1

هرم دانش DIKW چیست؟ در این مقاله آموزشی برآن شده‌ایم تا درباره هرم داده و ساختاری که از داده تا خرد را تشریح می‌کند صحبت کنیم. با ما همراه باشید.

بیشتر بخوانید: داده کاوی چیست؟ ، داده چیست و چه کاربردی دارد؟

هرم دانش، سلسله مراتب خرد و سلسله مراتب اطلاعات برخی از نام‌هایی هستند که به نمایش عمومی روابط بین داده‌ها، اطلاعات، دانش و خرد در هرم داده، از اطلاعات، دانش و خرد (DIKW) اشاره می‌کنند.

مقدمه

مانند سایر مدل‌های سلسله مراتبی، هرم دانش بلوک‌های ساختمانی را به‌طور صلب تعریف کرده است. داده‌ها در اول، سپس اطلاعات در مرحله بعدی، و آن‌گاه دانش به دنبال آن، و در نهایت خرد در راس قرار می‌گیرد.

هر مرحله از هرم به سوالات مربوط به داده‌های اولیه پاسخ می‌دهد و به آن ارزش و اعتبار می‌افزاید.

هر چه بیشتر به سوالات پاسخ دهیم، هرم را بالاتر می‌بریم. به عبارت دیگر، هر چه داده‌های خود را با معنا و غنی‌تر کنیم، دانش و ایده‌های بیشتری را از آن می‌توانیم استخراج بکنیم. در راس هرم، ما دانش و ایده‌ها را به یک تجربه یادگیری تبدیل کرده‌ایم که اقدامات و عملکردهای ما را هدایت می‌کند.

چگونه داده‌ها را در هرم دانش مقیاس‌بندی کنیم؟

در ادامه این بحث هرم دانش DIKW چیست، به تعریف این اجزاء می‌پردازیم.

داده‌ها

داده‌ها مجموعه‌ای از حقایق به صورت خام یا سازمان‌نیافته، مانند اعداد یا کاراکترها هستند.

این مطلب را نیز حتما بخوانید:  ثبات و خطی بودن در سیستم های اندازه گیری

با این حال، بدون زمینه، داده‌ها می‌توانند معنای اندکی داشته باشند. به عنوان مثال، 12012012 فقط یک دنباله بی‌اهمیت از اعداد است. اما اگر آن را در چارچوب “تاریخ” در نظر بگیریم، به راحتی می توانیم 12 ژانویه 2012 را تشخیص دهیم. با افزودن زمینه و ارزش به اعداد، اکنون آن.ها معنی بیشتری پیدا می‌کنند.

به این ترتیب، دنباله خام اعداد را به یک اطلاعات تبدیل کرده‌ایم.

اطلاعات

اطلاعات بلوک بعدی هرم DIKW است. اطلاعات شامل داده‌هایی است که پایش شده و از خطاها «پاک‌سازی» شده‌اند و به روشی پردازش شده‌اند که اندازه‌گیری، تجسم و تجزیه و تحلیل آن‌ها برای یک هدف خاص تسهیل می‌شود.

بسته به این هدف، پردازش داده‌ها ممکن است شامل عملیات‌های مختلفی مانند ترکیب مجموعه‌های مختلف داده (تجمیع)، اطمینان از مرتبط بودن و دقیق بودن داده‌های جمع‌آوری‌شده (اعتبارسنجی) و غیره باشد.

برای مثال، ما می‌توانیم داده‌های خود را به گونه‌ای سازماندهی کنیم که روابط بین نقاط مختلف داده‌ای به ظاهر متفاوت و غیر مرتبط را آشکار کند. می‌توانیم با ایجاد نموداری از نقاط داده برای یک دوره زمانی خاص، بر اساس داده‌های پایان هر روز، عملکرد شاخص داو جونز را تحلیل کنیم.

با پرسیدن سؤالات مرتبط در مورد «چه کسی»، «چه چیزی»، «چه زمانی»، «کجا» و غیره، می‌توانیم بینش‌های ارزشمندی را از داده‌ها استخراج کنیم و آن‌ها را برای کار خود مفیدتر کنیم.

اما وقتی به سوال “چگونه” می‌رسیم، این چیزی است که باعث جهش از اطلاعات به سمت دانش می‌شود.

دانش

“چگونه” اطلاعات به دست آمده از داده‌های جمع‌آوری شده با اهداف ما مرتبط است؟ “چگونه” تکه‌های این اطلاعات برای افزودن معنی و ارزش بیشتر به تکه‌های دیگر وصل می‌شوند؟ و شاید مهمتر از همه، “چگونه” می‌توانیم اطلاعات را برای رسیدن به هدف خود به کار ببریم؟

این مطلب را نیز حتما بخوانید:  صرفه جویی به مقیاس چیست؟

هنگامی که ما:

۱. نه تنها اطلاعات را به عنوان توصیفی از حقایق جمع‌آوری شده در نظر می‌گیریم، بلکه؛

۲. درک می‌کنیم که چگونه آن را برای رسیدن به اهداف خود به کار ببریم،

آن‌گاه ما اطلاعات را به دانش تبدیل کرده‌ایم.

این دانش اغلب مزیتی است که شرکت‌ها نسبت به رقبای خود دارند. همان‌طور که ما روابطی را کشف می‌کنیم که به طور صریح به عنوان اطلاعات بیان نشده‌اند، بینش عمیق‌تری به دست می‌آوریم که ما را به بالاتر از هرم DIKW می برد.

اما تنها زمانی که از بینش‌‌های به دست آمده از اطلاعات برای تصمیم‌گیری فعالانه استفاده می‌کنیم، می‌توانیم بگوییم که به مرحله نهایی هرم دانش رسیده‌ایم.

خرد

خرد، بالاترین سلسله مراتب DIKW است و برای رسیدن به آن باید به سؤالاتی مانند “چرا کاری انجام دهیم؟” و “چه چیزی بهترین است؟” پاسخ دهیم. به عبارت دیگر، خرد یا حکمت، دانشی است که بر عمل اعمال می‌شود. به قول سعدی شیرازی:

علم چندان که بیشتر خوانی، چون عمل در تو نیست نادانی.

سعدی شیرازی

خرد در بحث هرم DIKW دقیقا همین نقش گفته سعدی شیرازی را ایفا می‌کند، استفاده عالمانه، آگاهانه و عملی از دانش.

هم‌چنین می‌توان گفت که در حالی که داده‌ها و اطلاعات دارای نگاهی به گذشته هستند، دانش و خرد با آنچه اکنون انجام می‌دهیم و آنچه می‌خواهیم در آینده به دست آوریم مرتبط است.

چگونه شرکت‌ها و سازمان‌ها در هرم دانش رشد می‌کنند؟

یک راه سریع و آسان برای کسب و کارها برای حرکت از داده به اطلاعات و سپس به دانش و خرد، استفاده از فناوری‌های معنایی مانند داده‌های پیوندی و پایگاه‌های داده گراف معنایی است. این فناوری‌ها می‌توانند پیوندهایی بین داده‌های متفاوت و ناهمگن ایجاد کنند و دانش جدید را از حقایق موجود استنباط کنند.

این مطلب را نیز حتما بخوانید:  الگوریتم های دسته بندی داده کاوی چیست؟

با مسلح شدن به این دانش جدید، شرکت‌ها می‌توانند از کوه خرد بالا بروند و با پشتوانه‌سازی تصمیمات تجاری خود با تجزیه و تحلیل مبتنی بر داده، مزیت رقابتی به دست آورند.

در این مقاله درباره این که هرم دانش DIKW چیست صحبت کردیم. با تشکر از خوانش شما.

منابع

۱. تعریف هرم دانش – ترجمه از انگلیسی

مطالب مرتبط
1
انواع الگوریتم های رمزنگاری 1 دقیقه

انواع الگوریتم های رمزنگاری چیست؟

golearnwork

انواع الگوریتم های رمزنگاری چیست؟ در این مقاله قصد داریم آن‌ها را معرفی و بررسی کنیم. پس لطفا با ما همراه باشید. انواع الگوریتم های رمزنگاری برای تأمین امنیت داده‌ها ساخته و توسعه داده شده‌اند تا اطمینان حاصل شود که داده‌های منتقل شده بین طرف‌های یک ارتباط، محرمانه باقی می‌مانند و افشا نمی‌شوند. یعنی توسط […]

1 دقیقه

مقیاس پذیری در داده کاوی چیست؟

سهراب محمدی

مقیاس پذیری در داده کاوی چیست؟ در این مقاله قصد داریم درباره مقیاس پذیری در داده کاوی، به ویژه داده‌های بزرگ مطالبی را بیان کنیم. با ما همراه باشید. مقاله اصلی: داده کاوی چیست؟ هم‌چنین بخوانید: مقیاس پذیری چیست؟ پروژه‌های کلان داده و تجزیه‌وتحلیل می‌توانند به کسب‌وکار شما کمک شایانی کنند، اما عملکرد آن‌ها مستقیماً […]

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

سبد خرید
Subtotal 0 تومان