, дивергенциями, роторами и прочей пугающей непосвященных дичью) объясняющие, пользуясь понятиями электрических и электромагнитных полей, передачу энергии в пространстве. Причем не только по проводам, но и посредством поля. Так появляется знание, отвечающее на вопрос «почему».
Но, как это не прискорбно звучит, знание само по себе интересно, практически, только для самих ученых, да их почитателей, любящих после сытного ужина полистать научно-популярный журнальчик, поскольку, по большому счету, знание не имеет потребительской стоимости для рядового и очень массового обывателя (который будет готов за все это пиршество ума платить из своего кармана), исключительно в виду того, что покупатель, приходя в магазин, хочет купить товар, а не пару килограммов физических законов…
И тут появляются ушлые ребята - братья Гопкинсоны, которые, воспользовавшись моделью электромагнитной индукции, рассчитывают и производят первые двух-катушечные трансформаторы на едином сердечнике, позволяющие достаточно просто менять вольтаж переменного тока, что производит полнейший переворот в технологиях передачи электрических сигналов. Вот в этот момент знания превратились в их товарную ипостась – в умение их применять на практике - т. е. в компетенции, столь необходимые любому товарному производству.
Понятно, что подобные цепочки информационно-технологических переделов универсальны и их можно разглядеть, анализируя процесс технологического прогресса практически во всех сферах деятельности.
За все приходится платить свою цену (или почему упорядоченность — это не всегда хорошо)
При этом следует отметить, что все этапы перехода от уровня данных к уроню компетенций в модели DIMKC с точки зрения организации информации с каждым новым шагом характеризуются все большим усложнением информационных структур и появлением между ними многочисленных связей. И поэтому можно утверждать, что знания и компетенции – это хорошо структурированные данные.
Однако, на светлом пути познания, ведущем универсальным путем информационно-технологических переделов от сырых данных к могучим компетенциям, есть не совсем заметное, но чрезвычайно трудно преодолимое препятствие: создавая все более совершенные (на наш взгляд) информационные структуры, мы с каждым новым упорядочиванием теряем все больше и больше.
Начнем с этапа сбора данных, которые мы получаем исходя из предварительно составленных планов наблюдений и экспериментов, которые (если до конца «по чесноку»), составляются исходя из хотя бы приблизительных представлений того, какой результат мы хотим получить. И в этот момент мимо наших фиксаций фактически проходит все то, что имеет место, но о чем мы даже и не задумываемся (помните про области из предыдущей статьи: «Я знаю, что я не знаю» и «Я не знаю, что Я не знаю» — это про них).
На этапе обработки данных для последующего превращения их в информацию происходит, фактически, фильтрация данных. И причем, опять же с целью приведения их к наперед известной гипотезе. Конечно же, это делается отнюдь не с целью фальсификации результата, но «выбросы», которые не всегда возможно объяснить, математическая статистика всегда даст возможность списать на шумы эксперимента. (И, если условного Резерфорда в этот момент не окажется рядом, что-то нежданное обнаружиться так и не сможет).
А на этапе создания модели – так вообще: в дальнейшее рассмотрение на совершенно законном основании не пропускается значительная часть уже обработанной до этого информации. Достаточно принять некоторые допущения – и мы летим дальше на локомотиве познания, оставив позади целую кучу нас не устраивающей информационной обузы.
Со знанием всё еще более непросто. На этом этапе, используя ранее созданные модели, нам еще раз грубым рашпилем приходится стачивать уже известное, подгоняя результат под ранее созданную «картину мироздания», тоже базирующуюся на громадном количестве чужих ограничений и допущений (по большей части нам не очень известных).
На стадии превращении знаний в компетенции существенная часть ранее с таким трудом накопленных знаний тоже получает статус «так, для общего сведения». И в условный «продакшн» идет лишь их незначительная, зато «потребительски востребованная» часть…
Таким образом, неимоверное количество разнообразных ресурсов, затраченных на всех этапах информационно-технологических переделов, фактически уплывает сквозь пальцы и транснациональных корпораций, серийно производящих инновации, и маленьких магазинчиков, самостоятельно исследующих потребительское поведение, в лучшем случае оседая в цифровых архивах систем управления корпоративным контентом, не принося абсолютно никакой пользы.
А о том, кто, что и как решили с этим всем делать, мы обсудим в следующем материале цикла.
Если же вам вдруг захочется конкретики, то о прикладных результатах текущих работ по созданию элементов систем управления корпоративными знаниями еще можно посмотреть вот где:
