Анализировать источники информации удобнее, когда они однородны с точки зрения степени обобщенности данных. Уровни задает модель DIKW (см. предыдущий пост). Но как определить в какую ячейку надо положить тот или иной материал?
Вот пример.

В октябре этого года в рамках темы «потребительское поведение» ВЦИОМ опубликовал данные опроса об услугах доставки. На сайте есть несколько вкладок (см рисунок👆).

Во вкладке «Таблицы» - данные опроса.
Например, «ежедневно услугами доставки в 2019 году пользовались 1% опрошенных, в 2024 году – 3%».
В терминах модели DIKW – это «Данные».

Во вкладке «Обзор» мы видим уже сгруппированные данные – модуль «Информация» в терминах DIKW.
«Доля регулярных пользователей услугой за этот период выросла вдвое».
«Регулярных пользователей услугами курьерских служб отличают наличие высшего образования (35%), хороший достаток (38%)…»

Впрочем, в той же вкладке мы видим и описания причин наблюдаемых явлений.
«С выходом на работу, появлением семьи, желание тратить время на магазины пропадает, поэтому младшие миллениалы любят получать посылки, не выходя из дома».
Таким образом, один и тот же материал может быть размещен одновременно в нескольких ячейках модели DIKW.

Наконец, во вкладке «Комментарии» авторы еще больше углубляются в тему. «Рост популярности курьерской доставки меняет привычки, мышление, коммуникацию и саму модель потребления россиян».
В рамках DIKW это тоже модуль «Знания», но не «Мудрость».

К последнему относят управленческие решения, в которых аккумулированы не только знания о системе полученные в ходе исследования, но и что-то еще. Это что-то привносит эксперт на основе собственного опыта и – важно – понимания бизнес-задачи конкретного проекта.
Этого никак нельзя ожидать от публикаций, ориентированных на «неопределенный круг лиц».

#вциом #доставка #лайфхак #метод