por Stephanie Simone
Seth Earley demuestra cómo los gráficos de conocimiento pueden transformar el negocio en KMWorld Connect 2020
Aunque los gráficos de conocimiento ya no son un concepto nuevo, la técnica sigue siendo una tecnología subestimada que puede ayudar a descubrir los datos correctos durante el trabajo de gestión del conocimiento. Puede resultar confuso para algunos pero, en última instancia, liberador para la empresa.
Seth Earley, director ejecutivo de Earley Information Science, habló sobre “Gráficos de conocimiento: ¿compañeros de IA?” en KMWorld Connect 2020.
Para ser competitivo en el mundo actual impulsado por los datos, es más importante que nunca hacer uso de todos los activos de datos de su empresa con las últimas tecnologías, según Earley.
Las decisiones tomadas en un vacío de datos dan como resultado una pérdida de tiempo y / o dinero. ¿Qué pasaría si hubiera una forma de garantizar que todos tuvieran acceso a todos los datos? estructurado o no estructurado, de cualquier fuente, cualquier silo, y era a la vez precisa y significativa?
Los gráficos de conocimiento proporcionan ese marco de conexión para todos sus datos, con la ontología que define relaciones y contexto significativos.
Explicó que si las empresas quieren financiamiento ejecutivo y apoyo para los gráficos de conocimiento, recomendó no mostrar diagramas confusos o usar palabras de moda para explicar el concepto. En cambio, demuestre capacidades y muestre resultados comerciales medibles, dijo.
Un gráfico de conocimiento es una representación de contenido no estructurado categorizado en múltiples elementos de metadatos. Permiten la navegación contextual a través de un repositorio no estructurado.
El arquitecto empresarial se enfrenta a un dilema. Hay demasiadas tablas y atributos, los expertos en datos no están disponibles, es imposible entender los nombres, se desconoce la calidad de los datos y más.
“Cuando intenta recuperar esta información, tiene todo tipo de problemas tanto del lado estructurado como del no estructurado”, dijo Earley. “Se vuelve difícil navegar por sistemas dispares”.
El gráfico de conocimiento es un mecanismo para la integración y dar sentido a todas estas fuentes de datos, explicó.
Los datos gráficos se centran en las relaciones entre elementos, mientras que los gráficos de conocimiento son representaciones de información no estructurada categorizada y clasificada en varios elementos de metadatos.
Un ejemplo de datos de gráficos son las clasificaciones de películas y programas de televisión en IMDB. Para trazar todas las conexiones como un gráfico de conocimiento, puede mostrar información más profunda sobre las relaciones detrás de la película y los programas de televisión.
Los gráficos de conocimiento y los datos de gráficos impulsan la inteligencia artificial y los sistemas de aprendizaje automático al proporcionar datos de referencia y conocimiento sobre las relaciones conceptuales entre productos, soluciones, problemas, tareas y procesos, dijo.
Los gráficos de conocimiento y la ontología son el núcleo de un marco de integración unificado.
Los gráficos de conocimiento expresan y aplican datos empresariales utilizando el marco de ontología. Proporciona una arquitectura de información coherente.
“Esto es una aspiración”, dijo Earley.
Hay algunas advertencias, sin embargo, no corrigen los datos y aún se requiere el juicio humano. Se requieren marcos de toma de decisiones basados en métricas, calidad de datos y gobernanza de la información y los datos, utilizando tecnologías basadas en IA tanto convencionales como emergentes.
