DIKW模型

出自 MBA智库百科(https://wiki.mbalib.com/)

DIKW模型（Data-to-Information-to-Knowledge-to-Wisdom Model）

　　DIKW模型是一个可以很好的帮助我们理解数据（Data）、信息（Information）、知识（Knowledge）和智慧（Wisdom）之间的关系的模型，这个模型还向我们展现了数据是如何一步步转化为信息、知识、乃至智慧的方式。

　　DIKW模型将数据、信息、知识、智慧纳入到一种金字塔形的层次体系，每一层比下一层都赋予的一些特质。原始观察及量度获得了数据、分析数据间的关系获得了信息。在行动上应用信息产生了知识。智慧关心未来，它含有暗示及滞后影响的意味。

　　数据（Data）可以是数字、文字、图像、符号等，它直接来自于事实，可以通过原始的观察或度量来获得。所谓原始数据只是一个相对的概念，数据处理可能包含多个阶段，由一个阶段加工的数据可能是另一个阶段的原始数据。此外，数据可以是定量的，也可以是定性的，比如客户满意度调查中用户反馈的意见。

　　数据转化为信息

　　尽管数据的存在形式可以多种多样，比如电子表格，但DIKW模型中的数据仅仅代表数据本身，并不包含任何潜在的意义。例如：服务台每个月收集到5000个故障单，这些故障单仅仅表示数据的存在，本身没有意义，并不能代表任何东西。

　　通过某种方式组织和处理数据，分析数据间的关系，数据就有了意义，这就是信息（Information）。这些信息可以回答一些简单的问题，譬如：谁？什么？哪里？什么时候？ 所以信息也可以看成是被理解了的消息。

　　通过对上述故障单的分析处理，可以得知谁在使用服务台？他们遇到的是故障还是服务请求？哪些客户遇到了故障？他们遇到的是什么问题等。进一步的分析可能会发现，35%的呼叫是简单的问题咨询，15%的呼叫是和网络故障，10%是ERP系统故障等。

　　数据转化为知识

　　如果说数据是一个事实的集合，从中可以得出关于事实的结论。那么知识（Knowledge）就是信息的集合，它使信息变得有用。知识是对信息的应用，是一个对信息判断和确认的过程，这个过程结合了经验、上下文、诠释和反省。知识可以回答“如何？”的问题，可以帮助我们建模和仿真。

　　知识是从相关信息中过滤、提炼及加工而得到的有用资料。特殊背景/语境下，知识将数据与信息、信息与信息在行动中的应用之间建立有意义的联系，它体现了信息的本质、原则和经验。此外，知识基于推理和分析，还可能产生新的知识。最后来看智慧，智慧，是人类所表现出来的一种独有的能力，主要表现为收集、加工、应用、传播知识的能力，以及对事物发展的前瞻性看法。在知识的基础之上，通过经验、阅历、见识的累积，而形成的对事物的深刻认识、远见，体现为一种卓越的判断力。

　　基于前面的数据和信息，可以知道谁使用的服务出了故障？综合过去的经验、上下文信息（如：客户使用这些服务的原因，服务级别中对故障响应的约定等）就可以确定故障对业务的影响、故障的优先级、故障是如何影响业务的，以及如何来处理故障等。

　　对于知识我们需要的不仅仅是简单的积累，还需要理解。理解是一个内推和盖然论的过程，是认知和分析的过程，根据已经掌握的信息和知识创造新的知识。

　　数据转化为智慧

　　最后来看智慧（Wisdom），智慧是一种外推的、非确定性的、非盖然论的过程。智慧是哲学探索的本质，是判断是非、对错和好坏的过程，它所提出的问题是还没有答案的问题。与前几个阶段不同，智慧关注的是未来，试图理解过去未曾理解的东西，过去未做过的事，并且智慧是人类所特有的，是唯一不能用工具实现的。

　　智慧可以简单的归纳为做正确判断和决定的能力，包括对知识的最佳使用。智慧可以回答“为什么”的问题。回到前面的例子，根据故障对客户的业务影响可以识别改进点，比如：制定一个培训计划或着手一个ERP服务改进计划等。随着数据向信息、知识和智慧的发展，理解的深度在不断增加，需要考虑的范围也在扩大。服务台收集数据时只需考虑故障单本身，但到制定改进计划时可能需要考虑整个组织范围内的因素。