Излагается проблематика синтетической деятельности, объединяющей задачи обработки данных, работы с информацией и управления знаниями, ориентированной на практику развития предприятий. В условиях значительного концептуального и методического хаоса в указанной проблематике анализ показывает способы и области корректной и продуктивной организации практических работ в этой сфере и область вопросов, остающихся без ответов.

В бурно продвигаемых направлениях «цифровой экономики» (ЦЭ) и «цифровых трансформаций» (ЦТ) направление «Управление Знаниями» (УЗ) или Knowledge Management присутствует, но выглядит скромно. Вместе с тем по своей сути задачи УЗ входят в центральные направления развития предприятий и их ЦТ. Однако и вне модных ЦТ и ЦЭ предприятиям, в особенности большим и динамичным, ежеминутно требуются актуальные знания о выпускаемой продукции, о технологии её производства и доставки. Однако УЗ продолжает стоять перед барьерами т. н. хранилищ знаний или «Баз Знаний» (БЗ), которые не только хранят не знания, но более того, могут терять статус поставщиков информации. Проблема рассматривается в контексте современных производственных процессов, требующих динамичного предоставления актуальных знаний, в контексте формализованных моделей знаний, а также нормативных методических документов.

Кратко характеризуются два подхода к указанным задачам – условно названный «онтологическим», связанный с попытками применения в аппарата формализованных онтологий, и так называемый «подход от бизнес-процессов» или «процессный». Для первого указываются классические оценки ограничений формализованных онтологий и результаты исследований последних лет в части попыток описания контекста таких онтологий. При переносе внимания на поиск и реализацию более традиционных инженерных решений «процессного» подхода оказывается, что одним из барьеров является отсутствие общей трактовки понятий знание и информация, и что вновь введенные стандарты вносят в эту трактовку дополнительные разрушения.

В этих условиях ищутся конструктивные решения для работы с популярной цепочкой «данные-информация-знания» (которую некоторые семиотики называют мусором или чушью – rubbish). В частности, ищется корректная система определений для понятий этого триплета. В основу критерия корректности кладутся, в том числе, актуальные положения и модели семиотики. Кроме того, учитываются результаты работ в современной экспериментальной неврологии и психологии. Они согласуются, в числе прочего, с положениями неограниченного семиозиса (unlimited semiosis), определенными для текстов, включающих образные выражения.

Выполнен поиск такой системы определений, которая, несмотря на известный хаос в этой области, была бы не только корректна сама по себе, но и поддержана достаточно авторитетными методическими и нормативными документами, в частности, уровня ISO и ISO/IEC/IEEE. Это необходимо чтобы строить системы обработки данных, информации и знаний, опираясь на весь объем методов, принятых в остальных областях System / Software Engineering. Успех поиска не был очевидным, однако выбранный на основе анализа более 50-ти стандартов триплет позволяет систематически планировать как преобразования данных в информацию и далее в знания, так и обратные преобразования, выявлять причины потерь не только знаний, но и информации. Это, в свою очередь, даёт основания для создания обоснованных процедур действительного управления знаниями и информацией предприятий.

На основе результатов анализа и поисков, описанных выше, оказалось возможным более продуктивно определить рекомендуемую высокоуровневую архитектуру хранилищ информации и знаний. Она сопровождается принципами и правилами, составляющими фреймворк управления динамичным управлением знаниями на предприятиях. В числе прочего рассматривается проблема определения требований к способу хранения данных, обеспечивающему свойство быть источником истины для предприятия. При этом в достаточной мере обоснованно строится не только машинная обработка данных в цепочке триплета «данные-информация-знания», но и правила предприятия по организации продуктивной работы людей со знаниями, информацией и данными.

Работа выполнена при частичной поддержке гранта РФФИ 16-07-01062 «Разработка методов и средств инжиниринга предприятий на основе интеллектуальных технологий». Части работы, связанные с извлечением знаний и с организацией информации сфере управления компетенциями, выполнялись совместно с И. Г. Юнатовой. Значительная часть результатов докладывалась на конференциях и семинарах KESW, DTGS, EE&KM, и др.

Слайды доклада.

Видео доклада.

Литература:

1. Bolisani, E., Bratianu, C.: The Elusive Definition of Knowledge. In: Bolisani, E. and Bratianu, C.: Emergent knowledge strategies: Strategic thinking in knowledge management. Springer, Cham, pp. 1-22 (2018).
2. Biro, J. Ch.: Biological Information – Definitions from a Biological Perspective. Information 2, 117-139 (2011).
3. Michelberger, B.: Process-Oriented Information Logistics: Aligning Process Information with Business Processes. Dissertation zur Erlangung des Doktorgrades, Ulm (2015).
4. Ogden, C.K., Richards, I.A.: The meaning of meaning. A study of the influence of language upon thought and of the science of symbolism. 8th edn. A Harvest Book, NY (1946).
5. Wiener, N.: Cybernetics, or control and communication in the animal and the machine. 2nd edn (in Russian). Science, M. (1983).
6. Eco, U.: Open Work (in Russian). 2nd. edn. Academic project, M. (2004).
7. ISO 30401:2018. Knowledge management systems -- Requirements (2018).
8. ISO/IEC/IEEE 24765:2017(E). Systems and software engineering — Vocabulary (2017).
9. IEEE Std 610.12-1990. IEEE Standard Glossary of Software Engineering Terminology (1990).
10. IEEE Std 610.5-1990. IEEE Standard Glossary of Data Management Terminology. (1990).
11. Zinder, Evgeny: Data, information, and knowledge: concepts in standards, changes and conjoint applications.In: SEUR Proceedings of the XXII Int.Conf. “Enterprise Engineering and Knowledge Management”. Moscow, Russia (2019).
12. Zinder E.Z., Yunatova I.G.: Digital economy and knowledge barriers: Their origin and dealing with them. In: D.A. Alexandrov et al. (eds.) DTGS 2017, CCIS, vol. 745, pp. 445–463 pp. Springer (2017).