Lavoro & Denaro: il “Modello 3 Cerchi” per trovare la risposta

3CERCHI Il Modello dei “3 Cerchi

Sgombriamo il campo per il momento, dal concetto estremo del lavoro senza denaro e viceversa, dal denaro senza lavoro: consideriamo il lavoro e il denaro come due facce di una stessa medaglia, una medaglia che attualmente appare sempre più difficile da ottenere o da mantenere per lungo tempo. Tralasciamo anche il significato che gli stessi assumono per ciascuno di noi, per la nostra sicurezza interiore e dignità di persone, perché oltremodo a noi noto. Concentriamoci ora sulle domande, quelle che giornalmente ci poniamo, sia che un lavoro ce l’abbiamo già e temiamo di perderlo, sia che non lo abbiamo ancora trovato, ovvero che lo abbiamo appena perso.

Le domande che ci poniamo variano a seconda della nostra età e carattere, della nostra situazione economica e sociale, ma sostanzialmente si concentrano sul “cosa fare” e sulla “direzione da seguire”, al fine di riuscire ad avviare un nostro circolo virtuoso lavorativo, sia che si tratti di una attività alle dirette dipendenze di qualcuno o di un lavoro in proprio e imprenditoriale. Nella migliore delle ipotesi è come trovarsi in un luogo isolato, lontano da centri abitati, attraversato da un certo numero di binari ferroviari, ciascuno di essi destinato a collegare differenti stazioni e aree geografiche a sud, piuttosto che a nord, ad ovest piuttosto che ad est.  Supponiamo che ciascuno di questi binari rappresenti un possibile percorso da seguire per raggiungere la nostra meta e il nostro obiettivo lavorativo: nel luogo in cui ci troviamo, i binari appaiono tutti uguali e paralleli tra di loro, ma solo su uno di essi passerà un treno che ci porterà, stazione per stazione, alla destinazione giusta per noi. Come scegliere il nostro binario, ovvero la destinazione più giusta per noi?

Certo, potrei provarne uno, giungere alla prima stazione, constatare che non sono nella direzione giusta e tornare indietro e provarne altri binari… accorgendomi in un secondo momento di essere poco lontano dal mio punto di partenza, nonostante il tempo già trascorso… Proviamo ad applicare un metodo di scelta, in grado di “filtrare” le scelte che non ci porteranno da nessuna parte e che lasci passare quelle in grado di valorizzarci per guadagnarci la nostra “medaglia”: il “Modello dei tre Cerchi” appunto.

Prima di applicare questo modello, dobbiamo concentrarci su noi stessi, sgombrare la nostra mente (“tabula rasa”) da preconcetti di ogni genere, dal rincorrere situazioni  rassicuranti e modi di pensare del nostro recente passato: il mondo è cambiato e non dobbiamo vivere in esso, cambiando.

Il Cerchio n.1 è in relazione a “ciò che sappiamo fare”, al nostro mestiere, al valore che riusciamo a creare, a tutto ciò che abbiamo imparato a fare sino a quel momento: se siamo ancora ragazzi in cerca del primo lavoro, conta la formazione ricevuta, se invece abbiamo già esperienze di lavoro, valgono soprattutto queste ultime.

Il Cerchio n.2 è in relazione a “ciò che ci appassiona fare”, a ciò che ci piace, alle attività che ci fanno sentire bene con noi stessi: in genere sono attività che vengono da noi classificate spesso come “hobby”, specialmente se abbiamo una attività lavorativa che non ci appassiona…

Il Cerchio n.3 è quello più complesso da configurare ed è quello che racchiude la risposta finale: si riferisce alle “attività (prodotti e servizi) che qualcuno (il mercato) è disposto a pagare”, fin anche un solo euro. Infatti, spesso il lavoro piacevole non paga bene, anzi alcune volte piace così tanto che lo si fa gratuitamente (viceversa “dove c’è letame, c’è moneta” dice un vecchio detto). Ciò non significa dover cercare solo lavori sgradevoli per essere ben remunerati, ma nemmeno il contrario, illudendosi che svolgendo le attività che più ci piacciono, queste riescano ad essere valorizzate dal mercato, come noi vorremmo. Esempi a partire dall’idraulico che viene a riparare il W.C. di casa, fino alla società di onoranze funebri, rispetto ad es. ai tanti artisti e musicisti che vivono in condizioni disagiate pur svolgendo attività appassionanti, dimostrano ampiamente questo concetto: “Business is Business”.

A questo punto, una volta definito in maniera schietta e sincera con noi stessi, il contenuto da attribuire ai nostri tre cerchi, non ci resta che trovare l’area di comune intersezione di essi: una minuscola figura triangolare che appartiene contemporaneamente sia al cerchio del “so fare”, sia quello del “mi piace fare”, sia a quello del “mi pagano per fare”: Bingo!

Purtroppo, come si dice “non tutte le ciambelle riescono con il buco”, ovvero non è detto che si riesca subito a trovare il “triangolo”, molto spesso risulta abbastanza semplice intersecare i primi due cerchi, mentre per il terzo bisogna lavorare sodo per minimo un mese, fino ad anche un anno e più, fino a comprendere effettivamente cosa di quello che facciamo o vogliamo fare, altri siano disposti a pagarlo per ottenerlo. Ricordiamoci però, che “la cosa importante non è dove ci troviamo ora, ma in quale direzione stiamo andando…”. La risposta alla domanda sul nostro lavoro e sulla sua giusta remunerazione, la si riesce ad ottenere in genere solo dopo un po’ di esercizio, “stazione per stazione”, anche facendo nel frattempo lavori eventualmente “sgradevoli”.  Tutto purché questo servi ad individuare bene la direzione per cui dare il meglio di sé, coincida anche con il meglio per gli altri  (mercato), perché solo in questo modo si creano le condizioni per un ciclo lavorativo positivo di almeno 5-10 anni, per poi tornare successivamente a verificare il tutto per eventualmente riposizionarsi, sapendo che ciò è “normale” nel mondo del lavoro contemporaneo e lo sarà sempre più nel prossimo futuro.

Certo, una risposta ad una domanda non è ancora un lavoro, né tanto meno il denaro, ma avere intrapreso la direzione giusta da percorrere rasserena, accende gli animi e la speranza, verso una rinnovata politica che sia in grado di rimuovere i presupposti del lavoro senza denaro (sfruttamento), così come del denaro senza lavoro: concetto quest’ultimo caro ai mercati finanziari (e non solo…) che in questi ultimi anni hanno “dopato” l’economia fino al punto di sostituirsi ad essa, con il risultato di ottenere appunto, denaro senza lavoro, ma solo per pochissimi…

Modello di Controllo Bilanciato del Business: Balanced Scorecard & Active Strategy Pilot Map

Procedura Software di Supporto alla Gestione Diagnostica e al Posizionamento Strategico del Business

Balanced Scorecad e le 4 Prospettive di Kaplan

Il sistema SMART PILOT si basa sul modello innovativo “4Quad Ability Rate Abacus” per misurare il livello di competitività di una impresa e/o di una sua business unit. Si parte dalla consapevolezza che la dinamicità di un business dipende da almeno 4 Prospettive (vedi Kaplan):

  1. Economica,
  2. Prodotto/Servizio,
  3. Risorse
  4. Mercato

Nella procedura vengono integrate le 4 dimensioni del business e si fornisce una bussola di posizionamento attraverso un abaco indicatore di rotta. Trattasi di un modello di conoscenza multiparametrico a matrici di confronto contrapposte raffigurabile da un abaco a 4 quadranti di “Ability Rate” .

L’abaco presenta 4 indicatori o drivers che rappresentano i Fattori Critici di Successo (FCS). Essi rappresentano un valore da 0 a 1 che indicano le coordinate degli assi corrispondenti:

  1. Revenue (Profit Ability): la capacità di produrre profitto;
  2. Productivity (Product Ability): la potenzialità produttiva, ossia quanto e come l’azienda è in grado di realizzare prodotti che siano su misura per ciascun cliente;
  3. Customer (Skill Ability): l’abilità di efficienza della forza lavoro, ovvero l’organizzazione delle risorse umane e strumentali e la loro efficacia/efficienza;
  4. Innovation (Business Ability): la capacità di innovazione, ossia il valore aggiunto che l’azienda vuole garantire rispetto agli standard attuali di mercato.

Il modello fornisce nei 4 quadranti derivati delle intersezioni dei drivers, il posizionamento dell’impresa rispetto a ciascuna coppia di fattori critici di successo:

  • Quadrante della Riorganizzazione: il posizionamento nel quadrante fornisce indicazioni strategiche circa la necessità di re-ingegnerizzare i processi produttivi;
  • Quadrante della Riqualificazione: il posizionamento nel quadrante fornirà indicazioni strategiche circa la necessità di riqualificare i processi produttivi, ovvero l’organizzazione del lavoro e gli skills delle risorse umane;
  • Quadrante del Rilancio: il posizionamento nel quadrante fornirà indicazioni strategiche circa la necessità di rilanciare l’attività di impresa attraverso azioni di marketing, ovvero investire sullo sviluppo di attività di ricerca e di innovazione;
  • Quadrante del Riassetto: il posizionamento nel quadrante fornirà indicazioni strategiche circa la necessità di riassetto delle risorse umane, ovvero dell’organizzazione del lavoro.

La caratteristica “Pilot Map” mostra che la direzione di crescita del business è orientata dal quadrante della Riqualificazione a quello del rilancio dell’attività, mentre la direzione trasversale dal Riassetto alla Riorganizzazione rappresenta la fase di “ripartenza” o re-engineering.

I 4 quadranti mostrano le correlazioni inferenziali (causa / effetto) tra ciascuno dei Driver di Performance.

StrategyMap

 

Smart Pilot Abacus

BM = f (Value, Reputation, Sales, Profit)

Per ulteriori informazioni:

Knowledge Management vs Knowledge Engineering

 Knowledge Management vs Knowledge Engineering

The terms knowledge management and knowledge engineering seem to be used as interchangeably as the terms data and information used to be. But if you were to ask either a manager or an engineer if their jobs were the same, I doubt if you would get them to agree they were. A brief examination of the terms management and engineering shows that to manage is to exercise executive, administrative and supervisory direction, where as, to engineer is to lay out, construct, or contrive or plan out, usually with more or less subtle skill and craft.

The main difference seems to be that the (knowledge) manager establishes the direction the process should take, where as the (knowledge) engineer develops the means to accomplish that direction. Not all that much different from the relationships in any other discipline. So therefor we should find the knowledge managers concerned with the knowledge needs of the enterprise. We should see them doing the research to understand what knowledge is needed to make what decision and enable what actions. They should be taking a key role in the design of the enterprise and from the needs of the enterprise establishing the enterprise level knowledge management policies. It is to the knowledge managers that the user should go with their “need to know“.

On the other hand, if we were look in on the knowledge engineers we should find them working on such areas as data and information representation and encoding methodologies, data repositories, work flow management, groupware technologies, etc,. The knowledge engineers would most likely be researching the technologies needed to meet the enterprise’s knowledge management needs. The knowledge engineers should also be establishing the processes by which knowledge requests are examined, information assembled, and knowledge returned to the requestor. What is significant in both of these “job descriptions” is that nowhere do I claim that either is the “owner” of the enterprise knowledge, information, or data. Ownership remains the prerogative of the enterprise, or the enterprise element manager, or even the individual depending on the established policies for enterprise level knowledge ownership. As we might well expect, other views exist as to the roles of the knowledge manager and the knowledge engineer. For example, to the developer of knowledge-base computer software systems, the knowledge engineer is most likely a computer scientist specializing the development of artificial intelligence knowledge bases. From the view of the corporate board-room the knowledge manager may be the Chief Information Officer (CIO) or the person in charge of the Information Resource Management (IRM). The point is, when discussing terms such as knowledge manager or knowledge engineer, or any other role designation, it is important that all parties share a clear mutual understanding.  Brian D. Newman © January 5, 1996

Multi-Perspective Modeling for Knowledge Management  and Knowledge Engineering (John Kingston)  Multi-Perspective Modeling

The purpose of this thesis is to show how an analytical framework originally intended for information systems architecture can be used to support knowledge management, knowledge engineering and the closely related discipline of ontology engineering. The framework suggests analysing information or knowledge from six perspectives (Who,What, How, When, Where and Why) at up to six levels of detail (ranging from “scoping” the problem to an implemented solution). The application of this framework to each of CommonKADS’ models is discussed, in the context of several practical applications of the CommonKADS methodology. Strengths and weaknesses in the models that are highlighted by the practical applications are analysed using the framework,
with the overall goal of showing where CommonKADS is currently useful and where it could be usefully extended. The same framework is also applied to knowledge management; it is established that “knowledge management” is in fact a wide collection of different approaches and techniques, and the framework can support and extend every approach to some extent, as well as the decision which approach is best for a particular case. Specific applications of using the framework to model medical knowledge and to resolve common problems in ontology development are presented.
The thesis also includes research on mapping knowledge acquisition techniques to CommonKADS’ models (and to the framework); proposing some extensions to CommonKADS’ library of generic inference structures; and it concludes with a suggestion for a “pragmatic” KADS for use on small projects. The aim is to show that this framework both characterises the knowledge required for both knowledge management and knowledge engineering, and can provide a guide to good selection of knowledge management techniques. If the chosen technique should involve knowledge engineering, the wealth of practical advice on CommonKADS in this thesis should also be beneficial.

Knowledge Engineering

Sistema Esperto di Ottimizzazione a supporto degli Allevatori di Cavalli di Razza Araba

1-s2.0-S0888754305002491-gr2r1PratoPalazzoC1

Progetto per lo Sviluppo della Base di Conoscenza Informatica e realizzazione di un Sistema di Supporto alle Decisioni finalizzato alla salvaguardia, alla preservazione e al miglioramento delle caratteristiche genetiche morfo-funzionali dei Cavalli Purosangue di Razza Araba.

_______________________________________________________

Il cavallo arabo è una fra le razze equine tra le più antiche e utilizzate. È una razza a sangue caldo originaria della Penisola arabica, utilizzato per creare o per migliorare alcune razze, fra cui anche il purosangue inglese. Si tratta infatti, di un tipologia di cavalli dall’aspetto  molto nobile, dal busto fine, dalla pelle sottile ed elastica ricoperta da peli corti e lucenti. Gli zoccoli sono piccoli e durissimi; gli appiombi sono perfetti. Viene impiegato anche per creare o migliorare altre razze in ogni angolo della terra. Il tema della salvaguardia, della preservazione e del miglioramento genetico di questi animali, attraverso procedure che implicano una selezione consapevole e mirata delle specie, è quindi strettamente correlato al reddito economico degli allevatori, in quanto il mantenimento e l’evoluzione delle caratteristiche morfo-funzionali ottenute generazione per generazione, ne aumenta notevolmente il loro valore richiesto sul mercato.

Nel progetto di ricerca, la PRATO PALAZZO Srl, impresa che opera nel campo dell’allevamento di equini ed altre specie animali, intende verificare la possibilità di rendere più efficace ed economico il miglioramento genetico dei cavalli di razza araba.  A tale scopo, attraverso attività mirate di analisi e di ricerca, si intende sviluppare una “Base di Conoscenza” informatica, vale a dire non solo una elaborazione statistica di dati storici “a posteriori” (quindi inefficaci per la pianificazione ottimale degli accoppiamenti) su i criteri di selezione che hanno generato i migliori risultati, ma sulla base dell’utilizzazione di una computazione non-deterministica, per tener conto del patrimonio di conoscenza che risiede nell’esperienza degli stessi allevatori, soprattutto per quanto riguarda gli elementi distintivi a valore aggiunto.

PratoPalazzo RA3A tale scopo la società ANOVA Studi e Ricerche Interdisciplinari, sta realizzando un sistema basato su un “Modello di Conoscenza” (Sistema Esperto), in grado di inferenziare più efficacemente la valutazione del valore genetico delle singole fattrici e dei singoli degli stalloni rispetto ad Indicatori di Merito (Tipicità, Testa e Collo, Dorso e Armonia, Arti, Movimento, ecc.) oggi disponibili, con il fine ultimo di supportare la definizione ottimale di Piani di Accoppiamento più efficaci dal punto di vista dei risultati di selezione e più efficienti dal punto di vista dei tempi e dei costi. Il Modello si basa essenzialmente sullo sviluppo di un originale algoritmo inferenziale di valutazione e di confronto BAHMM (Best Arab Horse Matching Model), in grado di porre in relazione le possibili performance di accoppiamento tra una prefissata fattrice (con un determinato patrimonio genetico, grado di parentela, tipicità, condizioni di vita e ambientali) e una lista di possibili stalloni (ciascuno con le proprie caratteristiche di “riproduttore”, di patrimonio genetico, grado di parentela, tipicità, ecc.), rispetto ad un quadro di tipicità e caratteristiche di riferimento “target” di mercato (show, endurance, corsa, ecc.), che si intendono ottenere nella nuova generazione di puledri.

L’obiettivo finale del progetto è in ultima analisi, quello di realizzare uno strumento condivisibile fra gli allevatori di cavalli, in grado di supportare le scelte rispetto alla selezione e all’accoppiamento dei cavalli, riducendo i costi del 40% e aumentando contestualmente il “valore” dei puledri e quindi, la redditività dell’allevatore, in funzione delle specificità richieste dal mercato di destinazione.

Il primo prototipo di sistema BAHAMM è finalizzato a supportare il miglioramento delle tipicità e caratteristiche estetiche/morfologiche dei cavalli di razza araba destinati alla partecipazione ai vari “Show” tenuti in varie località dell’Italia e del mondo. Oggi, nessuna notevole razza equina è esente dall’impronta miglioratrice del cavallo arabo.

Esiste una organizzazione specifica di riferimento per il controllo di questa razza, la WAHO (World Arabian Horse Organization), per la quale migliaia di cavalli di puro sangue arabo nel mondo, vengono qui ogni anno registrati. Nelle gare di fondo il cavallo di razza araba non ha rivali grazie al suo metabolismo particolare. È nota inoltre la sua capacità di portare grossi carichi, fuori dai consueti rapporti peso trasportato/peso del cavallo, validi per tutte le altre razze.

L’arabo è famoso per la sua meravigliosa disponibilità, temperamento e bontà, stile e bellezza associate a facilità di apprendimento e serietà. Il libro genealogico del Cavallo di Purosangue Arabo è gestito in Italia dall’Associazione Nazionale Italiana Cavallo Arabo, ANICA, ai sensi dell’Art.3 della legge 15 gennaio 1991 n. 30, sulla disciplina della riproduzione animale. Si tratta di una associazione giuridicamente riconosciuta, ai sensi del DPR 10.2.2000 n.361, tramite iscrizione, dal 10/05/2001, al n. 1 del Registro Prefettizio delle Persone Giuridiche di Parma. Il libro genealogico è regolato da un apposito disciplinare, in armonia con la normativa dell’Unione Europea.

Il Valore della Conoscenza nell’Era della Net Economy (3° parte)

net_economy1

http://www.outsidernews.net/il-valore-della-conoscenza-nellera-della-net-economy-3-parte/

Nelle parti precedenti (prima e seconda) si è posto in evidenza come una conoscenza efficace (v. “Sapere è Potere”) nell’era della Net Economy debba operare anche in maniera efficiente, ovvero competitiva. Ancor prima di conoscerne le modalità, sappiamo che gli effetti di una conoscenza efficiente si traducono, per chi possiede gli strumenti giusti (v. “cassetta degli attrezzi”), in una rinnovata capacità di interazione interdisciplinare, di buonsenso condiviso e di semplificazione della complessità. Si è anche accennato ai “Modelli di Conoscenza” (Knowledge Models) come elementi catalizzatori della capacità di sintesi che diventa fondamentale in uno scenario di “Big Data” e aggiungerei, di “Big Info”.

In questa terza parte, si intende entrare più nel merito di quelli che possono essere gli strumenti operativi di gestione e di “misurazione” della stessa conoscenza, in termini di “quantità” e di “valore” producibile (v.ROI), vale a dire gli strumenti che, come nel caso delle attrezzature di una “officina meccanica”, consentono di smontarla, di ottimizzarla e di riutilizzarla.  Punto di partenza è senz’altro la ricerca di una definizione condivisa di “conoscenza”: si sa che è da sempre, un concetto complesso da descrivere.  È  molto più semplice provare a definire ciò che non è conoscenza: non è una collezione di dati o di informazioni, come ci ricorda A.Einstein: “L’informazione non è ancora conoscenza”. Naturalmente, si ritrovano molteplici definizioni del termine conoscenza in letteratura o nella rete Internet, correlate allo specifico contesto di riferimento o al concetto epistemologico, la maggior parte di esse correlate alla cognizione dei fatti, della verità o dei principi. Forse la definizione che meglio esprime la sua funzionalità, è data dall’acronimo DIKW (Data, Info, Knowledge, Wisdom), intesa come “catena della conoscenza”, in grado di rappresentare le relazioni funzionali tra datiinformazioniconoscenza e saggezza. La “Catena della Conoscenza” DIKW non è solo un legame funzionale, ma esprime anche una azione: “ La conoscenza è informazione in azione” (C.O’Dell, C. J.Grayson). Con riferimento al DIKW e alle considerazioni precedenti, potremmo concludere come la conoscenza sia la facoltà umana risultante dall’interpretazione delle informazioni finalizzata all’azione, ovvero il risultato di un processo di inferenza e di sintesi (ragionamento), a partire dai dati verso la saggezza. Ora, la prima vera e al tempo stesso, devastante “novità” che scaturisce dall’osservazione dell’evoluzione del sapere nella Net Economy, è che la struttura della catena della conoscenza (DIKW), non risulta legata al peculiare ambito applicativo o “dominio” cui si riferisce e non dipende dal particolare “glossario dei termini” che in tale ambito viene utilizzato: i processi di ragionamento fautori della conoscenza, non sono “figli unici di madre vedova”, ma seguono in genere dinamiche trasversali e interdisciplinari che sono ripetitive secondo classi tipologiche. Nella migliore delle ipotesi queste ultime si inseriscono poi nel sistema inerziale (v. parte prima) nel quale valgono i principi base della natura (ecosostenibilitàe dell’uomo (v. Piramide dei bisogni primari di A.Maslow), a prescindere dagli scenari tecnologici, politici e di mercato del momento. Un esempio per tutti: l’Ingegneria Biomedica è nata quando finalmente discipline diverse, storicamente inconciliabili tra di loro (se non proprio antitetiche), come la medicina, la fisica, l’ingegneria, l’informatica, ecc., si sono incontrate “interdisciplinarmente” nel suddetto sistema di riferimento inerziale, al fine di soddisfare un bene primario come quello della salute.  Esempi come questi, nell’era della Net-Economy, come è facile constatare, si moltiplicano quotidianamente in maniera esponenziale. Ecco quindi, che il termine “devastante” utilizzato prima, non è per nulla esagerato, ma stigmatizza la necessità di gestire questa evoluzione accelerata della conoscenza.  Ritornando alla nostra “cassetta degli attrezzi” e ai componenti da assemblare (informazioni), risulta prioritario anche stabilire un “linguaggio universale di sintesi” (che sia comprensibile e ripetibile al di fuori di ogni contesto linguistico-lessicale): possiamo allora far uso della simbologia e della logica matematica (che è appunto universale) per esprimere sinteticamente i concetti finora espressi. Ad esempio, per quanto riguarda la definizione di dati e informazioni, l’intera descrizione si ridurrebbe a :

  • Dato = Funz [Codice alfanumerico, Unità di Misura, Modalità di Acquisizione, Qualità, Validità]
  • Info = Funz [Espressione alfanumerica, Dinamica del Processo/Contesto di Riferimento, Processo di Inferenza, Grado di Influenza Post-Ante, Ciclo di Vita]

In altri termini, dati e informazioni sono esprimibili come funzione (Funz) o relazione delle variabili da cui dipendono, elencati nelle parentesi quadre “[]”. A questo punto sarà prioritario stabilire anche un sistema di misura della “quantità” di conoscenza e del “valore” (qualità) della stessa, ma ecco qui un’altra “devastante” questione: ma come è possibile misurare qualcosa di intangibile? La risposta è in un’altra domanda: nel ragionare e prendere ad es. una decisione, il nostro cervello risolve un’espressione algebrica o risolve per caso un sistema di equazioni? Certo che no. Allora forse c’è un “gap” tra quello che ci hanno insegnato a scuola nell’ambito della computazione dati (v. Matematica) e il modo “naturale” di computare informazioni, proprie del nostro cervello, modalità che è stata poi, in qualche modo “trasferita” nell’Informatica (v. Intelligenza Artificiale).

Qui si aprirebbe un ampio discorso sull’esistenza di altri tipi di matematica più vicine alla realtà quotidiana, come la “Matematica dei Frattali” (v. Benoît B. Mandelbrot, Les objets fractals: forme, hasard et dimension, 1986) la cui applicazione ci farebbe scoprire ad es. come la neve, gli alberi, il profilo delle nostre coste rispondono ad un criterio di autosimilarità e ripetitività, spiegherebbe addirittura “perché” in una macchina fotocopiatrice, per ridurre proporzionalmente un formato A3 in un equivalente A4 (la metà di A3) bisogna selezionare l’opzione “misteriosa” del 71%! Per fortuna c’è qualcuno che ha sintetizzato il concetto, in un meraviglioso filmato YouTube: “La vita sulla terra è basata sulla matematica frattale”:

(http://www.youtube.com/watch?v=O19K9EuxXWY&noredirect=1)

La difficoltà che si ritrova nella misura dell’intangibile è proprio nel fatto che siamo in genere restii a cambiare il nostro consolidato sistema di riferimento, avendo imparato da piccoli la computazione deterministica con i numeri (dati), anche se poi operiamo anche secondo processi di computazione non deterministica con le informazioni: si sa poi che la cosa più difficile è cambiare (a questo proposito, gli aforismi sul “cambiamento” si sprecano). Se però ad es. dobbiamo decidere cosa fare un venerdì sera, se uscire e andare in discoteca piuttosto che in palestra o al cinema, sulla base di informazioni sulle condizioni atmosferiche, sul nostro stato bioritmico, sul nostro oroscopo, o altro, noi non solo non risolviamo un algoritmo matematico, ma il fatto “sconvolgente” è che è possibile valutare (anche con una banale calcolatrice o con un foglio elettronico), qual è la soluzione più logica o più di “buon senso”, emulando in maniera esplicita quello che il nostro cervello fa naturalmente, in genere, in maniera implicita. Fare ciò risulta possibile (anche intuitivamente) perché le informazioni esercitano un “peso dinamico” sul nostro ragionamento e sul risultato finale (target) della nostra decisione, frutto di una elaborazione “quali-quantitativa”, inserita nel peculiare contesto della nostra esperienza e conoscenza.  Qui un esempio “numerico” concreto e ripetibile, aiuterebbe molto a fissare il concetto, ma per ovvi motivi di spazio ciò viene rimandato, insieme ad altri approfondimenti, in una prossima puntata di questo articolo.

Il Valore della Conoscenza nell’Era della Net Economy (2° parte)

net_economy1

Il valore della conoscenza nell’era della Net Economy (2° parte)

Si riprende qui la riflessione sul tema “valore della conoscenza nell’era della NetEconomy” (vediprima parte) dal punto in cui si erano evidenziate le contraddizioni e i paradossi presenti nel sistema “ragnatela”, la necessità di riferirsi ad un sistema inerziale valido e stabile rispetto agli eventi mutevoli contingenti, il bisogno di dotarsi di strumenti specifici per gestire la conoscenza in maniera competitiva (conoscenza efficiente).

In questa seconda parte, si intende entrare un po’ più nel merito di questi strumenti (cassetta degli attrezzi) che ci consentirebbero di acquisire, una capacità di interazione interdisciplinare, lo sviluppo del buonsenso condiviso e la capacità di semplificazione della complessità, “capabilities” fondamentali per operare in maniera competitiva (v. ragni e non prede) nell’ambito della gestione del valore nelle reti di conoscenza. Per definire questi strumenti di lavoro bisogna innanzitutto partire da quelli che sono gli elementi strutturali di base (“mattoni”) della conoscenza sui quali operare, ovvero i dati e le informazioni: può sembrare banale questa distinzione spesso confusa come sinonimia, ma è proprio qui che si nasconde la prima micidiale trappola concettuale, che avrebbe effetti devastanti soprattutto nell’ambito di una gestione informatica dei “Big Data”. Sarebbe come confondere ad es.: i bicchieri con l’acqua che può esserci al loro interno, gli archi con le rispettive frecce,  il nozionismo con la cultura, ecc. Semplificando molto  il concetto: i dati sono entità statiche, “fotografie” di fatti e sono quindi espliciti, in genere sono espressi in forma alfanumerica, prodotti da fonti (database, sensori,…) che ne condizionano poi la loro rispettiva “qualità”.  Leinformazioni sono entità dinamiche ed evolutive, caratterizzate da un proprio ciclo di vita, nascono in forma esplicita o latente dai dati, sono correlate ad uno o piùprocessi (mentali, personali, ambientali, produttivi, ecc.) ed esercitano su tali processi una propria influenza (o “peso”).  Ad esempio: misurando latemperatura, la pressione atmosferica e l’umidità relativa esterna (dati), si ottiene un’informazione che può essere correlata all’abbigliamento da indossare (processo), ma che è poi condizionata dal “peso” che la stessa informazione ha su una determinata persona piuttosto che su un’altra e dura lo spazio temporale (ciclo di vita) limitato alla rispettive necessità di uscire da casa… Le informazioni rappresentano quindi, la vera componente strutturale della conoscenza, che a sua volta nasce e si sviluppa attraverso processi di interazione e inferenza verso “target” conclusivi (ragionamento deduttivo)  e viceversa (ragionamento induttivo).

Gli strumenti di base per ricavare informazioni da sorgenti di dati sono notoriamente (v. Business Intelligence): la Statistica Multivariata, le tecniche di “Data Mining” e di “Knowledge Extraction”, nelle loro rispettive modalità di applicazione. L’output dell’applicazione di questi strumenti è la generazione/esplicitazione di informazioni, utili per sviluppare processi di ragionamento e quindi, creazione di conoscenza “efficace” (proattiva).  Nello scenario della Net-Economy, come si è già evidenziato nella prima parte, l’efficacia nei ragionamenti e della conoscenza rappresenta solo una condizione necessaria, ma non più sufficiente. Per aggiungere “efficienza” (competitività) è necessario utilizzare strumenti di livello superiore, come ad esempio, i “Modelli di Conoscenza” (v. Knowledge Models), che in molti casi risultano essere concetti preesistenti e noti, mentre in altri è necessario crearli o adattarli alle situazioni di nostro interesse. Cosa sono allora questi Modelli di Conoscenza e come si utilizzano? In un certo senso, sono più diffusi di quanto si possa pensare, anche se non ne siamo del tutto consapevoli, soprattutto rispetto ad un loro utilizzo “professionale”: è come utilizzare ad es. uno “scivolo” in un parco giochi e non sapere che lo stesso potrebbe essere in alcuni casi, il sistema più rapido per raggiungere una meta prefissata anziché utilizzare le comuni “scale”. Un Modello di Conoscenza è per definizione una “sintesi” (Pattern) di una moltitudine di informazioni e di ragionamenti, che “lavora” acquisendo in input direttamente  i dati da fonti esterne eterogenee ed è in grado di restituire in tempo reale in output  informazioni decisionali conclusive rispetto ad un target  prefissato.

Nella prossima riflessione (3° parte) entreremo nel “vivo” della descrizione operativa ed esemplificativa di questi strumenti per la gestione efficiente della conoscenza, per arrivare a introdurre i metodi di “misurazione” della stessa, vero “spartiacque” tra un uso hobbistico e un uso professionale del valore della conoscenza nello scenario della Net-Economy.

Conoscenza Efficiente: “Sapere è Potere” nell’Era della Net-Economy (1°Parte)

net_economy1

Il valore della conoscenza nell’era della Net Economy

Lo scenario della Net Economy, come condivisione digitalizzata di dati, di informazioni e di conoscenza, appare quanto mai complesso, pieno di contrasti e paradossi, per cui vien da pensare che si tratti di un fenomeno ben lungi dall’essere del tutto conosciuto e compreso. Come spunto di riflessione possiamo scegliere a caso alcune notizie degli ultimi giorni: dal ragazzo inglese di 17 anni (Nick D’Aloisio) che è diventato ricchissimo con una sua idea innovativa “Summly“ (un App per smartphone, in grado di visualizzare in sintesi notizie complesse) ricevendo ben 30 milioni dollari dalla Yahoo; al boom di disoccupati “dottori” in Italia, con incremento del 41,4% annuo; alla gestione dei “Big Data” e la questione degli “Open Data” nella creazione di nuovo valore nel business; il tutto in uno scenario globale di diffusione dell’accesso alla Rete e di utilizzo pro-attivo del Web, che vede gli utenti italiani al 23° posto nel mondo (thewebindex.org).

La Net-Economy può apparire come una enorme ragnatela nella quale ognuno può scegliere di diventare “preda” o “ragno”: essere ragni significa affrontare la complessità della Rete come opportunità e imparare a gestirla traendone benefici, essere prede significa non riconoscere la realtà in continuo mutamento o cercare ottusamente di negarla, rimanendo sempre più esclusi e vittime (“PREDE o RAGNI – Uomini e organizzazioni in uno scenario ragnatela della complessità”, di Alberto F. De Toni e Luca Comello).
È curioso poi osservare come in questa era di Net-Economy si stia paradossalmente moltiplicando il numero di offerte di “business coaching” e di ricette consulenziali “miracolose” per far uscire le imprese dalla crisi o gli imprenditori dalla disperazione: tutto ciò può essere interpretato, secondo il mio parere, come un “Pronto Soccorso”, immediato ed efficace, ma in genere non risolutivo in mancanza di una “cura” che miri ad una soluzione di medio lungo termine.
E allora qual è questa possibile cura? Se con uno zoom potessimo allontanarci dalla visuale contingente, in genere molto limitata per comprendere la dinamicità del cambiamento (sarebbe come osservare quello che succede fuori guardando dal buco della serratura del proprio uscio di casa…), ci aiuterebbe moltissimo individuare il sistema di riferimento inerziale, nel quale valgono i principi base della natura (Ecosostenibilità) e dell’uomo (v. Piramide dei Bisogni Primari di A.Maslow), a prescindere dagli scenari tecnologici, politici e di mercato del momento. Una corretta gestione della conoscenza, con gli giusti strumenti di approccio (potere), consentirebbe di guidarci e di districarci nella complessità, seguendo la via più breve e duratura.

Fino all’inizio degli anni ’90, il detto “Sapere è Potere” (v. Francis Bacon) si riferiva soprattutto alla capacità della conoscenza di rendere forti e liberi di scegliere i detentori del sapere e del saper fare, ovvero al valore e all’efficacia della conoscenza nel raggiungimento dei propri obiettivi personali e professionali. “La conoscenza non ha valore se non la metti in pratica” scriveva Heber J.Grant. Nell’attuale scenario della Net-Economy e della Globalizzazione, una conoscenza efficace non è più sufficiente a garantire il suo “potere”. In un contesto di interazione “allargato” al mondo intero, assume un peso predominante il concetto di “efficienza della conoscenza”, ovvero la capacità adattarsi velocemente ad un contesto di interazione dinamico e mutevole e disperso.
In questo nuovo scenario di economia, prevalgono la capacità di interpretare/anticipare il mercato (le idee), il valore del prodotto/servizio (la qualità), la reputazione e la competenza (credibilità). “Non c’è economia dove non c’è efficienza” diceva Benjamin Disraeli, frase quanto mai attuale.
La domanda allora è: come è possibile rendere la nostra conoscenza, oltre che efficace (proattiva), anche efficiente (competitiva)? La soluzione è nascosta nel concetto secondo il quale per far bene un lavoro (Valore) bisogna innanzi tutto possedere la cassetta degli attrezzi giusti: noi siamo certamente in grado di immaginare cosa ci sia dentro la cassetta degli attrezzi ad es. di un idraulico, di un elettricista e di un medico, ma non conosciamo ancora bene cosa siano e come gestire efficacemente gli strumenti della conoscenza, a partire dai quattro componenti strutturanti DIKW (Dati, Informazioni, Conoscenza, Saggezza), per finire all’approccio interdisciplinare, alla capacità di sintesi e di semplificazione della complessità: ma, come si sente spesso in TV, tutto ciò sarà oggetto di una prossima riflessione sulla “conoscenza efficiente”.

ConEffhttp://www.conoscenzaefficiente.it/

Referenze Forniture e Servizi

  • 2015 – GRUPPO CONSULENZE AMBIENTALI Srl (Bergamo) – Licenze Software SWATER Mix (Denitro/Nitro) ,  SWT-MBR (Membrane), SWT-FTN (Fenton), SWT-IFS (MBBR/IFAS), servizi di Assistenza Tecnica.
  • 2015 – Studio di Ingegneria ISOLA BOASSO & Associati Srl (Vercelli) – Licenze Software SWATER Mix (Denitro/Nitro) ,  SWT-MBR (Membrane), SWT-ALT (Cicli di Aerazione Intermittenti) e  servizi di Assistenza Tecnica.
  • 2015 – ALTO TREVIGIANO SERVIZI (Treviso) – Licenza Software SWT-ALT – Modello di Calcolo per la Verifica di Funzionalità Nitro/Denitro a Cicli di Aerazione Intermittenti
  • 2015 – LTA – Livenza Tagliamento Acque (Venezia)-  Licenza Software SWT-ALT – Modello di Calcolo per la Verifica di Funzionalità Nitro/Denitro a Cicli di Aerazione Intermittenti  e servizi di Assistenza Tecnica.
  • 2014 – ARTES INGEGNERIA SpA (Salerno) –  Licenze Software SWATER Mix e SWT SBR per cicli sequenziali Nitro/Denitro  e servizi di Assistenza Tecnica.
  • 2014 – 2015 – G.S.A. Srl – Gruppo Servizi Ambientali (Civita Castellana – VT) – Servizi di Analisi Processistica (FENTON – BIOLOGICO Denitro/Nitro) – Sistema di Controllo On-Line Processo FENTON.
  • 2014 – IDI Srl (Napoli) – Servizi Interdisciplinari di Verifica di Tecnica/Tecnologica per il Progetto Definitivo PS3 Depurazione Golfo di Napoli – “Grande Progetto-Risanamento Ambientale e Valorizzazione dei Regi Lagni”.
  • 2014 – ASA Azienda Servizi Ambientali SpA (Livorno) – Licenza Software SWATER Mix e servizi di Assistenza Tecnica.
  • 2014 – P.I.ECO Srl (Bergamo)-  Licenza Software SWATER Mix e servizi di Assistenza Tecnica.
  • 2013 – Consorzio POLYMER – Servizi Ecologici (Terni) – Licenza Software SWATER Mix e servizi di Assistenza Tecnica.
  • 2013 – STECI Srl  (Vercelli) – Licenza Software SWATER Mix e servizi di Assistenza Tecnica.
  • 2012-2015 – ENDRESS+HAUSER Italia (Milano) – Accordo di Collaborazione per attività di R&D per lo sviluppo di soluzioni di ottimizzazione dei Processi di Depurazione Biologica ad alta efficienza e Risparmio Energetico.
  • 2012-2015 -ALTO CALORE Servizi SpA (Avellino) – Licenze Software SWATER Mix e servizi di Assistenza Tecnica.
  • 2007-2009 – Progetto Privato Estero di Ricerca: “SENSOR Intelligence Vb” – “Intelligent Sensor Process Control System in Dairy Industry” – FrieslandFoods – The Netherlands
  • ARETHUSA Srl (NA): Progetto di Ricerca Industriale e Sviluppo Precompetitivo denominato “AMS – Autonomic Maintenance System – nell’ambito del bando per la concessione degli aiuti alle PMI in attuazione della misura 3.17 del POR Campania 2000/2006 Meta-distretto del settore ICT.
  • 2007-2009 POR PUGLIA 2000-2006 Misura 6.2 azione C – Progetti pilota -Sistema Esperto Integrato di Monitoraggio Ambientale e Antincedio in Aree Protette CYBERPARK 2000” – Gestione delle Aree Naturali Protette istituite e dei Siti Natura 2000 (SIC/ZPS)
  • 2007-2009 Progetto EU LIFE + Environment http://europa.eu.int/comm/environment/life/home.htm  – “BATTLE” – Sistema Esperto di Controllo Processo Tessile – ENEA – Best Available Technique for water reuse in TextiLE SdM
  • 2002-2004 – Progetto EU CRAFT  – European CRAFT Project “ELEN-TOOL”  On-line Measurement tool for Automatic Control of Must Fermentation process in Wine Industry – Progetto selezionato da CORDIS – Servizi di informazione ufficiale della Commissione Europea
  • 2000-2007 Progetto PON 2000-2006 “Ricerca, Sviluppo Tecnologico, Alta Formazione” – “Tecnologie Esperte per il teleControllo e la teleSorveglianza dell’Ambiente costruito Strategico” – T.E.C.S.A.S.
  • 2005-2007 Progetto PON TECSAS – Sistema Esperto per il Monitoraggio Remoto di Strutture Strategiche da Eventi Vibratori /Sismici “TECSAS” – ISIDE/UNINA-DAPS
  • 2008-2009 – Progetto Privato di Ricerca: “Gruppo PUTIGNANO” – “Sistema Informativo e Informatico dei Servizi di manutenzione – GMMS (Global Maintenance Management System)” Progetto IAS (Industria Acqua Siracusana)
  • 2007 – Progetto Privato di Ricerca: “GRIEC.A.M/TKM” – “Sistema Esperto Fuzzy per il monitoraggio diagnostico dei dati di funzionamento di unità ascensori”
  • 2005-2008 – Progetto Privato di Ricerca “Gruppo PRIMA SpA” –  “BALANCED SCORECARD System” – PRIMA SpA – Sistema per il Controllo Strategico delle Imprese attraverso la Business Intelligence
  • 2005-2008 – Progetto Privato di Ricerca “Gruppo PRIMA SpA” – “BUDGETARY CONTROL SYSTEM” – PRIMA SpA – Sistema per il Controllo Gestionale delle Imprese attraverso il Budgetary Control
  • 2005-2008 – Progetto Privato di Ricerca “Gruppo PRIMA SpA” – “ALLOCATORE RISORSE- Stampi/Presse” – PRIMA SpA – SCHEDULER e Sistema di Supporto alle Decisioni nella Allocazione delle Risorse (Stampi/Presse).
  • 2005-2008 – Progetto Privato di Ricerca “Gruppo PRIMA SpA” – “ALLOCATORE RISORSE- Stampi/Presse” – PRIMA SpA – SCHEDULER e Sistema di Supporto alle Decisioni nella Allocazione delle Risorse (Stampi/Presse).
  • 2005-2008 Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 -Sistema Integrato per la Gestione Telematica dei Cantieri di Edilistica e Impiantistica “GERECAN” – RITONNARO Srl
  • 2006-2009 -Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 – “Ricerca e Sviluppo prototipale di una piattaforma software per la gestione integrata dei processi produttivi tipici di una azienda di trasporti, finalizzata al monitoraggio e controllo della flotta a ziendale ed al miglioramento della logistica di gestione del “Customer Care” -LA MARRA Unipersonale s.r.l.
  • 2006-2009 -Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 – “Studio, realizzazione ed implementazione di un sistema sw integrato per il monitoraggio ed il controllo dei processi di produzione all’interno di un’azienda del settore metalmeccanico” – MECAL s.r.l.
  • 2006-2009 -Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 – “Ricerca, sviluppo e prototipazione di una piattaforma sw su rete intranet per la raccolta dei dati di produzione ed in grado di organizzare, con l’utilizzo di algoritmi su reti neurali a neuroni esperti, flussi di informazioni utili a supporto delle decisioni del management” – CARIND SpA
  • 2006-2009 -Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 -Sistema Esperto per il Monitoraggio On-Line/Real-Time degli Odori dagli Impianti di Depurazione – “ODOURexp” – IAM SpA
  • 2006-2009 -Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 – “Sistema per la Pianificazione Esperta e per la Gestione della Produzione di Molle PROSPRING” – OMP Mollificio
  • 2006-2009 -Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 -“Applicazioni e prime valutazioni operative di una Rete Neurale a Neuroni Esperti, finalizzata alla gestione di impianti di monitoraggio e controllo di processi complessi” – NEUREXP – ANOVA sas
  • 2006-2009 -Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 – “Analisi e sviluppo di una piattaforma internet multimediale per l’erogazione a distanza di servizi integrati e interattivi di assistenza tecnica e di formazione“Learning by Doing” per il trasferimento tecnologico personalizzato “Low-Cost” di soluzioni informatiche ITC nelle imprese ad alto potenziale di crescita – EASYDOING” – ANOVA sas
  • 2006-2009 -Progetto MiUR ART. 14 D.M. n. 593 dell’8 agosto 2000 – “Sviluppo prototipale di una soluzione ‘Mobile Worker’ per la gestione remota di attività strategiche di unità di business dislocate territorialmente” – RITONNARO Srl
  • 2000-2006 Progetto MURST “Prototipo di Sistema Esperto per il Recupero dei Centri Storici” – RECENT – Strumento di Analisi e Valutazione per il recupero strutturale e funzionale delle opere di edilizia storica SDDS
  • EUROPEAN COMMUNITY “Energy, Environment and Sustainable Development” Program – Progetto INFOWATER “Integrated Expert System for WasteWater Management Efficiency Control” – Exploratory Award Proposal N°EXAW-1999-01473 – Contract n° EVK1-CT-2000-35015
  • 2000-2003 Consorzio di Ricerca ENEA/TERRI (Trisaia) – “Sviluppo di un SISTEMA ESPERTO (X-BASE Tool) per il Recupero delle acque e dei reflui industriali nel settore Conciario e Tessile”
  • 2001-2002 Consorzio SESM (ALENIA Finmeccanica)- Analisi e Sviluppo di Metodologie per la Simulazione e per il Supporto alle Decisioni nella Gestione delle Flotte Intermodali per le Emergenze  2001-2003
  • COMAT Costruzioni SpA – Realizzazione di un SISTEMA ESPERTO per il Monitoraggio (INTESYS-WaterMultiSkill) di Processo dell’Impianto di Affinamento Acque – Taranto “Gennarini”
  • 2003-2004 Azienda Consortile ALTO CALORE (AV) – Realizzazione di un SISTEMA ESPERTO di Monitoraggio (INTESYS-WaterMultiSkill) della qualità delle acque sotterranee e superficiali della “Piana del Dragone”
  • 2000 -2004 Comune di VILLASIMIUS (CA) – SISTEMA ESPERTO (SCETTRO-INTESIS) per il Telecontrollo dei Processi di Depurazione delle Acque Reflue Urbane e del loro Trattamento Terziario per il Riutilizzo in agricoltura e per le infrastrutture turistiche.
  • Parco Scientifico e Tecnologico di Salerno e delle Aree Interne della Campania (SA) 2000-2001 – Sviluppo di un PROTOTIPO di Procedura Automatica per la Pianificazione e la Gestione delle Attività di Raccolta e Trasporto dei Rifiuti Solidi Urbani e Implementazione di un Sistema Software (Progetto SISTERR)
  • C.S.M./SESM – Centro Sviluppo Materiali – (RM) 1999 – Realizzazione di un Sistema di Monitoraggio Intelligente per la stima del Cromo Esavalente nelle acque di scarico della Laminazione Acciai Speciali – Progetto di Ricerca “KNOWATER” ECSC Project 7210 – EA/428-1996-1999.

PATENTS AND COPYRIGHT

PATENT registered on the 5th August 2008 – N° RM2008A000428 ANOVA/ENEA (50%) – ODC – On-Line Colour Index Detector – Instrumentation for Quantity of Colour and Turbidity detection in urban/industrial wastewater


PATENT registered on the 5th August 2008 – RM2008A000117 ANOVA/ENEA (50%) 
ODC – On-Line Colour Index Detector Sample Cell Device for Quantity of Colour and Turbidity detection in urban/industrial wastewater


PATENT registered on the 3rd of April 2009 – N°2009001653 ANOVA/ENEA (50%) – ODC – On-Line Colour Index Detector  – Software Module for Colour Index Application


COPYRIGHT registered on the 25th of November 2008 – N° 006998 ANOVA –  SMART PILOT – Business Strategic Positioning Abacus


COPYRIGHT registered on the 25th of November 2008 – N° 006997 ANOVA –SWATER PROfessional – MultiFunctional Testing & Upgrading Software Tool for Wastewater Treatment Plants


COPYRIGHT registered on the 22th of June – N° 003105 ANOVA – XBASE Tool (eXpertise Based Advisor System for Enterprise) – Expert Node in Fuzzy Neural Network development software Tool