如何構(gòu)建自我知識體系，問題比較大。

每個人思考邏輯，知識儲備底子完全不同，加上從事行業(yè)、崗位的分工細化，更難找到萬能解藥，但是，有個全新視角可以與你分享，即DIKW 模型。

具體是什么呢？

諾貝爾文學(xué)獎得主，托馬斯·斯特爾那斯·艾略特(Thomas Stearns Eliot）上個世紀就對信息泛濫的到來，產(chǎn)生焦慮。

他說，我們知識中的智慧去哪里了？我們信息中的知識去哪里了？該背景下，通過大量研究才提出該模型。

簡單講，DIKW 模型，將廣義上的知識分為Data（數(shù)據(jù)） - Information（信息） - Knowledge（知識） - Wisdom（智慧）四層金字塔結(jié)構(gòu)。

這個模型告訴我們，認知和學(xué)習是遵守獲取數(shù)據(jù)、提煉核心信息，總結(jié)成知識，然后通悟智慧存入大腦的過程，每一層都比上層更深入。

就像做運營一樣，你不可能上來就成為專家，唯有針對某個模塊經(jīng)過大量重復(fù)驗證，才能揚長避短的將知識總結(jié)為方法，最后和別人分享底層邏輯。那么，如何簡單通俗的理解并使用它呢？

首先，理解數(shù)據(jù)與信息的區(qū)別。

從理論而言，數(shù)據(jù)（data ）也可以成為“資料”，它是關(guān)于事件的一種離散客觀存在的事實描述，也就是原始資料。

信息（information ）又稱為訊息，我們目前看到信息基本分為「觀點」和「事實」兩種，前者是別人立場下帶來的不同視角、看法，后者是某個事件本身的面目。

一般來說，與信息概念密切相關(guān)的包括約束(constraint)、溝通(communication)以及表達，是不是比較難懂一些，舉幾個現(xiàn)實案例。

比如：

每年雙11，老板都會讓運營統(tǒng)計店鋪訪問數(shù)，商品詳情頁點擊率、網(wǎng)站（統(tǒng)計數(shù)據(jù)）記錄的每一條訪客（data數(shù)據(jù)），但一條數(shù)據(jù)對整體起不到關(guān)鍵性作用，怎么辦？

當把某個商品，一天內(nèi)全部時段的訪客數(shù)值加起來時，才可以得到總訪客數(shù)（infomation信息）。

你拿到這些信息，根據(jù)點擊率、訪問數(shù)，按照公式就可以得到轉(zhuǎn)化率；哪些商品高、哪些低、哪些視覺用戶愛點，得到的總結(jié)可以指導(dǎo)設(shè)計、投放人員在各方面進行優(yōu)化。

或者：

開一家咖啡店，前期肯定要圍繞某個商圈做調(diào)研，單天的流量（data數(shù)據(jù)）并不能讓你做決定是否投入。

如果你找到房東，把全年12個月的數(shù)據(jù)拉出來進行匯總，并進行一定的處理（比如：加權(quán)平均），就可以得到平均每月的客流量，這就是（信息） information。

可能你會覺得從data到 information是一個顯而易見，比較容易的過程。

但是，相比上述案例，在現(xiàn)實中有些隱形層面的東西，就沒有那么容易，困難就在于，如何從海量數(shù)據(jù)中篩選出真正的（信息 information）。

拿這兩年市場比較火熱的私域流量而言，大家都在講私域，你會發(fā)現(xiàn)各種類型的“干貨文章”一大堆，我們看到一篇收藏一篇，最終整理時，會發(fā)現(xiàn)，重合率占80%。

由此，對于數(shù)據(jù)量特別大的情況下，如何去除「干擾信息」，就是一件非常棘手的問題，甚至拿電商而言，如果店鋪爬蟲也算訪客記錄，你想想會得到多少不精準的數(shù)據(jù)。

值得一提的是，我們得到的數(shù)據(jù)也會有所偏差。

比如：

我在從事市場工作時，每周會讓新媒體伙伴統(tǒng)計微博、公眾號等自媒體平臺下面的留言，根據(jù)留言來跟蹤用戶行為、對品牌喜愛度等各項指標。

幾個月后我發(fā)現(xiàn)，評論存在偏差，團隊小伙伴為自身績效問題，和品牌口碑，會把正向內(nèi)容放出來，對于那些負面評價，我始終無法看到，這就與最終指標背道而馳。

所以，有時想要修正某些偏差很難，由于評論區(qū)中負面的評論被后臺過濾掉，并不能接觸到負面的數(shù)據(jù)（data）。

那么，全部是正面的評論，結(jié)果可想而知，如果我以此作為輸入的data，自然最終也會提煉出錯誤的結(jié)論，對不對？

其次，如何從信息進階到知識？

廣義而言，信息（Information）在當下語境下更”短命“，而知識（Knowledge）更像底層知識，以幾年維度看，前者生命周期比較短，后者可能更長一些。

比如：

我們每天看到各種不錯的公眾號文章會收集起來，可是年底時，你會發(fā)現(xiàn)他們毫無關(guān)聯(lián)，雖然單篇看都有用，舍不得刪掉，整體卻很占手機空間；Knowledge不同，它可以整理成體系。

還以開店為主，區(qū)域基于各門店數(shù)據(jù)匯總大概能分析出整體人員活動情況，由此衍生出，區(qū)域流動人口規(guī)模、固定規(guī)模。

從信息到知識所面臨的困難則在于體系化，如何將碎片化的信息梳理為體系化的知識，是對我們邏輯能力和思考能力的考驗。

換言之，知識體系像圖書館，現(xiàn)在新來了一些信息（information），如何將他們分門別類安放在合適的位置形成知識（knowledge）。

就是，我們對知識體系本身完備性的一大考驗，如果 information 無處安放，自然就暴露出離體系的不完備。

再者，如何從知識進階到智慧？

知識（knowledge）和智慧（Wisdom）有很大差異，智慧屬于人類基于已有的知識體系，針對現(xiàn)實世界，運動過程中產(chǎn)生問題，根據(jù)現(xiàn)有信息進行分析、對比，演繹，找出方案的能力。

該能力運用結(jié)果，是將信息的有價值部分，挖掘出來，并使之成為知識框架的一部分；也可以簡單歸納為，做正確判斷和決定的能力，它通常來回答工作、生活中的為什么。

比如：

我會西紅柿炒雞蛋、青椒炒肉、水煮魚，僅代表本人技能；我專門寫了一本講如何烹飪的書、里面包括108道湘菜的烹飪方法，供諸多需要的人學(xué)習，這就屬于智慧。

或者：

現(xiàn)在我們使用的5G、區(qū)塊鏈技術(shù)，人工智能等，均是基于大量知識體系，諸多人的眼光判斷，然后布局實干而成，這也是智慧。

在智慧層，我們知道，學(xué)科層面不論任何知識體系，都可以匯總成為知識（knowledge），那還有沒有知識層以上不能解釋的東西嗎？當然有，就像最近大家熱議的「元宇宙」。

人們會使用黃金圈法則（What -How- Why ）進行表達表達一件事，通?！笆鞘裁础贝韜hat部分，你可以把它當做信息（ information）。

How部分可以當做體系化的東西，已經(jīng)被驗證過的，你可以把它理解成知識（knowledge），而why代表已知中的未知部分，為什么要做，也就是智慧（Wisdom）。

比如：

知識（knowledge）更像是一款A(yù)PP的功能，拼團、秒殺、聯(lián)系人、社群；而智慧（wisdom）探討的本質(zhì)是“為什么要做朋友圈”，為什么要做微信這件事，人與人社交的本質(zhì)又是什么等。

智慧方面市面爭議相對比較大，但我個人更覺得智慧屬于高深，看不見摸不著，然而這種摸不著每個人特性不同，就像那句話所述：你的頓悟只是被人的基本功。

也正是因為如此，wisdom 類的 why 問題往往沒有標準答案。

因為這類問題本身，就已經(jīng)指導(dǎo)著認識本身（每個人屬性不同），難以有很明確的標準答案，所以，有的只是能否回答上與回答不上的區(qū)別。

就像：

往大的說，近些年來很多交叉學(xué)科，就是將不同領(lǐng)域間的 wisdom 相互融合，用在一個領(lǐng)域的視角進入到另一個領(lǐng)域，從而獲得不同的啟發(fā)。

前三者都比較容易理解，而從知識（knowledge）到 智慧（wisdom）最大的難點在于好奇心，畢竟“你就是自己的邊界”。

這給我們帶來什么啟發(fā)呢？也就是，我們每天在大量觀點類的內(nèi)容中遨游，其實他們都是單篇文章，不成體系。

真正需要的應(yīng)屬于被提煉過的「知識」，和成體系化的「知識」，唯有吸收它們二者，才能帶來認識提高。

然后，我們的知識需要管理嗎？

首先我認為，大家都會存在一種知識幻覺，即看到的就是自己的。

然而并非這樣，現(xiàn)實是：1）你能夠看到并寫出來的才是自己，2）看到并可以指導(dǎo)行動，被驗證過的才是自己的。

因此，知識管理本身在于“輸出和執(zhí)行“。

不要再去想什么知識體系，你電腦里一個文件夾套一個文件夾，收藏夾里永遠看不完的文件，如果沒有自己編碼，所有的文件都是垃圾，找東西時東西榔頭西一棒槌，說不上用不上，至少很麻煩。

就像：

即便是你快速刷幾本書，也僅代表淺印象，不信你過10 天，過 1 個月，過 1 年再試著回想一下？越是跨界的知識收藏，越容易遺忘，因為自己編碼太費勁了。

然而，輸出和執(zhí)行卻不同，需要調(diào)用更深層的認知資源處理，一旦在腦海里試著給自己講一遍，再試著給別人講一遍，這樣練習后的記憶，想忘記都很難忘掉。

看到這里，其實應(yīng)該很明白，不讀書、依靠別人指點的打洞式讀書、依靠自己搜索而來的打洞式讀書的各種問題，僅代表低階思維。

那高階思維是什么樣呢？

人類書籍，是包含一代人又一代人突破智慧邊界的方法，回到過去，看什么時間提出、問題的由來以及解決方式才是，當年反常識的解決問題，即是人類認知的邊界。

然后基于已有的再去推演沒有的，才會誕生出新的框架體系，如同，你能回到歷史中和偉人做朋友，你的經(jīng)濟學(xué)一定會學(xué)的很好。

所以，知識不需要管理，學(xué)到的知識內(nèi)化成為體系，才是管理；想要突破自我已有體系，就要不斷詢問為什么，畢竟“為什么”牽引著我們向前。

那么，如何構(gòu)建自我知識體系？

工作中，我一般使用兩種方法：1）自下而上，2）自上而下

前者，我會將自己看到不錯的文章、素材進行收集，然后把它們進行提煉，注意一定要找到主線，所謂主線基本要包括“為什么、是什么，怎么做“三者。

拿私域來說，我一般覺得某個方法很好，那我就在備忘錄中備注，為什么要用這種方法，然后對應(yīng)回答，再是方法論。

積累的過程比較困難，畢竟素材都是局限在不同框架下的珠子，我們要利用別人的珠子、找到自我框架進行歸類和排序，再到內(nèi)容提煉和邏輯排布，最終串聯(lián)在一起。

換言之：

珠子就是素材（Data數(shù)據(jù)），但因為不同的內(nèi)容會在不同場景下出現(xiàn)，所以素材會存在不同「內(nèi)容層級」中，就像一本書有章節(jié)、小節(jié)、章節(jié)、段落都不是同一個「內(nèi)容層級」就無法關(guān)聯(lián)，做邏輯梳理。

后者，就相對比較好用，也就是先定主題框架，然后在框架中填充內(nèi)容，問題在于有的知識和框架并不是我們自己總結(jié)的，假設(shè)你原搬不動的拿過來，就無法駕馭。

怎么辦呢？很多人喜歡模仿別人的框架，后來我發(fā)現(xiàn)”別人的東西“你即便拿走，也僅是形式上，真正實質(zhì)性的很難，并且他的框架也未必適合你現(xiàn)實中的問題。

說白了，你按照自己的經(jīng)驗、工作去梳理框架，然后把它納入到「已知」范疇中去寫，才是鞏固加深，為我所用最快捷方法。

比如：

雖然我看很多有關(guān)心理學(xué)方面的內(nèi)容，但都不是我的。

我就會從自己在某方面遇到的問題（焦慮怎么辦，壓力太大怎么辦等）然后做框架，根據(jù)自己框架后，在把一些知識理解后補充進去。

所以，自下而上屬于發(fā)散型，自上而下屬于收斂型。

發(fā)散時講究真實、具體、流暢、收斂時講究邏輯嚴謹；我在工作中積累的大部分思考是基于自上而下，也就是先圍繞問題展開，這樣就很明確的擁有主線，平常就屬于自下而上，認為不錯就收藏下來，交替進行。

比如：

當積累足夠多私域知識時，我就會整體看下都有哪些問題，梳理一個提綱，當中不乏有重合部分，怎么辦呢？查漏補缺。

最終你會發(fā)現(xiàn)，針對某個問題的角度，以及解決方案完善度都會高很多。

日常閱讀和創(chuàng)作是等號關(guān)系，如果光想著把思考輸出出來，是完全不具備觀點、場景論證、依據(jù)三要素的。

20世紀初，美國福特公司高速發(fā)展時期，一臺電機出現(xiàn)問題，幾乎整個車間都不能運轉(zhuǎn)。

公司調(diào)來大量檢修工作人員都沒有找到問題出在哪里；這時，有人提議去請著名物理學(xué)家、電機專家斯坦門茨幫助。

大家一聽有理，急忙派專人把斯坦門茨請來，斯坦門茨仔細檢查電機后，用粉筆在電機外殼上畫了一條線，對工作人員說：“打開電機，在記號處吧里面的線圈減少16圈”。

人們照搬后，故障竟然排除了，最終其收費1萬美元，其中畫線費用1美元，而知道在哪兒畫線值 9999 美元。

可以說，構(gòu)建自我知識體系，不是簡單體力勞動，做知識搬運工價值也不大，簡單模仿只是廉價復(fù)制，想成為一個知識淵博的智者，需要源源不斷的「輸入-輸出」。

總體而言

DIKW模型，不是工具，是思維。

互聯(lián)網(wǎng)讓data 與 information 的傳播速度，廣度加快，卻使得深度降低。

很多文字與資訊，要么停留在information 層面（熱點，八卦類等），要么過于碎片而難以體系化（短科普視頻，信息流等），而真正可被內(nèi)化為 knowledge 層面的成體系的信息則越來越少。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com