Domāšanas sistemaloģija un problēmrisināšana4

Lai arī pieredze rāda, ka lielākā daļa nelasa garos rakstus, tomēr pieredze arī rāda, ka var saņemt par viņiem daudz interesantākus komentārus.

Tādēļ izdomāju iemest rakstu par domāšanas sistemaloģiju.

Pagaidām pirmā daļa, ja būs interese turpināšu.

Kopš pašiem cilvēces pirmsākumiem, iemesls kādēļ civilizācija spēja sasniegt tik daudz un atšķirties no pilnīgi visām pārējam dzīvības formām uz zemes ir dēļ savas spējas, novērot apkārtējo vidi, atrast kopsakarības, plānot darbības, pielāgoties apkārtējiem apstākļiem un precīzi rīkoties, lai sasniegtu visoptimālākos rezultātus.

Apkārtējā vidē, kurā mēs dzīvojam ir diezgan sarežģīta ar daudziem mainīgajiem lielumiem un nemainīgam konstantēm un bezgalīgu daudzumu lielu un mazu problēmu, kuras mums ir jārisina no dienas uz dienu. Tādēļ it ļoti noderīgi pieiet pie problēmu risināšanas radoši un sakārtoti, lai būtu vieglāk apzināties pareizās darbības un atrast atrisinājumu visam problēmām, kuras var atrisināt. Ideāli piemērota pieeja problēmu risināšanai ir pareiza darba sadale 3 fāzēs „Izziņa”, „Apdoma” un „Rīcība”. Pareizi pielietojot šīs problēmrisināšanas fāzes ir iespējams daudz efektīvāk saprast problēmas būtību, atrast visefektīvāko atrisinājumu un rīkoties atbilstoši visefektīvākajam veidam, līdz ar to atbrīvojot sevi no liekām problēmām un pilienveidīgāk dzīvot, strādāt un izklaidēties, lai sasniegtu aizvien jaunas iespēju robežas.

Kad es izvēlējos fakultāti un studiju programmu, kurā es vēlējos mācīties es apzinājos, ka visu uzreiz es nevarēšu iemācīties un, ka iegūtajam zināšanām vajadzētu būt ieguldījumam manai nākotnei un būt pietiekami daudzpusīgam, lai palīdzētu ne tikai profesionālajā, bet arī personīgajā dzīvē. Pēdējā izvēle palika starp datorzinībām, bioloģiju, ģeogrāfiju un psiholoģiju. Aplūkojot un saprotot, ka informāciju tehnoloģijas ir viena no visātrāk augošajam nozarēm biznesa un darba ziņā, ka mācību pamata ir arī matemātikā un ievadi citās studiju programmās un ņemot vērā to faktu, ka vispirms informāciju tehnoloģijas iemāca pareizi un sakārtoti domāt es izvēlējos nodoties mācībām informāciju tehnoloģiju jomā, un pateicoties tam es tagad studēju kursu „Domāšanas sistemoloģija”, kas palīdzes man iegūtās zināšana pilnveidot un pielietot ne tikai darbā, bet arī efektīvāk ikdienišķajā dzīvē.

Sistēma - ir kopa, kura sastāv no savstarpēji saistītiem daudziem elementiem, kuri apvienojoties veido vienu veselu elementu. No latīņu un grieķu termins "sistēma " nozīmē apvienot, lai izveidotu.

Domāšana- ir darbība, ko veicam, lai loģiski un organizēti iepazītu kādu objektu vai risinātu kādu problēmu.

Domāšanas sistemaloģija - ir process, kura gaita tiek izprasts, kā sistēmas un to sastāvdaļas ietekmē citas sistēmas vai, kā sistēmas sastāvdaļas mijiedarbojas savā starpā. Domāšanas sistemaloģija ir arī pieeja problēmrisināšanai, aplūkojot veselo sistēmu, kur šī problēma ir izveidojusies un cenšoties labāk saprast pieeju šīs problēmas risināšanai, bet negatīvām ilgtermiņa sekām.

Inovācija – process, kad tiek atjaunots kas pastāvošs.

Optimizācija – process, kad jau eksistējošs objekts tiek uzlabots, lai pietuvinātu tā funkcionalitātei maksimāli efektīvāko darbošanās režīmu, tiktu vaļā no liekām sastāvdaļām un atrisinātu iekšējās problēmas.

Izgudrošana – darbība, kuras rezultātā tiek izveidota pilnīgi jauns un daba nepastāvošs objekts vai sistēma.

1. Daļa

Izziņa ir sistēmas, vai problēmas identificēšanas fāze, kura ir nepieciešama, lai izprastu problēmu un ievāktu pēc iespējas vairāk relatīvas informācijas sakarā ar šo problēmu.

Izziņas fāzē, pēc manām domām vajadzētu būt iekļautai problēmas identificēšanai, nosakot kur tieši ir mūsu interesējošā problēma. Problēmas saistībām, ar kurām citām problēmām ir saistīta mūsu izvēlētā problēma. Visa iespējami relatīvā informācija, kura ir saistīta ar šo problēmu, problēmas pirmsākumus, problēmas attīstību, problēmas tagadējo situāciju, vai ir nepieciešams iegūt jaunus datus, kuri vēl nav zināmi sakarā ar šo problēmu, vai ir nepieciešams veidot jaunas sakarības starp datiem. Citus, agrākos risinājumus uz šo problēmu, vai citus atrisinājumus uz līdzīgam problēmām. Šajā fāzē arī ir būtiski noteikt problēmas prioritāti, jo ir jāizprot vai vispār ir vērts ķerties klāt dotās problēmas risināšanai.

Iegūstot un apstrādājot datus par problēmu ir svarīgi aplūkot iepriekšējos risinājumus, vai līdzīgas sistēmas, jo ir ļoti iespējams, ka lielākā daļa no darāmā darba jau ir zināma. Vel ir ļoti iespējams, ka ar nelieliem uzlabojumiem, priekš konkrētās situācijas ir jau agrāk izstrādāta atrisinājuma metode, jo ļoti neliels skaits no problēmām ir tiešām 100% unikālas.

Analizējot un ievācot datus ir nepieciešams apzināties, ka izziņas projekta fāze ir tikpat svarīga, kā pārējās fāzes, jo tas ir projekta pirmsākums, un jau izziņas fāzē vajadzētu izveidoties atrisinājuma „skeletam”. Lai nodrošinātu pareizu informācijas ievākšanu ir nepieciešam apzināties visu problēmas modeli, saprast datus, kurus mēs ievācam. Galvenās atšķirības starp datiem ir datu mainīgums, datu frekvence, datu apjoms, datu drošums un datu sakārtotība.

Kad es runāju par datu mainīgumu es ar to domāju vai mūsu iegūtie dati ir vispārīgas konstantes, kuras nekad, vai vismaz tuvākajā laikā nemainīsies (Piemēram: cilvēki elpo skābekli, π ≈ 3,14 vai saule lec austrumos) un mainīgiem datiem, kuri periodiski mainās vai papildinās ar citiem datiem (Piemēram: Benzīna cena, Cilvēku skaits Latvijā vai 10 populārākās dziesmas kādā radio)

Gan nemainīgiem, gan mainīgiem datiem ir datu apjoms. Mums analīzes procesa ir nepieciešams apzināties atšķirību starp nepieciešamajiem datiem un brīdi, kad datu pārpilnība kļūst par „troksni” (nevēlamiem datiem). Līdzība, kad dati kļūst par troksni attēlojas, ja auditorijā lektors uzdod jautājumu un vienas konkrētas atbildes vieta visa auditorija atbild vienlaicīgi un ar nekonkrētām atbildēm. Līdz ar to ir jāapzinās, ka datu ievākšana un apstrādāšana prasa laiku un, ka lieki dati ir ne tikai neizpalīdzīgi, bet arī kaitīgi.

Pie mainīgiem datiem ir svarīgi apzināties arī datu papildināšanās un izmaiņu frekvenci. Piemēram, cik daudz un cik bieži tiek papildināti vai mainīti mainīgie dati. Piemēram, ja pretinieku futbola komandas sastāvs pilnīgi mainās katru sezonu, tad nākošajā gadā mums nebūs derīgs šīs sezonas komandas biedru saraksts. Vai arī par datu pieaugumu runājot, ja dati pieaug ātrāk, nekā mēs tos spējam atlasīt, teiksim ja kāds grib atrast vislabāko rakstu par noteiktu tēmu internetā, bet līdz laikam, kad viņš ir izlasījis vienu rakstu 10 jauni jau ir pievienoti un tagad viņam ir arī jālasa viņi, tad ir svarīgi apzināties, ka šī datu ielase nekad nebūs pabeigta. Un var turpināties mūžīgi un bez konkrēta rezultāta.

Datu drošums, ir pārliecība, ka ievāktie dati ir relatīvi un patiesi. Datus var iedalīt tādā veidā 2 grupās, ir patiesi dati un ir nepatiesi dati. Bet reālajā dzīvē mēs vairāk saskaramies ar vairāk ticamiem datiem un mazāk ticamiem datiem. Piemēram: Kāds cilvēks ir redzējis, ka Lienīte noskūpstīja Jānīti, mums ir nepieciešams apzināties, ka šīs varbūt ir tikai tenkas un nav pilnīgi pārliecinošas un ka pierada pasaule tenkas bieži vien vispār ir pilnīgs izdomājums. Savukārt, ja mēs paši redzējām, ka Lienīte noskūpsta Jānīti, tajos datos ir jau daudz lielāka ticība, bet nav pilnīga, jo, piemēram, mēs nekādi nevaram atšķirt Jānīti un viņa dvīņubrāli Pēteri.

Pēdējais ir datu sakārtotība mums ir jāapzinās kā tiek iegūti dati un ko nozīmē dati, kurus mēs ieguvām. Vai tie teiksim ir statistiski dati, kurus ieguva aptaujājot 10 cilvēkus, kuri dzīvo vienā rajona un mācās viena skola, vai tie ir dati, kurus ieguva aptaujājot 100000 cilvēkus apkārt visai pasaulei. Kas, uzreiz mums dod priekšstatu starp datu apjomu un datu ticamību.

Kad es sāku strādāt par programmētāju es uzreiz apzinājos vienu lietu, ļoti reti, kad būs kāds jautājums izpētīts pilnībā, vai iegūti pilnīgi visi interesējošie dati. Cenšoties novest izziņu līdz perfektam stāvoklim tiks iegūti pārak lieli datu apjomi un tiks patērēts pārak ilgs laiks, tādēļ ir nepieciešams apzināties, ka izziņas process var vilkties mūžīgi, visu laiku pārskatot un atjaunojot datus, tādēļ ir liela māksla apjaust, kad ir jābeidz izziņas porcija un jāuzsāk apdoma.

Apdomas fāze, būtu jāuzsāk pēc cītīgi un detalizētas datu apkopošanas. Ir neiespējami sekmīgi apstrādāt nepilnīgus un nepareizus datus, tādā gadījumā labākais, ko var dot analīzes fāze ir sapratni, ka ir jāatkārto analīzes fāze.

Ja analīzes fāze bija veikta sekmīgi un mūsu rīcība ir visi nepieciešamie un relatīvie dati, tad ir jāķeras pie apstrādes fāzes, kura nodrošina iegūto datu nepieciešamo izmantošanu izpildes fāzē, tā sakot savelkam datus ar no tiem izrietošajām darbībām.

Pirmais, ko mums ir nepieciešam izdarīt ir sastādīt sarakstu ar mērķiem, kurus mums ir jāsasniedz, lai dotā problēma tiktu atrisināta. Mums ir jāsaprot tieši kuri mērķi ir paši svarīgākie problēmas atrisināšanai un kuri tikai palīdz atrisināt problēmu un nav pilnīgi nepieciešami. Lai sekmīgi uzstādītu mērķus, mums ir jāapzinās tieši kā mēs gribam atrisināt šo problēmu, pēc iespējas ātrāk, pēc iespējas vienkāršāk vai pēc iespējas lētāk. Lai apzinātos to mums ir nepieciešams apzināties mūsu iespējamos resursus, mūsu atvēlētos laikus un nepieciešamību izmantot konkrētus resursus tieši šajā projektā, lai neizveidotos „Pirra uzvaras” gadījumi, kad uzvara ir nākusi ar pārak dārgu cenu. Apzinoties mūsu resursus un problēmu, mēs varam sākt veidot problēmu risināšanas stratēģiju un taktiku. Problēmas risināšanas stratēģija ir visaptverošs process, kurš nosaka pašā augstākajā līmenī mūsu atrisinājuma veidošanu, vai mēs centīsimies veidot atrisinājumu šim konkrētajam gadījumam vai censties iekļaut mūsu risinājumā šī gadījuma visādus paveidus. Piemēram, ja ir jākārto eksāmens svešvaloda, vai mēs centīsimies saprast ierobežota laikā, ko mums paprasīs eksāmenā un mācīties tikai to, vai mēs centīsimies saprast veidu, kā vispārīgi iemācīties valodas pēc iespējas ātrāk.

Kad esam uzstādījuši mērķi ir nepieciešams konkrēti definēt arī mūsu pieeju konkrētā mērķa sasniegšanai. Tas tiek darīts, kad liels mērķis, kuru mēs cenšamies sasniegt tiek sadalīts mazākos segmentos un tiek izstrādāta īpaša pieeja katram segmentam.

Kad esam izstrādājuši pieeju katram segmentam ir nepieciešams apdomāt vai tā ir tiešām labākā pieeja, vai mēs neveiksim lieku darbu un vai mēs nekur nevaram ieekonomēt resursus vai laiku. Šo procesu programmēšanā sauc par optimizāciju, bet mēs ļoti bieži viņu varam novērot daudzās citās dzīves sfērās, sākot no literatūras un beidzot ar arhitektūru.

Šajā procesa ir arī nepieciešams saplānot ne tikai visu informācijas pielietošanu darbos, kas mums ir pieejama, bet arī saplānot lietas, kuras ir neiespējami ieplānot. Pārsvarā šajā plānā ir jāizveido rezerves plāni ja viens no izpildes procesiem neizdosies vai mums pēkšņi pazudīs resursi, kuri mums šobrīd ir pieejami. Pārsvarā tiek veidoti alternatīvi plāni, pats minimums, kuru izpildot varam uzskatīt, ka esam sasnieguši savu mērķi vai savi līdzšinējo plānu pielāgošanu citiem apstākļiem, piemēram, pat pārslēdzoties automātiski uz citas problēmas risināšanu.

Apstrādē, vai kā man labāk patīk saukt, plānošanā ir iesaistīta arī saprašana, par mūsu veikto darbību sekām, un iespēju, ka mums nāksies tikt galā ar mūsu pašu radītām problēmām. Jo ir jo kad sākam plānot turpmākās darbības ir jāparedz divas lietas:

Līdz ar to ir ar mūsu darbībām jāizveido tādas situācijas, lai gan mūsu darbība, gan no viņas izrietošās sekas mums palīdzētu sasniegt konkrēto mērķi.

Biznesa sfēra visbiežāk projekti neizdodas tieši sliktas plānošanas rezultātā, tādēļ ir nepieciešams labi apzināties, ka apstrādes fāze ir vissvarīgākā fāze, kuras laikā par ir normāli nonākt pie secinājuma, ka uzdotie mērķi ar mums pieejamiem resursiem ir neizpildāmi.

Līdzīgi, kā analīzes fāze, arī apstrādes fāze var vilkties mūžīgi, tādēļ mums atkal ir jāsaprot kurš moments ir īstais, lai pārstāti apstrādāt informāciju un ir laiks ķerties pie izpildes.

Rīcības fāze ir teorētiski visvieglākā, bet praktiski visgrūtākais punkts problēmu risināšanā. Visgrūtāk saprotamais ir tas, ka pat sekmīgi izveidota analīze un veiksmīgi noritējusi apstrāde negarantē 100% veiksmīgu izpildes procesu. Negaidītu gadījumu dēļ, nāksies iespējams mainīt plānus, atgriežoties apstrādes procesā, vai pat pilnīgi iegūt jaunus datus, atgriežoties analīzes procesā.

Augsta riska gadījumos, lai garantētu vai vismaz palielinātu iespēju, ka izpilde norisināsies veiksmīgi ir saprātīgi nosākuma izveidot mazu testa piemēru un izpildīt visas izpildē paredzētās darbības, kādā kontrolētā vidē, kura ir iespējams novērot vismaz daļēji mūsu darbību sekas. Tas ir drošāk, dod lielāku sapratni par mūsu izpildi un laicīgi rada mazākus zaudējumus, ja tiek atklāta kāda smaga kļūda.

Nekāds daudzums teorijas nevar aizvietot praksi. Praksē mēs nostabilizējam savas teorētiskās zināšanas, varam atlasīt sev piemērotāko risinājumu un apzināties esošo situāciju pilnībā. Šo iemeslu dēļ Amerikas skautiem ir viena no visefektīvākajām stratēģijām zināšanu iegūšana, ko viņi definē ar devīzi „Learn by doing” (tulkojumā: Mācies darot). Par labu praksi var saukt visas darbības, kuras lai atkārtotu ir nepieciešams daudz mazāks laiks un tiks pielaists daudz mazāks kļūdu skaits. Iegūstot šo vērtīgo praksi, tiks atvērtas iespējas iegūt jaunas zināšanas un pielietot iegūtas zināšanas citu problēmu risināšanai (Piemēram, kā manu atbildību, resursu un laika plānošana darbā palīdz man vieglāk saplānot savu brīvo laiku mājās).

Izpildot šīs darbības veidosies ļoti daudz sekas, vai viņas mums būs labvēlīgas vai tikai traucējošas ir lielā mērā atkarīgs no mūsu analīzes, apstrādes un veida kā mēs izvēlamies viņām pieiet. Jo neatkarīgi no problēmām, kuras risinām mēs nekad nezinām kuru mūsu darbību rezultātā mums ir iespējas satikt jaunus draugus, mīļoto personu vai iegūt jaunas idejas sava biznesa veidošanai. Līdz ar to nekad nevajag nodalīt savu personīgo dzīvi no lietam kuras mēs dara, kad mēģinām tikt galā ar kādu problēmu, lai tas būtu darbā vai ikdienā viss ko mēs darām ir daļa no mūsu dzīves un no mūsu atstātajam pēdām uz sabiedrību un pasauli.

Pagaidām viss pirmajai daļai.