Si riprende qui la riflessione sul tema “valore della conoscenza nell’era della NetEconomy” (vedi prima parte) dal punto in cui si erano evidenziate le contraddizioni e i paradossi presenti nel sistema “ragnatela”, la necessità di riferirsi ad un sistema inerziale valido e stabile rispetto agli eventi mutevoli contingenti, il bisogno di dotarsi di strumenti specifici per gestire la conoscenza in maniera competitiva (conoscenza efficiente).
In questa seconda parte, si intende entrare un po’ più nel merito di questi strumenti (cassetta degli attrezzi) che ci consentirebbero di acquisire, una capacità di interazione interdisciplinare, lo sviluppo del buonsenso condiviso e la capacità di semplificazione della complessità, “capabilities” fondamentali per operare in maniera competitiva (v. ragni e non prede) nell’ambito della gestione del valore nelle reti di conoscenza.
Per definire questi strumenti di lavoro bisogna innanzitutto partire da quelli che sono gli elementi strutturali di base (“mattoni”) della conoscenza sui quali operare, ovvero i dati e le informazioni: può sembrare banale questa distinzione spesso confusa come sinonimia, ma è proprio qui che si nasconde la prima micidiale trappola concettuale, che avrebbe effetti devastanti soprattutto nell’ambito di una gestione informatica dei “Big Data”. Sarebbe come confondere ad es.: i bicchieri con l’acqua che può esserci al loro interno, gli archi con le rispettive frecce, il nozionismo con la cultura, ecc.
Semplificando molto il concetto: i dati sono entità statiche, “fotografie” di fatti e sono quindi espliciti, in genere sono espressi in forma alfanumerica, prodotti da fonti (database, sensori,…) che ne condizionano poi la loro rispettiva “qualità”. Le informazioni sono entità dinamiche ed evolutive, caratterizzate da un proprio ciclo di vita, nascono in forma esplicita o latente dai dati, sono correlate ad uno o più processi (mentali, personali, ambientali, produttivi, ecc.) ed esercitano su tali processi una propria influenza (o “peso”). Ad esempio: misurando la temperatura, la pressione atmosferica e l’umidità relativa esterna (dati), si ottiene un’informazione che può essere correlata all’abbigliamento da indossare (processo), ma che è poi condizionata dal “peso” che la stessa informazione ha su una determinata persona piuttosto che su un’altra e dura lo spazio temporale (ciclo di vita) limitato alla rispettive necessità di uscire da casa… Le informazioni rappresentano quindi, la vera componente strutturale della conoscenza, che a sua volta nasce e si sviluppa attraverso processi di interazione e inferenza verso “target” conclusivi (ragionamento deduttivo) e viceversa (ragionamento induttivo).
Gli strumenti di base per ricavare informazioni da sorgenti di dati sono notoriamente (v. Business Intelligence): la Statistica Multivariata, le tecniche di “Data Mining” e di “Knowledge Extraction”, nelle loro rispettive modalità di applicazione. L’output dell’applicazione di questi strumenti è la generazione/esplicitazione di informazioni, utili per sviluppare processi di ragionamento e quindi, creazione di conoscenza “efficace” (proattiva). Nello scenario della Net-Economy, come si è già evidenziato nella prima parte, l’efficacia nei ragionamenti e della conoscenza rappresenta solo una condizione necessaria, ma non più sufficiente. Per aggiungere “efficienza” (competitività) è necessario utilizzare strumenti di livello superiore, come ad esempio, i “Modelli di Conoscenza” (v. Knowledge Models), che in molti casi risultano essere concetti preesistenti e noti, mentre in altri è necessario crearli o adattarli alle situazioni di nostro interesse.
Cosa sono allora questi Modelli di Conoscenza e come si utilizzano? In un certo senso, sono più diffusi di quanto si possa pensare, anche se non ne siamo del tutto consapevoli, soprattutto rispetto ad un loro utilizzo “professionale”: è come utilizzare ad es. uno “scivolo” in un parco giochi e non sapere che lo stesso potrebbe essere in alcuni casi, il sistema più rapido per raggiungere una meta prefissata anziché utilizzare le comuni “scale”. Un Modello di Conoscenza è per definizione una “sintesi” (Pattern) di una moltitudine di informazioni e di ragionamenti, che “lavora” acquisendo in input direttamente i dati da fonti esterne eterogenee ed è in grado di restituire in tempo reale in output informazioni decisionali conclusive rispetto ad un target prefissato.
Nella prossima riflessione (3° parte) entreremo nel “vivo” della descrizione operativa ed esemplificativa di questi strumenti per la gestione efficiente della conoscenza, per arrivare a introdurre i metodi di “misurazione” della stessa, vero “spartiacque” tra un uso hobbistico e un uso professionale del valore della conoscenza nello scenario della Net-Economy.
4 Trackbacks / Pingbacks