循环造数据_项目管理数据与信息--DIKW模型

开头的话

在PMP中，有一块内容是“项目管理数据与信息：工作绩效数据（Work Performance Data），工作绩效信息（Work Performance Information），工作绩效报告（Work Performance Reports）”，这三个概念一直很容易混淆。要想清楚地理解三者的含义和联系，在这里需要借助一项知识管理模型“DIKW模型”。通过DIKW模型更好地理解什么是项目管理数据与信息。

1 DIKW模型

DIKW模型是由美国诗人Thomas S. Eliot提出的。该模型由数据（Data），信息（Information），知识（Knowledge），智慧（Wisdom）构建成一座金字塔模型。核心是告诉我们，人们的认知与学习是遵循“数据收集”--“信息筛选”--“知识归纳”--“智慧构建”这一系列过程，并且是自下而上，层层递进。

2 Data to Information

Data: 在项目执行过程中，收集到的没有经过任何加工和整理的第一手原始资料（单个数据不具备任何含义）。

Information: 将Data经过筛选并结合相关背景与要求，经过分析处理后的结果。

光这样看以上的两个定义，看得脑壳疼，举个栗子，直观感受下。某片区计算关键道路上的车流量。感应器前通过一辆汽车，计数器数字就会增加1，这里每一个数字就是一个Data；而如果把某个时段所有通过的车辆数进行汇总，并进行相应的处理（如：加权平均），就可以得到这个时段的平均车流量，这就是infomation。

Data到Information，听上去感觉很容易，不就是收集收集数据然后进行相应的处理得出信息嘛。如果这样想之后会“shi”得很惨。Data到Information这是认知与判断的第一步，如果这一步出现偏差，将会导致后续工作全都跑偏。这一步的困难点在于，如何找出真正的Data，去除无用的干扰信息。尤其是在data特别多的情况下，能够高效收集数据，并筛选处理成有用的信息。还是举车流量的栗子，如果感应器前飞过一只小鸟或者跑过一只野狗，把他们也作为有效data算进去的话，则会污染所得到的information。

另一个困难在于人为的“偏差”。很多情况下人们只愿相信我们所相信的，本能抗拒与我们直觉相违背的结论。这种现象在心理学中被叫做“确认偏误”，如果你一旦相信一个东西了，就会寻找支持自己理论或假设的证据，选择性的注意和收集信息（排斥其他不利信息），并按照支持自己的想法或逻辑来解读获取的信息，从而推导出一个符合自己意愿的事实或真相。所以我们要在收集Data和处理information的时候，尽最大可能地克服人性的弱点，客观的进行工作。

3 Information to Knowledge

Knowledge:知识是可以知道采用何种办法，去解决相应的问题，是一种方法论和系统化的体现。

还是举车流量的栗子，通过对车流量的Information汇总分析，可以得出该片区的交通运输情况，从而得到该片区是繁忙的还是萧条的结果，这个结果可以算knowledge。knowledge和information的区别在于，knowledge更具有长时间的参考价值，像该片区繁忙程度的结论可以在较长的时间维度上评判该片区的投资属性。knowledge还有一个重要的特性是系统化，还是举片区的栗子，将交通运输情况，经济情况，人口情况等等综合起来，可以构成该片区的综合发展体系。如果该知识是解决某件事情的方法的话，最终还可以形成方法论。

4 Knowledge to Wisdom

Wisdom:智慧是对于过去的探究（为什么会产生的），以及对未来的启发（能开拓哪些）。还是举片区汽车流量的栗子，从对片区的体系中看出发展至今的依赖，并且可以展望今后朝哪些新兴方向去发展。但对于智慧，我更想将其通俗一点称之为“理论”。从知识（方法论）到智慧（理论），并不是所有方法论都是适合的，要想达到理论的高度，必须增加非常重要的工具，条件和边界。

一个方法论在某种情况特别有效，但不一定在另一种情况同样有效。比如栗子中的片区是沿海的，总结下来一套方法，由于是海上交通要道，通过陆路送货至片区港口的货车特别多，收费站的关卡数就建造得很多。但是如果这个片区在内陆，没有那么多的货车送货去港口，但仍然造这么多关卡的话，就没价值了。所有的经验，方法论，都是有条件和边界的。将方法论结合条件与边界，就可以提纯为Wisdom（理论）。