INFORMAATIO

Luennon tavoite

Tiedustelun keskeinen tehtävä on kerätä, analysoida ja jakaa analysoitua tietoa päätöksentekijälle. Tiedusteluprosessin avulla kerätty data jalostuu päätöksentekijän ymmärrykseksi. Jotta ymmärtäisimme tiedon jalostumisen tiedusteluprosessissa, on hyvä tutustua ensin erilaisiin tiedon tasoihin. Tämän luennon ja tiedusteluprosessia käsittelevän luennon jälkeen sinun tulisi ymmärtää mitkä ovat tiedon eri tasot, miten tiedusteluprosessi toimii ja miten tieto jalostuu prosessissa.

Kuten muistat, tiedustelulla ei ole yksiselitteistä määritelmää. Se miten ymmärrämme termin sisällön riippuu paljolti asiayhteydestä. Kaikki tiedustelun määritelmät huomioivat kuitenkin tiedon ja tiedustelun roolin tiedon tuottajana.

Tällä luennolla tutustumme siis siihen mitä kuvassa näkyvässä tiedustelun määritelmässä oleva sana ”tietoa” tarkoittaa.

Tiedon tasot

Käytämme usein sanoja ”tieto” ja ”informaatio” miettimättä mitä ne oikeastaan tarkoittavat ja mitä niihin sisältyy. Todellisuudessahan tiedolla ja informaatiolla voidaan ymmärtää hyvin erilaisia tiedon sisältöjä, datasta aina asian ymmärrykseen asti.

Tyypillinen tapa kuvata tiedon eri tasoja on kuvassa näkyvä kolmio. Tiedon kolmiosta on olemassa useita erilaisia, eri tarkkuudella tiedon tasoja kuvaavia versioita. Tällä kurssilla tarkastelemme tietoa ja sen jalostumista neljällä tasolla. Alimpana on data (engl. data), jota jalostettaessa saadaan lopulta aikaan ymmärrys (engl. wisdom).

Tämä esitystapa on siinä suhteessa visuaalinen, että informaation, tietämyksen ja ymmärryksen perustana on data. Lisäksi jokainen tiedon taso perustuu sen alapuolella olevaan tietoon. Informaatio saadaan siis aikaan datasta, tietämys informaatiosta ja ymmärrys tietämyksestä. Kolmio osoittaa myös jokaisen tiedon tason periaatteellisen koon. Dataa on kaikkein eniten. Datasta jalostettua informaatiota on vähemmän kuin dataa, tietämystä vähemmän kuin informaatiota ja ymmärrystä vähemmän kuin tietämystä. Eri tiedon tasojen koko ei ole mitattavissa, mutta oheinen tapa kuvata tietoa osoittaa, että jalostettaessa tietoa seuraavalle tasolle, osa alkuperäisestä tiedosta jää käyttämättä tai on tarpeetonta.

Data

Data on merkkejä tai symboleita, jotka kuvaavat kohteiden, tapahtumien ja ympäristön ominaisuuksia. Dataa voidaan kerätä havainnoinnin ja sensoreiden avulla. Kerätyt merkit ja symbolit voivat olla esimerkiksi sanoja, numeroita, diagrammeja tai kuvia. Kerätyllä datalla kyetään tallentamaan jokin toiminta tai tilanne. Useimmin data on määrämuotoista ja kvantitatiivista, eli määrällistä. Data on kuitenkin järjestymätöntä, käsittelemätöntä eikä sillä ole sellaisenaan varsinaista arvoa. 

Eli on keskeistä ymmärtää, että datalla ei ole itsessään arvoa tai merkitystä. Data saa merkityksen vasta asiayhteyden tai sen tulkinnan kautta. Esimerkiksi luku 37 on selvästi dataa, mutta se ei tässä muodossa kerro meille mitään, sillä emme tiedä sen asiayhteyttä. Mikäli kyseessä on lämpötila, ympäristömme on tällöin erittäin lämmin. Mikäli kyseessä on auton nopeus, auto liikkuu varsin hitaasti. Data saa siis merkityksen asiayhteyden kautta. Lämpötilana 37 celsiusastetta paljon, mutta auton nopeutena 37 kilometriä tunnissa on varsin vähän.

Vaikka datalla sellaisenaan ei ole arvoa, sen merkitys on keskeinen. Data on olennainen tekijä yhteiskuntamme toiminnassa, ja digitalisaation myötä datan määrä ja sen arvo on kasvanut. Usein ajattelemme, että käytämme ilmaiseksi esimerkiksi sosiaalisen median sovelluksia. Todellisuudessa maksamme niiden käytön huomaamattamme meitä koskevalla datalla, jonka luovutamme usein ilmaiseksi yritysten käyttöön. Väite, että maailman arvokkain resurssi ei ole enää öljy, vaan data, on ihan perusteltu digitaalisessa maailmassamme.

Informaatio

Kun dataa tulkitaan ja sille annetaan merkitys, siitä muodostuu informaatiota. Tyypillisesti informaatio määritellään dataan perustuen, koska se ymmärretään usein organisoituna ja rakenteellisena datana. Kun hallussa oleva data prosessoidaan informaatioksi, se saa samalla merkityksen ja arvon. Datasta tulee samalla käyttökelpoista ja tarpeellista asiayhteydessään.

Datan prosessoinnissa voidaan tunnistaa eri vaiheita. Datan käsittely alkaa luokittelulla, tämän jälkeen data voidaan järjestää, koota, laskea ja valita. Informaatio voi sisältää virheitä. Se on usein myös kvalitatiivista eli laadullista. Informaatio -termiä voidaan joissain tapauksissa käyttää synonyyminä kaiken tasoiselle tiedolle datasta ymmärrykseen asti. Siksi on tärkeä ymmärtää, missä asiayhteydessä termiä informaatio käytetään - kuvataanko sillä tiedon kolmion toista tasoa, vai kenties koko kolmiota.

Tietämys

Tietämys on informaatiota jalostuneempaa ja abstraktimpaa tietoa. Tyypillisesti kuitenkin ajatellaan, että tietämys muodostuu informaatioon perustuen. Joidenkin näkemysten mukaan informaation prosessointi muuttaa sen tietämykseksi. Toisaalta on myös näkemyksiä, joiden mukaan tietämys muodostuu lisäämällä informaatiota henkilön aikaisemmin hankittuun tietämykseen.

Tietämys voidaan kuitenkin ymmärtää useiden tekijöiden yhdistelmänä. Sen voidaan katsoa muodostuvan informaatiosta, ymmärtämisestä, osaamisesta, kokemuksista, taidoista ja arvoista. Tietämys syntyy, kun informaatio vaikuttaa sen tulkitsijan ajatteluun. Se voidaan ymmärtää myös kykynä käyttää informaatiota hyväksi. Tietämys on siis osaamista, se muuttaa informaation toiminnaksi. Tietämys luo lisää arvoa organisaatiolle ja sen sidosryhmille.

Ymmärrys

Ymmärrys on ehkä vaikeammin määriteltävissä kuin kolme aikaisempaa tiedon tasoa. Joskus englanninkielinen termi ”wisdom” on käännetty suomeksi myös viisaudeksi, mutta kyseessä ei varsinaisesti ole yksilön viisautta kuvaava määritelmä. Siksi tässä yhteydessä käytämme wisdom-sanasta suomennosta ymmärrys.

Ymmärrys tarkoittaa sitä, miten henkilö käyttää tietämystään hyväksi sen asiayhteydessä. Ymmärrys liittyy läheisesti ihmisen intuitioon, ymmärtämiseen, tulkintaan ja toimintaan. Siihen liittyvät läheisesti myös henkilön omat eettiset ja esteettiset arvot. Ymmärrys liitetäänkin usein kykyyn arvioida tärkeitä asioita, kykyyn käyttää vastuullisesti hyväksi tietämystä, ja kykyyn tehdä ratkaisuja yhteisen hyvän eteen. Ymmärryksen voidaan ajatella olevan myös kykyä valita oikea tapa toimia tietämykseen ja yhteisiin arvoihin perustuen.  Ymmärryksen avulla tehdyt päätökset ja ratkaisut ovat todennäköisesti parempia, kuin ilman sitä tehtynä. Päätökset todennäköisesti huomioivat henkilökohtaisen vaikutuksen lisäksi myös vaikutukset yhteisöön.

Muita tiedon tason esitystapoja

Kuten aikaisemmin todettu, tiedon eri tasoja voidaan esittää muillakin tavoilla. Kuvassa vasemmalla on esimerkiksi kolmitasoinen malli, jossa ylimpänä tiedon tasona on tietämys. Kuvassa oikealla on liiketoimintatiedon hallinnassa käytetty malli, jossa termi ymmärrys on korvattu päätöksenteolla. Tämä esitystapa on itseasiassa hyvin lähellä aikaisemmin esiteltyä neljätasoista mallia, sillä onnistunut päätöksenteko edellyttää tietämyksen perusteella muodostettua ymmärrystä asiasta.  Ymmärrys on siis edellytyksenä päätöksenteolle.

Tiedon eri tasojen esittämiseen on muitakin, usein paljon pienipiirteisempiä malleja. Lähes kaikissa malleissa on kuitenkin huomioitu data, informaatio, tietämys ja ymmärrys. Keskeistä on kuitenkin se, että tyypillisesti ylemmän tason tieto on määritelty alemman tason perusteella. Ylemmän tason tietoa saadaan aikaan alemman taso tietoa prosessoimalla.

Todellisuudessa tiedon jalostumisen tunnistaminen ja kuvaaminen tässä esitetyllä tavalla voi olla haastavaa. Emme välttämättä pysty kuvaamaan miten datasta oikeasti tulee informaatiota, informaatiosta tietämystä ja tietämyksestä ymmärrystä. Tai arviomaan miten ymmärrys todellisuudessa vaikuttaa päätöksiimme. Yleisesti kuitenkin ajatellaan, että alemman tason tietoa on määrällisesti enemmän kuin ylemmän tason tietoa. Tällä logiikalla ymmärrys voidaan saavuttaa vain prosessoimalla dataa, informaatiota ja tietämystä. Prosessi voidaan ymmärtää informaatiofuusiona, jossa käytetään hyväksi aikaisempaa tietämystä, yhdistetään siihen saatu informaatio ja saadaan aikaan ymmärrys.

Toinen tapa tiedon tasojen esittämiseksi

Kolmiona esitetty tiedon jalostuminen voidaan esittää toisellakin tavalla. Oheisessa kuvassa vaakasuuntaan kulkevalla x-akselilla on esitetty tiedon eri tasojen merkitys asian ymmärtämisen näkökulmasta. Pystyssä kulkevalla y-akselilla on esitetty tiedon jalostumisen taso asiayhteyden suhteen. Data on siis yksinkertaisia ja objektiivisia faktoja, joilla ei ole meille merkitystä ennen kuin olemme ymmärtäneet sen liitynnät asiayhteyteen. Vastaavasti informaatio, siitä jalostettu tietämys ja lopulta ymmärrys lisäävät kykyämme hahmottaa aihe asiayhteydessään, sekä kykyä ymmärtää päätöstemme seuraukset.

Tiedon jalostumista voidaan tarkastella myös ajan suhteen. Tyypillisesti data ja informaatio kuvaavat asioita, jotka ovat jo tapahtuneet menneisyydessä. Ne auttavat meitä ymmärtämään jo tapahtuneita asioita. Myös tietämys voi auttaa tulkitsemaan menneisyyttä, mutta usein sen avulla voidaan ymmärtää nykyisyyttä – sitä mitä tapahtuu juuri nyt. Aikaan sidottuna ymmärryksen katsotaan liittyvän muita tasoja enemmän tulevaisuuteen. Ymmärrys on edellytyksenä, jotta voimme tehdä päätöksiä ja arvioida niiden vaikutusta tulevaisuuden kehitykseen.

Tiedon jalostuminen

Yhteenvetona voimme siis kuvata yksikertaisen tavan tiedon jalostamiseksi.

1. Kerätään dataa.
2. Kerätty data yhdistetään informaatioksi.
3. Informaatio analysoidaan tietämykseksi.
4. Tietämyksestä muodostuu ymmärrys, jonka perusteella voimme tehdä päätöksiä.

Olemme nyt tarkastelleet, miten tieto jalostuu eri vaiheissa, sekä arvioineet mihin eri tasoilla olevaa tietoa voidaan käyttää.

No miten tämän liittyy tiedusteluun? Siitä puhumme seuraavalla luennolla.

---------------------

Lähteet:

Rowley, J. (2006). The Wisdom Hierarchy: Representations of the DIKW Hierarchy. Journal of Information Science, 33 (2) 2007, pp. 163 – 180.

Liew, A. (2007). Understanding Data, Information, Knowledge and their InterRelationships. Journal of Knowledge Management Practice, Vol. 8, No. 2, June 2007.

Little, E. & Rogova, G. (2009). Designing Ontologies for Higher Level Fusion. Information Fusion 10 (2009), pp. 70 – 82.