אין ספק שהקורונה הצליחה להביא אתה שינויים רבים שלא צפינו, בעולם העבודה ובעולם התוכן האישי של כל אחד ואחד מאתנו.
בין היתר, מצאנו את עצמנו מדברים יותר ויותר "נתונים" מה מדד ההדבקה, כמה חולים נדבקו, כמה חולים יש במצב קשה, ואילו מהנתונים הוא יחסית קשיח להטיות.
יותר ויותר מדברים על מקצוע העתיד- מקצועי מדעי הנתונים (Data Science).
שנים, כאנשי ניהול ידע, למדנו לעשות בידול בינינו ל"בינם"- כל אנשי ה- Data. שיננו לכל דורש את פירמידת הנתונים-מידע-ידע, ויש הגדילו לעשות, והוסיפו ביניים בורקות גם את החכמה, דובדבן שבקצפת.
אולם, ובמידה רבה של צדק, אנשי ה Data, לא שמו לעצמם גבולות, ולא עסקו רק בנתונים מכומתים המייצגים מספרים ודומיהם. הם התייחסו ומתייחסים לכל סוג של קלט שיכול לסייע להם במחקר (מדעים אמרנו?) – כרלוונטיים.
מדעי הנתונים, Data Science, כמו ניהול ידע, הוא תחום אינטר-דיציפלינרי. הוא כולל שיטות מדעיות, תהליכי עבודה, אלגוריתמים וכלים ממוחשבים, שמטרתם לחלץ ידע ותובנות מנתונים. הנתונים עצמם יכולים להיות מכל סוג שהוא- קול, תמונה, מספרים, ביטים וטקסט.
מקורות התוכן גם הם יכולים להיות מכוונים, החל מסנסורים של מכשירים, מצלמות, מאגרי נתונים קלאסיים ועד מרחבי הרשת באינטרנט או בארגון.
וכאן ניהול הידע נכנס לתמונה:
בשלב הגדרת האיסוף יש חשיבות לאינפואתיקה ולקטלוג התכנים להגדרת תיחום המידע הנאסף;
בשלב העיבוד הקטלוג מקבל משנה חשיבות, וכלי ניהול ידע נוספים יכולים להשתלב אף הם, במיוחד כאשר מדובר בתכנים שמקורם בטקסטים;
בשלב הניתוח אנחנו בוחנים איזה ידע חדש ניתן ללמוד, וכיצד זה מעומת או משתלב בידע קיים אחר;
בשלב הוויזואליזציה, אנו למעשה מציעים איך להנגיש באופן מיטבי את תוצאות הלמידה כדי שיהיה אפשר לייצר הבנות ותובנות חדשות נוספות בזכות הנגשה זו;
בשלב קבלת ההחלטות מבוססת הידע החדש, אנו מבקשים לתעד את הידע, את ההחלטות ואת הרציונל ולייצר המשכיות של זיכרון ארגוני;
ולפני שמסיימים ומתחילים מחדש, עוצרים, לומדים מהלמידה, מפיקים לקחים, ומחדדים את דרכי הפעולה למחקר הבא.
ניהול ידע, בחלק מעיסוקיו, הינו חלק מניהול נתונים; ותוך שכך, ניהול הנתונים מסתמך באופן מהותי על ניהול ידע.
עולם חדש מרתק מחכה לנו והזדמנויות חדשות לפתחנו. וכנראה שגם כאן, השמיים הם הגבול.