Wanneer we onderzoek doen, verzamelen we eerst data, die we combineren tot informatie, waarna kennis kan ontstaan.

Data, informatie, kennis en wijsheid, de korte versie

  • data of gegevens zijn losstaande getallen, hoeveelheden of feiten zonder directe betekenis
  • door betekenis toe te kennen aan data ontstaat informatie
  • door informatie te verrijken met ervaring ontstaat kennis
  • door kennis te plaatsen in de context ontstaat wijsheid

In onze scriptie, adviesrapport, eindproduct of verantwoordingsdocument presenteren we eerst ons hoofdstuk Onderzoek en daarna het hoofdstuk Analyse.
In Onderzoek staan vooral de data, in Analyse brengen we dat samen tot informatie en kennis.

De uitgebreide versie

Data (of gegevens) kunnen we omschrijven als feiten, die individueel betekenis hebben. Data zijn de bewerkte of onbewerkte signalen die een organisatie registreert voor allerlei doelen, zoals getallen, hoeveelheden, grootheden en feiten. Met een mooi woord noemen we dit variabelen. Maar ook de toestand van de variabele leidt tot data: een mooi boek, een plezierige ervaring, een kleurrijke website of irritante cliënten.
Bij data kan je denken aan het aantal likes voor een blog, de individuele NPS-scores en het aantal positieve en kritische reviews op onze websites.

Wanneer we de data met elkaar gaan verbinden, kunnen we oorzaak en gevolg achterhalen. Zo ontstaat informatie. We geven betekenis aan de data of de gegevens.
De betekenis van informeren is ‘vorm geven aan’.
Bijvoorbeeld: uit de inspanningen van ons klantcontactcenter en de toename van het aantal positieve reviews op onze website, kunnen we afleiden dat het harde werken van onze medewerkers leidt tot een hogere klanttevredenheid.

En wanneer we patronen ontdekken in deze informatie, ontstaat kennis. We hebben kennis nodig om te voorspellen wat er gaat gebeuren. Informatie wordt pas kennis wanneer we dat kunnen ‘bewerken’ met ervaring, vaardigheid en houding (Weggeman, 2000).
Informatie is expliciet, is vast te leggen in document, systemen en netwerken. De informatie blijft in een organisatie aanwezig, ook als mensen de organisatie verlaten. Dat is anders met kennis. Kennis is impliciet, is verbonden met mensen. Verlaten de mensen de organisatie, dan wordt kennis weer informatie.
Voorbeeld: we blijven even bij het klantcontactcenter. Wanneer er vooral senior-medewerkers werkzaam zijn, zien we een toename van het aantal cliënten die hun tevredenheid over onze organisatie uiten.

Om de hiërarchie in data, informatie, kennis en wijsheid weer te geven, kennen we de DIKW-piramide. De originele bron is onzeker, zie DIKW-piramid op Wikipedia.

Wanneer we data, informatie, kennis en wijsheid koppelen aan betekenis toekennen, verrijken met ervaring en plaatsen in context, krijgen we een verrijkt model. Van data via informatie en kennis naar wijsheid neemt zowel de samenhang als het begrip toe.

DIKW-piramide op LinkedIn

Na publicatie van het model op LinkedIn ontstond er een mooie discussie over de wetenschappelijke onderbouwing van het model over data, informatie, kennis en wijsheid, tussen gerespecteerde professionals uit het netwerk.

Een wetenschappelijke onderbouwing ontbreekt dus, maar het model onderbouwt de tekst met uitleg en wordt gezien als ‘defacto standaard’.