大数据时代，人们首先要改变的是对新事物的认知，思维要与时俱进，迭代升级，才能跟上时代，与业务同频。基于此，大数据时代重新学习了DIKW金字塔模型，并在前辈的基础上，微创新迭代为DIKWA应用模型，形成闭环，用以指导并驱动人力资源大数据应用发展。
DIKWA模型与5W2H完美结合，诠释人力资源大数据应用之路：整合信息、分析预测、做出判断、采取行动。
?Data：在拉丁文中的原意是事实和已知。数据是一种原始的记录，没有经过加工和解释，反映了事物的客观状态，数据之间是分散和孤立的，没有建立相互的联系，是客观事实描述。如下是某公司张三的基本数据示例：
?Information：把特定的孤立的数据进行加工、整理之后得到信息，数据和信息都是客观存在。信息具有明确的目的性和使用性，能够回答“谁（who）”、“什么（what）”、“地点（where）”和“时间（when）”等问题。如下是某公司张三的绩效/奖金信息示例：
?Knowledge：知识是对信息提炼、归纳的过程，体现了信息的本质、原则和经验，能够积极的指导任务的执行与管理，进行决策和解决问题。通过数据挖掘从数据中发现隐藏的趋势和不同寻常的关联规则就属于知识层面。从数据到信息再到知识的过程，是一个数据不断变得有序、不断得到验证，并最终揭示所存在的固有规律的过程。这一步主要回答“如何（How）”类的问题。如下是进行人力资源各个模块的相关性分析的维度示例：
?Wisdom：智慧是基于知识的基础上，形成的对事物的深刻认识和洞察，体现为一种卓越的判断力，并由此得出策略建议方案。知识和智慧都包含了智能的主观意识。通过数据挖掘、相关分析得到隐含的各种场景的趋势，比如离职预测、高绩效、发展潜力、管理风险等。这一步主要回答“为什么（why）”类的问题。如下是盘点九宫格、xx风险度洞察示例：
?Action：在智慧洞察的基础上，我们有了解决方案ABC报告，但是选取哪个方案执行落地才能更有效果，需要根据当时情景决策，采取正确行动。当然，行动之后，还要复盘，看执行效果如何，并反刍到系统建设数据埋点，从而形成闭环。这一步回答“多少（Howmuch）”类的问题。
如下是离职预测人才保留的示例，根据智慧洞察，采取有效行动。
大数据分析的四个层次与HR的地位
?描述性分析：要解决“发生了什么”，对应DIKWA模型的数据和信息层，是对客观事实进行描述，分析的结果要能够回答“谁（who）”、“什么（what）”、“地点（where）”和“时间（when）”这一层面的问题。
大部分企业的人力资源分析报表基本上停留在这一层，这就是为什么老板们总是对HR不满意的地方：因为你告诉TA的是TA已知的事实。
?诊断性分析：要解决“为什么会发生”，对应DIKWA模型的知识层。描述性分析可以告诉我们“到底发生了什么”，但对我们帮助不大；重要的是，我们要明白为什么发生。
此时业务老大们开始对你（HR）有了