MENU

DIKWモデルテンプレート|そのまま使える項目例と書き方

DIKWモデルは、ばらばらの事実や記録を、意味のある情報、再利用できる知識、状況に応じた判断基準へ段階的に変換するための整理方法です。

Data、Information、Knowledge、Wisdomの4段階を意識すると、「データはあるのに活用できない」「担当者の経験が属人化している」「情報共有しても判断に使われない」といった問題を整理しやすくなります。

この記事では、そのままコピーして使えるDIKWモデルのテンプレート本体、各欄の書き方、カスタマーサポート業務の記入済み例、良い例・悪い例、判断基準、注意点をまとめます。

DIKWモデルの意味や基本構造から確認したい場合は、DIKWモデルとは?を参照してください。実際の進め方を手順で確認したい場合は、DIKWモデルのやり方が役立ちます。

目次

そのまま使えるDIKWモデルテンプレート

以下をコピーして、情報共有・知識継承・業務改善の対象に合わせて使ってください。

1. 利用目的

  • 対象業務:
  • 解決したい課題:
  • この整理を使う人:
  • 最終的にできるようにしたい判断・行動:
  • 更新頻度:
  • 主な情報源:

2. Data|事実・記録

  • 収集する生データ:
  • 発生日時:
  • 対象者・対象案件:
  • 数値・件数:
  • 発生事象:
  • 原文・ログ:
  • 取得元:
  • 記録者:
  • 欠損・不明点:

確認質問:

  • 解釈や評価を混ぜず、起きた事実を残しているか
  • 後から元データを確認できるか
  • 比較に必要な項目がそろっているか

3. Information|分類・集計・文脈

  • 分類軸:
  • 集計結果:
  • 頻度・比率:
  • 時系列の変化:
  • 顧客・商品・部署などの差:
  • 関連する条件:
  • 目立つ傾向:
  • まだ説明できない点:

確認質問:

  • Dataを並べただけでなく、意味が見えるように整理したか
  • 何と何を比較したか明確か
  • 集計結果から言えることと言えないことを分けたか

4. Knowledge|再利用できる知識

  • 繰り返し使える手順:
  • 判断ルール:
  • 原因と対応の対応関係:
  • よくあるパターン:
  • 例外条件:
  • 確認順序:
  • やってはいけないこと:
  • 根拠となるInformation:
  • 適用できる範囲:

確認質問:

  • 別の担当者でも使える形になっているか
  • 一度の事例だけで一般化していないか
  • 例外や適用範囲を書いたか

5. Wisdom|状況別の判断基準

  • どんな状況で使うか:
  • 優先する判断:
  • 切り替え条件:
  • エスカレーション条件:
  • リスクが高い場合の扱い:
  • 判断前に確認する情報:
  • 判断後に記録すること:
  • 期待する結果:

確認質問:

  • 手順をなぞるだけでなく、状況に応じた選択基準になっているか
  • 迷ったときに優先順位を決められるか
  • 例外時に誰へ相談するか分かるか

6. 4段階のつながり

  • このDataから何をInformationにしたか:
  • そのInformationから何をKnowledgeにしたか:
  • そのKnowledgeをどの条件でWisdomとして使うか:
  • 判断結果から新しく記録するData:

7. 更新・改善

  • 実際に使った場面:
  • うまくいった点:
  • 迷った点:
  • 誤判断・見落とし:
  • 新しく追加するData:
  • 更新するKnowledge:
  • 更新するWisdom:
  • 更新日:
  • 更新者:

各欄の書き方

Dataは「意味づけ前の事実」を残す

悪い例:

  • 顧客は操作に慣れていない
  • 問い合わせが多すぎる

これらは評価が含まれています。

良い例:

  • 6月のログイン不可問い合わせは40件
  • うちパスワード忘れ18件
  • アカウントロック12件
  • 登録メール誤入力6件
  • 障害4件

Dataでは、まず事実として確認できる記録を残します。

Informationは「比較できる形」にする

Dataを一覧にするだけでは、まだ傾向が見えにくいことがあります。

たとえば、問い合わせ40件を原因別に分類すると、パスワード忘れ18件が最多であること、ロック12件が次に多いことが分かります。

さらに顧客種別、時間帯、契約方式などで分ければ、どの条件で増えるかを確認できます。

Knowledgeは「別の人が再利用できる形」にする

悪い例:

  • ベテランに確認する

良い例:

  1. 登録メールアドレスを確認する
  2. 再設定メールの受信状況を確認する
  3. アカウントロック状態を確認する
  4. 障害情報を確認する
  5. 法人SSOの場合は認証方式を確認する

Knowledgeでは、経験を手順・ルール・判断条件として外に出します。

Wisdomは「状況別に何を優先するか」を書く

Knowledgeが手順なら、Wisdomは「いつ通常手順から切り替えるか」に近い役割です。

たとえば、

  • 複数ユーザーで同時にログイン不可が発生したら、個別パスワード対応より共通障害確認を優先する
  • 法人SSO利用者なら、自社パスワード再設定より先に認証基盤を確認する
  • 短時間に多数の失敗が出ている場合は、セキュリティ担当への確認を優先する

といった形です。

記入済み具体例|カスタマーサポートのログイン不可対応

ここでは、サポートチームが「担当者によってログイン不可問い合わせの対応品質が違う」という課題を整理した例を使います。

利用目的

  • 対象業務:ログイン不可問い合わせ対応
  • 課題:ベテランと新任担当者で確認順序が違う
  • 利用者:カスタマーサポート担当者
  • 最終目的:原因候補を漏れなく確認し、適切な対応・エスカレーションを選べるようにする
  • 情報源:問い合わせ履歴、認証ログ、障害記録、対応メモ

Dataの記入例

6月の問い合わせ40件について、次を記録しました。

  • 問い合わせ日時
  • 顧客種別
  • 契約方式
  • 問い合わせ文
  • エラー表示
  • 原因
  • 最終対応
  • 解決までの時間

原因別件数は、

  • パスワード忘れ:18件
  • アカウントロック:12件
  • 登録メール誤入力:6件
  • 共通障害:4件

でした。

Informationの記入例

40件を分類すると、次の傾向が見えました。

  • パスワード忘れとロックで30件を占める
  • 法人SSO顧客では通常の再設定手順で解決しないケースがある
  • 共通障害4件は、いずれも短時間に複数顧客から発生していた
  • 登録メール誤入力は、本人確認後に登録情報の確認が必要だった

ここでは「件数が多い」という感覚を、原因別・条件別のInformationへ変えています。

Knowledgeの記入例

Informationを基に、標準的な確認順序を作りました。

  1. 登録メールアドレスを確認する
  2. 再設定メールの送信・受信状況を確認する
  3. アカウントロック状態を確認する
  4. 公開中の障害情報を確認する
  5. 法人顧客の場合はSSO・認証方式を確認する
  6. 解決しない場合は認証ログを確認して二次対応へ送る

例外条件も付けました。

  • 複数ユーザー同時発生時は、個別対応前に共通障害を確認
  • 本人確認ができない場合は登録情報変更を行わない
  • 法人SSOの場合、自社パスワード再設定を案内する前に認証方式を確認

Wisdomの記入例

状況別の判断基準を次のようにしました。

  • 1人だけ発生:通常の個別確認手順を開始
  • 同一企業の複数利用者で同時発生:SSO・企業側認証基盤を優先確認
  • 複数企業で同時発生:共通障害の可能性を優先
  • 短時間に多数の失敗ログ:セキュリティ上の異常も疑い、担当へエスカレーション
  • 本人確認不成立:復旧よりアカウント保護を優先

更新・改善の記入例

新任担当者に過去ケースを使って対応してもらうと、「同一企業の複数ユーザーで同時発生」という条件を見落としました。

そこで、

  • Dataに「同一企業内の同時発生件数」を追加
  • Knowledgeの冒頭に「単独発生か複数発生か」を確認する手順を追加
  • Wisdomに「複数利用者同時発生なら共通基盤確認を優先」を明記

しました。

DIKWは一度作って終わりではなく、実際の使用結果を新しいDataとして戻し、KnowledgeやWisdomを更新することで実務に定着しやすくなります。

良い例と悪い例

悪い例|DataとInformationを同じにする

問い合わせログを集めただけで「情報整理できた」と考えます。

良い例では、原因別件数、顧客種別、時間帯などへ分類し、傾向を見えるようにします。

悪い例|Knowledgeが単なる説明文

ログインできないときは、状況を確認して対応する。

これでは再利用できません。

良い例では、確認順序、分岐、例外条件まで書きます。

悪い例|Wisdomを「賢い結論」とだけ考える

Wisdomは抽象的な教訓を書く欄ではありません。

良い例では、「複数企業で同時発生なら共通障害を優先」のように、状況と判断を対応させます。

悪い例|4段階を無理に一方向だけで使う

一度Wisdomを作ったら完成と考えます。

良い例では、実際の判断結果を新しいDataとして戻し、手順や判断基準を更新します。

テンプレートを使うときの判断基準

Dataとして十分か

  • 元の事実へ戻れる
  • 日時・件数・対象が分かる
  • 評価と事実が分かれている

Informationとして十分か

  • 分類・比較軸がある
  • 傾向や差が見える
  • 集計から言える範囲が明確

Knowledgeとして十分か

  • 別担当者が再利用できる
  • 手順・ルール・例外がある
  • 根拠となるInformationへ戻れる

Wisdomとして十分か

  • 状況別の判断基準がある
  • 優先順位や切り替え条件がある
  • エスカレーション条件が明確

テンプレート利用時の注意点

DIKWを単純な成熟度ランクにしない

Dataが低くWisdomが高い、という優劣だけで見ると使いにくくなります。実務では4段階を行き来します。

Dataを減らしすぎない

結論をきれいにまとめるために、例外や不都合な記録を落とすとKnowledgeの信頼性が下がります。

Knowledgeを過度に一般化しない

1件の成功例から「必ずこうする」とルール化しないようにします。

Wisdomを属人的な勘に戻さない

「ベテランなら分かる」ではなく、どの条件で何を優先するかを書きます。

根拠を残す

KnowledgeやWisdomから元のInformation、Dataへ戻れる状態を保ちます。

関連記事で理解を深める

具体的な適用イメージを追いたい場合は、DIKWモデルの具体例を参照してください。

よくある失敗を避けたい場合は、DIKWモデルで失敗しやすいポイントが参考になります。

生成AIを補助的に使って分類・手順化・判断候補の整理を効率化したい場合は、生成AIでDIKWモデルを使う方法も確認してください。

近いフレームワークとの違いから選びたい場合は、SECIモデルとDIKWモデルの違い、AARとDIKWモデルの違い、DIKWモデルとKCSの違い、SECIモデル・AAR・DIKWモデルの使い分けも参考になります。

最終チェックリスト

  • 利用目的と最終的な判断・行動を決めたか
  • Dataに評価を混ぜず事実を残したか
  • Informationで分類・集計・比較したか
  • Knowledgeを別担当者が再利用できる手順・ルールにしたか
  • 例外条件を書いたか
  • Wisdomを状況別の判断基準にしたか
  • 優先順位・切り替え条件・エスカレーション条件を明確にしたか
  • Data→Information→Knowledge→Wisdomのつながりを説明できるか
  • KnowledgeやWisdomから根拠へ戻れるか
  • 実際の使用結果を新しいDataとして戻したか
  • 更新日・更新者を残したか

まとめ

DIKWモデルテンプレートを使うときは、Data、Information、Knowledge、Wisdomを単に4つの箱として埋めるのではなく、それぞれの役割を分けて記録することが重要です。

Dataでは事実、Informationでは分類・集計・文脈、Knowledgeでは再利用できる手順・ルール、Wisdomでは状況別の判断基準を整理します。

さらに、実際にKnowledgeやWisdomを使った結果を新しいDataとして戻し、手順や判断基準を更新すると、情報共有や知識継承の仕組みとして機能しやすくなります。

この型を使えば、散在する記録を「知っているだけ」の情報で終わらせず、別の担当者でも再利用でき、状況に応じて判断できる知識へ段階的に変換しやすくなります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次