Nasa s pomočjo grafov znanja išče talente

Podatkovna znanost je novejša veda, ki analizira, obdeluje in medsebojno povezuje različne podatke v uporabna znanja. V smiselno celoto združuje statistiko, analizo podatkov, informatiko, računalniško programiranje in druga povezana področja, ki se ukvarjajo z obdelavo podatkov. Podatkovna znanost se zelo hitro razvija in spreminja, zato je odgovornim pri Nasi pomembno, da lahko med več kot 17 tisoč zaposlenimi določijo pravo osebo z najbolj ustreznim znanjem za določen projekt.

Ljudje, znanja, projekti

 
Ameriška Nacionalna zrakoplovna in vesoljska uprava (Nasa) razvija podatkovno bazo, ki bi določila povezave in odnose med ljudmi, znanji in projekti. Projekt vodi strokovnjak na področju podatkovne znanosti pri Nasi, David Meza, ki ga je intervjuval tehnološki spletni portal VentureBeat. Cilj projekta je ustvariti aplikacijo za uporabnike in vmesnik, ki bi zaposlenim pri Nasi pomagal poiskati in razvijati različna znanja.
 
Meza pojasnjuje, da so želeli pogledati, kako lahko določijo veščine, znanje, sposobnosti, naloge in tehnologije določenega poklica ali delovnega mesta. Zanimalo jih je, kako vse to prenesti na zaposlenega in vključiti v njegovo izobraževanje ter kako to povezati s projekti in programi, ki jih izvajajo. »Vse to je problem medsebojnih povezav, ki jih lahko v celoto povežemo z določenimi elementi – tukaj nastopi graf znanja,« pravi Meza.
 
Pri razvoju podatkovne baze uporabljajo programsko opremo Neo4j, ki je sistem za upravljanje baz podatkov grafov. Prvih šest do osem mesecev so namenili raziskavam in razvoju, poleg tega pa so se morali prepričati, da imajo prave podatke. Obenem pa so določali še izgled modela, katere algoritme bodo uporabili in podobno. »Podatke smo vnesli v sistem grafov, sedaj pa začenjamo izdelavo beta verzije aplikacije,« navaja Meza in dodaja, da so še vedno v fazi testiranja.

Kako so povezali posamezne sklope?

 
Najprej so podrobno določili definicijo delovnega mesta oziroma poklica in njegov »DNK«. Nato so definicijo pogledali še iz vidika zaposlenega, izobraževanja in programa oziroma projekta. »Preprosto povedano, vse smo razdelili na tri kategorije za vsak poklic: znanje, veščina in naloga,« je za Venture Beat povedal Meza.
 
V svoji bazi so uporabili podatke iz podatkovne baze ameriškega Ministrstva za delo, ki se imenuje O*NET, ki vsebuje podrobnosti o več sto poklicih in njihovih elementih. Slednji predstavljajo različna znanja, veščine, sposobnosti, naloge, značilnosti zaposlenih, licenciranja in šolanja. Podobno so naredili za izobraževanja in usposabljanja. Meza pojasnjuje: »Na usposabljanju se boste naučili neko novo znanje, za kar boste potrebovali veščine, za kar boste mogli delati vaje ali naloge, da torej osvojite veščine in posledično znanje.« Prav tako so storili pri programih, povezali so znanje, veščine in naloge, ki jih oseba potrebuje za določen projekt.
 

Kaj ta projekt pomeni za Naso?

 
Končna aplikacija naj bi uporabnikom omogočala vpogled v možnosti, kaj vse se še lahko naučijo, da izboljšajo svojo kariero. Prav tako bi ob karierni spremembi lahko videli, kje v procesu se trenutno nahajajo. »Mislim, da nam bo aplikacija pomagala boljše in lažje razporediti ljudi v organizaciji. Prav tako bomo lahko videli, kje izgubljamo talente in kje lahko kašno stvar izboljšamo,« meni Meza in dodaja, da bo celotna organizacija bolj prilagodljiva. Aplikacijo bodo med uporabo posodabljali in nadgrajevali, prednost grafov znanja pa je v tem, da se lahko podatke poljubno dodaja ali odstranjuje, kar je pri relacijskih podatkovnih bazah veliko težje.
 
Sicer pa graf znanja uporablja tudi Google, da izboljša in olajša spletno iskanje. Uporablja informacije in podatke iz različnih virov, rezultat pa je okence z informacijami, ki se pokaže na desni strani zaslona. Če denimo iščemo neko znano osebo, se nam v okencu pod sliko izpiše nekaj splošnih podatkov, običajno iz Wikipedije, malo nižje pa še osebni podatki in nekaj drugih informacij. Graf znanja pa Google uporablja tudi pri ustvarjanju odgovorov na direktna vprašanja bralcev. Sploh za slednje morajo Googlovi grafi znanja vsebovati res ogromne količine podatkov in informacij.