Первый этап исследования desk research – это сбор материалов о системе. Нет, не так - о Системе. У меня это происходит обычно беспорядочно по принципу «вали кулем, потом разберем». Ну, если честно. Этот куль растет очень быстро (спасибо, гугл), а вот разбирать его очень долго.

Чтобы ускорить работу, я использую модель DIKW (см. рисунок👆). Рассматривая очередной материал из «куля», я задаю себе вопрос: «Какой этап модели там описан» (для себя звучит так: «Это вообще о чем?»). Ответив на него, я помещаю материал в ту или иную ячейку модели. Редко, но бывает – сразу в две. К анализу и выводам можно приступать только после того как «куль» разобран. Кстати, тут и выясняется, что чего-то не хватает, самое время дополнить.

Вот как это работает. Каждый материал, будь то статья, отчет, интервью, пост тг-канала содержит некую полезную информацию. Модель позволяет рассортировать их по уровню обобщения – от простых наблюдений (Data) к сложным обобщениям (Knowledge). Это значительно упрощает (и ускоряет!) анализ. Сравнивать подобное с подобным всегда проще.

По сути, речь идет об этапах дефрагментации исходной бизнес-задачи, переводу ее в ряд исследовательских задач. Анализ данных выполняется на каждом этапе, собственного, для этого все и делается.
Пример будет в следующем посте, но вы уже можете потренироваться на своих, потом сравним подходы.

#лайфхак #метод