随着近现代科技飞速发展，人类的知识产生速率也极具加快。为了适应快节奏社会，我们被各种快餐文化、咀嚼后的内容喂养（包含这篇文章）。在纷繁复杂的知识海洋，如何提炼到自己有用的内容，显得尤为重要。本文从实操层面理解DIKW模型，供大家借鉴参考。
DIKW模型是什么？
DIKW模型是一种学习方法、是一种汇报逻辑、也是看待和阐述世界的不同角度。
- D：data，数据。
- I：information，信息。
- K：knowledge，知识。
- W：wisdom，智慧。
这个模型的历史可以追溯于托马斯·斯特尔那斯·艾略特所写的诗－《岩石》（The Rock）。在首段，他写道：“知识中的智慧我们在哪里丢失？资讯中的知识我们在哪里丢失？”（Where is the wisdom we have lost in knowledge? / Where is the knowledge we have lost in information?）
作者提出智慧、知识、信息，三者相去甚远。智慧源于知识，知识源于信息，但是知识和智慧相比，缺失了很多内容；信息和知识相比，也缺失很多。
理解DIKW模型
我通过公开资料，找了两张有代表性的图片来向大家进一步诠释DIKW模型。
数据
作为所有内容的支撑，它具有涉及面广、内容多、客观存在、孤立的数字和事实等特点。数据的获取来源众多，对于它的最佳处理方式是集中汇总，不要缺失。
举例说明，以下是四条数据：A城市本周下雨三天，多云四天；B城市本周七天都是晴天。A城市本周平均温度是18℃；B城市本周平均温度是25℃。
信息
作为数据的上一层级，它的特征是客观性、组织性、以及开始具备独立表达的能力。但是它并非完美，因为信息往往也是孤立的，而且是不适用的，信息的价值量不大。它是对客观事实的提炼描述，但是除了描述外也是无能为力。
举例说明，以下是从四条数据中提炼的两条信息：B城市和A城市相比晴天的天数更多；B城市比A城市的平均温度要高7℃。
知识
数据和信息都是客观存在的，数据是客观事物的直接表述，信息是客观事物的结构化表述。但是无论如何，它们都是在描述客观事实。而知识，就开始有所不同，它开始掺杂主观意识和分析。
举例说明，我们从两条信息中，可提炼出一点知识：天气和温度可能存在某种关联。
智慧
智慧，区别于知识，可以理解为对于未来的预判。即知识是对过往经验的积累和总结，智慧是通过已有的知识总结对未来做预判。从置信度的角度来说，知识的置信度不高，因为有个人理解差异性；而智慧可能就显得更加虚无缥缈，因为它是对于未来的预判。
举例说明，从上述的知识，可以做出一点智慧预判：如果今天早上下雨，那么今天的温度可能就会更低，可能需要多带一件衣服出门。
DIKW模型实操
DIKW的使用其实是多方面的，你可以用它来思考如何向上级汇报工作：新手只汇报数据，只说今天发生了什么，客户销售数据是多少；中级汇报信息，告知该客户本月和上月的销售对比情况；高级汇报知识，解释客户业绩波动的原因可能是由于短期的销售推广活动导致了这次销售业绩短期上扬；大神汇报智慧，明确汇报本次推广投入产出情况以及业绩上升的综合因素分析，并告知如果后续有哪种情况的业绩不佳可以尝试采用这种推广方式来刺激业绩。
本文并不是职场鸡汤，所以我想介绍的是如何使用DIKW模型来快速学习一门新的技能、熟悉完全陌生的行业。其实任何学习都是从零开始，任何大神也都是从小白起步。回想过去我们在语文课上学习阅读理解，老师总会问一个问题：本段内容在讲什么？结合作者所处的时代背景，作者想表达什么？本文的主旨思想是什么？对我们人生有什么借鉴意义？你品，你细品……
回到本文主题，学习一个陌生领域的知识，结合DIKW模型，我的个人建议大致如下逻辑：
1. 搜罗大量前人的数据（理论+实践）
这里的数据包含且不限于论文、统计报告、网络热评、网络大咖写的软文心得等。数据来源渠道很多，数据检索的方法也很多。（检索是门技术活，本文不展开。）
2. 从数据中总结规律和提炼信息
这部分需要的是归纳、提炼能力，将同类型数据打上标签，然后提炼相同和不同点。将其分类汇总，并得出初步结论，形成对该知识或领域的一个大体框架认知。注意，此部分都还没有个人主观内容的参与，甚至说行业属性并不重。这也就是当前很多“数据分析”类课程卖座的原因，它们提供学员面对数据从哪几个方面去分析提炼，如何通过数据形成有用的信息。
3. 将同类标签等信息再次聚合分析，形成主观认知的知识线索
最终的结局虽然在开端（数据搜集）就开始注定，但差异其实是在这一步开始放大！同样一份数据、一份信息，不同的人会输出不同的知识。想要从信息中获取对你有用的知识，你需要有结构化思维以及同类行业的经验知识，大致引导如何梳理信息形成知识。例如，原本是手机行业的，现在要做电视机行业的市场。那么竞争品牌有哪些，代理渠道策略、价格策略是怎么样的……按照这些同类的思路去组织数据和信息，就能快速形成你想要的知识。这个环节重要的是思维能力。尝试从不同的思维角度，去系统性思考这个知识框架要如何形成。
当然，这部分最终的输出也只是知识而已。要想把事情做好，将知识转化为实际的技能表现或业绩表现，可能还有一段距离。
4. 实践，不断积累和验证知识。
这一步是我在DIKW模型中增加的一项，即实践Act。通过前三步确实可以快速获取新的知识，但是“纸上得来终觉浅，绝知此事要躬行！”我们需要通过既得经验来指导实际行为，不断去验证和迭代自己的知识，才能确保知识正确性。
当然，也有例外。如果是理论知识足够牛，通过理论演讲就直接让他人折服（或者自编自导很多成功案例来佐证自己的知识），似乎也确实不需要再通过实践来证明自己的知识。但是当下社会，“精鹰”、“砖家”、“叫兽”们逐渐被暴露在阳光下，浪潮褪去裸泳者一览无余。
5. 智慧，体现专业性和解决问题的能力
随着知识的一轮一轮迭代验证，自己的知识逐渐形成智慧，能在需求来临的时候快速提出解决方案并解决问题。这也就到了DIKAW的最高境界，形成了智慧！
但是，智慧的形成，其实更多的是基于大家对某人的主观认知。你觉得自己的知识形成智慧了，你能主观预判和解决未来的问题，但是别人真的认可你吗？无论多不情愿，我们都不得不承认现代社会是浮躁的。任何学习都需要变现，甚至只有通过变现的多少，来判断你是否真的在该领域形成了“智慧”。变现，直接体现的就是解决问题的能力。如果你能解决某个领域的某个问题，那么就会有人为你的知识买单。因为你熟知某个行业领域，而且有人脉资源，所以你会被聘请去某公司任职销售大牛；因为你对Java足够精通，你能解决开发过程中的所有问题，所以你被某大厂聘请为技术指导；……
在本文结束之际，我想提一个直击心灵的问题：你最近在学习或准备学习的知识和技能，是否能变现？该如何变现？以终为始，才能让我们更快到达终点。
学海无涯，而吾生有涯，以有涯随无涯，殆矣！
