Тиражирование знаний

Тиражирование знаний - это процесс, обеспечивающий возможность пользователям, не разбирающимся в анализе данных, применять результаты аналитической обработки. Например, сотрудник, оформляющий кредиты, должен внести данные по потребителю, а система автоматически выдать ответ, на какую сумму данный потребитель может рассчитывать, либо сотрудник отдела закупок при оформлении заказа должен получить автоматически рассчитанный, рекомендуемый объем закупки каждого товара.

Данный функционал является самым важным в любой аналитической системе, т.к. именно он позволяет передавать знания от экспертов к менее опытным сотрудникам и превращать знания в конкурентные преимущества. Тиражирование знаний позволяет формализовать процесс принятия решений и поставить его «на поток».

Потребность в тиражировании знаний является объективной, так как, интеллектуальная составляющая бизнеса становится все более значимой, но невозможно требовать от каждого специалиста, чтобы он разбирался в механизмах анализа. С одной стороны, создание моделей, поиск зависимостей и прочие задачи анализа нетривиальны. С другой стороны, нет возможности предоставить готовую систему, которая могла бы на всех данных гарантированно давать качественные результаты (прогнозы, рекомендации и прочее). Слишком широк спектр решаемых задач и слишком отличается логика работы в различных компаниях. Тиражирование знаний позволяет решить эту противоречивую задачу – учесть особенности конкретного бизнеса и при этом упростить получение результатов конечными пользователями.

Для решения задачи тиражирования знаний необходимо выполнить следующие действия:

1. Консолидировать данные, необходимые для принятия решений. Невозможно сделать процесс принятия решений простым, удобным и быстрым, если нет исходной информации, на основе которой решения принимаются, либо доступ к этим данным затруднен.
2. Формализовать знания экспертов. Отделить знания от экспертов и обеспечить возможность другим сотрудникам этими знаниями воспользоваться можно только, если они формализованы.
3. Обеспечить удобные механизмы визуализации. Для того чтобы сотрудники могли воспользоваться результатами аналитической обработки, недостаточно просто отобразить эти результаты в каком угодно виде. Результаты обработки должны быть представлены в виде удобном для понимания и учитывающем особенности восприятия сотрудниками.
4. Доставить результаты обработки до соответствующих сотрудников с учетом разграничения полномочий. Знания являются огромной ценностью, и для получения конкурентных преимуществ необходимо ограничивать доступ к результатам.

Все необходимое для решения задачи тиражирования знаний включено в состав аналитической платформы Deductor.

Поддерживаются хранилища данных, решающие задачи консолидации и удобного представления анализируемых данных. Поддержка различных архитектур и множества баз данных позволяет строить хранилища, учитывающие специфичные требования организаций.

Возможность построения сценариев решает задачу формализации знаний аналитика. Эксперт готовит сценарии обработки (модели) с учетом особенностей конкретного бизнеса, а остальные пользователи просто используют уже готовые модели, получая отчеты, прогнозы, правила не задумываясь о том как эти модели работают.

В Deductor встроены десятки удобных способов визуализации данных. Механизмы отображения учитывают особенности аналитической обработки, гибко подстраиваясь под имеющиеся данные. Пользователь может визуализировать одни и те же данные множеством способов и комбинировать различные способы отображения.

Использование рабочего места пользователя Deductor Viewer, аналитической службы Deductor Server, поддержка большого количества баз данных, офисных систем, почтовой рассылки и прочего позволяет реализовать разграничение прав и доставку данных конечным пользователям наиболее удобным в каждом случае способом.

Пример реализации концепции тиражирования знаний

Реализовать функционал тиражирования знаний, используя Deductor, можно различными способами, например, комбинируя хранилище данных, рабочее место аналитика и пользователя.

Создается хранилище данных Deductor Warehouse, консолидирующее всю необходимую для анализа информацию, и настраиваются механизмы автоматического обновления сведений в хранилище. Данная операция гарантирует оперативное получение актуальной, непротиворечивой и целостной информации для анализа.

Эксперт при помощи Deductor Studio настраивает сценарии обработки, т.е. определяет последовательность шагов, которую необходимо провести для получения нужного результата. Почти всегда результат нельзя получить за одну операцию. Обычно это целая цепочка различного рода обработок. Например, для получения качественного прогноза необходимо сгруппировать нужным образом данные, провести очистку их от выбросов, сгладить, построить модель и "прогнать" через эту модель новые данные. Подготовка сценариев наиболее сложная часть работы, требующая серьезных знаний в предметной области и понимания методов анализа, но эту работу может провести один человек в компании.

Эксперт выводит на панель "Отчеты" ту информацию, которую необходимо получить конечному пользователю системы, сгруппировав ее в папки в зависимости от решаемой задачи, и настраивает способы визуализации полученных данных, подбирая наиболее оптимальные методы отображения.

Конечный пользователь при помощи приложения Deductor Viewer просматривает результаты, созданных экспертом моделей, в виде готовых отчетов.

Работа эксперта-аналитика заключается в построении сценариев обработки и получении моделей. Типовая схема работы аналитика выглядит следующим образом:

Работа конечного пользователя состоит в использовании моделей, построенных экспертом. Типовая схема работы конечного пользователя выглядит следующим образом:

В итоге конечному пользователю будут доступны результаты обработки в наиболее удобном для принятия решений виде. При выборе того или иного отчета система автоматически проведет все необходимые операции и предоставит результат. Данный механизм позволяет отделить процедуру подготовки сценариев, требующую определенных знаний и собственно получение отчетов с использованием готовых сценариев. Таким образом, при помощи Deductor решается задача тиражирования знаний.