가공되지 않은 Data가 어떻게 Information, Knowledge를 거쳐 Wisdom이 되는지를 설명하는 계층 모델
DIKW는 Data(데이터) → Information(정보) → Knowledge(지식) → Wisdom(지혜) 4단계의 앞글자를 딴 개념이다. 정보학, 지식경영 분야에서 오래전부터 쓰이던 모델인데, 서비스 로그를 분석하거나 대시보드를 만들 때도 결국 이 피라미드를 그대로 타고 올라가는 과정이라 개발자 입장에서도 정리해둘 만하다.
피라미드로 그리는 이유는 아래로 갈수록 양이 많고 가공이 덜 되어 있고, 위로 갈수록 양은 적지만 의사결정에 바로 쓸 수 있을 만큼 압축되어 있기 때문이다.
Data (가장 많음, 가공 전) → Information → Knowledge → Wisdom (가장 적음, 가장 가치 있음)
맥락 없이 존재하는 가공되지 않은 값
그 자체로는 의미를 해석할 수 없는 raw한 값이다. 로그 한 줄, 센서 측정값, DB의 row 하나가 여기에 해당한다.
{ "userId": 1023, "path": "/blog/css-layouts", "status": 200, "ts": 1789689600 }
이 한 줄만 봐서는 "이게 좋은 신호인지 나쁜 신호인지" 판단할 수 없다. 그냥 사실의 기록일 뿐이다.
데이터에 맥락(context)을 붙여서 "무엇이 일어났는지" 알 수 있게 만든 것
여러 데이터를 모으고 정리(집계, 필터링, 구조화)하면 정보가 된다. "누가, 언제, 무엇을" 에 답할 수 있는 단계다.
2026-09-18 기준, /blog/css-layouts 페이지 조회수: 312회
2026-09-18 기준, 전체 방문자 중 68%가 모바일에서 접속
Data → Information으로 넘어가는 과정이 보통 로그 집계, GA(Google Analytics)/Search Console 같은 분석 툴이 하는 일이다.
여러 정보 사이의 패턴과 관계를 파악해서 "왜 그런지" 설명할 수 있는 상태
정보들을 시간에 걸쳐 비교하고 다른 정보와 연결지어야 지식이 된다. "이게 왜 이렇게 됐는지"에 답할 수 있어야 한다.
CSS 관련 글의 평균 체류시간이 다른 카테고리보다 40% 길다.
→ 코드 예제가 많은 글일수록 스크롤/체류시간이 늘어나는 경향이 있다.
이 단계부터는 사람(또는 모델)의 해석과 경험이 개입한다. 같은 정보를 봐도 지식으로 연결짓는 능력은 사람마다 다르다.
지식을 바탕으로 "무엇을 해야 하는지" 판단하고 행동으로 옮기는 단계
지혜는 옳고 그름, 우선순위에 대한 가치 판단이 들어간 의사결정이다.
"코드 예제 중심 글이 체류시간을 늘린다"는 지식을 바탕으로
→ 다음 분기 콘텐츠는 개념 설명보다 실습 예제 비중을 늘린다.
같은 지식을 갖고도 지혜로운 판단은 사람마다, 조직마다 다를 수 있다. 데이터가 아무리 많아도 이 마지막 단계는 자동화하기 가장 어렵다.
| 단계 | 핵심 질문 | 예시 | 양 | 가공 수준 |
|---|---|---|---|---|
| Data | 무엇이 기록됐나 | 로그 한 줄, 클릭 이벤트 | 매우 많음 | 없음 |
| Information | 무슨 일이 있었나 | 페이지별 조회수 통계 | 많음 | 집계/구조화 |
| Knowledge | 왜 그런가 | 체류시간과 콘텐츠 유형의 상관관계 | 적음 | 해석 |
| Wisdom | 무엇을 해야 하나 | 콘텐츠 전략 변경 결정 | 매우 적음 | 판단/행동 |
실무에서 흔히 겪는 실수는 Data나 Information 단계에서 멈춰놓고 "우리는 데이터 기반으로 의사결정한다"고 착각하는 것이다. 대시보드에 숫자를 잔뜩 띄워놨다고 그게 곧 지식이나 지혜는 아니다.
DIKW 피라미드는 "지금 내가 보고 있는 게 몇 단계짜리 산출물인가"를 스스로 점검하는 체크리스트로 쓰기에 유용하다. 데이터를 모으는 것 자체는 시작일 뿐, 최종 목표는 항상 Wisdom(행동으로 이어지는 판단) 이라는 걸 기억하면 된다.