Цели фирмы и цели автоматизации

(«дерево целей» и показатели деятельности компании)

Дерево целей — структурированная, построенная по иерархическому принципу (распределенная по уровням, ранжированная) совокупность целей экономической системы.

Экономический словарь для старшеклассников

Концепция «дерева целей» впервые была предложена Ч. Черчменом и Р. Акоффом в 1957 году и представляет собой упорядочивающий инструмент (подобный организационной схеме компании), используемый для формирования элементов общей целевой программы развития компании (главных или генеральных целей) и соотнесения  со специфическими целями различных уровней и областей деятельности. Новизна метода, предложенного Ч. Черчменом и Р. Акоффом, заключалась в том, что ими предпринималась попытка придать различным функциональным подсистемам количественные веса и коэффициенты с целью выявить, какие из возможных комбинаций обеспечивают наилучшую отдачу.

Два дерева или одно дерево

Автоматизация, до недавних пор, представляла собой один из способов совершенствования выполнения определенных функций автоматизируемого объекта  в различных областях деятельности предприятия:

• Производства – например, станки с ЧПУ,
• Сбыта – например, считыватели штрих-кодов,
• Обеспечения – например, охранная  сигнализация.

Следствие такой функциональной ориентированной модели деятельности - была «локальная» («кусочная») автоматизация – Автоматизированные Рабочие Места  - АРМы, которые, фактически, представляли собой персональные средства обработки информации.

Современные же, интегрированные системы ориентированы уже не на отдельные функции, а на процессы, т.е. объектом  управления становятся сквозные материальные, финансовые и информационные потоки. Поэтому возникла потребность оценивать не локальные «успехи» в автоматизации отдельных участков деятельности, а вклад автоматизации в успешность деятельности предприятия в целом.

В качестве интегрированных автоматизированных систем управления (ИАСУ), рассматриваются системы, при создании которых реализован принцип нисходящего проектирования систем, выполняющих взаимосвязанные задачи, которые в результате взаимодействия обеспечивают достижение целей компании за счет совершенствования самого процесса управления.

Дерево целей собственно самой автоматизации, может быть направлено на достижение  эффективности информационного обеспечения процессов управления, т.е.процесса разработки, принятия и контроля реализации управленческих решений.

При этом современные средства стремятся добиться принципиально нового качества этого информационного обеспечения, обеспечивая такие показатели как:

• хранение большого объема информации (накапливаемая база знаний),
• структурность и  наглядность информации,
• четкая  адресность управленческих отчетов
• отражение как тактических, так и стратегических показателей деятельности,
• скорость и точность выполнения сложных информационных преобразований,
• быстрый распределенный  доступ (в том числе средствами Интранет),
• возможность групповой работы с информацией и т.п.

Надо отметить, что здесь перечислены, в основном,  чисто технические показатели и внешние пользовательские аспекты информационных систем.

Но, любая  интегрированная  система (ERP и проч.) имеет внутреннюю логику, а вернее зашитую в нее методологию управления. Современная автоматизация управления всегда связана с внедрением современных методов управления и, более того, без изменения устаревших методов управления автоматизация малоэффективна. В тоже время, главная опасность, являющаяся  причиной многочисленных «неудачных внедрений» кроется в том, что информационную систему начинают внедрять, не разобравшись, какую зашитую в ней логику управления она навязывает, соответствует ли эта логика целям предприятия,  способно ли предприятие ее реализовать или какой ценой и т.п.

То есть, при определении «дерева целей» автоматизации на верхнем уровне необходимо рассматривать не технические показатели, а те методы управления, которые становятся возможными в компании после внедрения этой системы.

И, таким образом, «дерево целей» автоматизации становится одной из ветвей «дерева целей» компании.

Дерево целей – от миссии к показателям

Существует ли универсальная «цель целей», которая является «желаемой» практически для любой компании, каковы современные подходы к интегральной оценке деятельности предприятия, каковы общепризнанные цели и их иерархия, образующая «дерево целей» компании?

До недавних пор высшей целью по умолчанию (и одновременно показателем успеха) для большинства российских компаний оказавшихся в условиях рыночной экономики была прибыль и только прибыль. Причем для них важна прибыль сегодняшнего дня, которую во всем мире уже давно отличают от долговременного, «стратегического» успеха и прибыли в будущем.

Крайним выражением «стратегического» подхода к прибыли является высказывание Портера: «Прибыль – суть побочный эффект от успешно реализованной миссии и стратегии»

То есть финансовые показатели лишь подводят итоги успешности бизнеса и прибыль как таковая, является лишь одним из элементов оценки  деятельности компании.

Многолетний западный и уже наработанный отечественный опыт доказали, что компании, сосредоточенные только на прибыли за данный год или на обеспечении текущей рентабельности (понимаемой, как экономии на всем), страдают близорукостью. А правильный выбор критерия деятельности оказывает большое влияние на принимаемые решения.

У российских компаний есть шанс проскочить несколько шагов развития управленческих технологий, сделав эволюционный скачок от тактики разрозненных действий к использованию стоимостных подхода к оценке бизнеса. 

Основные его постулаты:

• максимизация стоимости компании является главной целью стратегического управления;
• прирост стоимости является главным критерием эффективности управления.

То есть повышение эффективности управления предприятием определяется не только ликвидностью или величиной прибыли, а увеличением «цены» бизнеса. Целенаправленное управление требует выбора на верхнем уровне одной, ориентированной на стоимость, целевой функции. И такой целью является «стоимость бизнеса» в интересах его владельцев (собственников, акционеров).

Не надо думать, что отсутствие развитого фондового рынка (рынка акций) делает такой подход неприменимым в России. Например, даже в малом бизнесе, компания с поставленным регулярным менеджментом  приобретает реальную стоимость и только такой бизнес можно продать как «бизнес», а не сумму материальных активов, эффективное управление которыми неотделимо от самого предпринимателя.

Ответ на вопрос «какие факторы сказываются на стоимости предприятия», к повышению которой надо стремиться, позволяет определиться со следующим уровнем «дерева целей».

Одним из главных открытий современной теории управления бизнесом, сделанном в начале 90-х годов 20-го века, было то, что в процессе принятия решений руководители и собственники испытывают все большую потребность в информации не только финансового характера. В условиях быстро развивающихся рынков и острейшей конкуренции нефинансовая информация, базирующаяся на оценке нематериальных активов предприятия приобретает все большее значение. Наряду с (1) получением прибыли и повышением капитализации (финансы) сегодня первостепенное значение получают следующие цели:  (2) завоевания долей  рынка и приобретения конкурентных преимуществ, лояльности клиентов, способность предприятия обеспечить их удержание, (3) прогрессивности технологий и уровня отлаженности бизнес - процессов, (4) мощный и высококвалифицированный кадровый потенциал – все эти факторы имеют огромное значение и оказывают влияние на стоимость компании в настоящем и будущем.

Система Balanced Scorecard (BSC) сбалансированная система показателей, дает возможность оценить эти факторы и открывает новые возможности для управления и позволяет контролировать тактическое состояние и стратегическое развитие бизнеса.  Именно наличие такой сбалансированной системы показателей позволяет перейти от качественного описания целей предприятия через идеальный образ желательного будущего результата предпринимательской деятельности к  операциональному.  В этом случае  цель это будущий желаемый и достижимый результат, поддающийся  количественному измерению и/или проверке в эксперименте.

Данная система положена в основы наиболее мощной и популярной в мире системы управления предприятием фирмы SAP AG  - модуль SAP–SEM (Strategic Enterprise Management)

Используя этот подход, можно построить  «деревья» целей компании и целей автоматизации, как его фрагмент.

На  верхнем уровне этого дерева находится Миссия, компании, трактуемая как Целевое состояние Компании, являющееся основой для разработки стратегии развития.

Система сбалансированных показателей переводит миссию и корпоративную стратегию в систему четко обозначенных целей и задач и, главное, в систему показателей, определяющих степень достижения данных установок в рамках четырех основных проекций:

• финансовой (какой компания представляется своим акционерам и инвесторам),
• маркетинговой (какой компания представляется своим покупателям),
• внутренних бизнес-процессов (какие бизнес-процессы необходимо улучшить, от каких отказаться, на каких сосредоточиться),
• обучения и роста (может ли компания продолжать свое развитие, повышать эффективность и увеличивать стоимость).

В рамках каждой такой проекции определяются драйверы (двигатели, частные цели) эффективности и показатели их оценивающие, которые во многом зависят от специфики деятельности компании, выбранных стратегий и возможностей их наблюдения с помощью применяемых для автоматизации программных продуктов. Основные драйверы эффективности по каждой из указанных проекций приведены в Таблице 1.

Каждый из показателей можно детализировать дальше, вводя показатели нижнего уровня.

Например, декомпозиция Целей в области финансов базируется на предпосылке, что основная цель бизнеса на операционном уровне – это максимизация показателя ROA (или, по-русски рентабельности активов РА), т.е. отношения прибыли до налогообложения и выплаты процентов по кредитам к активам – показателя, который характеризует основную деятельность предприятия. 

Предприятие должно выбрать за счет чего этот показатель в первую очередь будет улучшаться – за счет повышения оборачиваемости активов, например за счет более эффективного управления запасами, или за счет снижения издержек и повышения тем самым рентабельности оборота.  Для контроля  этих показателей коэффициент РА преобразуется путем домножения числителя и знаменателя на одно и то же число (Выручку от реализации или, что то же самое, Оборот) в произведение двух показателей:

Такое преобразование дает возможность контролировать еще два  целевых показателя: К_оа –   оборачиваемость активов и К_ро –  рентабельность оборота (или продаж)

Возможна и дальнейшая детализация этих показателей (Рис. 1), которые станут критериями успешности достижения поставленных целей менеджерами компании.

Таким образом, основная задача построения «дерева целей»– это   прописывание структуры целевых показателей и  выбор средств автоматизации для их улучшения.

Первый из указанных выше показателей, может быть улучшен, например, более эффективным   управлением запасами – за счет точного заказа материалов и КИ под производственный заказ. Это одна из задач, которая решатся с помощью методологии MRP  (Material Resource Planning) – Планирование материальных ресурсов. В этой же системе заложена поддержка и более сложного стандарта  MRPII  (Manufacture  Resource Planning) – Планирование производственных ресурсов, к которым относятся и производственные мощности, и трудовые производственные ресурсы.

Детализируя далее, можно использовать в качестве целей следующих уровней следующие показатели эффективности внедренной системы:

• Снижение уровня запасов (10 – 15%)
• Устранение неучтенных недостач (обычно они составляют 3 – 5% от уровня запасов)
• Снижение средних цен закупок материалов (иногда  цены по одинаковым  позициям отличались в 2-3 раза)
• Снижение текущих потребностей в основных материалах (планирование потребностей и оперативное лимитирование позволяет снизить необоснованную выдачу материалов в цеха на 10 – 15%)
• Снижение текущих потребностей во вспомогательных  материалах (нормирование и лимитирование материалов снижает расход на 20 – 30%)
• Снижение на 20 – 30% потерь от простоев оборудования
• Снижение на 5 – 10%  объема незавершенного производства в цехах
• Снижение на 10 – 15% доли сверхурочных работ, ликвидация авралов
• Сокращение запасов готовой продукции на складах на 10 – 15%
• 
  

Хотя, применение стандарта MRPII, сказывается и на улучшении показателя  К_рд, многие резервы повышения эффективности деятельности связаны с задачей повышения эффективности управления не только в сфере производства, а требуют перехода к управлению всеми ресурсами предприятия (переход к стандарту ERP).  Иными словами на предприятии должен быть поставлен тотальный управленческий учет (УУ). Под управленческим учетом – обычно понимается система управления прибылью предприятия через управление затратами. Но, управленческий учет  не является учетом в узком смысле этого слова, а включает также и планирование, контроль, анализ и принятие решений. Термин «тотальный» означает,  что управленческий учет охватывает  все объекты управления на предприятии и все управленческие функции, которые также являются источником затрат.

Средством выявления всех этих источников затрат является бизнес-модель предприятия, в которой отражена полная система его процессов, а также те ресурсы, которые потребляет каждый из них для своей деятельности. Но величину этих затрат недостаточно просто знать – ими надо управлять, а точнее их надо планировать.

Для обозначения процесса оперативного планирования в российской управленческой практике используется целый ряд понятий – «бюджетирование», «финансовое планирование», «планирование финансово-хозяйственной деятельности».

Финансовые планы («Бюджет доходов и расходов», «Бюджет движения денежных средств», «Прогнозный баланс» и т.д.) создаются на основе планов текущей деятельности (называемых также операционными бюджетами – «План реализации», «План производства», "План потребности в материалах" и т.д.), т.е. финансовые планы без планов текущей деятельности просто не могут быть созданы. Поэтому, финансовое планирование представляет собой завершающую стадию процесса планирования деятельности предприятия.

Постановка процессов финансового планирования замыкает контур управления ресурсами, который обычно содержится в системах класса ERP (Enterprise Resource Planning – Планирование Ресурсов Предприятия). Регулярное наблюдение  за базовыми показателями деятельности предприятия позволит определить экономический эффект от внедрения ИАСУ. 

Две стороны менеджмента – две задачи автоматизации

Решение традиционной задачи повышения «производительности» как соотношения стоимости произведенной продукции к стоимости затраченных ресурсов не обязательно ведет к процветанию компании – в настоящее время способность производить товары в целом превышает спрос. Поэтому борьба идет за скорейший вывод на рынок новых и более привлекательных товаров – т.е. доминирующей стратегией становится стратегия дифференциации, а не лидерства по издержкам! В этом главная роль уже принадлежит не столько производственным, сколько офисным технологиям. Поэтому любые проекты реорганизации системы управления (в том числе на базе ИТ-технологий) не могут оцениваться по соотношению произведенных затрат и сэкономленных в будущем издержек. Информационные системы не являются «затратной частью ведения бизнеса», а вносят активный вклад в цепочку добавленного качества организации. Движущей силой преобразований является стремление получить преимущества, а не избежать расходов!

Кроме того, эффективная организация деятельности снижает особый вид издержек, исчисление которых плохо поддавалось оценке традиционными методами, а величина могла быть столь значительной, чтобы определять возможность самого существования компании. Речь идет о, так называемых,  трансакционных издержках  - издержках, возникающих из-за плохой организации взаимодействия компании с внешней средой, между ее подразделениями и сотрудниками (Рис 2.). Хотя эти издержки значительно труднее оценить количественно – потери от них в настоящее время выходят на первый план. Причем речь может идти не просто о степени успешности компании, а об ее «выживании» на рынке.

Следствием выбора той или иной конкурентной стратегии компании и следовательно системы целей определяет, какие виды издержек   находятся в центре внимания ее менеджмента!

И, соответственно, это также определяет выбор направлений и средств автоматизации.

В начале 90-х годов на Западе появились первые программы, способные помогать решению задач, связанных с организационными проблемами управления предприятием. Первоначально это были специализированные модули в составе наиболее мощных западных систем корпоративного управления (SAP/R3, SOCAP, BAAN), задачей которых было формальное описание предприятий подлежащих автоматизации. (Orgware – организационный продукт, так назывался подобный модуль BAAN, который мы применяем для названия всего класса). Новые программы были ориентированы на решение задач систематизации, хранения и обработки «неколичественной» информации об организации бизнеса, которые раньше не имели адекватной компьютерной поддержки. С выходом 1998 г на отечественный рынок orgware БИГ-Мастер в России появились и собственные разработки подобных программ, причем в варианте, допускающем их применение вне рамок дорогих корпоративных решений.

Orgware являются средствами поддержки «организационного менеджмента» или организации деятельности, чем они  радикально отличаются от других программных компонент корпоративных информационных систем, нацеленных на управления ресурсами. Подавляющее большинство систем управления, внедряемых на российских предприятиях автоматизируют именно управление ресурсами, прежде всего, материальными и финансовыми. Различие в объекте управления часто проявляется даже терминологически – для «ресурсов» чаще применяется термин «управление», а «менеджмент организации» - это и есть собственно менеджмент в узком смысле этого слова. Это надо четко понимать для позиционирования новых продуктов относительно программ типа 1С, Парус, БЭСТ и других. Эту позицию можно определить формулой «не вместо, а вместе». В отличие от этих продуктов orgware отвечают прежде всего на вопросы «как?», а не «сколько?» - что, по крайней мере, не менее важно для управления организацией!

Таким образом, автоматизация управления – это комплексное решение, которое можно разделить на две связанные задачи:

• Автоматизация управления ресурсами – внедрение MRP/ERP-системы (например, IPS-производство)
• Автоматизация управления организацией деятельности – внедрение программных продуктов  класса Orgware (например, ОРГ-МАСТЕР®).
• 
  

Такой, комплексный подход к автоматизации позволяет компании решает стоящие перед ней стратегические и тактические задачи, которые делают управление осмысленным:

• Разработка и реализация Миссии компании как открытой социально-экономической системы:
  • самоидентификации компании как субъекта (ценности и ожидания) и объекта управления (потенциальные возможности),
  • виденье своего предназначения (существующих и перспективных видов собственной коммерческой деятельности),
  • делового кредо (цели и принципы взаимодействия со всеми заинтересованными  сторонами).
• Постоянный контроль достижения корпоративных целей (развитие, интеграция, инвестиции и т.п.), выраженных в плановых значениях сбалансированной системы показателей эффективности  (Balanced  Scorecard):
  • финансы
  • маркетинг
  • внутренние бизнес-процессы
  • обучение и рост

Это обеспечивает компании открытость, прозрачность и предсказуемость – необходимые условия инвестиционной ( и вообще партнерской) привлекательности.

По мнению большинства инвесторов, стоимость бизнеса (в т.ч. акций) и инвестиционная привлекательность  зависит от трех факторов – прозрачности компании, состояния и перспектив ее рынка, наличии у ней четкой стратегии  развития.

Вместо заключения

В настоящее время российские предприятия, вслед за всем цивилизованным миром вступили в период не просто рыночной экономики, а «информационной» экономики постиндустриального общества. Основные потребности уже удовлетворены и фирмы должны либо искать специфические потребности, либо создавать новые, или просто улучшать продукцию, создаваемую в настоящее время. Несмотря на то, что в большинстве случаев к огорчению предприятий и радости потребителей конкуренция вытесняет слабые компании, единственный способ выжить сегодня – это использовать информацию осмысленно и быстро. До настоящего времени фирмы могли испытывать дефицит информации, она была чем-то вроде рассыпанных зерен в траве, и интерес был сфокусирован на поиске этих зерен. Новый век создает другие проблемы -  он погружает нас в океан информации и заставляет нас выбирать только самые важные и полезные капли из этого океана.

Какая же информация нужна фирмам для того, чтобы найти свое место «под солнцем?» Только принципы бухгалтерского учета определяют фирму как независимую единицу, но в действительности она тесно интегрирована с рынком и средой.  В качестве объектов самых сильных связей можно отметить потребителей, конкурентов, партнеров и инвесторов. Кроме того, на ее деятельность оказывают влияние политические, экономические, социальные и технологические ситуации. Когда фирма получает информацию о потребителях, она определяет круг своих желаний и создает набор целей, которых хотела бы достичь. Информация о конкурентах, партнерах, инвесторах дает возможность выбрать наиболее важные цели из этого набора и определить пути реализации выбранных целей.

Однако важно не только знание внешних факторов, но также внутренних возможностей и потребностей фирмы. 

Фирма – это сложная  взаимодействующая система собственников, менеджеров, служащих, ресурсов и технологий, и связи между всеми элементами этой системы должна быть достаточно прозрачны. Знание этих взаимосвязей во-первых помогает менеджерам компании   осознать потенциал организации, необходимый для достижения поставленных целей, а во-вторых получать точную информацию о процессах, происходящих внутри предприятия. Другая важная информация касается источников возможностей, третья – внутренних процессов. Наличие адекватной информации важно не только для развития самой фирмы, но и для ее контрагентов. Для того, чтобы разработать эффективные информационные каналы с клиентами и партнерами, фирма должна понимать свои собственные процессы. Фирма, которая может легко обеспечить других достоверной и необходимой информацией, получает серьезное преимущество, так как другие участники рынка также находятся в постоянном поиске достоверной информации. Потребители заинтересованы в надежности и скорости выполнения заказа, инвесторы – в финансовой информации относительно фирмы, партнеры – в знаниях о направления развития фирмы; особенно важным является то, что вся эти информация должна быть получена своевременно. Поэтому получение информации извне и ее предоставление другим, создает как дополнительные возможности, так и обусловливает возникновение новых путей для реализации этих возможностей.

Кроме того, сейчас с уверенностью можно говорить, что в 21 веке точные знания о внутренних операциях фирмы есть основа роста и выживания бизнеса. Системы моделирования и планирования ресурсов предприятия представляют собой средство ясного понимания внутренних процессов.

Однако все эти системы – это не только инструмент для получения информации, но и носитель определенных стандартов менеджмента.

На тему, правильной постановки задач и определения целей при внедрении информационных систем, нами было опубликовано значительное количество материалов (см. www.bigс.ru), поэтому ограничимся лишь в заключение лишь одной цитатой  из этих публикаций:

 «Причина (неудач внедрения!)  в том, что под видом внедрения компьютерной системы, фактически, проводится полная реструктуризация управления. Причем делается это бессознательно: персонал как бы учится программе, а на самом деле ему задаются совершенно другие принципы менеджмента: стандарты действий и управленческой отчетности. Но поскольку происходящее не осознается правильно, то усилия не направлены должным образом. А такие усилия необходимы,  именно потому, что процесс реструктуризации управления предприятием на порядок сложнее, чем перевод  менеджмента на компьютерные технологии».  (БИГ-СПб, «От автоматизации к реструктуризации по шагам …и обратно», Экономика и Жизнь, региональный выпуск, 1998 г.)

Таблица 1. Верхние уровни «дерева целей» и средства контроля их достижения с помощью  автоматизированных систем управления (на основе сбалансированной системы показателей эффективности  (Balanced  Scorecard))

Цели в области:	Драйверы эффективности	Оценивающие показатели	Программное средство
1. Финансы	1.1 Рентабельность активов	Прибыль/Активы	ERP-cистемы
	1.2 Оборачиваемость  активов	Оборот/Активы
	1.3 Рентабельность деятельности	Прибыль/оборот
	И  т.п.
2.Маркетинг	По ключевым сегментам рынка
	2.1 Ключевые факторы успеха товара	Усредненные по группе экспертов,     отранжированные и отобранные по уровню 80% привлекательности взвешенные оценки привлекательности ключевых факторов  успеха	Аналитические  CRM -системы
	2.2 Покупательская удовлетворенность	Усредненная по группе экспертов сумма  взвешенных оценок  удовлетворенности по совокупности ключевых факторов успеха.
	2.3 Степень лояльности клиентов	Процент повторных обращений по отношению к общему количеству продаж
	2.5 Доля рынка	Процент объема продаж компании по отношению к общему объему продаж товаров данному сегменту
3. Бизнес-процессы	По ключевым бизнес-процессам
	3.1 Степень зрелости отдельных процессов	Шкала зрелости	Orgware/ Work-Flow
	3.2 Степень зрелости системы процессов	Сумма отнормированных взвешенных оценок по совокупности ключевых процессов (по уровню 80% важности)
	3.3 Количество нарушений процедур работы	Случаев за отчетный период
4. Обучение и рост	По ключевым специалистам
	4.1 Ключевые факторы комфорта персонала	Усредненные по группе экспертов,     отранжированные и отобранные по уровню 80% взвешенные оценки ключевых факторов  комфортности работы персонала	HRM-системы
	4.2 Удовлетворенность  сотрудников	Усредненная по группе экспертов сумма  взвешенных оценок  удовлетворенности по совокупности ключевых факторов успеха.
	4.3 Степень лояльности сотрудников	Процент увольнений по отношению к общему числу работающих
	4.4 Рост квалификации	Количество переподготовок за отчетный период

Управление знаниями как корпоративная стратегия автоматизации

Гаврилова Т. А., Веремьев В. Л

Введение

Среди множества новейших тенденций, программных систем и продуктов, руководителям компаний легко растеряться. Нужны ли нам все эти модные (и весьма дорогие) ERP, workflow, CALS, CRM и прочие «навороты», ведь угнаться за гонкой аббревиатур в IT-технологиях нет никакой возможности. Новые термины появляются с частотой в полгода, и с той же скоростью исчезают с горизонта.

Такие вопросы правомерно возникают у руководителей предприятий, и тут чрезвычайно важно разглядеть те действительно новые ростки, которые могут вывести управление компании на принципиально более эффективный уровень информационно-функциональной поддержки. Что же касается упомянутых выше терминов и иже с ними, то следует понимать откуда берется такое разноообразие систем, как они образуются и сразу снимется половина вопросов.

Первый аспект чисто конъюнктурный. Проще всего разницу пояснить на индустрии модной одежды. Конкуренция велика, производителей десятки тысяч, целевая функция одежды не меняется столетиями – чтобы было удобно и красиво. Как привлечь покупателя – нужны новые лозунги, новые лэйблы. И вот уже не брюки из ткани «деним», а джинсы; не пиджак, а кардиган и блейзер, и т.д.

Также как в одежде, целевая функция всех систем автоматизации неизменна, это информационная поддержка бизнеса или производства. Все. Дальнейшее зависит от взгляда - как смотреть на весь этот муравейник – сверху, сбоку, изнутри, по-этажно, по-процессно, по-объектно…

Второй аспект связан как раз с этим взглядом. Название класса системы обычно указывает на ее целевую функцию и это хорошо надо понимать, чтобы потом не удивляться почему пробуксовывает, например, финансовый модуль в западной системе, ориентированной на работу с клиентами (СRM).

Третий аспект связан с тем способом, по которому производится структурирование информации. Критериев декомпозиции и агрегирования информации – сотни, соответственно вопрос стоит только насколько Ваше виденье информационной структуры соответствует виденью проблемы разработчиков приобретаемого Вами softa. Правда, из рекламных описаний систем зачастую совершенно невозможно понять тех принципов и, главное ограничений, которые они в себе несут. Это не злой умысел, это естественный взгляд с одной «колокольни».

И, наконец, четвертая объективная проблема, это отсутствие специалистов-аналитиков высокого уровня, способных разобраться в реальной системе управления и информационной инфраструктуре компании, с одной стороны, и хорошо знакомых с особенностями и новинками рынка автоматизированных систем, с другой. Таких специалистов нигде не готовят, а умельцы, любовно выращенные на предприятиях перегружены тактическим «латанием» дырок, а не стратегическим анализом. По уже понятным причинам этих людей не может быть в IT-фирмах, сопровождающих и внедряющих конкретный продукт.

Выход из этого тупика придуман не нами – это услуги консультантов и/или подготовка аналитиков на предприятии. Подготовка аналитиков настолько нетривиальная задача, что заслуживает отдельного разговора.

Задача профессионального консультанта-аналитика – разобраться в специфике основных трудностей предприятия и рекомендовать внедрение той системы, которая максимально просто и дешево решает имеющиеся проблемы.

На практике все происходит в точности наоборот – сначала IT-специалисты выбирают инструмент (под влиянием рекламы, лоббирования, личных предпочтений, интереса, своего понимания автоматизации), а затем убеждают в правильности выбора топ-менеджеров. Эта практика стара как и сама автоматизация, так хорошо известен снобистский лозунг первых автоматизаторов во времена советских АСУ “Сделаем клиенту не то, что он просит, а то, что ему нужно!”

Доклад посвящен действительно революционной стратегии автоматизации – управлению знаниями корпорации. Ее новизна заключается в принципиально новой задаче – копить не разрозненную информацию, а знания, т.е. закономерности и принципы, позволяющие решать реальные производственные и бизнес-задачи, причем и те знания, которые традиционно не видимы – они хранятся в памяти специалистов, а не на материальных носителях.

1. Стратегия «управление знаниями»

Понятие «управление знаниями» (КМ — Knowledge Management) появилось в середине 90-ых годов в крупных корпорациях, где проблемы обработки информация приобрели особую остроту и стали критическими. При этом стало очевидным, что основным узким местом является обработка знаний, накопленных специалистами компании, так как именно знания обеспечивают преимущество перед конкурентами. Часто информации в компаниях накоплено даже больше, чем она способна оперативно обработать. Различные организации пытаются решать этот вопрос по-своему, но при этом каждая компания стремится увеличить эффективность обработки знаний.

Управление знаниями — это совокупность процессов, которые управляют созданием, распространением, обработкой и использованием знаний внутри предприятия.

Ресурсы знаний различаются в зависимости от отраслей индустрии и приложений, но, как правило, включают руководства, письма, новости, информацию о заказчиках, сведения о конкурентах и технологии, накопившиеся в процессе разработки. Сами эти ресурсы могут находиться в различных местах: в базах данных, базах знаний, в картотечных блоках, у специалистов и могут быть рассредоточены по всему предприятию. При этом часто одна часть предприятия дублирует работу другой просто потому, что невозможно найти и использовать знания, находящиеся в соседних подразделениях.

Системы КМ интегрируют разнообразные технологии:

• электронная почта и Интернет;;
• базы и хранилища данных (Data Wharehouse);
• системы поддержки групповой поддержки;
• локальные корпоративные системы автоматизации;
• системы документооборота и worlflow;
• экспертные системы и базы знаний.

Традиционно проектировщики систем КМ ориентировались лишь на отдельные группы потребителей — главным образом менеджеров. Более современные КМ-системы спроектированы уже в расчете на целую организацию.

Хранилища данных, которые работают по принципу центрального склада, были одним из первых инструментариев КМ. Как правило, хранилища содержат многолетние версии обычной БД, физически размещаемые в той же самой базе. Когда все данные содержатся в едином хранилище, изучение и анализ связей между отдельными элементами может быть более плодотворным. В дальнейшем идея хранилища была развита в понятие корпоративной памяти.

2. Корпоративная память и онтологии

Одним из новых решений по управлению знаниями является понятие корпоративной памяти (corporate memory), которая по аналогии с человеческой памятью позволяет пользоваться предыдущим опытом и избегать повторения ошибок.

Корпоративная память хранит информацию из различных источников предприятия и делает эту информацию доступной специалистам для решения производственных задач.

Корпоративная память не позволяет исчезнуть знаниям выбывающих специалистов (уход на пенсию, увольнение и пр.). Она хранит большие объемы данных, информации и знаний из различных источников предприятия.

Можно выделить два уровня корпоративной памяти:

Уровень 1. Уровень материальной или явной информации  — это данные и знания, которые могут быть найдены в документах организации в форме сообщений, писем, статей, справочников, патентов, чертежей, видео- и аудио-записей, программного обеспечения и т. д.

Уровень 2. Уровень персональной или скрытой информации — это персональное знание, неотрывно связанное с индивидуальным опытом. Оно может быть передано через прямой контакт — «с глазу на глаз» через процедуры извлечения знаний. Именно скрытое знание — то практическое знание, которое является ключевым при принятии решении и управлении технологическими процессами.

В действительности эти два типа информации, подобные двум сторонам одной и той же медали, одинаково важны в структуре корпоративной памяти.

При разработке систем КМ можно выделить следующие этапы:

• Накопление. Стихийное и бессистемное накопление информации в организации.
• Извлечение. Процесс обнаружения источников знаний, их “добыча” и описание. Это один из наиболее сложных и трудоемких этапов. От его успешности зависит дальнейшая жизнеспособность системы.
• Структурирование. На этом этапе должна быть выделены основные понятия, выработана структура представления информации, обладающая максимальной наглядностью, простотой изменения и дополнения.
• Формализация и программная реализация. Представление структурированной информации в форматах машинной обработки — то есть на языках описания данных и знаний и организация автоматизированной обработки и поиска информации по запросу.
• Обслуживание. Корректировка формализованных данных и знаний (добавление, обновление): «чистка», то есть удаление устаревшей информации; фильтрация данных и знаний для поиска информации, необходимой пользователям.

Стихийное и бессистемное накопление информации в организации. Процесс обнаружения источников знаний, их “добыча” и описание. Это один из наиболее сложных и трудоемких этапов. От его успешности зависит дальнейшая жизнеспособность системы. На этом этапе должна быть выделены основные понятия, выработана структура представления информации, обладающая максимальной наглядностью, простотой изменения и дополнения. Представление структурированной информации в форматах машинной обработки — то есть на языках описания данных и знаний и организация автоматизированной обработки и поиска информации по запросу. Корректировка формализованных данных и знаний (добавление, обновление): «чистка», то есть удаление устаревшей информации; фильтрация данных и знаний для поиска информации, необходимой пользователям.

Правила проведения первых четырех этапов подразумевают владение инструментами инженерии знаний, довольно молодой науки, родившейся при разработке интеллектуальных систем.

Уже классической ошибкой практически всех (без исключения!) автоматизированных систем является главенство и доминирование этапа 4 , т.е. программной реализации над предметной постановкой этавпов 1-3. В системах КМ это особенно опасно, так как именно предметные знания являются ядром таких систем.

Существуют различные подходы, модели и языки описания данных и знаний. Однако все большую популярность последнее время приобретают онтологии.

Онтология — это формализованное представление основных понятий и связей между ними. Его ввел в информационные технологии Том Грубер в 1993. Ранее этот философский термин означал учение о бытии, затем он переместился в область точных наук, где полуформализованные концептуальные модели всегда сопутствовали математически строгим определениям. Под определение онтологии подпадают многие понятийные структуры: иерархия классов в объектно-ориентированном программировании, концептуальные карты (concept maps), семантические сети, и т. п.

Онтология — это струкурная спецификация некоторой предметной области, ее формализованное представление, которое включает словарь (или имена) указателей на термины предметной области и логические выражения, которые описывают, как они соотносятся друг с другом.

Таким образом, онтологии обеспечивают словарь для представления и обмена знаниями о некоторой предметной области и множество связей, установленных между терминами в этом словаре.

Для описания онтологий существуют различные языки и системы, однако, наиболее перспективным представляется визуальный подход, позволяющий специалистам непосредственно «рисовать» онтологии, что помогает наглядно сформулировать и объяснить природу и структуру явлений. Визуальные модели, например, графы обладают особенной когнитивной (т.е. познавательной) силой. Любой программный графический пакет от PaintBrush до Visio можно использовать как первичный инструмент описания онтологий.

Нами разработан специальные инструменты CAKE (Сомputer Aided Knowledge Engineering) и ВИКОНТ — ВИзуальный Конструктор ОНТологий. CAKE и ВИКОНТ позволяют визуально проектировать онтологии любой предметной области. Онтология строится как сеть, состоящая из концептов и связей между ними. Связи могут быть различного типа, например, "является", "имеет свойство" и т. п. Концепты и связи имеют универсальный характер для некоторого класса понятий предметной области. Можно выбрать некоторое понятие из этого класса и для него "заполнить" онтологию, задавая конкретные значения атрибутам.

Программы визуализации онтологий являются инструментом, позволяющим сделать видимыми структуры корпоративного знания.

В простейшем случае построение онтологии сводится к:

• выделению концептов — базовых понятий данной предметной области;
• построению связей между концептами — определению соотношений и взаимодействий базовых понятий;
• сравнению построенной онтологии с имеющимися — проведение параллелей с другими областями знаний.

Еще одним преимуществом использования онтологий в KM является системный подход к автоматизации предприятия. При этом достигаются:

• системность — онтология представляет целостный взгляд на предметную область;
• единообразие — материал, представленный в единой форме гораздо лучше воспринимается и воспроизводится;
• научность — построение онтологии позволяет восстановить недостающие логические связи во всей их полноте.

Стоит еще раз подчеркнуть, что онтология не только цель, но и средство формирования систем КМ.

Заключение

Традиционно говорят о следующих причинах интереса к системам KM:

• работники предприятия тратят слишком много времени на поиск необходимой информации;
• опыт ведущих и наиболее квалифицированных сотрудников используется только ими самими;
• ценная информация захоронена в огромном количестве документов и данных, доступ к которым затруднен;
• дорогостоящие ошибки повторяются из-за недостаточной информированности и игнорирования предыдущего опыта.

Важность систем KM обусловлена также тем, что знание, которое не используется и не возрастает, в конечном счете становится устаревшим и бесполезным, также, как деньги, которые сохранены без того, чтобы стать оборотным капиталом, в конечном счете теряют свою стоимость, пока не обесценятся. Напротив, знание, которое распространяется, приобретается и обменивается, генерирует новое знание.

Таким образом, любая система автоматизации затрагивает проблемы хранения корпоративных знаний, но только системы КМ делают это в явном виде, тем самым сохраняя этот драгоценный ресурс, а не растворяют его в алгоритмах, бизнес –процессах и спецификациях. KM фактически предоставляет следующий уровень автоматизации для тех компаний, которые уже справились с автоматизацией данных, и является хорошей стартоой площадкой для тех, кто хочет создать интегрированную систему, а не “лоcкутное” одеяло.

Литература

Гаврилова ТА., Хорошевский В.Ф. Базы знаний интеллектуальных систем / Учебник для вузов. – СПб, Изд-во “Питер”, 2000.

Гаврилова ТА., Хорошевский В.Ф. Базы знаний интеллектуальных систем / Учебник для вузов. – СПб, Изд-во “Питер”, 2000.

Borghoff U., Pareschi R., 1998. Information Technology for Knowledge Management. – Springer-Verlag, Bln.

Conklin J., 1987. Hypertext: An Introduction and Survey // Computer. – Vol. 20, № 9. – pp.17-41.

Hinkelmann K. and Kieninger Th. Task-oriented web-search refinement and information filtering. DFKI GmbH, 1997.

Kuhn O., Abecker A., 1998. Corporate Memories for Knowledge Management in Industrial Practice: Prospects and Challenges.

Kuhn O., Becker V., Lohse V. and Ph. Neumann, 1994. Integrated Knowledge Utilization and Evolution for the Conservation of Corporate Know-How // ISMICK'94: Int. Symposium on the Management of Industrial and Corporate Knowledge

Macintosh A., 1997. Knowledge asset management. // Airing. – №20, April.

Malsch Th., Bachmann R., Jonas M., Mill U., and Ziegler S., 1993. Expertensysteme in der Abseitsfalle? - Fallstudien aus der industriellen Praxis. edition sigma, Reiner Bohn Verlag, Berlin.

Nonaka I. and Takeuchi I., 1995. The Knowledge-Creating Company. New York, Oxford: Oxford University Press Piatetsky-Shapiro G. and Frawley W., eds., 1991. Knowledge Discovery in Databases. – AAAI/MIT Press.

Tschaitschian B., Abecker A. and Schmalhofer, 1997. A. Putting Knowledge Into Action: Information Tuning With KARAT. // In 10th European Workshop on Knowledge Acquisition, Modeling, and Management (EKAW-97).

Wiig, 1990. Expert Systems: A manager’s guide. – Geneva: The International Labour Office of the United Nations, 1990. Wiig К., 1996. Knowledge management is no illusion! // Proc. of the First International Conference on Practical Aspects of Knowledge Management. – Zurich, Switzerland: Swiss Informaticians Society

Онтологический подход к управлению знаниями при разработке корпоративных систем автоматизации

Татьяна Гаврилова

Введение

Среди множества новейших тенденций, программных систем и продуктов легко растеряться даже специалистам. Нужны ли нам все эти модные (и весьма дорогие) ERP, workflow, CALS, CRM и прочие «навороты», ведь угнаться за гонкой аббревиатур в IT-технологиях нет никакой возможности. Новые термины появляются с частотой в полгода, и с той же скоростью исчезают с горизонта.

Такие вопросы правомерно возникают у руководителей предприятий, и тут чрезвычайно важно разглядеть те действительно новые ростки, которые могут вывести управление компании на принципиально более эффективный уровень информационно-функциональной поддержки. Что же касается упомянутых выше новых терминов и названий, то стоит разобраться с причинами бесконечного разнообразия систем, и сразу снимается половина вопросов.

Первая причина - чисто конъюнктурная. Проще всего разницу пояснить на индустрии модной одежды. Конкуренция велика, производителей десятки тысяч, целевая функция одежды не меняется столетиями – чтобы было удобно и красиво. Для привлечения покупателя нужны новые лозунги, новые лэйблы. И вот уже не брюки из ткани «деним», а джинсы; не пиджак, а кардиган и блейзер, и т.д.

Также как в одежде, целевая функция всех систем автоматизации неизменна, это информационная поддержка бизнеса или производства. Все. Дальнейшее зависит от взгляда - как смотреть на весь этот муравейник – сверху, сбоку, изнутри, по-этажно, по-процессно, по-объектно…

Вторая причина связана как раз с различиями во взглядах, или в целях. Название класса системы обычно указывает на ее целевую функцию и это хорошо надо понимать, чтобы потом не удивляться почему пробуксовывает, например, финансовый модуль в западной системе, ориентированной на работу с клиентами класса СRM (Сustomer Relationship Management). Также невозможно требовать от бухгалтерской системы функциональности, присущей, например, системам работы с поставщиками класса SCM (Supply Chain Manament)

Третий аспект связан с тем принципом, согласно которому производится структурирование информации (Рис.1). Критериев декомпозиции и агрегирования информации – сотни, соответственно вопрос состоит в том, насколько Ваше виденье информационной структуры соответствует виденью проблемы разработчиков приобретаемого Вами softa. Правда, из рекламных описаний систем зачастую совершенно невозможно понять тех принципов и, главное ограничений, которые они в себе несут. Это не злой умысел, это естественный взгляд с одной «колокольни».

И, наконец, четвертая объективная проблема, отсутствие специалистов-аналитиков высокого уровня, способных разобраться в реальной системе управления и информационной инфраструктуре компании, с одной стороны, и хорошо знакомых с особенностями и новинками рынка автоматизированных систем, с другой. Таких специалистов нигде не готовят, а умельцы, любовно выращенные на предприятиях, перегружены тактическим «латанием» дырок, а не стратегическим анализом. По уже понятным причинам этих людей не может быть в IT-фирмах (IT – Information Technologies), сопровождающих и внедряющих конкретный продукт.

Выход из этого тупика придуман не нами – это услуги консультантов и/или подготовка аналитиков на предприятии. Подготовка аналитиков настолько сложная задача, что заслуживает отдельного разговора (см. далее).

Задача профессионального консультанта-аналитика – разобраться в специфике основных трудностей предприятия и рекомендовать внедрение той системы, которая максимально просто и дешево решает имеющиеся проблемы.

На практике все происходит в точности наоборот – сначала IT-специалисты выбирают инструмент (под влиянием рекламы, лоббирования, личных предпочтений, интереса, своего понимания автоматизации), а затем убеждают в правильности выбора топ-менеджеров. Эта практика стара как и сама автоматизация, так хорошо известен снобистский лозунг первых автоматизаторов во времена советских АСУ “Сделаем клиенту не то, что он просит, а то, что ему нужно!”

 Рис 1. Роль структурирования в автоматизации

Рис.1. иллюстрирует подход к формированию методологии автоматизации, при котором выбор стратегии структурирования рассматривается как минимум наравне с технологией реализации, и ни в коем случае не следует за ней. В то время как на практике технологическая «телега»почти всегда ставится впереди «лошади» структурирования.

Новая концепция «управление знаниями» (УЗ) или Knowledge Management (КМ) действительно помогает поменять взгляд на автоматизацию корпорации, так как акцент в ней ставится на ценность информации. Новизна концепции УЗ заключается в принципиально новой задаче – копить не разрозненную информацию, а знания, т.е. закономерности и принципы, позволяющие решать реальные производственные и бизнес-задачи. При этом в расчет берутся и те знания, которые «невидимы» – они хранятся в памяти специалистов, а не на материальных носителях.

1. Двойственность понятия «управление знаниями»

Понятие «управление знаниями» появилось в середине 90-ых годов в крупных корпорациях, для которых проблемы обработки информация приобрели особую остроту и стали критическими. При этом стало очевидным, что основным узким местом является работа (сохранение, поиск, тиражирование) со знаниями, накопленными специалистами компании, так как именно знания обеспечивают преимущество перед конкурентами. Обычно информации в компаниях накоплено даже больше, чем она способна оперативно обработать. При этом часто одна часть предприятия дублирует работу другой просто потому, что невозможно найти и использовать знания, находящиеся в соседних подразделениях.

Различные организации пытаются решать этот вопрос по-своему, но при этом каждая компания стремится увеличить эффективность обработки знаний.

Управление знаниями  можно рассматривать и как новое направление в менеджменте, и как направление в информатике для поддержки процессов создания, распространения, обработки и использования знаний внутри предприятия (Рис.2).

Рис.2. Дуализм дисциплины “Управлеие знаниями”

Можно рассматривать и как новое направление в менеджменте и как направление в информатике для поддержки процессов создания, распространения, обработки и использования знаний внутри предприятия.

Ресурсы знаний различаются в зависимости от отраслей индустрии и приложений, но, как правило, включают руководства, письма, новости, информацию о заказчиках, сведения о конкурентах и технологии, накопившиеся в процессе разработки. Сами эти ресурсы могут находиться в различных местах: в базах данных, базах знаний, в картотечных блоках, у специалистов и могут быть рассредоточены по всему предприятию. Разнообразие информационных составляющих представлено на рис.3.

Рис.3. “Цветок“ информационных составляющих Традиционно проектировщики систем УЗ (СУЗ) ориентировались лишь на отдельные группы потребителей — главным образом, менеджеров. Более современные СУЗ спроектированы уже в расчете на целую организацию Из-за этого разнообразия СУЗ вынуждены интегрировать разнообразные технологии: электронная почта и Интернет-ресурсы; системы управления базами данных (СУБД) и сами базы данных (БД); средства создания хранилищ данных (Data Warehousing); системы поддержки групповой работы; локальные корпоративные системы автоматизации; системы документооборота и worlflow; экспертные системы и базы знаний и др. При этом, ни одна из этих технологий (кроме последней) не включает «знания» в контексте интеллектуальных (экспертных) систем, т.е. баз знаний. Фактически УЗ – это модный лозунг в менеджменте и его связь с инженерией знаний (knowledge engineering) в настоящее время практически эфемерна. Нечеткость различий в понятиях «информация», «данные» и «знания» льет воду на мельницу спекуляций эту тему. Если трактовать информацию, как общий термин для всех информационных ресурсов предприятия (рис.4), то в реальности современные СУЗ занимаются проблемой организации только части информации, в основном документооборота в компании. Рис. 4. Основные типы информации в системах KM «Мостиком» к интеллектуальным технологиям является понятие «знания», которое трактуется в УЗ крайне свободно и широко. В СУЗ знаниями называют все виды информации (они включают руководства, письма, новости, информацию о заказчиках, сведения о конкурентах и технологии, накопившиеся в процессе разработки), в то время как традиционно под знаниями понимаются закономерности предметной области, позволяющие специалистам решать свои задачи. Они получены в результате практического опыта или почерпнуты из литературы. Фактически системы, позиционирующие себя как СУЗ – системы управления знаниями (Fulcrum, Documentum i4, Knowledge Station, etc.)[Попов, 2001] реализуют лишь отдельные элементы вышепреведенного списка. Все они работают либо с неструктурированной информацией в форме документов, либо с данными (рис.4) Это ситуация as is (как есть), а хотелось бы включения и знаний. 2. Корпоративная память и онтологии Программные инструментарии для создания хранилищ данных, которые работают по принципу центрального склада, были одним из первых предвестников СУЗ. Как правило, хранилища содержат многолетние версии обычной БД, физически размещаемые в той же самой базе. Когда все данные содержатся в едином хранилище, изучение и анализ связей между отдельными элементами может быть более плодотворным. В дальнейшем идея хранилища была развита в понятие корпоративной памяти (corporate memory) [Kuhn, Abecker, 1998], которая по аналогии с человеческой памятью позволяет пользоваться предыдущим опытом и избегать повторения ошибок, что является пока достаточно декларативным утверждением. Корпоративная память хранит гетерогенную информацию (документы, чертежи, базы данных, базы знаний) из различных источников предприятия и делает эту информацию доступной специалистам для решения производственных задач. хранит гетерогенную информацию (документы, чертежи, базы данных, базы знаний) из различных источников предприятия и делает эту информацию доступной специалистам для решения производственных задач. Существуют различные подходы, модели и языки, ориентированные на интегрированное описание данных и знаний. Однако все большую популярность последнее время приобретают онтологии. Существует множество различных подходов к определению понятия «онтология» [Gruber, 1993]: Онтологией называют эксплицитную спецификацию концептуализации. Онтология – эксплицитная спецификация определенной темы. Онтология – это базы знаний специального типа, которые могут читаться и пониматься, отчуждаться от разработчика и/или физически разделяться их пользователями. Следует отметить, что понимание термина «онтология» зависит от контекста и целей его использования. Можно выделить несколько аспектов его применения, в частности, в работе [Guarino, et al., 1995] выделяются следующие интерпретации: Онтология как философская дисциплина. Онтология как неформальная концептуальная система. Онтология как формальный взгляд на семантику. Онтология как спецификация концептуализации. Онтология как представление концептуальной системы через логическую теорию. Онтология как словарь, используемый логической теорией. Резюмируя все вышесказанное, можно сказать, что онтология – это точная спецификация некоторой области, которая включает в себя словарь терминов предметной области и множество связей (типа «элемент-класс», «часть –целое»), которые описывают, как эти термины соотносятся между собой. Фактически это иерархический понятийный скелет предметной области. К сожалению, при разработке новых и использовании существующих онтологий возникает множество трудностей. В работе [Arpirez J.; Gomez-Perez, A.; Lozano, A; Pinto S, 1998] выделяются, в частности, следующие: Отсутствие стандартизованных идентифицирующих особенностей, которые характеризовали бы онтологии с точки зрения пользователя. Разный уровень детализации онтологий, находящихся на одном сервере. Отсутствие web-сайтов, использующих одинаковую логическую структуру и предоставляющих релевантную информацию об онтологиях. Поиск подходящих онтологий сложен, занимает много времени, а также часто безрезультатен. Эти трудности приводят к тому, что под конкретные задачи подчас невозможно найти подходящую онтологию из числа существующих, поэтому приходится браться за создание новой, что, естественно, является сложным и достаточно дорогостоящим процессом. Кроме того, использование готовых онтологий непосредственно людьми (в отличие от использования программными агентами) обладает еще рядом недостатков. В частности, знания разных людей могут укладываться в разные онтологии, при этом нельзя утверждать, что одна из них лучше другой. Также во многих случаях для одного предприятия или для трудно-формализуемой предметной области (медицина, юриспруденция) можно построить несколько различных онтологий. Например, историю можно воспринимать как хронику последовательных событий, а можно как жизнь различных людей, в этих событиях участвующих. Формально это две различные онтологии: в первом случае, в качестве концептов выступают исторические события, а во втором — личности. Но по сути, обеонтологии полно описывают одну и ту же предметную область. Онтология — это структурная спецификация некоторой предметной области, ее формализованное представление, которое включает словарь (или имена) указателей на термины предметной области и логические связи, которые описывают, как они соотносятся друг с другом. Например, рис. 5 иллюстрирует фрагмент классической онтологии документа. Таким образом, онтологии обеспечивают словарь для представления и обмена знаниями о некоторой предметной области и множество связей, установленных между терминами в этом словаре. Для описания онтологий и работы с ними существуют различные языки и системы, однако, наиболее перспективным представляется визуальный подход, позволяющий специалистам непосредственно «рисовать» онтологии, что помогает наглядно сформулировать и объяснить природу и структуру явлений. Визуальные модели, например графы, обладают особенной когнитивной (т.е. познавательной) силой. Любой программный графический пакет от PaintBrush до Visio можно использовать как первичный инструмент описания онтологий. Рис.5. Пример визуального представления фрагмента онтологии На рис.5 представлена онтология, нарисованная с использованием графического инструмента CAKE-2 (Computer-Aided Knowledge Engineering) (разработчик Т.Е.Гелеверя), методологические основы которого были описаны в работе [Гаврилова, Воинов, Данцин, 1996]. Онтологический инжиниринг Онтологический инжиниринг – это процесс проектирования и разработки онтологий. При отсутствии общепринятой методологии и технологии этот процесс не является тривиальной задачей. Он требует от разработчиков профессионального владения технологиями инженерии знаний – от методов извлечения знаний до структурирования и формализации [Гаврилова, Хорошевский, 2000]. Онтологический инжиниринг подразумевает глубокий структурный анализ предметной области. Такую работу для интеллектуальных систем обычно выполняют инженеры по знаниям (knowledge engineers). Сегодня фактически ни один российский вуз не готовит аналитиков или инженеров по знаниям, владеющих методами инженерии знаний. Наиболее близкими являются специальности инженера-системохника и специалиста по информационным технологиям (ИТ). Хотя последние, чаще всего просто программисты. Существующие первые попытки подготовить специалистов более широкого профиля, например специализации подготовки CIO (Chief Information Officer), или MBI (Master of Business Information), следует приветствовать, но они в большей степени ориентированы на менеджеров ИТ, а не аналитиков. Модуль 1. Введение в инженерию данных и знаний (12 часов, 8 практических тестов) 1.1. Работа с информацией: данные и знания 1. 3. Модели представления знаний 1. 4. Работа с нечеткой информацией 1. 5. Стратегии получения информации 1. 6. Психологический аспект извлечения знаний и данных 1. 7. Лингвистический и аспект извлечения знаний и данных 1. 8. Методический аспект извлечения знаний и данных   Модуль 2. Практическая инженерия знаний (16 часов, 10 практических тестов) 2.1. Индивидуальные коммуникативные методы извлечения данных и знаний 2.2. Групповые коммуникативные методы извлечения 2.3.Текстологические методы 2.4. Структурирование данных и знаний: объектно-структурный анализ 2.5. Онтологии и визуальное моделирование 2.6. Функциональные роли в коллективе разработчиков Рис.6 . Программа ШКОЛЫ АНАЛИТИКА Появились и первые “Школы аналитиков” (программа одной такой школы представлена на рис.6 и сайте www.bae.ru), но число их выпускников весьма не значительно для изменения ситуации. Для профессионального аналитика онтологический инжиниринг является методологической “путеводной нитью” в течение процесса структурирования при создании комплексных систем автоматизации, так как он объединяет две основные технологии проектирования больших систем – объектно-ориентированный и структурный анализ. Понятие онтологии и онтологического анализа вошли и в процедуры и стандарты моделирования бизнес-процессов. Ведь описание бизнес-процесса – это по сути структурирование данных и знаний. Так в группе стандартов IDEF, который является основным средством спецификации корпоративных информационных систем (КИC) и моделирования бизнес-процессов сегодня, имеется стандарт IDEF5 для описания онтологий. Сам визуальный онтологический инжиниринг является мощным когнитивным инструментом, позволяющим сделать видимыми структуры корпоративного знания. Можно привести простейший алгоритм онтологического инжиниринга («для чайников»): выделение концептов — базовых понятий данной предметной области; определение «высоты дерева онтологий» – числа уровней абстракции; распределение концептов по уровням; построение связей между концептами — определение отношений и взаимодействий базовых понятий; консультации с различными специалистами для исключения противоречий и неточностей. При явном интересе к онтологическому инжинирингу (системы ONTOLINGVA, Ontobroker, SHOE и другие) в настоящее время трудно назвать промышленные систем проектирования онтологий. Нами разработано несколько программных продуктов CAKE (Сомputer Aided Knowledge Engineering) [Воинов, Гаврилова, Данцин, 1996], ВИКОНТ — ВИзуальный Конструктор ОНТологий [Гаврилова, Лещева, 20000; Gavrilova, Fertman, 2001.] и VITA (VIsual onTology-based hypertext Authoring tool)[Gavrilova, Geleverya, 2001], позволяющих визуально проектировать онтологии различных предметных областей. Обычно онтология строится как дерево или сеть, состоящая из концептов и связей между ними. Связи могут быть различного типа, например, "является", "имеет свойство" и т. п. Концепты и связи имеют универсальный характер для некоторого класса понятий предметной области. Можно выбрать некоторое понятие из этого класса и для него "заполнить" онтологию, задавая конкретные значения атрибутам. Заключение Онтологический подход к проектированию КИС позволяет создавать системы, в которых знания становятся «видимыми» и доступными для большинства сотрудников. На основе онтологий можно разрабатывать «карты знаний» (K-maps), которые указывают явно на источники знаний, т.е. где и у кого можно эти знания получить. В результате интерес к системам СУЗ растет по следующим причинам: работники предприятия тратят слишком много времени на поиск необходимой информации; опыт ведущих и наиболее квалифицированных сотрудников используется только ими самими; ценная информация захоронена в огромном количестве документов и данных, доступ к которым затруднен; дорогостоящие ошибки повторяются из-за недостаточной информированности и игнорирования предыдущего опыта. Основным преимуществом онтологического инжиниринга в KM является целостный подход к автоматизации предприятия. При этом достигаются: системность — онтология представляет целостный взгляд на предметную область; единообразие — материал, представленный в единой форме гораздо лучше воспринимается и воспроизводится; научность — построение онтологии позволяет восстановить недостающие логические связи во всей их полноте. Стоит еще раз подчеркнуть, что онтология не только цель, но и средство формирования СУЗ. Важность онтологического подхода в СУЗ обусловлена также тем, что знание, которое не описано и не тиражировано, в конечном счете становится устаревшим и бесполезным. Напротив, знание, которое распространяется, приобретается и обменивается, генерирует новое знание. Таким образом, любая система автоматизации затрагивает проблемы хранения корпоративных знаний, но только СУЗ ориентированы на это в явном виде, тем самым способствуя сохранению этого ценнейшего ресурса, а не растворяя его в алгоритмах, программах, документации, технологических процессах. СУЗ фактически может предоставить более высокий уровень автоматизации для тех компаний, которые уже справились с автоматизацией данных. Для тех предприятий, которые хотят создать интегрированную корпоративную систему, а не “мозаику” отдельных функциональных блоков, СУЗ является хорошей стартовой площадкой. Автор выражает искреннюю благодарность Э.В. Попову за методическую и дружескую поддержку при работе над данной статьей. Примечание [1] Работа выполнена при поддержке Российского Фонда Фундаментальных Исследований (грант 01-011-00224) Литература Гаврилова ТА., Хорошевский В.Ф. Базы знаний интеллектуальных систем / Учебник для вузов. – СПб, Изд-во “Питер”, 2000. Воинов А., Гаврилова Т. А., Данцин Е. Я., 1996. Язык визуального представления знаний и его место в САКЕ-технологии // Журнал Известия РАН, Теория и системы управления, N2. - c.146-151. Гаврилова Т.А., Лещева И.А., Лещев Д.В., 2000. Использование онтологий в качестве дидактического средства // ”Искусственный интеллект” N3. - с.34-39. Попов Э.В., 2001. Корпоративные системы управления знаниями. Ж.”Новости ИИ”,N1. Arpirez J., Gomez- Perez A., Lozano A., Pinto S. (ONTO) 2Agent: An ontology- based WWW broker to select Ontologies // Workshop on Applications of ontologies and Problem Solving Methods. ECAI’98. Borghoff U., Pareschi R., 1998. Information Technology for Knowledge Management. – Springer-Verlag, Bln. Gavrilova T., Geleverya T., 2001. VITA: Using PYTHON for Visual Design of Web-based Tutorials// Proc. of the Tenth International PEG Conference “Intelligent Computer and Communications Technology – Learning in On-Line Communities”, Tampere, Finland. - pp.44-50. Gavrilova T., Fertman V. One Approach to Visual Design of Intelligent Agents // Proceedings of the Second International Workshop of Central and Eastern Euope on Multi-Agent Systems, CEEMAS’01, Krakow, Poland, 2001. - pp.329-337. Gruber T. R.  A translation approach to portable ontologies. Knowledge Acquisition, 5(2):199-220, 1993. Guarino N., Giaretta P. Ontologies and Knowledge Bases: Towards a Terminological Clarification. Towards Very Large Knowledge Bases: Knowledge Building & Knowledge Sharing. // IOS Press. 1995. 25-32. Hinkelmann K. and Kieninger Th. Task-oriented web-search refinement and information filtering. DFKI GmbH, 1997. Kuhn O., Abecker A., 1998. Corporate Memories for Knowledge Management in Industrial Practice: Prospects and Challenges. Kuhn O., Becker V., Lohse V. and Ph. Neumann, 1994. Integrated Knowledge Utilization and Evolution for the Conservation of Corporate Know-How // ISMICK'94: Int. Symposium on the Management of Industrial and Corporate Knowledge Macintosh A., 1997. Knowledge asset management. // Airing. – №20, April. Malsch Th., Bachmann R., Jonas M., Mill U., and Ziegler S., 1993. Expertensysteme in der Abseitsfalle? - Fallstudien aus der industriellen Praxis. edition sigma, Reiner Bohn Verlag, Berlin. Nonaka I. and Takeuchi I., 1995. The Knowledge-Creating Company. New York, Oxford: Oxford University Press Piatetsky-Shapiro G. and Frawley W., eds., 1991. Knowledge Discovery in Databases. – AAAI/MIT Press. Tschaitschian B., Abecker A. and Schmalhofer, 1997. A. Putting Knowledge Into Action: Information Tuning With KARAT. // In 10th European Workshop on Knowledge Acquisition, Modeling, and Management (EKAW-97). Wiig, 1990. Expert Systems: A manager’s guide. – Geneva: The International Labour Office of the United Nations. Wiig К., 1996. Knowledge management is no illusion! // Proc. of the First International Conference on Practical Aspects of Knowledge Management. – Zurich, Switzerland: Swiss Informaticians Society