Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Методы сбора данных в человеко-ориентированном проектировании информационных систем. Учебное пособие
.pdf
ющих в ней процессов. На рис. 4 показана укрупненная схема анализа
организации как системы при выявлении проблемы информатизации.
2. Одна из главных задач любой организации заключается в необходимости наладить беспрепятственный обмен данными по горизонтали и вертикали на всех уровнях системы управления организации.
Цель – преодолеть существующие межфункциональные вертикальные
барьеры, создаваемые формально
определенной организационной
структурой – структурой ролей и постов в организации.
Рис.4. Схема представления организации
при анализе ИТ-инициативы
3. Процесс разработки любого ИТ-проекта можно понимать как
производство интеллектуального продукта с использованием временной (матричной или проектной) формы управления. Создается команда
проекта, которая должна произвести определенный продукт (проект)
в ходе реализации ИТ-инициативы. Эта команда должна получать данные о содержании ИТ-инициативы, выявлять содержащуюся в них информацию для снятия неопределенности относительно требований
к проекту и в процессе выполнения проекта уточнять и согласовывать
требования и предлагаемые решения, т. е. взаимодействовать с заинтересованными сторонами.
41
4. Команде проекта следует:
• знать и применять на практике принципы человеко-ориентированного проектирования ИС;
• понимать необходимость учета на практике, при реализации
ИТ-инициативы для конкретной организации, особенности условий ее
жизнедеятельности;
• выбирать подходящие для решаемых задач методы (техники) сбора и анализа данных и реализовывать их на практике;
• во
взаимодействии с заинтересованными сторонами ИТ-проекта
согласованно использовать понятия данных, информации и знаний;
• учитывать возможные последствия для деятельности пользователей изменения сложившихся неформальных коммуникационных сетей;
• понимать (рис. 5) возможность использования методов и средств
сбора данных, задач системного анализа, рекомендаций существующих
стандартов, сводов знаний и методологий в реализации ИТ-инициативы.
Рис. 5. Место методов и средств сбора данных
в реализации ИТ-инициативы
5. В сводах знаний и стандартах содержатся рекомендации по методам и техникам сбора и анализа данных при решении большого числа типовых задач командой проекта на различных этапах его жизненного цикла.
6. Содержание стандартов, сводов знаний, методологий после выпуска их очередных версий (редакций) по мере накопления опыта
42
применения этих рекомендаций на практике обновляется. Обновление
вызвано не только накоплением знаний, но и ограниченным жизненным циклом части знаний как интеллектуальных продуктов в сфере
применения информационных технологий.
7. Крупные организации-разработчики ИТ-проектов обычно имеют
собственные корпоративные руководства по разработке проектов,
в которых учитывается их опыт работы в ИТ-сфере.
2.3. РИСКИ В ПРАКТИКАХ ОБРАЩЕНИЯ С ДАННЫМИ
Вопрос рисков в практике обращения с данными имеет два аспекта.
1. Может быть низкое качество данных, используемых в системах
информационной поддержки деятельности пользователей ИТ-систем,
уровень которого предопределен сложностью предметной области их
деятельности. Сложность вызвана тем, что моделируемые объекты
(субъекты разного уровня) способны к
самоорганизации. Они активно
отражают свое состояние и взаимодействия с внешней средой и настраивают используемые в деятельности модели на свое понимание реальности. Поэтому команде проекта следует ответить на два вопроса:
• Как к такому качеству данных отнесутся те, кому эти данные
нужны для принятия решений?
• Какие правила должны быть установлены
для работы с такого ро-
да данными?
2. Возможность неэтичного обращения с данными в процессах ра-
боты с ними с целью манипулирования поведением пользователей или
использования сотрудниками организации доступных им данных в качестве актива в своих интересах. В этом случае используются разнообразные технологии психологического и позиционного давления, а так
-
же обмана [44]. Если пользователи не знают об этом или не
предполагают такого обращения с данными, то они, имея определенный уровень доверия к ним, считают, что имеющиеся в их распоряжении данные надежны и достоверны до тех пор, пока практика не покажет обратного. Результат такой работы с данными – утрата
доверия
к их источнику. Плохо, когда в качестве источника таких данных они
будут считать ИС.
Заметим, что персонал, сопровождающий корпоративные информационные системы, и разработчики ИТ-систем обычно заинтересованы в том, чтобы системы исправно работали. Им нередко безразлично,
43
какова достоверность хранящихся данных в сопровождаемых ими
системах, ведь их вводит бизнес-персонал. Главное для ИТ-персонала,
чтобы сами системы работали. Бизнес-персонал, в свою очередь, работу по обеспечению качества данных может ассоциировать только с ИС,
хотя управление качеством данных – это в большей мере его задача,
а не задача ИТ
-персонала.
Плохо, когда такого же взгляда на данные и информационные технологии придерживаются разработчики ИС, считающие, что разработанное «решение» (заложенные в ИС модели поддержки пользователей)
первично, а задачи, решаемые пользователями, вторичны. Тем самым
они вынуждают пользователей подгонять свои задачи деятельности
в предметной области под имеющееся «решение», заложенное в ИС.
При этом подразумевается, что бизнес-персонал и ИТ-персонал будут
этично обращаться с данными.
Таким образом, для обеспечения качества данных нужно ИТ-персоналу организации работать в тесном контакте с конечными потребителями данных, чтобы понимать их требования к данным, т. е. установить характеристики их качества для пользователей.
Следует заметить
, что пользователи ИС, однажды потеряв доверие
к данным ИС, восстанавливать его будут с большим трудом.
Практическое применение данных в определенной мере позволяет
выявлять эмпирические зависимости между ними, т. е. получать актуальные для конкретной организации знания. Полученные знания в последующем могут быть применены для создания дополнительной ценности.
Например, накопленные
данные о поведении потребителей изучают
с целью внесения изменений в производимые для них продукты и т. д.
Использование некачественных данных («мусор» на входе – «мусор» на выходе ИС) всегда приводит к неверным решениям и негативным последствиям для бизнеса: недополученной прибыли, прямым
убыткам. Укажем здесь на сложность количественной оценки такого
потерь, поскольку качество данных нельзя рассматривать в отрыве
рода
от качества персонала, их использующего, и многих других факторов,
которые будут рассмотрены ниже. В любом случае качество данных –
это необходимое условие качества принимаемых на их основе решений.
Для производства высококачественных данных требуется планирование
их качества, а также образ мышления бизнес- и ИТ-
персонала, ориентированный на встраивание понятия качества данных во все процессы
и системы работы с ними.
44
Все, кто профессионально работает с данными, прекрасно понимают, что их можно использовать для формирования ложных представлений об условиях и целях деятельности, а также о способах решения
проблемных ситуаций. Тот, кто формирует ложные представления
у другого человека или группы людей, тем самым манипулирует их
поведением в своих интересах – реализует рефлексивное
управление
по отношению к ним [23].
Например, используется множество приемов обмана общественности только за счет несложных манипуляций с отображением имеющегося фактического материала, т. е. без какой-либо прямой подтасовки
данных [51].
Сразу заметим, что манипуляция данными не всегда бывает преднамеренной – у всех есть стереотипы мышления и поведения, собственные
установки по отношению к источникам данных, индивидуальные предпочтения. Их наличие приводит к непреднамеренному
искажению данных. Поэтому сложно определить однозначно границы
между допустимым и недопустимым в обращении с данными.
ИТ-специалисты должны знать основные сценарии манипуляции
данными, чтобы выявлять эти сценарии и правильно реагировать на их
применение различными заинтересованными сторонами в
ходе разработки ИТ-проектов. Заметим, что любые голословные заявления о следовании морально-этическим принципам в работе с данными ничего
не дают без реализации конкретных действий по управлению качеством данных.
На рис. 6 показаны практикуемые в настоящее время методы (сценарии) преднамеренной и непреднамеренной манипуляции данными. Данные в
этом случае понимаются как информационные факторы системного представления совместной деятельности. При этом информация,
упакованная в передаваемые сообщения и приемлемая (имеющая смысл)
для одной стороны, становится неприемлемой (приводит к ошибкам
в решениях) для другой стороны в совместной деятельности.
Риски для жизнедеятельности организации при преобразовании
и интеграции данных могут быть вызваны тем
, что данные перемещаются по формальным и неформальным горизонтальным и вертикальным коммуникационным каналам из системы в систему – из одного
структурного подразделения в другое. При отсутствии должного контроля за данными и управления ими есть риск манипуляции данными
или противоправного обращения с ними отдельных субъектов.
45
Рис. 6. Часто практикуемые сценарии манипуляции данными
Суть манипуляции с хронологией (временем) заключается в возможности обмана посредством выборочного исключения и/или включения точек ввода/регистрации данных в сообщение о каком-либо
процессе. Этот сценарий часто используется при формировании предоставляемых пользователям итоговых отчетов о работе за какой-то интервал времени.
Таблица 4
Субъективность и предвзятость в сборе данных
Используемый
фактор
Сбор данных для
подтверждения
предопределенного
результата
Характерное поведение при реализации сценария
1. Сознательное принятие аналитиками к исполнению
заказа на сбор данных, обработка которых даст желаемый результат заказчику. В этом случае вместо объективного сбора и анализа данных происходит:
• формирование выборки исходных данных под заказанный результат
• формулирование эмоционально окрашенных вопросов
или использование других методов
давления при сборе данных
2. Исполнение заказа под существенным давлением со
стороны заказчика
3. Наличие у аналитиков своего интереса, влияющего на
исполнение заказа
психологического
46
Окончание табл. 4
у
– ру
Используемый
фактор
Предвзятое
использование
собранных данных
Выборочный поиск данных
в подтверждение
гипотезы
Тенденциозная
методология выборки
Влияние бизнесконтекста и культуры
Характерное поведение при реализации сценария
1. Данные собираются в соответствии с рекомендациями используемого метода, т. е. с минимальными погрешностями.
Затем заказчиком используется своя субъективная интерпретация собранных аналитиками данных. Используется подтасовка данных на стадии анализа – отсеиваются данные, не
позволяющие получить желаемый результат. Оставшиеся
данные обрабатываются формализованными методами.
Результаты представляются
2. На аналитика оказывается серьезное давление с целью
чения подтверждения предопределенного результата
пол
1. Встречается при работе с большими данными (техноло-
гии data mining). Используются различные догадки, которым аналитик желает найти подтверждение с использованием имеющихся данных. Происходит поиск данных,
соответствующих гипотезе, и игнорирование данных, которые ей противоречат
2. В аргументации используются ссылки только на те фак-
, которые подтверждают заявленное утверждение
ты
1. Лица, планирующие сбор данных об исследуемом объ-
екте, уже имеют предвзятое мнение об этом объекте
2. Неосознанно выбирается метод исследования, источни-
ки данных, объемы выборок с учетом своего мнения об
объекте и исследовании.
В качестве самозащиты от такого рода искажений следует
использовать рекомендации сводов знаний по выбору
тодов, что исключит во многом тенденциозность в полученных наборах данных
Искажение получаемых данных может быть вызвано:
• особенностями культуры, сложившейся в организации
или наличием патологий в культуре организации: тотальный контроль и наблюдение за поведением сотрудников;
принуждение к должному поведению (в организации все
предписано, систематизировано, утверждено) и т. д.
• социально-психологическим климатом в конкретных
структурных
• принятыми в организации стилями разрешения кон-
фликтов и стилями руководства (лидерства) в системах:
«вышестоящее руководство – руководители нижестоящих
уровней – штабной и производственный персонал»; «руководитель подразделения
подразделениях организации
как объективный факт
ме-
ководитель подразделения»
47
Таблица 5
Искажение при преобразовании и интеграции данных
Используемый
фактор
Ограниченность
знаний о первоисточнике и происхождении данных
Некачественные
данные
Ненадежные метаданные
Отсутствие документированной
истории исправления данных
Характерное поведение при реализации сценария
1. В организации отсутствуют сведения:
• о происхождении полученных данных – их первоисточнике
• об изменении данных при их перемещении из системы
в систему
• о соответствии данных действительности
2. Субъективная недооценка значения определенных
фактов для организации в целом
3. У пользователей имеются подозрения в
сокрытии факта о происхождении данных
1. В организации не используются четкие и измеримые
стандарты качества данных. Никто не вправе ручаться за
достоверность используемых данных
2. Использование данных в практических целях связано
с риском для пользователя или для других субъектов.
Возможна непреднамеренная дезинформация одной из
заинтересованных сторон
3. При наличии стандартов качества данных только часть
данных
1. Отсутствие в организации модели понятий, используемых ИС, однозначных и непротиворечивых определений отдельных элементов данных
2. Отсутствие документированных сведений:
• о первоисточнике данных
• перемещении данных внутри организации
• правилах доступа данным
• правила, использовавшихся при интеграции данных
• об особых требованиях к защите определенных катего-
рий данных
• о
1. В организации не регламентирован процесс и не уста-
новлены лица, ответственные за управление процессом
внесения изменений в используемые данные
2. В организации отсутствуют доступные для проверки
данные:
проверяется на соответствие им
владельце данных
умышленном
• об изменениях данных, имеющихся в ее распоряжении
• о процедуре изменения данных и лице, ее санкциони-
ровавшем
48
Окончание табл. 5
Используемый
фактор
Искажение при
агрегировании данных
Искажение посредством маркировки
данных
Характерное поведение при реализации сценария
Целенаправленно, в своих интересах, выбирается для
агрегирования набор измерений (признаков) с одновременным удалением идентификационных данных об объектах и агрегирующем данные субъекте
1. Целенаправленное, в своих интересах (под видом защиты определенных данных) введение маркировки данных по степени важности (секретности)
2. Предотвращение передачи части данных определенным группам пользователей, что создает у них ложное
представление о картине мира
Диаграммы и графики используют также для формирования обманчивых представлений об информации, содержащейся в данных.
На рис. 7, а и б показано, что, изменяя масштаб шкалы в графическом
представлении данных табл. 6, можно одну и ту же тенденцию роста прибыли сделать визуально более выигрышной, чем она есть на самом деле.
а б
Рис. 7. Графическое представление одних и тех же данных
49
Исходные данные для графического представления
Таблица 6
январь февраль март апрель май июнь июль
Прибыль 301 302 303,5 306 306,5 307 307,5
Месяц
Используются и другие нарушения общепринятых правил графического представления. Например, сумма долей в секторной диаграмме
не равняется 100 % или единице. Это делается сознательно и вводит
пользователей данных в заблуждение: они воспринимают не содержащуюся в них информацию, а графическое представление тенденции,
которая имеет к содержащейся в данных информации косвенное отношение [51].
Нередко используется простой прием повлиять на восприятие факта – привязать одно из числовых значений, отражающих представляемый пользователю факт, к другому факту. Количественную величину
несложно выразить множеством разнообразных способов. Например,
представить один и тот же факт (объем выпуска продукта в текущем
году) можно цифрами роста объема в сравнении с выпуском этого
же
продукта 5 лет назад, 10 лет, в 1913 году, соответственно на 30 %, 80 %
и 500 % и т. д. При этом выбирается год, по отношению к которому
цифры роста выглядят более эффектно, но этот же факт можно представить как сокращение по сравнению с предыдущим годом на 10 %,
что будет воспринято по-другому. Этот же факт (объем
выпуска продукта в текущем году) можно характеризовать величиной прибыли с
продаж и т. д. Везде будут количественные значения, цель использования которых – произвести желательное для манипулятора воздействие
на пользователя.
Другой способ реализации этого сценария состоит в том, чтобы нечетко определить предмет, относительно которого собираются данные.
Например, спрашивают у заинтересованных
лиц, есть ли у них замечания к работе ИС. При этом не определяют четко понятие ИС организации (определений существует несколько). В результате подсчитывается количество лиц, имеющих замечания к ИС. По сути, собираются все
без разбора жалобы на ИС, независимо от их происхождения и от того,
что понимали
под ИС опрашиваемые. Затем этот результат выдается
50
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]