LA UBICACIÓN DEL CONOCIMIENTO EN LAS ORGANIZACIONES

Transcripción

1 Cuadernos de Gestión del Conocimiento Empresarial Número 25. Septiembre de 2010 LA UBICACIÓN DEL CONOCIMIENTO EN LAS ORGANIZACIONES Por Fernando Piera Gómez, vicepresidente 1º de ATI Al final de la primera década del siglo XXI se podría afirmar sin grandes probabilidades de error que el conocimiento en las organizaciones se encuentra en forma digital, en soporte electrónico, por lo que en este cuaderno cuando se habla de conocimiento, datos e información los consideramos siempre en soporte electrónico y formato digital. Como ya había expuesto en el cuaderno número 3 de esta serie, los datos y la información son la base constitutiva del conocimiento y estos tres elementos constituyen una jerarquía que en algún sitio debe de ubicarse dentro de la Normalmente se ubican en diversos almacenes, bases de datos, data Warehouse y data marts. Pero todos dependen de la calidad básica de los datos. El conocimiento es el único activo que actualmente crece más cuanto mas se comparte con otros. Desgraciadamente muchas organizaciones y empresas fallan al utilizar adecuadamente el conocimiento que existe dentro de su propia Esto les cuesta dinero. Aunque la gestión del conocimiento se va profesionalizando cada vez más, todavía existe una falta de comunicación. En muchas empresas los empleados están localizados no solo en los locales de la empresa o en localidades del país, sino también en puntos repartidos por el globo terráqueo. Para complicar mas las cosas, el trabajo se desarrolla de manera móvil, y la formación basada en Internet resulta muy efectiva desde el punto de vista de costes, para mantenerles al DIA y en animarles a intercambiar sus conocimientos. Desde la publicación de su libro "The Knowledge Creating Company" en 1995, los japoneses Ikujiro Nonaka y Hirotaka Takeuchi han sido considerados los fundadores de la gestión del conocimiento. El núcleo de su investigación declara que las empresas deben generar continuamente conocimiento y distribuirlo eficientemente a través de toda la organización de manera que nuevos productos, servicios y métodos puedan ser desarrollados rápidamente. La gestión del conocimiento solo puede tener éxito cuando los empleados dedican una porción de su tiempo a la continuación de su formación, es decir, a la adquisición de conocimiento, y a la transferencia del conocimiento. Para que esto funcione todas las actividades operativas y las tareas de gestión deben estar enfocadas en el logro de la mejor manera de utilizar el conocimiento de los empleados. 1

2 El primer paso en los negocios es recolectar conocimientos y facilitar a los empleados una manera mas eficiente de comunicarse entre ellos, por ejemplo, mediante el uso de blogs personales, Willis, mensajería instantánea, mensajes de texto, conferencias a través de Internet, etc. En el actual competitivo entorno empresarial, donde el conocimiento se ve como el mayor diferenciador del mercado, las empresas están aprendiendo astutamente maneras de manejar el conocimiento, es decir, los datos e informaciones, como activos de alto valor y su gestión como una inversión. Una organizaron funciona generalmente con el uso de muchas fuentes de conocimiento, tanto internas como externas que generan grandes volúmenes de datos tanto estructurados como no estructurados. El reto constante con que se encuentran las organizaciones es como gestionar efectivamente los datos de la empresa, teniendo en cuenta las necesidades emergentes de intercambio de datos entre las diversas funciones de la organización y que introducen otro nivel de complejidad para la gestión de los datos en su globalidad. Para mejorar el valor y la usabilidad del conocimiento como un activo de la empresa mientras se trata las dependencias de los datos, las organizaciones requieren la gestión de la información. La EIM (Enterprise Información Management), la gestión de la información de la empresa, tiene la lógica de llegar junto con la estrategia, arquitectura, procesos, tecnología y recursos humanos e infraestructura para la integración efectiva, gestión y diseminación de la información de la En otras palabras, EIM es el arte de gestionar los datos y de convertirlos en información valiosa, en concreto, de la gestión del conocimiento de la La topología del conocimiento y su arquitectura es uno de los mayores retos al que las organizaciones tienen que enfrentarse dado el constante incremento del número de fuentes y volúmenes de datos. La necesidad de integrar datos heterogéneos existentes en sistemas dispersos y la necesidad de disponer de un mecanismo para reducir la lentitud en el intercambio de datos y en su análisis han añadido otro nivel de complejidad a todo el sistema de gestión del conocimiento. La organización debe definir y adoptar una arquitectura del conocimiento para soportar sus requerimientos funcionales y no funcionales a largo plazo. Parámetros como el crecimiento del volumen de los datos, la estrategia de integración de los datos, el uso concurrente, intercambios en tiempo real, etc. deben de considerarse en el momento de definir la topología del conocimiento. La arquitectura de la gestión del conocimiento debe de ser flexible para adoptar cambios futuros y ofrecer el máximo de usabilidad de los componentes. Dentro del contexto de la ubicación del conocimiento en las organizaciones se ha de considerar la consolidación de la infraestructura. En el pasado, las organizaciones han crecido con aplicaciones informáticas fragmentadas y almacenadas que resultan condicionadas por un entorno ineficaz y de duplicaciones con una utilización inefectiva de la infraestructura de TI. Las organizaciones incurrían en costosas 2

3 adquisiciones y costosos soportes y mantenimientos de los entornos distribuidos de TI. Los avances tecnológicos como la nube (cloud computing), el grid (la parrilla), el procesamiento paralelo, y unidades de configuración equilibrada, han disminuido la necesidad de equipos replicados y de software duplicado, y ofrecen un entorno escalable a la demanda con un optimo aprovechamiento de de los recursos. El volumen de los datos ya no resulta un cuello de botella para el rendimiento de las aplicaciones. Estos avances abren una vía a las organizaciones para consolidar su infraestructura y crea una un entorno de infraestructura compartida. Como primer paso hacia la consolidación de la infraestructura, las organizaciones pueden consolidar sus servidores existentes y crear un entorno virtual a ser utilizado a la demanda. Esto mejorará el equilibrio de la utilización genérica de los servidores y de la carga de trabajo. Una mayoría de las organizaciones tienen el conocimiento esencial, los datos maestros, distribuidos en múltiples y heterogéneas aplicaciones que perjudican las posibilidades de una organización para tener una visión de 360 grados del conocimiento esencial o información maestra o clave. Esto impacta negativamente en el crecimiento y sostenibilidad de la Las organizaciones deberían definir un plan para la consolidación y gestión de los datos e información maestros y ofrecer a las unidades de negocio una única y verdadera visión de su área, productos y demás entidades principales de actuación. Por ejemplo, para obtener un conocimiento integrado de las relaciones entre vendedor, suministrador, intermediario y producto. Como parte de la solución a estas cuestiones, las organizaciones deberían definir la estrategia adecuada y adoptar la infraestructura necesaria para suportar las diversas fuentes de conocimiento, de datos. Debería de existir un mecanismo continuo para integrar información estructurada, no estructurada y semiestructurada. Por ejemplo, en una empresa manufacturera se trata de integrar datos de diferentes tipos y formatos de fuentes diversas y dispersas para realizar informes y proporcionar conocimiento a la dirección que facilite su proceso de toma de decisiones. Esto se realiza para mejorar los servicios de soporte post venta y otros indicadores clave del negocio. El constante aumento del volumen de datos e información en los repositorios, la pobre calidad de los datos y la carencia de una gestión adecuada de los mismos crean un obstáculo en la capacidad de la organización para utilizar los conocimientos disponibles como bienes de capital de la organización y derivar una toma de decisiones apropiada y limitan la agilidad de la organización para mejorar su competitividad y productividad. Dentro del marco de la arquitectura del conocimiento y del negocio, de la arquitectura global de la empresa u organización se ha de tener en cuenta el papel que desempeña la ubicación física y lógica del conocimiento que se materializa con la ubicación física de los datos de la Esta ubicación en términos generales y desde el punto de vista físico son los sistemas de almacenamiento, el soporte físico. Estos sistemas de almacenamiento, desde el punto de vista 3

4 lógico se pueden encontrar en bases de datos de diversa estructura, pero entre las que destacan las bases de datos relacionales, en data marts y en data Warehouse. Realmente no existe un equivalente de estos términos en español. Los data Warehouse y los data Mart, que son un subconjunto dentro de una data Warehouse y que es una base de datos común y corriente, conviven dentro de sistemas de bases de datos relacionales. Sin embargo las data Warehouse y las data marts tiene una estructura un tanto diversa. Una data Warehouse es una base de datos de procesamiento analítico en línea (OLAP OnLine Analítics Processing) y con frecuencia incluye estas características: Las empresas con data Warehouse siempre tendrán una o más bases de datos normales que alimentan la data Warehouse. El problema del diluvio de datos y por tantote la excesiva cantidad de datos que se deben tratar puede tener una solución mediante la deduplicación de datos que promete potencialmente ahorros importantes en el espacio de almacenamiento (30% a 50%) en entornos que se caracterizan por la clonación de datos ya nivel de archivos o a nivel de bloques de archivos. La deduplicación de datos tiene tres formas básicas que incluyen en-línea, fragmentación de bloques, y construcción lógica. Cada una de estas formas tiene una orientación técnica distinta y tienes sus pros y contras, pero las tres básicamente buscan encontrar circunstancias en las que el mismo bit de datos ha sido replicado muchas veces en respuesta frecuentemente a actividades arbitrarias de aplicaciones y/o backups. Una data Warehouse es un repositorio de datos almacenados electrónicamente de una organización, diseñado para facilitar informes y análisis y en consecuencia conocimiento. Esta definición de data Warehouse se orienta hacia al almacenaje de conocimiento. Sin embargo para recuperar y analizar el conocimiento, hay que realizarlo utilizando los datos. Para extraer, transformar y cargar datos para gestionar el diccionario de datos también se consideran componentes esenciales de un sistema de data Warehouse. Muchas referencias al almacenaje en data Warehouse usan este contexto más amplio. Así una definición expandida para data Warehouse incluye las herramientas de BI, herramientas de extracción, transformación y carga de datos en el repositorio y herramientas para gestionar y recuperar metadatos. El almacenaje en data Warehouse deriva de las necesidades de la organización de disponer del conocimiento necesario vía informes y análisis de los datos en diferentes niveles de agregación, siendo los datos fiables, consolidados, únicos e integrados. Es realmente posible diseñar, crear y poblar un data Mart con datos confiables y con informes en un lapso de tiempo breve. Determinados los datos correctos a través del diccionario de datos y objetos, se define la tarea a realizar para construir el data Mart. Hay que llegar a conocer las técnicas que las herramientas facilitan y son utilizadas por los expertos, en la vida real, para desarrollar nuevas data Warehouse rápidamente y como los data marts facilitan la implantación de los data Warehouse en sistemas de las organizaciones y en los sistemas denominados de Business Intelligence. 4

5 El crecimiento exponencial de los datos y de la información que contienen y que facilita la obtención del conocimiento empresarial y organizacional, impulsa la capacidad de toma de decisiones de forma profesional tanto en el día a día como en la estrategia a largo plazo. Sin embargo, los profesionales del conocimiento, en grandes organizaciones, publicas o privadas, se enfrentan, progresivamente, a difíciles problemas de integración de datos. Los cambios constantes en los negocios y en las actividades necesitan una respuesta rápida de las TI, incluyendo los cambios en las especificaciones del conocimiento requerido. El crecimiento de los volúmenes de datos y su complejidad aumenta los riesgos del negocio público y privado y reducen agilidad operativa de las organizaciones. Un solo tamaño no sirve para todos. Como la mayoría de las tecnologías utilizadas en los negocios públicos y privados, el conocimiento no tiene una única dimensión que sirva para todos. De hecho, no es sorprendente ver una organización o empresa mediana que intenta implantar un sistema de conocimiento con las mismas soluciones tecnológicas utilizadas por una organización o empresa grande. Pero las mayoría de las organizaciones o empresas medianas nunca Irán detrás de un ERP, o un CRM u otras aplicaciones adecuadas para grandes empresas, entre otras cosas porque ya, la mayoría de los proveedores de herramientas tienen soluciones y productos para las organizaciones y empresas medianas y no hay razón para gastar mas por el mismo resultado. De acuerdo con diversas estimaciones, la humanidad ha creado unos 150 exabytes, (150 mil millones de gigabytes) de datos en En 2010 se estima que se crearan 1200 exabytes. Solamente teniendo en consideración esta inundación y almacenando todos estos bits que pueden ser útiles es suficientemente difícil. Analizarlos para encontrar patrones y conocimiento e información útil es mucho más difícil. Aun así este diluvio de datos esta forzando una transformación del mundo de los negocios, la administración pública, la ciencia y la vida diaria. No solo la cantidad de datos se proyecta a futuro con un crecimiento exponencial, sino que las fuentes importantes de estos datos se proyectan a cambiar de ser predominantemente corporativas a estar en la nube (cloud) y hospitadas por SaaS e Internet. Un problema clave es que estas nuevas fuentes de datos plantean un problema de integración de datos. Los flujos de datos provenientes de las redes sociales, de los RSS y similares provocan una larga fila de fuentes de conocimiento que necesitan una integración de los datos disponibles para poder ser utilizadas y analizadas convenientemente y con utilidad para los usuarios. 5