Предисловие (стр. 10 )

В информационных системах можно найти примеры информации всех видов. Данные, как информация с первичных документов (счетов, накладных и т. д.), заносятся в базу данных и хранятся тоже как данные. Сформированный запрос инициирует поиск необходимых данных в базе, их обработку и представление в заданном виде получателю уже в качестве информации. Например, данные об остатках наличных средств во всех филиалах Сбербанка Москвы на конец дня собираются в ИС головного офиса и после обработки превращаются в информацию о том, сколько наличности в Сбербанке Москвы на эту дату имеется. Данная информация служит основанием для решения ЛПР (из аппарата управляющего Сбербанком Москвы) о том, нужно ли заказывать дополнительные наличные средства в Центральном Банке. Знания в данном случае существуют в виде нормативов на объем наличных средств, имеющихся в распоряжении филиалов и самого Сбербанка Москвы. Нормативы формируются на основании предыдущего опыта работы. Таким образом, на базе полученной информации и имеющихся знаний принимается решение о заказе наличных средств.

2.3. Формы существования информации.

Данные могут существовать в виде таблиц, публикуемых в газетах или на сайтах соответствующих компаний. Примером могут служить ежедневные сведения о котировках акций. В этом случае говорят о том, что данные структурированы –  т. е. существуют в виде упорядоченной последовательности числовых значений конкретного показателя. Кроме того, данные могут получаться с изображений, из текстов газетных статей или программ телевидения. В этом случае они не могут быть непосредственно представлены в виде упорядоченной последовательности результатов измерений конкретных параметров и такие данные обычно называют неструктурированными.

Для появления информации необходимо прежде всего сформулировать задачу.

Собственно информация появляется после того, как накоплено и обработано достаточное количество данных с целью получения решения задачи (или принятия решения). Например, ставится задача о приобретении акций конкретной компании в течении предстоящего периода заданной продолжительности. Получение информации об этих акциях для решения задачи состоит в сборе данных о котировках за последнее время, обработке этих данных специальными (например, статистическими) методами для получения прогноза поведения курса акций на интересующем периоде в будущем. Информация в данном случае может быть представлена в виде анализа характера изменения курса акций за период наблюдения, прогноза изменений на заданный предстоящий период и – возможно, рекомендаций по покупке или продаже акций. Таким образом, информация – это, прежде всего, результат анализа данных в связи с поставленной задачей. Поэтому информация может существовать в виде представления результатов конкретного анализа данных (устного доклада или аналитической записки), как в нашем примере с акциями, статьи в журнале, монографии или научного отчета по заданной теме (Например, аналитическая записка «Анализ уровня благосостояния многодетных семей в регионах России»).

Знания появляются в результате многократного использования информации для принятия решения и могут существовать в двух видах: формальном (tangible) и неформальном (intangible).

Формальные знания существуют, например, в виде:

документов, регламентирующих принятие решения,

методов и методик подготовки и принятия решения,

стандартов и нормативов.

Неформальные знания – это, прежде всего, знания и опыт квалифицированных специалистов, их интуиция, умение работать в группе, корпоративная культура.

Таким образом, формальные знания существуют в виде томов документов, учебников и монографий с описанием методов решения задач.

Неформальные знания – менее конкретная категория, но реально имеющая ничуть не меньшую силу, влияющую на успех подготовки и принятия решения. Талант руководителя проявляется прежде всего в умении использовать потенциал неформальных знаний, то есть умении создать условия, при которых специалисты могут максимально использовать свой опыт, передавать его коллегам и работать в комфортной, стимулирующей среде.

Схематическое представление взаимосвязи данных, информации и знаний представлено на рис. 2.1.

Рис. 2.1. Взаимосвязь данных, информации и знаний.

Как показано на рис. 9.1., имеющиеся данные для решения поставленной задачи обрабатываются (фильтруются, форматируются, суммируются и т. д.) на основе имеющихся знаний об обработке данных. Обработанные данные уже в качестве информации с помощью имеющихся знаний анализируются.  По результатам анализа предлагаются различные варианты (может быть – только один) решения. Какой-то из вариантов (может – несколько) реализуются. Результат реализации (положительный или отрицательный) пополняет знания.

2.4. Семиотический аспект рассмотрения информации.

Основная часть экономических сведений хранится, передается и обрабатывается в форме знаков – цифр, букв, символов, формирующих сообщения. Поэтому описание и анализ экономической информации может быть осуществлен в терминах семиотики – теории о знаковых системах4. Несмотря на то, что внешние признаки указывают на культурологическую или лингвистическую направленность семиотики, есть примеры попыток применения этого подхода в анализе экономических категорий. Укажем на подход Георга Зиммеля к исследованию сущности денег с позиций семиотики, предпринятый автором еще в 1900 году в монографии «Философия денег».

Семиотика предполагает рассмотрение объекта с трех точек зрения: синтаксической, семиотической и прагматической.

1) Синтаксический аспект – отражает физические характеристики информации: способ представления, скорость передачи, тип носителя, способ кодирования, используемые каналы, надёжность и безопасность передачи. Информация, рассматриваемая только с точки зрения синтаксиса, может считаться данными, т. к. в этом аспекте не рассматривается ее содержание.

2) Содержательная сторона характеризует семантический аспект информации, когда рассматривается состав содержащихся сведений и связь между ними.

3) Прагматический аспект информации связан с ценностью информации для пользователя при принятии им решения.

Ранее мы говорили о том, что информационные системы соединяют в себе три составляющие: технологии, бизнес и людей: в среде информационных систем люди решают задачи экономики, бизнеса и управления с помощью информационных технологий. Семиотический подход к информации следует этой же логике: информационные технологии имеют дело с информацией в синтаксическом смысле – быстро и надежно собирают, передают, обрабатывают, хранят и представляют данные.  Специалисты  имеют дело с семантикой информации: они извлекают полезные сведения из результатов обработки данных. Эти полезные сведения используются затем для подготовки и принятия предпринимательского или управленческого решения.

Естественно, с точки зрения технологии, специалистов и экономики к информации возникают разные вопросы.

С технической стороны важно представлять, каков объем передаваемых данных, каковы требования к ее хранению (открытый  / закрытый доступ), куда передавать, с какой скоростью, в каком виде представлять (файл на флоппи, распечатка на бумаге, картинка на экране). Из всех вопросов здесь самый сложный – количественная оценка информации. Специалистов, готовящих принятие решения и занимающихся для этого обработкой данных, интересует, есть ли в получаемой информации что-то полезное, что позволит улучшить принимаемое решение? Это еще более сложный вопрос: какое количество нужных сведений несет полученное сообщение? Наконец, для предпринимателя интересно, главным образом – одно: какую выгоду дает учет полученной информации для его бизнеса?

Ответы на поставленные вопросы требуют умения измерять информацию в разных аспектах.

2.5. Меры информации.

Для определения меры информации необходимо ввести понятие меры неопределенности. Неопределенность – непременное свойство любого хозяйственного или управленческого решения: такие решения – это выбор из нескольких возможных вариантов и полной уверенности, что выбран действительно лучший – практически никогда не бывает. Даже в простой ситуации, выходя утром из дома, мы принимаем решения о том, как лучше одеться и взять ли зонт: существует опасность промокнуть, если будет обещанный по прогнозу дождь. Уменьшение неопределенности выбора лучшего решения возможно благодаря получению новых сведений или дополнительной информации. Если Вам позвонит приятель, живущий вблизи университета, куда Вы поутру намерены направиться из своего дома с другого конца города, и сообщит, между прочим, что у него за окном – проливной дождь, неопределенность выбора существенно снизится: брать зонт надо обязательно. Все же сомнения останутся: а вдруг дождь навсегда прекратится за время, пока Вы будете добираться до университета? Уменьшение неопределенности в нашем примере – довольно полезная штука, если она помогает принять решение. Однако понятно, что сообщение не обязательно уменьшает неопределенность – оно может ее и увеличить: если в сообщении приятеля помимо дождя будет фигурировать и сильный ветер и другие неприятные обстоятельства – Вы вообще можете засомневаться – стоит ли ехать в такую погоду на занятия. Неопределенность принятия решения возрастает. Может быть, что приятель в разговоре с Вами совсем не упомянет о погодных условиях - неопределенность с выбором решения о зонте и одежде останется неизменной. Так что здесь все дело в сообщении – изменяет оно неопределенность в ту или иную сторону – или нет. Вот по этому изменению неопределенности мы попробуем оценить количество информации, содержащееся в сообщении.

Оценить неопределенность в реальной хозяйственной ситуации довольно сложно. Поэтому для разработки понятийного аппарата лучше прибегнуть к формальным моделям.

2.5.1. Энтропия системы.

Принятой мерой неопределенности системы α является энтропия, обозначаемая H(α). При получении сообщения β энтропия системы - Нβ(α). Как мы заметили, может быть, что Нβ(α) Н(α), Нβ(α)> Н(α) и Нβ(α)= Н(α) – все зависит от того, что за сообщение β получено. Интересно, что именно разность Н(α)- Нβ(α) оказывается важной характеристикой полученного сообщения β.