Dane czy informacje?
Dane są surowym zapisem rzeczywistości. Informacja pojawia się dopiero wtedy, gdy dane otrzymują kontekst i znaczenie.
Wyobraź sobie komunikat „100%”. Sama liczba niewiele mówi. Dopiero gdy dodamy kontekst i napiszemy: „100% aktualizacja ukończona”, pojawia się znaczenie.
Każdego dnia korzystamy z podobnych komunikatów. Widzimy temperaturę za oknem, saldo na koncie, status zamówienia czy powiadomienie o opóźnieniu przesyłki.
Zauważyłam, że w codziennych rozmowach często używamy pojęć dane i informacje zamiennie. Pytanie „dane czy informacje?” pojawia się częściej niż mogłoby się wydawać.
System może przechowywać miliony danych i jednocześnie nie dostarczać ani jednej użytecznej informacji. Może też wykorzystać kilka prostych danych, aby wygenerować informację pozwalającą podjąć decyzję. Właśnie w tym miejscu zaczyna się różnica między danymi a informacją.
Jaka jest różnica między danymi a informacjami?
Pytanie „dane czy informacje?” wydaje się proste, ale w praktyce różnica między nimi jest bardzo istotna.
Pracując z systemami zauważyłam, że wiele problemów wynika z pomieszania tych dwóch pojęć. Mówimy o braku informacji, choć w rzeczywistości dane istnieją. Problem polega na tym, że nikt nie połączył ich w całość, która miałaby znaczenie dla użytkownika.
To pokazuje, że dane są początkiem procesu. Same w sobie nie odpowiadają jeszcze na pytania użytkownika.
Czym są dane?
Dane mogą być liczbami, pomiarami, datami, symbolami, nazwami czy pojedynczymi komunikatami zapisanymi przez system.
Pamiętam sytuację, gdy użytkownik zgłosił problem z analizą raportu. Dane były dostępne i technicznie wszystko działało poprawnie, ale trudno było zrozumieć ich znaczenie. Jedna z wartości wynosiła „0”. Użytkownik pytał, czy oznacza ona błąd, brak danych czy może zakończenie procesu.
Problem nie wynikał z jakości danych. Wystarczyło doprecyzować nazwy kolumn i dodać więcej kontekstu. Dopiero wtedy liczby zaczęły przekazywać informację, którą można było właściwie zinterpretować.
To właśnie dlatego odpowiedź na pytanie „dane czy informacje?” nie zawsze jest oczywista.
Czym jest informacja?
Gdy zastanawiamy się, dane czy informacje, właśnie w tym miejscu zaczyna pojawiać się różnica. Gdy dane zaczynają odpowiadać na konkretne pytanie, powstaje informacja.
Sama wartość „0″ niewiele mówi. Sytuacja zmienia się, gdy wiemy, że oznacza ona brak błędów w procesie albo zakończenie przesyłania danych. W tym momencie dane otrzymują znaczenie i stają się użyteczne dla odbiorcy.
Zauważyłam, że użytkownicy rzadko pytają o same dane. Znacznie częściej chcą wiedzieć, czy zamówienie zostało wysłane, odczyt został przekazany lub czy proces zakończył się sukcesem.
Można powiedzieć, że informacja powstaje wtedy, gdy dane zostaną połączone z kontekstem, celem i potrzebą użytkownika.
To właśnie dlatego ten sam zestaw danych może być wartościowy dla jednej osoby, a zupełnie bezużyteczny dla innej.
Jak dane zamieniają się w mądrość?
Do tej pory zastanawialiśmy się, dane czy informacje i gdzie przebiega granica pomiędzy nimi.
Kiedy pierwszy raz spotkałam się z pojęciami danych i informacji, wydawało mi się, że różnica między nimi jest niewielka.
W praktyce oba słowa często pojawiają się obok siebie i łatwo traktować je jak synonimy.
Dopiero podczas pracy z procesami i systemami zaczęłam zauważać, że pomiędzy pojedynczą wartością a decyzją człowieka istnieje znacznie dłuższa droga. Tę zależność dobrze pokazuje opisany poniżej model Cykl DIKW – Dane, Informacja, Wiedza, Mądrość.
Wyobraź sobie liczbę 380. Sama w sobie niewiele mówi. Nie wiemy, czego dotyczy. To po prostu zapis pewnego faktu. Tak zaczyna się historia danych (Data).
Sytuacja zmienia się, gdy do liczby dodamy kontekst: „Poprawnie przesłano 380 odczytów.”
Nagle liczba przestaje być przypadkowym ciągiem cyfr. Wiemy już, czego dotyczy i możemy nadać jej znaczenie. W tym momencie dane zamieniają się w informację (Information).
Jeżeli dodatkowo wiemy, że poprawne przesłanie wszystkich odczytów oznacza zakończenie pierwszego etapu procesu, zaczynamy rozumieć sytuację znacznie szerzej. Łączymy nową informację z tym, co już wiemy o działaniu systemu i przebiegu procesu. Właśnie w ten sposób powstaje wiedza (Knowledge).
Na tym jednak nie koniec.
Jeżeli z wcześniejszych doświadczeń wiemy, że duże partie odczytów potrzebują więcej czasu na przetworzenie, możemy podjąć świadomą decyzję i zaplanować ich wysyłkę na godziny poranne. Dzięki temu cały proces ma większą szansę zakończyć się w wymaganym terminie.
To właśnie jest mądrość (Wisdom). Nie polega na posiadaniu większej ilości informacji, ale na wykorzystaniu wiedzy do podjęcia lepszej decyzji.
Każdego dnia dane są tworzone przez ludzi, urządzenia i systemy, które rejestrują to, co dzieje się wokół nich. Jeżeli zastanawiasz się, w jaki sposób później podróżują pomiędzy różnymi systemami, może zainteresuje Cię artykuł Co to jest API i jak działa?
Jak dane stają się informacją?
Samo zebranie danych nie wystarczy. Znaczenie pojawia się dopiero wtedy, gdy ktoś potrafi je uporządkować, połączyć i zinterpretować. Zanim dane staną się informacją, przechodzą kilka etapów.
Jak dane trafiają do różnych systemów?
Dane trafiają do różnych systemów, baz danych i plików. Często pochodzą z wielu źródeł jednocześnie. W jednym miejscu zapisują się wyniki pomiarów, w innym dane zamówień, a jeszcze gdzie indziej informacje wprowadzane przez użytkowników.
Żeby można było je analizować, trzeba je najpierw zebrać i połączyć. Zauważamy to wtedy, gdy chcemy przygotować zbiorczy raport zawierający wiele danych. Czasami trzeba połączyć kilka raportów.
W świecie technologii często wykorzystuje się do tego rozwiązania nazywane hurtowniami danych (Data Warehouse) lub jeziorami danych (Data Lake). Tak wiem, nazwy brzmią technicznie, ale ich zadanie jest proste: przechowywać duże ilości danych z różnych źródeł.
Nie wszystkie dane są poprawne. Zdarzają się duplikaty, puste pola, błędne wartości czy nieaktualne rekordy. Zanim dane zostaną wykorzystane, trzeba je sprawdzić i uporządkować. Dlatego jednym z ważniejszych etapów jest usuwanie błędów i nieprawidłowości.
Jak znaleźć znaczenie w danych?
Dopiero teraz można zacząć szukać znaczenia. Systemy, analitycy lub algorytmy próbują znaleźć zależności, powtarzające się wzorce i odpowiedzi na konkretne pytania.
Sam fakt, że klient złożył zamówienie, jest daną. Informacja pojawia się wtedy, gdy zauważymy, że ten sam klient regularnie kupuje określony produkt pod koniec każdego miesiąca.
To właśnie tutaj pytanie „dane czy informacje?” nabiera praktycznego znaczenia. W codziennym życiu rzadko potrzebujemy samych danych. Znacznie częściej szukamy odpowiedzi na konkretne pytania.
Chcemy wiedzieć, czy przesyłka dotrze na czas, czy rachunek został opłacony albo czy wynik badania mieści się w normie. To właśnie dlatego informacja jest dla człowieka znacznie bardziej użyteczna niż pojedyncza liczba czy komunikat.
Na końcu wyniki analizy trzeba przedstawić w sposób zrozumiały dla człowieka. Dlatego informacje często pojawiają się w postaci:
- raportów,
- wykresów,
- dashboardów,
- komunikatów systemowych.
Teraz użytkownik widzi informację potrzebną do podjęcia decyzji.
Dlaczego więcej danych nie zawsze oznacza lepsze decyzje?
Skoro dane są tak ważne, można odnieść wrażenie, że im więcej ich zbierzemy, tym lepsze decyzje będziemy podejmować. W praktyce nie zawsze tak się dzieje.
Zauważyłam, że problem często nie polega na braku danych. Znacznie częściej problemem okazuje się ich nadmiar. W systemie pojawiają się dziesiątki kolumn, setki rekordów i wiele wskaźników, ale odpowiedź na proste pytanie nadal nie jest oczywista.
Większa liczba danych nie gwarantuje większego zrozumienia sytuacji.
Paradoksalnie zdarza się, że kilka dobrze dobranych informacji pozwala zrozumieć sytuację szybciej niż rozbudowany raport zawierający dziesiątki wskaźników.
Wyobraź sobie raport zawierający kilkadziesiąt różnych wartości. Technicznie wszystko wygląda poprawnie. Problem pojawia się wtedy, gdy użytkownik nie wie, które dane są ważne i jakie wnioski powinien z nich wyciągnąć.
W takich sytuacjach łatwo pomylić ilość informacji z ich wartością.
Coraz częściej mówi się również o przeciążeniu informacyjnym (information overload). Oznacza ono sytuację, w której liczba dostępnych danych jest większa niż nasza zdolność ich analizy i właściwej interpretacji.
Dlatego organizacje coraz częściej koncentrują się nie na gromadzeniu kolejnych danych, ale na poprawie ich jakości, czytelności i dostępności.
Ostatecznie nie chodzi o to, ile danych posiadamy. Znacznie ważniejsze jest to, czy potrafimy zamienić je w informację, która pomoże podjąć właściwą decyzję.
Dane czy informacje? Podsumowanie
Każdego dnia otaczają nas ogromne ilości danych. Powstają podczas korzystania z aplikacji, wykonywania pomiarów, realizowania transakcji czy obserwowania otaczającego świata.
Same dane nie mają jednak jeszcze większej wartości. Dopiero gdy otrzymają kontekst, zostaną uporządkowane i odpowiednio zinterpretowane, zamieniają się w informację.
To właśnie dlatego odpowiedź na pytanie „dane czy informacje?” nie jest tak oczywista, jak mogłoby się wydawać.
Dane same w sobie są tylko zapisem rzeczywistości. Dopiero informacja pomaga zrozumieć sytuację i podejmować decyzje. Im większe znaczenie mają informacje, tym ważniejsza staje się ich ochrona.
Informacje mają wartość tylko wtedy, gdy trafiają do właściwych osób. Co sprawia, że w cyfrowym świecie jedne dane są chronione bardziej niż inne?
→ Czym jest bezpieczeństwo cyfrowe i gdzie się zaczyna?
FAQ
Dane czy informacje – czy te określenia możemy używać wymiennie?
Nie. Dane są surowym zapisem faktów, liczb lub zdarzeń. Informacja powstaje dopiero wtedy, gdy dane otrzymują kontekst i znaczenie.
Dlaczego dane nie są informacją?
Ponieważ same dane nie odpowiadają jeszcze na pytania użytkownika. Dopiero po ich uporządkowaniu, połączeniu z kontekstem i właściwej interpretacji mogą stać się informacją.
Skąd biorą się dane?
Dane mogą pochodzić z wielu źródeł. Tworzą je ludzie korzystający z systemów, urządzenia wykonujące pomiary, procesy biznesowe oraz systemy zbierające informacje o otaczającym świecie.
Jak dane stają się informacją?
Najpierw są gromadzone, przechowywane, następnie czyszczone, analizowane oraz prezentowane w zrozumiałej formie. Dopiero wtedy mogą pomóc w podjęciu decyzji.
Czym jest model DIKW?
DIKW (Data, Information, Knowledge, Wisdom) to model pokazujący drogę od danych do decyzji. Opisuje, jak surowe dane stają się informacją, następnie wiedzą, a ostatecznie prowadzą do świadomego działania.
Czy więcej danych oznacza lepsze decyzje?
Nie zawsze. Nadmiar danych może utrudnić analizę i ukryć najważniejsze informacje. Znacznie większe znaczenie ma jakość danych oraz umiejętność ich interpretacji.
Dlaczego ta różnica ma znaczenie w pracy?
Ponieważ wiele problemów nie wynika z braku danych, lecz z braku informacji. Dane mogą istnieć w systemie, ale bez odpowiedniego kontekstu trudno wyciągnąć z nich właściwe wnioski lub podjąć decyzję.