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。
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:
- 登録メールアドレスを確認する
- 再設定メールの受信状況を確認する
- アカウントロック状態を確認する
- 障害情報を確認する
- 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。
- 登録メールアドレスを確認する
- 再設定メールの送信・受信状況を確認する
- アカウントロック状態を確認する
- 公開中の障害情報を確認する
- 法人顧客の場合はSSO・認証方式を確認する
- 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。