ירחון 2Know לניהול ידע
ירחון 2Know לניהול ידע
גיליון ספטמבר 2019 - מהדורה מס' 240
גיליון ספטמבר 2019 - מהדורה מס' 240
גיליון:

1. קורס ניהול ידע מחזור 43, ייפתח ב-24/10/19, לפרטים והרשמה ניתן לפנות ל yamit@kmrom.com 

 

2. קורס השתלמות חדש ב-ROM: כתיבה דיגיטלית שירותית, הקורס ייפתח ב-30/10/2019, לסילבוס ופרטים נוספים לחצו כאן 

 

3. פורום KMI בנושא צ'אטבוטים יתקיים ב-23/09/2019, לפרטים נוספים: אנשים ומחשבים, 03-7330777

 

4. כנס האיכות, מסלול ניהול ידע יתקיים ב-27/11/2019, לפרטים נוספים לחצו כאן

 

5. כנס KMDM 2019 יתקיים ב-12/12/2019, לפרטים נוספים, לחצו כאן

 

6. בימים אלו מוריה מובילה שיחות בנושא מילון מונחים משותף באוסטרליה מטעם ISO כולנו מאחלים לה בהצלחה :-)

נכתב ע"י עדי צוררו

ברגע זה עולה במוחך רעיון, הוא מתחיל להתהוות וככל שהוא מתגבש הוא מעלה אצלך שאלות, שאלות טובות. דקה לאחר מכן, הסמארטפון בידך והמסע לחיפוש התשובות מתחיל.

 

אז מהו המסע הזה ולאן הוא לוקח אותנו? היינו רוצים לחשוב שהמסלול כבר תלוי בנו (האמנם?) אבל דבר אחד ודאי - ככל שנעמיק יותר, נקבל יותר. אז לפני שנגיע לתובנות, יש לי שאלה גדולה ופתוחה בשבילכם: מתי אנחנו שולטים במידע? כשאנחנו קונים אותו או מקבלים אותו בחינם? האם חשוב לנו לא רק המידע שאנחנו מקבלים, אלא גם המידע שאנחנו לא מקבלים? לראות את התמונה הגדולה יותר - אם תרצו.

 

בואו נתחיל לענות על השאלה בלהבין מה מייצג המושג Data. ובכן זה פשוט מאוד. Data, או נתונים בתרגום חופשי, זה הנפט החדש של ממלכת האינטרנט. מדובר במשאב חיוני שעליו אנחנו נשענים בשביל כמעט כל דבר, ולכן הוא רק הולך ומתעצם ככל שמערכת היחסים שלנו עם הטכנולוגיה מעמיקה. אבל איך נדע להפיק ממנו ידע? לפני שנענה על זה, בואו נבין קצת את הבסיס.

 

קצת רקע וסדר במונחי עולם ה- Data
כידוע עולמנו הוירטואלי משתנה מרגע לרגע אבל מה שנשאר קבוע הוא הרעב המהיר לידע רלוונטי. בתחילת שנות ה- 2000, נפל האסימון והבינו שכל המידע הזה שפשוט נאגר ונאגר בבור ללא התחתית הזה שנקרא האינטרנט, חייב להיות בחלקו בעל ערך רב. אז מישהו חכם קם ואמר: "מישהו צריך לעשות משהו עם כל המידע הזה." וכך נולד הבאזוורד הידוע וחביב הקהל הנצחי - Big Data (נתוני עתק בעברית).

 

התובנות הפוטנציאליות שהבטיח רעיון ה- Big Data עודדו ארגונים קטנים וגדולים כאחד, לצבור ולנתח כמויות אדירות של נתונים שמהם ניתן יהיה להפיק ידע בעל ערך מקסימלי. הידע יעזור בין היתר, לבניית אסטרטגיה טובה יותר וייעול תהליכים לצורך הגדלת ההון. מאמצע שנות ה- 2000 נולדו מושגים נוספים מאותה משפחה כמו Open Data, Closed Data ועוד. לפני שנתקדם חשוב להבהיר כי ישנה מחלוקת טרמינולוגית מתמדת סביב פרשנות המונחים.

 

לאכול את העוגה ולהשאיר אותה אינסופית
אם ה- Big Data הייתה עוגת שכבות, היא כנראה הייתה בסגנון עוגות הקונפטי הטרנדיות שרואים באינסטגרם. ובמילים אחרות: רב שכבתית, עשירה, עצומה בגודלה באופן בלתי נתפס, צבעונית וכבדה, מאד כבדה. שכבה אחת של העוגה הייתה Open Data, אחרת הייתה Closed Data וכן הלאה.

 

ואם נחזור רגע לשאלה "איך מפיקים מ- Data ידע?" התשובה היא: בעזרת שימוש ב- Open Data, נתונים פתוחים וב- Closed Data, נתונים סגורים. לפני שנתונים מוגדרים פתוחים או סגורים הם קודם כל מידע. ההחלטה בנוגע לדרך שבה אנחנו, המשתמשים, נקבל את המידע (או שלא נקבל), נשתף אותו (או שלא נוכל לשתף), נעתיק אותו (או שלא נוכל להעתיק), ועוד וריאציות שונות של שימוש בו (הבנתם את הנקודה), היא כבר בחירה של זה המחזיק אותו.

 

האמת האוניברסלית של ה- Open Data
הרעיון העומד מאחורי Open Data הוא זמינות לכל אדם, לא משנה מי הוא, מהו תפקידו או מקצועו, איפה הוא נמצא או מה הוא מתכנן לעשות עם המידע. ככלל נתונים פתוחים ניתנים לשימוש ולהפצה מחדש בצורה חופשית, ללא מגבלות כמו זכויות יוצרים. אם זה נשמע לכם טוב מדי, חשבו שנית כי גם ל- Open Data יש חסרונות שנגע בהם בהמשך.

 

Open Data: קווים לדמותו
על המידע להיות זמין ללא עלות, או לפחות בעלות סבירה. כמובן שעליו להיות דיגיטלי ובפורמט מונגש בשביל שיהיה ידידותי למשתמש. הכוונה שיהיה קל למצוא את מקורו בקלות, שיהיה זמין לשיתוף ורצוי גם שיהיה זמין להורדה בשביל לעבד ולשנות אותו כאוות נפשו של המשתמש. ולמה? כי אחרת אותו משתמש לא יוכל לנצל את כוחם המלא של הנתונים. הרי בשביל מה הם שם? בשביל שנוכל להפיק מהם ידע!

 

לסיכום: שלושת החוקים של Open Data:

  1. זמינות וגישה: כולם יכולים לקבל את המידע
  2. שימוש חוזר והפצה מחדש: אפשר לעשות שימוש חוזר בנתונים ולשתף אותם
  3. אוניברסליות: ידע פתוח ושמיש לכל אחד, מסביב לעולם

לצבור ידע בעולם מושלם 

אם ננטרל רגע שימוש ב- Data מתוך כוונה זדונית (כמו ניסיונות להשתלט על העולם) ונסתכל רק על מניעים חיוביים ובריאים - מה היינו מקבלים אם כל ה- Data בעולם היה פתוח עבורנו? התשובה הקצרה היא הזדמנות להפיק מידע רב שיעזור לנו בקבלת החלטות מהירות ונכונות יותר, יאיץ את הקצב והעומק של גילויים חדשים, ירחיב שיתופי פעולה ויעזור לנו להתפתח ולהשתפר כבני אדם וכחברה. אבל לצערנו, זה לא עובד ככה.

 

האמת האוניברסלית של ה- Closed Data
כהגדרה, מידע סגור הוא כזה הנגיש אך ורק למחזיק/ים שלו, ה- Data Holder. אם נחזור לנקודת הפתיחה של הסקירה, החיפוש המוכר ברשת לא פעם נקטע כשלפתע נגלה לעינינו מחסום המופיע כהודעת Access denied. במקרה הטוב, נוכל לשלם בשביל שהמידע יהיה זמין לנו ובמקרה הפחות טוב, לא נוכל להיכנס מכיוון שאנחנו פשוט לא מורשים לעשות זאת לפי מחזיק הנתונים.

 

Closed Data: קווים לדמותו
כולנו חסומים בפני מאגרי מידע רבים. מספיק שאיננו משתייכים לארגון מסוים, אוניברסיטה, מקצוע או אפילו צוות ונחסמנו דיפולטיבית. אז נכון. יש הגיון בעובדה שלא כל פיסת ידע ב- Web חשופה לכולם. מספיק שנציין סיבות כמו: פרטיות, ביטחון ואינטרסים כלכליים וכבר קיבלנו תמונה די אפלה בראש.

 

עוד מכשול גדול של Closed Data בא לידי ביטוי בתנאים המגבילים שמציבים מחזיקי הנתונים בנוגע לשימוש במידע שלהם. לרוב נקבל תנאים אלו כחלק מהסכם השימוש, אבל בשונה מהסכם סטנדרטי בו העסקה אמורה להתקבל על ידי שני הצדדים, כאן לא יתנהל משא ומתן.

 

לרוב התנאים יכללו:

  • הגבלת השימוש בנתונים באופן מסחרי
  • הגבלת הזמן המותר לאחסון המידע
  • הגבלת הגישה לנתונים
  • הגבלת אופן הצגת הנתונים

לסיכום: שלושת החוקים של Closed Data:

 

  1. גישה מוגבלת: המידע אינו זמין לכולם
  2. שימוש והפצה: שיתוף, העתקה או כל שימוש אחר במידע מוגבלים במידה משתנה, ובייחוד אם המידע מוגן בפטנט (Proprietary) או בזכויות יוצרים
  3. בעל המאה הוא בעל הדעה: מחזיק הנתונים הוא זה שמקבל את כל ההחלטות בנוגע לנכס שלו, ה- Data

 

הבהרה
חשוב להבין ש- Closed Data לא חייב להיות חסום לחלוטין. לעתים ניתן לשתף נתונים (או חלק מהם) אבל לא להעתיק אותם או להשתמש בהם (קריאה בלבד לדוגמה). מהצד השני, גם ל- Open Data יכולות להיות הגבלות, כמו שימוש המותנה בקרדיט למחבר או למחזיק הידע.

הקונפליקט העסקי של חשיפת ה- Data
אין ספק כי נתונים הם ערך עליון עבור כל ארגון. עכשיו חשבו על ארגון שהחליט לתת אותם 'במתנה' למשתמשים שלו (נתונים פתוחים). מדובר בהצהרה חזקה שמייצגת בין היתר שקיפות ואחריות. עם זאת, מרבית העסקים מגנים על המשאב הזה למרות שהוא עשוי להגביר פוטנציאל כלכלי.

 

Open Data: נתונים ציבוריים
מומחים שונים המשתייכים לתנועה בשם ״תנועת המידע הפתוח״ (Open data movement) אומרים כי חשיפת נתונים ציבוריים היא לטובת הכלל ומציגים מנגד את הבעייתיות הקיימת בהסתרת נתונים בטענה כי זה גורם לקיבוע התפתחותי. אחת המטרות העיקריות של תנועת הנתונים הפתוחים היא לעודד ממשלות להקים אתרי נתונים פתוחים כמו Data.gov. אגב, על פי אתר הנתונים הפתוחים של ארצות הברית, נכון ל- 2019 יש ל- 53 ממשלות ברחבי העולם אתרי נתונים פתוחים.

 

לעיריית תל אביב יש אתר נתונים פתוחים בשם TLV OpenData. מדובר באוצר וירטואלי מקומי לתושבי העיר המאפשר לדעת באיזו תחנת 'תל אופן' יש אופניים זמינים להשכרה, מהו אולם הספורט הקרוב למקום המגורים ואפילו מתי מתוכנן שיפוץ הרחוב.
נתונים אלו כמובן מיועדים לשימוש חופשי ולניתוח, בתקווה שיהוו בסיס לפיתוח אפליקציות עירוניות עבור תושבי העיר שימשיכו לסייע לחייהם.

Transit Data: מהפכה תחבורתית שנולדה בזכות Open Data
בואו נדבר על השדרוג הרציני שקיבלו נוסעי התחבורה הציבורית לאחר שהתאפשרה הורדת נתוני GTFS מאתר משרד התחבורה. GTFS (ראשי תיבות של General Transit Feed Specification), הוא פורמט נפוץ של Open Data הקשור לתחבורה ותחבורה ציבורית בעיקר. לפתע התחילו להופיע אפליקציות חדשות עם מידע ששווה את מחירו בזמן יקר, כמו מתי יגיע לתחנה קו האוטובוס הבא לעבודה, או איזה מסלול הכי מומלץ לקחת.

Closed Data: גישה למחקרים מדעיים
אם מחקרים ומאמרים מדעיים מעניינים אתכם, בטח יצא לכם להיכנס לאתר PubMed ולהתאכזב שלא תמיד מתאפשרת לכם גישה למאמר המלא (ל- Full Text) ללא מנוי. זוהי דוגמה קלאסית לחוסר מימוש ידע בייחוד עבור אנשים הצמאים לנתונים חדשים בנוגע לנושאים רפואיים אקטואלים.

 

באותו נושא נולדה הקריאה 'Open Access' הפונה לכתבי עת מדעיים לפרסם בחינם מחקרים מדעיים לציבור. היות והיום בזכות הדיגיטציה עלויות ההפצה זולות משמעותית ולא ברורה ההצדקה למחיר יקר.


ניצול לרעה של Open Data
האם לטכנולוגיה ולדיגיטציה השפעה על פערים חברתיים? דוגמה מעניינת המתועדת היטב לתופעה של העצמת המועצמים (Empowering of the Empowered) ניתן למצוא בעבודתם של חוקר הידע העולמי סולי בנג'מין וחבריו, שבוחנת את ההשפעה של הדיגיטציה על רשומות אדמה בבנגלור. על פי הממצאים שלהם, אדמות שהיו שייכות לאנשים מהמעמד הנמוך פשוט נגנבו כ"שוד לאור היום" על ידי אליטה מקומית לאחר פתיחת נתוני קרקעות באמצעים דיגיטליים.

 

במקרה הזה נוצלה לרעה גישת ה- Open Data ויצרה תוצאה הפוכה. ברגע שהנתונים התפרסמו באופן פומבי החל כיפוף הכללים. האליטה שכרה עורכי דין ושמאי מקרקעין כדי שיזהו פערים בחוק וטעויות תיעוד שנעשו ברישום השטחים ואפילו מצאה מטרות שוחד שונות.

 

לסיכום
חוקר טכנולוגיה איטלקי בשם פאולו מגרסי אמר כי ״נתונים, בין אם פתוחים או סגורים, יודו על כל דבר ברגע שיעונו מספיק.״

 

עם כל הכבוד למר מגרסי, אמירה זו נאיבית מדי. על אף שהיינו רוצים לחשוב שאנחנו שולטים בנתונים, כל הממצאים מצביעים בדיוק על ההפך. רובנו נכנסים למבוך הסבוך הזה שלא סתם נקרא Web, מנסים את מזלנו במציאת הכיוון הנכון ונתקלים במעצורים. כשאנחנו ניצבים מול קיר בטון וירטואלי, רוב הסיכויים שנחזור על צעדינו ונמצא נתיב אחר במקום לנסות לשבור אותו או לשלם דמי כניסה.

 

אגב, האירוניה לא חמקה מעיני שבשביל הכנת כתבה זו ניצלתי את כוחם של הנתונים הפתוחים למקסימום. בהחלט פריווילגיה.

 

נכתב ע"י מיכל גיל-פרץ

השבוע התקיים בתל אביב אירוע לרגל 20 שנה להשקת הספר הראשון בסדרת ספרי הארי פוטר. הרבה נאמר ונכתב בשבח הסדרה, שיצרה ג'י קיי רולינג, על שלל דמויותיה, והעולם הקסום שבו הן פועלות.


קטע מסוים זכור לי במיוחד, והוא חוזר אליי בכל פעם שאני ניגשת לפרויקט של שימור ידע. זהו הקטע שבו דמבלדור, מנהל בית הספר לקסמים, מצמיד את מטה הקסמים שלו לרקה, ובאמצעות קסם מיוחד מחלץ זיכרון מסוים ישירות ממוחו, לתוך אגן מיוחד, לצורך צפייה בפרטי הזיכרון. בעודו עושה זאת, הוא עומד בסמוך לארון עמוס מבחנות, כולן מלאות בזיכרונות שהועברו באותה דרך- קסם...

harry potter memory extraction


דמבלדור וקסם שליפת הזיכרון באמצעות מטה קסמים


תשאלו למה אני מקשרת בין קסם הזיכרון לשימור ידע? פשוט- בעיניי שימור ידע הוא סוג של קסם, רק שבעולם האמיתי אין לנו יכולת להיעזר במטה קסמים (בינתיים...).


האתגר המרכזי בשימור ידע הוא חילוץ הידע הנמצא בתוך ראשו של העובד, ידע סמוי, שלרוב אינו מתועד, מבוסס על ניסיון של שנים, וטומן בחובו אוצר של ממש, שאם הארגון לא ידאג לחלץ, יאבד עם עזיבתו של העובד את הארגון. הארגון עלול להפסיד ידע יקר, שלעיתים קרובות אי אפשר לשחזר. אילו רק היה גם לנו מטה קסמים...


בעולם האמיתי התהליך מבוסס בעיקרו על בניית אמון עם העובד, ורתימתו לתהליך. זה אולי נשמע קל, אך לא פשוט כלל ועיקר. יש לזכור שיש מגוון סיבות לפרישה של עובד, החל ממעבר לתפקיד אחר בארגון, דרך יציאה לגמלאות, שינוי תעסוקתי, וכלה בפיטורים. כל אחת מהסיבות מכתיבה התמקמות אחרת בתהליך, הן של העובד, והן של מי שמבצע את פעילות חילוץ הידע.


להלן מספר טיפים שיעזרו לכם בבואכם לחלץ ידע סמוי:

  • לפני תחילת התהליך, חשוב להבין את הרקע והסיבות לפרישת העובד, ולהבין שמידת שיתוף הפעולה שלו עשויה להיות מושפעת מהסיבות לפרישתו
  • בשלב הראשון חשוב לגבש רשימת נושאים בהם עוסק העובד, כדי שאפשר יהיה להתמקד בנושאים המרכזיים
  •  יש לתעדף את הנושאים לפי פרמטרים של חשיבות הידע לארגון, רמת תיעוד הידע, וייחודיות הידע של העובד. המפתח לתעדוף הוא השילוב בין חשיבות גבוהה, רמת תיעוד נמוכה וייחודיות גבוהה של הידע.
    עם המפתח הנכון, אתם בדרך הנכונה
  • עתה מתחילים לרדת לעומקם של הנושאים שתועדפו. זה הזמן לנסות להגיע עם העובד לתובנות משמעותיות באותם נושאים, כאלה שישמשו את הדורות הבאים בארגון. יש להניח שיידרשו לכך מספר מפגשים, ועדיף שיהיו מרוכזים ויימשכו מספר שעות- מאמץ מרוכז עדיף כאן על פני תהליך קטוע ומתמשך, מפני שלעיתים קרובות אלמנט הזמן פועל לרעת הארגון, לאור תאריך עזיבה קרוב של העובד
  •  יש להניח שבשלב זה אתם כבר מכירים את העובד וחשים מהי מידת מחויבותו לתהליך. יצירת אמון ביניכם תוביל להצלחת התהליך, ותגביר את התחושה הטובה של העובד, ביודעו שהוא משאיר אחריו מורשת שתשמש את הארגון גם לאחר שהוא עצמו יהיה במקום אחר
  • בתום כל מפגש שימור ידע עם העובד, כדאי לעבד את הידע שנאסף, להבנות אותו למסמך מסודר, שניתן יהיה להתמצא בו בקלות. עדיף שיהיה זה מסמך "מתגלגל", כדי שהעובד יוכל לדייק אותו ולהצביע על מקומות שדורשים יותר העמקה
  • לאחר שהמסמך מוכן, ניתן לגשת לגיבוש תכנית להנגשת הידע, כך שיהיה זמין לעובדי הארגון שהידע רלבנטי עבורם.

 

לסיכום, שימור ידע הוא תהליך מאתגר, הן לעובד והן למבצע השימור, אך הוא גם טומן בחובו רווח גדול, ולכן אין לי ספק שכדאי להשקיע בו.


בהצלחה, ו...אברא קבדרא (:

 

מקורות מידע:


שימור ידע פורשים- טיפול בהתנגדויות בירחון רום, יולי 2010
שימור ידע פורשים/מומחים - Knowledge Retention במילון המונחים באתר רום

 

 

נכתב ע"י ד"ר מוריה לוי

לפני כ- 20 שנה, עוד בימים הראשונים של ניהול ידע, דיברו על שני מינוחים קרובים- Customization ו- Personalization.


ה-Customization במשמעו אז, עסק בהתאמה קבוצתית- דהיינו בהתאמת מענה ניהול ידע כולל לתת-קבוצה מסוימת, ואילו ה- Personalization עסק בהתאמה האישית, לכל עובד כפרט.

 

בשיח על Customization דיברנו על שולחנות עבודה מקצועיים, כאשר כל קבוצת בעלי תפקיד קיבלה חלוניות ותכנים שמתאימים לצרכיה המקצועיים; בשיח על Personalization דיברנו על תמות צבעים, על דרך ארגון המסך, ועוד GOODIES שכל אחד יכל לבחור לעצמו.

 

מהר מאד ירדנו מה-Personalization; הוא היה יקר ולא באמת נתן ערך מוסף אמיתי. הוא בעיקר סייע למכור טכנולוגיות ניהול ידע שכן הרעיון והיישום נראו מרשימים.


לא לקח זמן רב וגם ה-Customization הצטמצם עד מאד. גילינו שיש לנו יותר מדי צרכים של יותר מדי יחידות מקצועיות, עוד לפני שעושים התאמה אישית לכל קבוצת בעלי תפקידים. גילינו שההתאמה יקרה, ואין מספיק תחומים בהם יש בעלי תפקידים רבים כל כך מכל סוג, ולכן... נותרנו עם מעט שולחנות עבודה שכאלו.

 

עברו שנים, המינוחים שינו, לפחות חלקית, את משמעותם, ושוב אנו שואלים את עצמנו איך ואיפה נכון לשלב את ההתאמה האישית- ואיך אנחנו יכולים להיות יותר מוכוונים למשתמשים שלנו.

 

אז איך נראית מוכוונות אישית כיום? יש לה כמה נדבכים:

 

ראשית, החשיבה מלכתחילה היא על המשתמש, והמשתמש במרכז, לא עוד ארגון פורטלים לפי יחידות מספקות שירות, לא עוד תפריטים לפי נושאים- הכל בראיית המשתמש. אם ניקח לדוגמה נוהל המתאר נסיעת עובדים לחו"ל: נושא הטיסה למשל, במקום שייכתב בפרק אחד, יפוזר בין שלושה פרקים שונים בהתאם לצורך של העובד: מה אני צריך לדעת בעת תכנון ראשוני של נסיעה? הזמנת טיסות, מלונות ורכב. בהמשך, מה אני צריך לבצע בהיערכות בשבוע לפני הנסיעה? תיאומים אחרונים למיניהם, ובין היתר ביצוע CHECK-N (שוב ענין טיסות). ויתכן שגם בפרק של מהלך הנסיעה תהיה התייחסות למקרים ותגובות ומה עושים אם יש שינוי ונדרש לדחות טיסה חזרה.


דוגמה זו ממחישה מוכוונות אישית מסוג ראשון; מוכוונות שאחידה לכל המשתמשים.

 

מעבר לכך, מוכוונות אישית ברמה שניה, תשלוף ממערכות מידע שונות את אותו סוג מידע - אך לכל משתמש - בהתאם לנתוניו. דוגמה ארגונית היא מידע על זכויות בעקבות אירועי חיים; דוגמה מקצועית היא משימות פתוחות במערכת תפעולית- כל עובד ומשימותיו.


רמה שניה זו של מוכונות אישית מפעילה את אותו אלגוריתם לכולם ומציעה מוכוונות אישית הנובעת מהשליפה המותאמת.

 

רמה שלישית של מוכוונות כבר כוללת ניהול בסיס נתונים קטן אישי לכל עובד כחלק ממערכת ניהול הידע. בבסיס נתונים זה ניתן לנהל את הפריטים המועדפים, או חלוניות שהעובד ביקש לכלול ביישום ניהול ידע ועוד, וכך לאפשר גמישות גדולה יותר של פתרונות, תוך שמירת מסגרת כוללת דומה.

 

הטכנולוגיות כיום מאפשרות יותר פתרונות, וביתר קלות ממה שהורגלנו לפני 20 שנים. מעבר לכך, הקישור הוא לצרכים יותר משמעותיים, ולכן מדובר במאמץ שהוא גם אפשרי וגם כדאי.

 

ולגבי התאמה קבוצתית: היום אנחנו כבר מדברים על מונח חדש שמאפשר לנו להציע פתרונות שכאלו- פרסונות. מה אלו ואיך משתמשים בהם? על כך- במאמר אחר :-)

 

זה מה שחושבים עלינו בעיתון של CUSTOMER EXPERIENCE: ניהול ידע יכול להרבות עובדים ולקוחות מאושרים


שם האירוע: פורום KMI
מיקום האירוע: רחוב המאה ועשרים 6, ראשון לציון
תאריכים: 23/09/2019
לפרטים נוספים: אנשים ומחשבים, 03-7330777

 

שם האירוע: כנס האיכות
מיקום האירוע: דיויד אינטרקונטיננטל, קאופמן 12 תל אביב
תאריכים: 26-27/11/2019
לפרטים נוספים: לחצו כאן

 

שם האירוע: KMDM

מיקום האירוע: רחוב המאה ועשרים 6, ראשון לציון
תאריכים: 12/12/2019
לפרטים נוספים: לחצו כאן

 

כנסים בעולם

 

שם האירוע: 20th European Conference on Knowledge Management
מיקום האירוע: Lisbon, Portugal
תאריכים: 05-06/09/2019
לפרטים נוספים: לחצו כאן

הספר, ענן של אפשרויות: עמוס טברסקי ודניאל כהנמן, החברות ששינתה את האופן שבו אנו חושבים, הינו ספר שנכתב במקור בשנת 2016 על ידי מייקל לואיס ותורגם לעברית ב 2017. הספר של העיתונאי הכלכלן שוזר במקביל את סיפור ההתפתחות של טברסקי וכהנמן, סיפור חברותם, סיפור התפתחות התיאוריה שפיתחו שזיכתה את כהנמן בהמשך בפרס נובל, וכל אלו תוך סיפור התפתחותה של מדינת ישראל.
הספר כתוב כסיפור. תוך שכך הוא מזכיר את המונחים המרכזיים הקשורים בכלכלה התנהגותית, ההטיות והגורמים המשפיעים על קבלת החלטות. הוא מתייחס למכלול תפיסות שפותחו בתקופה זו, הן על ידי טברסקי וכהנמן והן על ידי עמיתיהם.
להלן המינוחים המרכזיים. לקריאה נוספת על התיאוריה מומלץ לקרוא את ספרו של כהנמן THINK FAST AND SLOW, גם הוא תורגם לעברית (לסיכום ראו >>).

הסיכום- ספר מומלץ. לעוסקים בניהול ידע, לעוסקים בכלכלה, לעוסקים באנשים. בעצם לכולם. רוצו לקרוא....

 

נקודת הבסיס: ההתנהגות שלנו אינה אקראית. גם השגיאות שלנו אינן אקראיות אלא קשורות בדפוסים קבועים. אנו מקבלים החלטות במצבים של אי ודאות במבוסס על דפוסים אלו.

 

להלן מינוחים מרכזיים המוזכרים בספר ודרך לימודם ניתן להבין את עיקרי התפיסה.

 

 

פסיכולוגיית גשטאלט

Gestalt Psychology

אסכולה פסיכולוגית שמקורה בגרמניה המתייחסת לסך ההתנהגויות של האדם, הנובעות מהגוף והנפש כעל שלמות אחת. השאלה המרכזית באסכולה זו: כיצד יוצר המוח משמעות?

 

תיאוריית מאפיינים של דמיון

Features of Similarity Theory

כאשר אנשים משווים שני דברים, הם שופטים את מידת השוני על פי מספר המאפיינים השונים ביניהם.
מכאן שאם תל אביב דומה לנו יורק, אין זה אומר שנו יורק דומה לתל אביב, כי יש לנו יורק הרבה יותר מאפיינים, ולא בהכרח רבים מהם קיימים בתל אביב.
משפיע על אופן קבלת החלטות, שכן הדגשת מאפיינים דומים של נשוא ההחלטה לדבר אחר , תיצור הטיית החלטה לכיוון רצוי בהתאם לדבר אליו השווינו.
הסיווג מחזק סטראוטיפים. עדיף לסלק את סיווג, כדי להימנע מהחלטות מבוססות סטראוטיפים.

 

 ניבוי
Prediction

שיפוט המכיל בתוכו אי ודאות.
חשוב להתייחסות שכן כאשר אנשים מבצעים ניבויים ושיפוטים בתנאי אי ודאות, הם נוטים שלא להיצמד לכללי הניבוי הסטטיסטי.

נסיגה לממוצע
Regression to the Mean

כאשר מתרחש אירוע, או התנהגות ששונה מאד מהממוצע, האירוע העוקב, בהסתברות גבוהה, יהיה בעל ערך קרוב יותר לממוצע.
לדוגמה, אם לפרח טייס היתה טיסה חריגה טובה, הטיסה הבאה תהיה כפי הנראה פחות מוצלחת, בין אם שיבחו אותו לגביה, ובין אם לא.

 

אדם מול מודל של אדם
Man versus Model of Man

בהשוואת ביצועים של אדם אל מול מודל של אותו אדם שתוכנת לפעול כפי שאותו מומחה קבע, תהיה עדיפות למודל על האדם.
הסיבה- לבני אנוש חסרה אמינות של מכונה. הם מועדים להסחות, שעמום, מחלה, עייפות או גורמים אחרים, שיגרמו לו לא לנהוג כפי שמנחה הוא עצמו.

 

חוק המספרים הקטנים
Law of Small Numbers

הטיה של אנשים (לרבות סטטיסטיקאים בעלי ידע בתחום) לשפוט דגימות קטנות, המהווים רק חלק משלם, כאילו היו השלם כולו.
המשמעות- הסקת מסקנות גורפות מכמויות מידע קטנות, שלא באמת ניתן ללמוד מהן הרבה.
לדוגמה בהטלת מטבע, אם המטבע תיפול על צד אחד מספר פעמים, רוב האנשים ייטו לחשוב שעתה היא תיטה לצד השני "כדי לאזן". אנשים לא יפעילו חשיבה סטטיסטית שמשמעה שבכל הטלה בפני עצמה- הסיכוי לעץ או פלי זהים.

 

יוריסטיקות

יוריסטיקות הם דפוסי התנהגות. להלן רשימת יוריסטיקות, חלקם מוגדרים כאפקטים, חלקם דפוסים וחלקם הטיות (כלומר- כבר מוכרים בעצם ההטיה המחשבתית הכרוכה בהם). כולם מייצגים היבטים שונים של התנהגויות, הגוררים הטיה קוגניטיבית בקבלת החלטות.
המינוחים:

 

אפקט של ייצוג
Representation Heuristic

במצבים לא ודאיים כאלו ואחרים, המוח אינו מחשב באפו טבעי את הסיכויים הנכונים, אלא מחליף את חוקי ההסתברות בכללי אצבע, ושופטים בהתאם למודל כלשהו שיש בדעתם המייצג את המצב.
אגב, כאשר תיאור מפורט יותר, הוא נתפס כייצוגי יותר בעיני המתבונן.

 

אפקט ההילה

Halo Effect

החלה של תכונות בולטות של אדם, חיוביות או שליליות, על תפיסתנו הכוללת אותו.

 

הטיית אישוש
Confirmation Bias

נטייה שלנו כאנשים לנתח ולפרש מצבים בדרך שתהלום את המידע, הידע והאמונות שלנו. אנו להוטים לראות דברים שאנו מצפים לראות.

 

אפקט הזמינות

Availability Effect

ככל שקל לי יותר לשלוף אירוע מזיכרוני, כך סיכויי התרחשותו גבוהים יותר בעיניי. אנשים מוטים ממידע הזמין להם.

 

הטיית האחרונות

Recency Bias

אירועים אחרונים משפיעים עלינו יותר מאחרים. נוסע מאפקט הזמינות.
לדוגמה, אם תיתן למישהו לסבול ברמה מסוימת במשך דקות רבות, ותוסיף דקה אחת עם סבל מופחת, רמת סבל זו תיחרט בראשו, ותפיסת הסבל כולו תקטן, למרות שסך הסבל גדל.

 

הטיית מידע חסר ערך
Useless Information Bias

כאשר ניתן מידע חסר ערך, אנשים מגיבים בצורה שונה מאשר אילו לא ניתן להם מידע כלל, ומתעלמים מהסתברויות נתונות.

 

הטיית מידע לאחר מעשה
Hindsight Bias

הנטייה של אנשים להפריז מאד בהערכת הסיכויים שייחסו מראש למה שאכן קרה במציאות בפועל.
היכולת להסביר בדיעבד מה שקרה, כאילו היה ברור גם מראש.

 

אפקט העוגן
Anchoring

נטייה לסמוך יותר, באופן לא פרופורציונאלי על הדבר הראשון העולה בדעתך.

 

אפקט הבידוד
Isolation Effect

כאשר אנשים עומדים מול בחירה מסוכנת, הם מעריכים אותה במבודד, ולא מתבוננים בה בהקשר הרחב.
למשל- התנהגות רופאים משתנה כאשר מטפלים בחולה יחיד אל מול התנהגותם בקביעת מדיניות כוללת לקבוצה

 

אפקט המסגור

Framing Effect

הנטייה לפעול באופן שונה לגבי אותה סוגיה אם הוא מיוצגת במונחים של רווח או הפסד. למשל- מה סיכוי ניתוח להצליח, לעומת מה סיכויי החולה שלא לצלוח את אותו הניתוח.
בני האדם לא בוחרים בין תוצאות- אלא בין תיאורי התוצאות.

 

שנאת ההפסד
Loss Aversion

בבחירה בין ודאות להימור, רצונם של אנשים להימנע מהפסד עולה עך רצונם להבטיח רווח.

אצל רוב בני האדם, האושר הנלווה לקבלת דבר רצוי קטן מן האומללות הנלווית להפסד.

 

על בסיס השיטתיות שבהטיות אלו, במרכזן הייצוגיות הזמינות והמסגור, פיתחו טברסקי וכהנן את תורת הערך.
שנאת ההפסד כמו גם אהבת הרווח, כך הוכיחו, משתנות. האנשים מגיבים לשינויים ולא לרמות מוחלטות, וההתייחסות הרגשית מתחזקת ככל שהסיכויים נעשו קלושים יותר.
היות וכך- ההטיה בקצוות, משמעותית יותר.
בהינתן שאנשים מוטים בשיפוט בתנאים של חוסר ודאות, טענו כהנמן וטברסקי, ניתן לשפר את כושר השיפוט, על ידי פיתוח שיטות לצמצום מקורות ההטיה בשיפוט ועל ידי התמודדות עמה.
יש לציין, שלאחר עיסוק רב בנושא איבדו שניהם את העניין בעיסוק בקבלת החלטות, שכן, למרות שקבלת החלטות מבוססת על שיפוט, הם חשו שקשה להשפיע על קבלת החלטות גם אם ילמדו את האנשים לבצע שיפוט נכון.
תורה זו היוותה את הבסיס לתחום מחקרי חדש- כלכלה התנהגותית.
לעבודתם של כהנמן וטברסקי היו השלכות רבות, והם הוזמנו, ביחד ולחוד לבצע עבודות להן השלכות מעשיות בכל תחומי החיים. הם פקחו את עיניהם של קובעי המדיניות והכלכלנים בדבר חשיבותה של הפסיכולוגיה, ובסופו של יום, כהנמן זכה בפרס נובל על עבודתם... בכלכלה.

 

ולכל מי שרוצה לקרוא עוד על הטיות, ממליצה לקרוא את הספר.

 

לסיכום נאה של כלל ההטיות ניתן לעיין באתר HumanHow

המגזין נכתב ע"י חברת Rom Knowledgeware
Fax 077-5020772 * Tel 077-5020771/3 * רח' בר כוכבא 23, בני ברק מיקוד 67135