Юрий Адлер - Практическое руководство по статистическому управлению процессами

Где мудрость, затерявшаяся в знании?

Где знание, затерявшееся в информации?

Принято считать, что в этих строках впервые было отмечен тот факт, что информация, знание и понимание (мудрость), вообще говоря, не одно и то же и знание способно затеряться в информации. Примерно через 50 лет американский композитор Фрэнк Заппа (Frank Zappa) написал такие строки:

В научный обиход различие между информацией, знанием и пониманием ввел известный ученый Рассел Акофф. Он выразил это различие в виде иерархии (рис. 1.1):

В англоязычной литературе эта иерархия известна под аббревиатурой DIKW [http://en.wikipedia.org/wiki/DIKW]. В двух словах эту иерархию можно прокомментировать так.

Данные – это цифры, даты, символы и т. п., которые сами по себе ничего не значат.

Информация – это данные в определенном понятном нам контексте, данные, имеющие смысл и целевое назначение (т. е. данные в свете некоторой гипотезы или системы гипотез об их смысле).

Знание – это определенным образом обработанная и структурированная информация, которую можно использовать для принятия решений (т. е. информация, прошедшая формальную или содержательную проверку гипотез, которая не выявила противоречий).

Мудрость – это основанная на знании способность создавать новое знание и принимать решения в условиях неопределенности.

На самом деле границы между этими категориями очень зыбки и условны, и потому иерархия DIKW часто и заслуженно подвергается критике с разных сторон. Однако здесь нам важно обратить внимание не столько на проблему структурирования наших знаний, сколько на два существенных момента, какие не будут меняться при различных модификациях иерархии знаний. Первый момент состоит в том, что данные сами по себе не есть ни информация, ни тем более знания. Переход от набора цифр к их пониманию и выводам/решениям осуществляется путем анализа данных. Этот анализ может проводиться на самых разных уровнях: от поверхностного взгляда на цифры до применения самых навороченных статистических пакетов обработки данных. Но в полном соответствии с принципом 80/20 (подробнее о нем см. в книге [Кох 2012]) в 80 или более процентах ситуаций переход от данных к последующим этапам иерархии знаний можно успешно выполнить с помощью первичного анализа данных, который мы, следуя [Тьюки 1981], будем далее называть разведочным анализом данных (РАД).

Второй момент состоит в том, что ключевой компонент РАД – визуализация данных, т. е. представление данных в виде понятных и полезных картинок. Важно отметить, что роль картинок гораздо больше, нежели просто «сжать» информацию и представить ее в компактном виде. Зачастую они дают нам «новую» информацию, которой «как бы не было» при ином ее представлении. Дело в том, что правильная картинка позволяет нам увидеть не только сами значения данных, но и их связь друг с другом, а также наличие тех или иных особенностей и структур в поведении данных, не обнаруживаемых при их текстовом или табличном представлении.

Есть и чисто физиологическая причина того, что, глядя на картинку, человек часто видит много нового по сравнению с текстовым изображением или таблицей: мы воспринимаем картинку и текст разными полушариями мозга (логическим и эмоциональным) [Роэм 2009]. Другими словами, именно картинки часто служат тем мостиком, с помощью которого мы переходим от одной ступени DIKW к другой.

Следуя вышеприведенным стихотворным образцам, мы предлагаем такую модель:

Как превратить данные в информацию, информацию в знание, знание в мудрость?

Ответ: с помощью разведочного анализа данных (РАД) .

Семь (девять) простых методов РАД

1. Визуализация

2. Диаграммы потока процесса

3. Контрольные листки

4. Контрольные карты Шухарта

5. Гистограммы

6. Стратификация данных

7. Диаграмма Парето (80/20)

8. Схема Исикава

9. Диаграмма рассеяния

В РАД мы включаем семь простых методов контроля качества [Куме 1990], семь новых методов контроля качества [Адлер 2000, Кане 2008], визуализацию данных, метод построения диаграмм (блок-схем) потока процессов (flowcharts), ящик с усами, правило семи вопросов, ментальные карты и любые другие полезные для понимания картинки. Поскольку все перечисленные методы нужны не только при контроле качества, а при анализе любых данных в любых сферах деятельности, мы далее опускаем слова «контроль качества» и говорим о семи простых и семи новых методах РАД, включив в семь простых диаграммы потока и визуализацию как самостоятельный метод (т. е. по сути семь простых у нас состоят из девяти инструментов) [2] Термины «семь простых» и «семь новых» настолько широко вошли в уже имеющуюся литературу, что мы не видим смысла их менять. .

Семь новых методов РАД

Диаграмма сродства

Граф связей

Метод иерархических структур

Матричная диаграмма (домик)

Анализ матричных диаграмм

Блок-схема принятия решений

Сетевой график (метод ПЕРТ)

Один из самых простых способов превратить данные в информацию – добавить к ним ответы на семь простых вопросов: кто? когда? как? где? зачем их собирал? сколько чего собрали? и что, собственно, они означают?

В англоязычной литературе это хорошо известное и очень популярное, особенно у японцев,

Правило 5W+2H:

Но вербальных ответов недостаточно – они по-прежнему не позволяют нам обнаружить структуры и тренды (если, конечно, они есть – а они есть в большинстве случаев реальной жизни). Чтобы обнаружить структуры и тренды в данных, их – данные – нужно визуализировать.

Наиболее употребительные практические инструменты визуализации данных перечислены в табл. 1.1.

Бóльшая часть того, что перечислено в этой таблице, будет рассмотрена в разных местах книги, но сначала разберем несколько примеров того, как визуализация помогает нам обнаружить то, что нельзя увидеть из цифр. В табл. 1.2 приведена часть таблицы Росстата с данными о валовом внутреннем продукте (ВВП) РФ в постоянных ценах 2011 г. (вся таблица просто не поместится на одной странице). Значения ВВП приведены в миллиардах рублей. Данные даны поквартально, но из таблицы вряд ли вы увидите какие-то закономерности.