ロジカルシンキング

知識と知恵の違い | 情報とデータをDIKWモデルで可視化

「知識と知恵の違いが知りたい」「知恵を付ける思考法を知りたい」

このページに来たということは、そう考えているのではないでしょうか?

 

RPAコンサルとして、思考やロジカルシンキングを研究しています。

今回は、DIKWモデルを用いてデータ、情報、知識、知恵の違いを解説します。

 

DIKWモデルとは?

DIKWモデルとは、情報をまとめるためのフレームワークです。

DIKWモデルでは、「データ」「情報」「知識」「知恵」別のものとして定義しています。

・Data(データ)

・Information(情報)

・Knowledge(知識)

・Wisdom(知恵)

 

データ

事実を定量的に表したものです。

線ではなく点であり、データだけに意味はありません。

(例)7月府中店の売上が500,000円

 

情報

情報はデータを分類化したものです。

データという点を繋いで線にしたイメージです。

例えば、以下のように分類化されたデータが「情報」です。

店舗名 7月 売上 先月比
吉祥寺駅前店 500,000円 +7.5%
池袋本店 400,000円 +1.0%
三鷹駅前店 550,000円 +6.7%
渋谷店 480,000円 -2.1%

 

分類するためには、「場所」「アルファベット」「時間」「カテゴリー」「階層」の頭文字をとって、LATCHが使われます。

・Location(場所)

・Alphabet(アルファベット)

・Time(時間)

・Category(カテゴリー)

・Hierarchy(階層)

 

Location(場所)

データを物理的、または空間的な位置情報で分類して意味を持たせます。

・地図

・案内図

 

Alphabet(アルファベット)

データをアルファベット順、五十音順に並べて意味を持たせます。

・電話帳

・辞書

・索引

 

Time(時間)

データを時間別に並べて意味を持たせます。

・年表

・カレンダー

・番組表

 

Category(カテゴリー)

データが属するジャンル、カテゴリーで分類して意味を持たせます。

・邦楽、洋楽、ロック、ポップ

・洋食、中華、和食

 

Hierarchy(階層)

データをヒエラルキーによって分類して意味を持たせます。

・重要度:大 中 小

・頻度:高 中 低

 

知識

情報を規則化、パターン化したものです。

元とする情報

店舗名 7月 売上 先月比
吉祥寺駅前店 500,000円 +7.5%
池袋本店 400,000円 +1.0%
三鷹駅前店 550,000円 +6.7%
渋谷店 480,000円 -2.1%

 

知識

7月は駅前の店舗が売上が上がっている。

 

分類化された情報から、何かしらの意味を持った法則、パターンを抽出したものが知識となります。

 

知恵

自分だけのオリジナルの知識です。

知恵は、データ、情報、知識を思考により昇華させたものです。

 

知識が真似されやすく、古くなり陳腐化する傾向にあるのですが、知恵はオリジナルの知識で真似されにくく、将来的にも使える知識です。

 

ビジネスでの利用

誰かの考えた「知恵」は、取り入れる時は「知識」です。

知恵は自分でしか作り出すことができません。

 

ビジネスで成功するためには、方法は2つだけ。

・こうすれば儲かるという成功法則(知識)を取り入れる

・他の業界の成功法則(知識)を思考によって自分の業界の成功法則(知恵)を作り出す。

 

まとめ

DIKWモデルでは、「データ」「情報」「知識」「知恵」で情報を整理します。

・データ:事実を定量的に表したもの

・情報:データを分類化したもの

・知識:情報を規則化、パターン化したもの

・知恵:自分だけのオリジナルの知識。思考により創造される。

ABOUT ME
律野桜哉
律野桜哉
RPAコンサルタントのプロコアラです。長年のエンジニア経験を活かしてして外資系コンサルファームでRPAコンサルしてます。 転職ノウハウ、プログラミング、英語の勉強方法など分かりやすいように解説していきます。