Современная экономическая ситуация приводит к усилению конкуренции как на глобальных, так и на локальных рынках. Одним из важных факторов конкурентоспособности современной компании является система управления корпоративными знаниями, которая должна выступать инструментом повышения эффективности деятельности организации.
Проблемы повышения эффективности использования знаний в организации состоят в сложности преобразования неявных знаний сотрудников в явные знания, сложности учета ценности корпоративных знаний, сложности финансовой оценки интеллектуальных активов организации. В решении этих проблем большую роль должна играть система управления корпоративными знаниями, понимаемая не только как информационная система обработки данных и поддержки принятия решений, но и как организационная система взаимодействия сотрудников компании.
Перечислим следующие функции системы управления знаниями:
– поддержка принятия решений на разных уровнях управления (на стратегическом, на оперативном и тактическом уровнях);
– поддержка процессов корпоративного обучения и переподготовки;
– приращение интеллектуального капитала организации;
– управление эффективностью бизнеса.
Источниками данных для системы управления корпоративными знаниями, на наш взгляд, должны выступать другие корпоративные информационные системы, в том числе:
– информационные системы ECM (Enterprise Content Management) управления корпоративными информационными ресурсами;
– информационные системы CRM (Customer Relationship Management), реализующие концепцию управления взаимоотношениями с клиентами (подробнее см. [3]);
– информационные cистемы управления корпоративными бизнес-процессами (см., например [6]);
– инструменты анализа интернет-публикаций, электронных СМИ и социальных медиа тоже являются частью системы управления знаниями (см. [4]);
– информационные системы электронной коммерции (B2B, B2C и другие);
– информационные системы управление бизнес-правилами BRM (Business Rule Management System);
– информационные системы LMS (Learning Management System) поддержки процесса корпоративного дистанционного обучения;
– информационные системы, относящиеся к «интернету вещей»;
– информационные системы, поддерживающие процессы операционной деятельности компании (учетные информационные системы, информационные системы ERP);
– информационные системы бизнес-аналитики BI (Business Intelligence).
Одним из источников корпоративных знаний являются результаты анализа статистических данных. На рынке средств бизнес-анализа присутствуют как компании-разработчики статистических пакетов, так и компании-разработчики аналитических платформ.
В [5] отмечается, что общей тенденцией развития многих статистических пакетов является дополнение функций классического статистического анализа возможностями интеллектуального анализа данных (data mining), что позволяет использовать статистические пакеты в качестве элемента аналитической информационной системы (корпоративной системы поддержки принятии решений).
Среди информационно-аналитических систем, реализующие методы интеллектуального анализа данных, можно назвать следующие:
– аналитическая платформа Deductor (разработчик – компания Basegroup, г. Рязань, http://www.basegroup.ru), поддерживающая технологии Data Warehouse, ETL, OLAP, Knowledge Discovery in Databases и Data Mining;
– аналитическая платформа «Прогноз» (разработчик – компания «Прогноз», г. Пермь, 1992 год, http://www.prognoz.ru), которая позволяет разрабатывать настольные, web и мобильные приложения для визуализации и оперативного анализа данных, формирования отчетности, моделирования и прогнозирования бизнес-процессов;
– БАРС. Бизнес-Аналитика (компания «БАРС-груп», г. Казань, 1991 год, http://bars-open.ru/solution/corporate/bars-biznes-analitika/);
– аналитическая платформа QlikView класса Business Discovery (компания Qlik, http://www.qlik.com/ru/), а также Qlik Sense Desktop – бесплатное средство интерактивной визуализации и исследования данных;
– аналитическая платформа IBM Cognos 8 Business Intelligence (в составе компании IBM с 2008 года), которая предоставляет возможности непрерывного создания отчетов, анализа, скоринга, создания информационных панелей и управления событиями, обеспечивая доступ к информации для каждого сотрудника;
– программные продукты для бизнес-аналитики компании SAS (http://www.sas.com);
– аналитическая платформа MicroStrategy (компания MicroStrategy, http://www.microstrategy.com);
– программные продукты для бизнес-аналитики компании Oracle (http://www.oracle.com).
Информационные механизмы функционирования корпоративных систем управления знаниями реализуются с помощью технологий интеллектуального анализа данных (BI). Бизнес-аналитика или Business Intelligence (BI) – это совокупность технологий, программного обеспечения и практик, направленных на достижение целей бизнеса путём наилучшего использования имеющихся данных.
К методам Business Intelligence относят, в частности, нейронные сети, деревья решений, иерархические и неиерархические методы кластерного анализа, методы ограниченного перебора, эволюционное программирование и генетические алгоритмы, алгоритмы на основе нечетких множеств и нечеткой логики.
Несмотря на различия в терминах и определениях, приводимых исследователями (www.gartner.com, citforum.ru, www.tadviser.com), есть общее понимание того, что Business Intelligence включает:
– процесс превращения данных в информацию и знания о бизнесе для поддержки принятия улучшенных и неформальных решений;
– информационные технологии (методы и средства) сбора данных, консолидации информации и обеспечения доступа бизнес-пользователей к знаниям;
– знания о бизнесе, добытые в результате углубленного анализа детальных данных и консолидированной информации.
Использование технологии бизнес-анализа успешно позволяет:
– проводить классификацию и кластеризацию клиентов по многим признакам;
– анализировать предпочтения клиентов;
– выявлять и исследовать шаблоны поведения клиентов;
– прогнозировать изменения поведения клиентов во времени;
– анализировать уровень лояльности клиентов и предлагать пакеты услуг в соответствии с уровнем лояльности;
– снижать риски потерь из-за мошенничества;
– прогнозировать результаты вывода на рынок новых продуктов;
– формировать гибкую политику управления доходами.
Как отмечено в [1], крупные и средние компании используют базы данных (клиентов, поставщиков), объем данных которых достаточно велик. Вопрос в том, насколько эффективно компании используют имеющиеся у них данные? Происходит ли переход имеющихся «сырых» данных в новое качество – в корпоративные знания? В [2] отмечается, что в «сырых» данных можно выделить следующие уровни знаний: поверхностный, неглубокий, скрытый. Для обработки поверхностных знаний традиционно используется язык запросов к базам данных. Инструменты оперативной аналитической обработки (OLAP) позволяют добраться до следующего уровня знаний. Технология «интеллектуального анализа данных» (Data Mining), являющаяся составной частью Business Intelligence, позволяет обнаруживать и использовать скрытые знания. Согласно [2], Data Mining – это процесс обнаружения в «сырых» данных ранее неизвестных, нетривиальных, практически полезных, доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. К задачам, успешно решаемым методами интеллектуального анализа данных, относятся: поиск ассоциаций (связей между отдельными событиями), поиск последовательностей (цепочек связанных фактов или событий), классификация (выявление признаков группы, к которой принадлежит изучаемый объект), кластеризация (выявление близких по заданным признакам групп данных), прогнозирование (в частности, путем поиска шаблонов в исторических данных и предсказания с их помощью будущего поведения объекта).
Возможности информационных систем бизнес-анализа делают их незаменимым помощником лиц, принимающих решения. Однако эффективность их использования во многом зависит от степени зрелости системы управления корпоративными знаниями.