Metody snižování rizika při rozhodování vrcholového managementu



Tvorba báze znalostí

Vlastní tvorba báze znalostí je proces, při kterém spolupracuje znalostní inženýr (ovládající expertní systém) a expert ve zvolené problémové oblasti. Tento proces lze rozložit do následujících fází:

  • Analýza:

    • Identifikace problému (seznámení se s problémovou oblastí a určení cílů expertní činnosti).
  • Specifikace:

    • Návrh koncepce báze znalostí (hlubší seznámení se s danou problematikou, dekompozice, definování postupů a určení dat, která expert používá).
    • Volba reprezentace znalostí (obecně volíme formální reprezentaci znalostí, prakticky však vycházíme z prázdného ES, který je k dispozici).
  • Vytvoření vlastní báze:

    • Implementace (vlastní zápis inferenční sítě – pravidel, výroků, hypotéz atd.).
    • Ladění, testování (včetně změn apriorních pravděpodobností nebo celé struktury inferenční sítě).
  • Rutinní použití systému:

    • Provozní využití ES (včetně modifikace báze znalostí a její údržby).

Na základě zkušeností z tvorby několika bází znalostí lze doporučit respektovat následujících základních zásad:

  • Jednotlivé moduly báze znalostí vytvořit tak, aby byly relativně nezávislé. Tento přístup se v praxi ukazuje jako velmi užitečný, a to nejenom ve fázi tvorby, ale zejména zjednodušuje ladění jednotlivých podsystémů báze znalostí.
  • „Rozvíjet přátelský vztah“ ES ke klientovi. Vztah ES ke klientovi je sice určen vlastnostmi prázdného ES, ale struktura výsledné báze znalostí a poskládání informací v této bázi však také může značně ovlivnit průběh konzultace mezi klientem a vlastním systémem. Proto je při návrhu báze znalostí účelné respektovat zásadu, že v rámci konzultace klientovi musí být poskytnuto co nejvíce informací o řešení, včetně zdůvodnění výběru konkrétních hypotéz, respektive hypotézy.
  • Vhodně zařadit podsystémy do kompletní báze znalostí ES. Je nutné poskládat jednotlivé subsystémy báze znalostí tak, aby při konzultaci nebyly klientovi pokládány nadbytečné a popřípadě nesmyslné dotazy. Uvedeme si dva konkrétní příklady z praxe – jestliže z předchozí konzultace vyplývá, že klient nemá bratra, je zbytečné dále testovat stáří jeho bratra. Je tedy vhodné postupovat od dotazů všeobecných ke speciálním a detailním.
  • V rámci konzultace jsou nejprve prošetřovány jako cílové hypotézy ty, které jsou nejpravděpodobnější, a je tedy vždy vyšetřována logická cesta, která vede k vyšetřované cílové hypotéze. Proto nejsou při konzultaci vyšetřovány jednotlivé otázky v bázi znalostí tak, jak byly zapsány v určitých problémových okruzích.
  • Počítat s budoucí modifikací báze znalostí. Skladba konkrétní báze znalostí z relativně malých a samostatných modulů umožní budoucí rychlou případnou modifikaci celé báze (k níž po dobu reálného provozování ES určitě dojde).
  • Při ukončení konzultace poskytnout klientovi co nejvíce relevantních informací o vybrané hypotéze. Jako výstup z konzultace je vhodné neposkytovat pouze výpis hypotéz dle přiřazených výsledných pravděpodobností, ale též základní informace o vybrané hypotéze. Tak například v dále popisovaném ES pro výběr nejvhodnější prognostické metody klientovi jsou poskytnuty doplňkové informace, vztažené k vybrané prognostické metodě: název instituce, o níž víme, že uvedenou metodu používá; jméno osoby, která má k dispozici příslušné programové vybavení; seznam literatury s podrobnými informacemi o prognostické metodě; pokud je k dispozici konkrétní programové vybavení, které podporuje sledovanou prognostickou metodu, pak je klien­tovi samozřejmě nabídneme atd.
  • Předpokládat, že vytvoříme bázi s rozdílným stupněm strukturovanosti. Typickým praktickým problémem při tvorbě bází znalostí je obvykle její nestejná strukturovanost. K některým dílčím problémům se nám (vám) podaří získat z literatury (z konzultací s experty) více informací, a můžeme tedy provést členění konkrétního podsystému báze znalostí do větší hloubky ve srovnání s členěním jiného podsystému.

Dalším klasickým problémem je získávání heuristických informací. Například při tvorbě ES pro výběr optimální prognostické metody jsme kontaktovali experty, kteří výrazně preferují vybrané simulační metody, s nimiž mnohokrát uspěli. Jiní prognostici (například brněnští) preferovali expertizní metody (jako brainstorming, delfská metoda atd.), což se pochopitelně odrazilo i v jejich názorech na využití konkrétní metody v praxi, které jsme od nich získali. Poněvadž jsme se setkali s velmi rozdílnými názory na praktické použití jednotlivých prognostických metod, museli jsme určit váhu jednotlivých hypotéz a dílčích tvrzení nakonec sami.

Dalším omezením pro plnění báze znalostí je obvykle vlastní prázdný ES. Výběr vlastního ES, který předchází plnění báze znalostí, může rozhodujícím způsobem ovlivnit kvalitu konzultace plného systému. Při výběru je nutno mít na paměti, že pro plnění a následné provozování ES je vhodné, aby systém poskytoval (alespoň) minimální komfort pro jeho tvůrce (například textový editor nebo podobný nástroj, s nímž lze provádět běžně úpravy v bázi znalostí; pro klienta je téměř nutností, aby byl ES vybaven nástroji, umožňujícími práci s algebraickými výrazy, atd.). S respektováním výše uvedených metodických přístupů ke konstrukci reálné báze zásad jsme navrhli bázi znalostí ES, která byla v praxi reálně provozována.[1]

Příkladem báze znalostí, obsahujících mnoho heuristik, je ITIL (IT Infrastructure Library). Jde o knihovnu obsahující popis způsobů řízení IT infrastruktury a služeb poskytovaných jejím prostřednictvím. Jedná se o souhrn nejlepších zkušeností z praxe, tzv. best practices. Tyto praktiky jsou nezávislé na velikosti firmy, průmyslovém odvětví i na dodavatelích. ITIL dává zkušenosti z jednotlivých oblastí do souvislostí, čímž pomáhá při jejich řešení udržet potřebné vazby a zachovat si přehled o celkovém obrazu všech návazností tak, aby následné řešení v dalších oblastech bylo jednodušší. ITIL původně vznikl v rámci britské vládní agentury CCTA (Central Computer and Telecommunication Agency) jako kvalitativní standard v oblasti informačních technologií.[2]

[1]    Rais, K. Smejkal, V. a kol.: Návrh expertního systému pro volbu prognostických metod. Výzkumný úkol SPEV 908-121-203-SMS03 „Rozvíjení procesu automatizace zejména na bázi dalšího rozvoje a aplikace elektroniky průmyslových robotů a manipulátorů“, UVVTŘ 88-3-2-1-06. UVVTŘ, Praha 1988 a Rais, K. Smejkal, V. a kol.: Expertní systém pro volbu prognostických metod. Výzkumný úkol SPEV 908-121-203-SMS03 „Rozvíjení procesu automatizace zejména na bázi dalšího rozvoje a aplikace elektroniky průmyslových robotů a manipulátorů“, UVVTŘ 89-3-2-1-12. UVVTŘ, Praha 1989.
[2]    Více viz např. Hospes, J., Skála, J.: ITIL – vše, co byste měli znát. INSIDE, 2005, č. 6, s. 40–48, nebo podrobný seriál V. Kufnera, který vycházel v časopise DSM – Data Security Management v letech 2006–2008.

Převzato z knihy Řízení rizik ve firmách a jiných organizacích vydané nakladatelstvím Grada v roce 2013