DIKW模型，给我的启发

作者|王智远同学 来源|王智远(ID：Z201440)

如何构建自我知识体系，问题比较大。

每个人思考逻辑，知识储备底子完全不同，加上从事行业、岗位的分工细化，更难找到万能解药，但是，有个全新视角可以与你分享，即DIKW 模型。

具体是什么呢？

诺贝尔文学奖得主，托马斯·斯特尔那斯·艾略特(Thomas Stearns Eliot）上个世纪就对信息泛滥的到来，产生焦虑。

他说，我们知识中的智慧去哪里了？我们信息中的知识去哪里了？该背景下，通过大量研究才提出该模型。

简单讲，DIKW 模型，将广义上的知识分为 Data（数据） - Information（信息） - Knowledge（知识） - Wisdom（智慧） 四层金字塔结构。

这个模型告诉我们，认知和学习是遵守获取数据、提炼核心信息，总结成知识，然后通悟智慧存入大脑的过程，每一层都比上层更深入。

就像做运营一样，你不可能上来就成为专家，唯有针对某个模块经过大量重复验证，才能扬长避短的将知识总结为方法，最后和别人分享底层逻辑。那么，如何简单通俗的理解并使用它呢？

首先，理解数据与信息的区别。

从理论而言，数据（data ）也可以成为“资料”，它是关于事件的一种离散客观存在的事实描述，也就是原始资料。

信息（information ）又称为讯息，我们目前看到信息基本分为「观点」和「事实」两种，前者是别人立场下带来的不同视角、看法，后者是某个事件本身的面目。

一般来说，与信息概念密切相关的包括约束(constraint)、沟通(communication)以及表达，是不是比较难懂一些，举几个现实案例。

比如：

每年双11，老板都会让运营统计店铺访问数，商品详情页点击率、网站（统计数据）记录的每一条访客（data数据），但一条数据对整体起不到关键性作用，怎么办？

当把某个商品，一天内全部时段的访客数值加起来时，才可以得到总访客数（infomation信息）。

你拿到这些信息，根据点击率、访问数，按照公式就可以得到转化率；哪些商品高、哪些低、哪些视觉用户爱点，得到的总结可以指导设计、投放人员在各方面进行优化。

或者：

开一家咖啡店，前期肯定要围绕某个商圈做调研，单天的流量（data数据）并不能让你做决定是否投入。

如果你找到房东，把全年12个月的数据拉出来进行汇总，并进行一定的处理（比如：加权平均），就可以得到平均每月的客流量，这就是（信息） information。

可能你会觉得从data到 information是一个显而易见，比较容易的过程。

但是，相比上述案例，在现实中有些隐形层面的东西，就没有那么容易，困难就在于，如何从海量数据中筛选出真正的（信息 information）。

拿这两年市场比较火热的私域流量而言，大家都在讲私域，你会发现各种类型的“干货文章”一大堆，我们看到一篇收藏一篇，最终整理时，会发现，重合率占80%。

由此，对于数据量特别大的情况下，如何去除「干扰信息」，就是一件非常棘手的问题，甚至拿电商而言，如果店铺爬虫也算访客记录，你想想会得到多少不精准的数据。

值得一提的是，我们得到的数据也会有所偏差。

比如：

我在从事市场工作时，每周会让新媒体伙伴统计微博、公众号等自媒体平台下面的留言，根据留言来跟踪用户行为、对品牌喜爱度等各项指标。

几个月后我发现，评论存在偏差，团队小伙伴为自身绩效问题，和品牌口碑，会把正向内容放出来，对于那些负面评价，我始终无法看到，这就与最终指标背道而驰。

所以，有时想要修正某些偏差很难，由于评论区中负面的评论被后台过滤掉，并不能接触到负面的数据（data）。

那么，全部是正面的评论，结果可想而知，如果我以此作为输入的data，自然最终也会提炼出错误的结论，对不对？

广义而言，信息（Information）在当下语境下更”短命“，而知识（Knowledge）更像底层知识，以几年维度看，前者生命周期比较短，后者可能更长一些。

比如：

我们每天看到各种不错的公众号文章会收集起来，可是年底时，你会发现他们毫无关联，虽然单篇看都有用，舍不得删掉，整体却很占手机空间；Knowledge不同，它可以整理成体系。

还以开店为主，区域基于各门店数据汇总大概能分析出整体人员活动情况，由此衍生出，区域流动人口规模、固定规模。

从信息到知识所面临的困难则在于体系化，如何将碎片化的信息梳理为体系化的知识，是对我们逻辑能力和思考能力的考验。

换言之，知识体系像图书馆，现在新来了一些信息（information），如何将他们分门别类安放在合适的位置形成知识（knowledge）。

就是，我们对知识体系本身完备性的一大考验，如果 information 无处安放，自然就暴露出离体系的不完备。

再者，如何从知识进阶到智慧？

知识（knowledge）和智慧（Wisdom）有很大差异，智慧属于人类基于已有的知识体系，针对现实世界，运动过程中产生问题，根据现有信息进行分析、对比，演绎，找出方案的能力。

该能力运用结果，是将信息的有价值部分，挖掘出来，并使之成为知识框架的一部分；也可以简单归纳为，做正确判断和决定的能力，它通常来回答工作、生活中的为什么。

比如：

我会西红柿炒鸡蛋、青椒炒肉、水煮鱼，仅代表本人技能；我专门写了一本讲如何烹饪的书、里面包括108道湘菜的烹饪方法，供诸多需要的人学习，这就属于智慧。

或者：

现在我们使用的5G、区块链技术，人工智能等，均是基于大量知识体系，诸多人的眼光判断，然后布局实干而成，这也是智慧。

在智慧层，我们知道，学科层面不论任何知识体系，都可以汇总成为知识（knowledge），那还有没有知识层以上不能解释的东西吗？当然有，就像最近大家热议的「元宇宙」。

人们会使用黄金圈法则（What -How- Why ）进行表达表达一件事，通常“是什么”代表what部分，你可以把它当做信息（ information）。

How部分可以当做体系化的东西，已经被验证过的，你可以把它理解成知识（knowledge），而why代表已知中的未知部分，为什么要做，也就是智慧（Wisdom）。

比如：

知识（knowledge）更像是一款APP的功能，拼团、秒杀、联系人、社群；而智慧（wisdom）探讨的本质是“为什么要做朋友圈”，为什么要做微信这件事，人与人社交的本质又是什么等。

智慧方面市面争议相对比较大，但我个人更觉得智慧属于高深，看不见摸不着，然而这种摸不着每个人特性不同，就像那句话所述：你的顿悟只是被人的基本功。

也正是因为如此，wisdom 类的 why 问题往往没有标准答案。

因为这类问题本身，就已经指导着认识本身（每个人属性不同），难以有很明确的标准答案，所以，有的只是能否回答上与回答不上的区别。

就像：

往大的说，近些年来很多交叉学科，就是将不同领域间的 wisdom 相互融合，用在一个领域的视角进入到另一个领域，从而获得不同的启发。

前三者都比较容易理解，而从知识（knowledge）到 智慧（wisdom）最大的难点在于好奇心，毕竟“你就是自己的边界”。

这给我们带来什么启发呢？也就是，我们每天在大量观点类的内容中遨游，其实他们都是单篇文章，不成体系。

真正需要的应属于被提炼过的「知识」，和成体系化的「知识」，唯有吸收它们二者，才能带来认识提高。

首先我认为，大家都会存在一种知识幻觉，即看到的就是自己的。

然而并非这样，现实是：1）你能够看到并写出来的才是自己，2）看到并可以指导行动，被验证过的才是自己的。

因此，知识管理本身在于“输出和执行“。

不要再去想什么知识体系，你电脑里一个文件夹套一个文件夹，收藏夹里永远看不完的文件，如果没有自己编码，所有的文件都是垃圾，找东西时东西榔头西一棒槌，说不上用不上，至少很麻烦。

就像：

即便是你快速刷几本书，也仅代表浅印象，不信你过10 天，过 1 个月，过 1 年再试着回想一下？越是跨界的知识收藏，越容易遗忘，因为自己编码太费劲了。

然而，输出和执行却不同，需要调用更深层的认知资源处理，一旦在脑海里试着给自己讲一遍，再试着给别人讲一遍，这样练习后的记忆，想忘记都很难忘掉。

看到这里，其实应该很明白，不读书、依靠别人指点的打洞式读书、依靠自己搜索而来的打洞式读书的各种问题，仅代表低阶思维。

那高阶思维是什么样呢？

人类书籍，是包含一代人又一代人突破智慧边界的方法，回到过去，看什么时间提出、问题的由来以及解决方式才是，当年反常识的解决问题，即是人类认知的边界。

然后基于已有的再去推演没有的，才会诞生出新的框架体系，如同，你能回到历史中和伟人做朋友，你的经济学一定会学的很好。

所以，知识不需要管理，学到的知识内化成为体系，才是管理；想要突破自我已有体系，就要不断询问为什么，毕竟“为什么”牵引着我们向前。

工作中，我一般使用两种方法：1）自下而上，2）自上而下

前者，我会将自己看到不错的文章、素材进行收集，然后把它们进行提炼，注意一定要找到主线，所谓主线基本要包括“为什么、是什么，怎么做“三者。

拿私域来说，我一般觉得某个方法很好，那我就在备忘录中备注，为什么要用这种方法，然后对应回答，再是方法论。

积累的过程比较困难，毕竟素材都是局限在不同框架下的珠子，我们要利用别人的珠子、找到自我框架进行归类和排序，再到内容提炼和逻辑排布，最终串联在一起。

换言之：

珠子就是素材（Data数据），但因为不同的内容会在不同场景下出现，所以素材会存在不同「内容层级」中，就像一本书有章节、小节、章节、段落都不是同一个「内容层级」就无法关联，做逻辑梳理。

后者，就相对比较好用，也就是先定主题框架，然后在框架中填充内容，问题在于有的知识和框架并不是我们自己总结的，假设你原搬不动的拿过来，就无法驾驭。

怎么办呢？很多人喜欢模仿别人的框架，后来我发现”别人的东西“你即便拿走，也仅是形式上，真正实质性的很难，并且他的框架也未必适合你现实中的问题。

说白了，你按照自己的经验、工作去梳理框架，然后把它纳入到「已知」范畴中去写，才是巩固加深，为我所用最快捷方法。

比如：

虽然我看很多有关心理学方面的内容，但都不是我的。

我就会从自己在某方面遇到的问题（焦虑怎么办，压力太大怎么办等）然后做框架，根据自己框架后，在把一些知识理解后补充进去。

所以，自下而上属于发散型，自上而下属于收敛型。

发散时讲究真实、具体、流畅、收敛时讲究逻辑严谨；我在工作中积累的大部分思考是基于自上而下，也就是先围绕问题展开，这样就很明确的拥有主线，平常就属于自下而上，认为不错就收藏下来，交替进行。

比如：

当积累足够多私域知识时，我就会整体看下都有哪些问题，梳理一个提纲，当中不乏有重合部分，怎么办呢？查漏补缺。

最终你会发现，针对某个问题的角度，以及解决方案完善度都会高很多。

日常阅读和创作是等号关系，如果光想着把思考输出出来，是完全不具备观点、场景论证、依据三要素的。

20世纪初，美国福特公司高速发展时期，一台电机出现问题，几乎整个车间都不能运转。

公司调来大量检修工作人员都没有找到问题出在哪里；这时，有人提议去请著名物理学家、电机专家斯坦门茨帮助。

大家一听有理，急忙派专人把斯坦门茨请来，斯坦门茨仔细检查电机后，用粉笔在电机外壳上画了一条线，对工作人员说：“打开电机，在记号处吧里面的线圈减少16圈”。

人们照搬后，故障竟然排除了，最终其收费1万美元，其中画线费用1美元，而知道在哪儿画线值 9999 美元。

可以说，构建自我知识体系，不是简单体力劳动，做知识搬运工价值也不大，简单模仿只是廉价复制，想成为一个知识渊博的智者，需要源源不断的「输入-输出」。

总体而言

DIKW模型，不是工具，是思维。

互联网让data 与 information 的传播速度，广度加快，却使得深度降低。

很多文字与资讯，要么停留在information 层面（热点，八卦类等），要么过于碎片而难以体系化（短科普视频，信息流等），而真正可被内化为 knowledge 层面的成体系的信息则越来越少。 

编者按：本文转载自微信公众号：王智远(ID：Z201440)，作者：王智远同学