© All rights reserved
DIKAR Framework kopplar data till beslut, åtgärder och mätbara resultat
Lyssna på föredraget "Från handling till värde", Arkeions höstkonferens, Kungliga ingenjörsvetenskapsakademien(IVA), Stockholm 2025-10-14
Data → Information → Kunskap → Beslut/Åtgärd → Resultat
Original DIKAR Model
Källa: Ward and Peppard, Strategic planning for information systems p 506 (2002)
Den ursprungliga DIKAR-modellen
DIKAR-modellen – Data, Information, Knowledge, Action , Results – förknippas med N. Venkatraman och beskrevs av Ward och Peppard (2002). Den utgör den konceptuella grunden för DIKAR Framework.
DIKAR Framework
Sedan 2016 har Nicklas Malmsjö vidareutvecklat denna grund till DIKAR Framework - ett praktiskt tillämpbart paraplyramverk för datadriven styrning och AI-redo informationsförvaltning. DIKAR Framework tydliggör vikten av förarbete, tvärdisciplinärt samarbete, iterativ tillämpning, kopplingar till kompletterande ramverk och standarder och värdeskapande.
Synliggör samband från data till resultat
Organisationer hanterar ofta data, information, kunskap, beslut/åtgärder och resultat som separata områden. DIKAR Framework synliggör länkarna och sambanden mellan dem och hur dessa samband påverkar organisationens förmåga att skapa mätbara resultat.
Paraplyramverk
DIKAR Framework är ett paraplyramverk som skapar ordning, struktur och riktning i den datadrivna informationsprocessen. Det kopplar samman underliggande modeller och ramverk (ersätter dem inte) och organisationen kan gå från splittrad och fragmenterad data- och informationsförvaltning till en samordnad, sammanhållen, kvalitetssäkrad och AI-redo informationsprocess - från data till resultat.
Varför behövs DIKAR Framework?
Informationsförvaltning handlar inte längre bara om bevarande eller regelefterlevnad. Det handlar även om att skapa resultat och värde.
För att lyckas krävs att data håller hög kvalitet, att information är användbar, att kunskap kan delas och förstås samt att beslut leder till rätt riktade åtgärder och önskade resultat. DIKAR Framework binder ihop hela denna kedja och stödjer ständig förbättring genom ett iterativt arbetsflöde.
Hur fungerar det?
DIKAR står för Data, Information, Kunskap, Beslut/Åtgärd (Action) och Resultat. DIKAR Framework bygger vidare på denna logik och tydliggör sambanden och vikten av tvärdisciplinärt samarbete från data till resultat och värdeskapande:
Kvaliteten på dina resultat beror på dina beslut/åtgärder.
Kvaliteten på dina beslut/åtgärder beror på din kunskap.
Kvaliteten på din kunskap beror på din information.
Kvaliteten på din information beror på din data.
Om en del brister, brister hela kedjan.
DIKAR Framework fokuserar dock inte bara på de enskilda leden utan också på övergångarna mellan dem och de förutsättningar och kopplingar som krävs för att data ska kunna förädlas till resultat och värde.
En DIKAR Framework-baserad informationsprocess är iterativ – resultat kan ge upphov till ny data, nya insikter och återkoppling som påverkar efterföljande cykler.
Länkarnas betydelse
DIKAR handlar inte bara om de olika leden (data - information - knowledge - action - result) utan också om övergångarna mellan dem. Värde kan gå förlorat när information, mening eller ansvar inte följer med från ett led till nästa. Fungerande länkar och överlämningar är därför avgörande för att data ska kunna omsättas i handling och resultat (Ward and Peppard 2002).
RAKID-perspektivet
DIKAR-modellen kan med fördel läsas baklänges som RAKID. På det sättet kan du börja med de resultat du vill uppnå och sedan arbeta bakåt till vilka data som faktiskt behövs. (Ward and Peppard s 507-508, 2002) DIKAR Framework bygger vidare på denna logik och betonar sambanden mellan data-information-knowledge-action-results samt de tvärdisciplinära förmågor, arbetssätt metoder, modeller, verktyg och standarder som krävs för att skapa fungerande samband mellan dessa.
Gemensam riktning
För att uppnå önskade resultat och värden krävs samverkan mellan flera kompetenser IT och systemutveckling, arkivfunktion, juridik, informationsarkitektur, analysfunktion, verksamhetsutveckling och informationssäkerhet m.fl. DIKAR Framework fungerar som en samlande struktur som stakar ut en gemensam riktning som gör detta samarbete möjligt.
Organisationen som helhet
En datadriven organisation kräver tvärdisciplinär samverkan.
Precis som i ett hus där el, vatten och ventilation måste samordnas för att fungera som en helhet måste en datadriven organisation samordnas till en fungerande helhet.
Det är här DIKAR Framework kommer in i bilden.
Strategi - Infrastruktur - Operativa processer
Genom en samordning av strategi (exempelvis uppställande av mål och önskade resultat/värden) infrastruktur (system, standarder, modeller och metadata) och operativa processer(exempelvis datainsamling, klassificering och kvalitetssäkring av information) skapas en stabil grund för datadriven utveckling.
DIKAR Framework ger helhet, struktur och riktning medan det praktiska genomförandet behöver formas och anpassas utifrån varje organisations kontext, förutsättningar och behov. Det operativa arbetet behöver därför utvecklas lokalt i tvärdisciplinära team.
Genom att arbeta enligt DIKAR Framework kan organisationer:
Skapa en datadriven informationsprocess
Tydliggöra roller och ansvar
Säkerställa datakvalitet
Koppla analys till beslut
Omsätta beslut till åtgärd
Uppnå mätbara resultat
Praktiskt och implementerbart
DIKAR Framework är utvecklat för att kunna implementera DIKAR-modellens teori i praktiken.
Det förenar:
Datakvalitet och proveniens
Långsiktigt bevarande, spårbarhet och autenticitet
Analys, beslutsfattande, resultat och värdeskapande
Testa DIKAR Framework i din organisation
Börja enkelt:
Välj en process, ett beslut eller ett problem
Kartlägg enligt DIKAR Framework
Identifiera var det brister
Justera och förbättra informationsprocessen, åtgärda en identifierad brist och följ upp resultatet
Vetenskaplig grund och praktisk tillämpning
DIKAR Framework bygger på etablerad teori och forskning inom informations- och kunskapsteori, DIKW-modellen och DIKAR-modellen, samt på kunskapsområden som systemvetenskap, arkivvetenskap, informationsvetenskap, knowledge management och organisatoriska principer.
Med utgångspunkt i dessa kunskapsområden har DIKAR Framework vidareutvecklats av Nicklas Malmsjö sedan 2016, från en teoretisk modell till ett praktiskt tillämpbart, tvärdisciplinärt ramverk för datadriven styrning, verksamhetsutveckling och informationsförvaltning, särskilt med fokus på offentliga organisationer.
Ramverket syftar till att skapa en gemensam logik som knyter samman närliggande discipliner och befintliga modeller, standarder och styrningsprinciper. På så sätt kan data- och informationsförvaltning relateras tydligare till kunskap, beslut, åtgärder och de resultat/värden som organisationen vill uppnå.
DIKAR Framework utvecklas kontinuerligt genom praktisk tillämpning, professionell dialog och samverkan över olika discipliner och verksamhetsområden.
Gå med i DIKAR Frameworks Linkedin-grupp för att ta del av eller medverka i pågående diskussioner, tillämpningar och perspektiv.
Exempel på praktiska tillämpningar och domänspecifika vidareutvecklingar kommer att publiceras löpande.
Bakgrund
DIKAR Framework är utvecklat av Nicklas Malmsjö.
Med en tvärdisciplinär bakgrund inom informationsvetenskap, informatik, knowledge management och arkivvetenskap har han sedan 2016 arbetat med att vidareutveckla DIKAR-modellen – från en teoretisk modell till ett praktiskt tillämpbart paraplyramverk för datadriven styrning och AI-redo informationsförvaltning särskilt anpassat för offentliga organisationer.
Vidareutvecklingen handlar om att använda DIKAR-modellens värdekedja (data-information-knowledge-action-results) för att koppla samman etablerade modeller, standarder, discipliner och arbetssätt under ett gemensamt paraplyramverk för att ge helhet, riktning och struktur genom hela den datadrivna informationsprocessen.
Resultatet är ett datadrivet paraplyramverk som förenar teori och praktik och visar hur data steg för steg blir till värden och nytta för samhälle, medborgare och organisation.
Vidare läsning
DIKAR-modellen
Ward, John; Peppard, Joe, "Strategic planning for information systems", 2002 , Based of the work of N Venkatraman page 207, 506-512.
Digital transformation och datadrivna processer
Thulin, Christina; Carlstedt Jenny, Smartare samhällsbyggnad - guide till datadrivna processer på kommunal nivå, SKR
Informations- och dataperspektivet, DIGG, Myndigheten för digital förvaltning
Dataförordningen, DIGG, Myndigheten för digital förvaltning
Förslag på samverkansstruktur och tjänster för data och AI, DIGG
AI-förordningen, DIGG, Myndigheten för digital förvaltning
Artificiell intelligens och arkiv, Riksarkivet
Sveriges digitaliseringsstrategi
Data
ISO 8000 (Data Quality) Standardserie för datakvalitet och bland annat masterdata. Stödjer arbetet med att skapa tillförlitliga och användbara data.
ISO 38505 Data governance (Styrning av data) Vägledning för styrning av data och för att etablera principer och ansvar för datahantering.
Information och dokumentation
ISO 15489 (Information and documentation) Standard för hantering av dokumentation och information (records management). Ger principer och riktlinjer för systematisk hantering av verksamhetsinformation.
ISO 23081 Standard för metadata som stödjer hantering och kontextualisering av arkiv- och verksamhetsinformation.
ISO 14721 Referensmodell för långsiktigt bevarande och tillgängliggörande av digital information (OAIS-modellen Open archival information system)
ISO 16363 Internationell standard som definierar krav för att säkerställa tillförlitlighet av digitala arkiv.
MoreQ (Model Requirements for Records Systems) är en europeisk specifikation för hantering av elektroniska arkiv och handlingar.
Arkitektur
TOGAF – The Open Group Architecture Framework. Ramverk för Enterprise Architecture som stödjer analys, planering, utveckling och styrning av verksamhetens arkitektur.
Knowledge management
ISO 30401– Knowledge management systems – Requirements.
Standard för kunskapshantering. Hjälper organisationer att fånga, dela och nyttja kunskap.
Styrning och säkerhet
ISO 27001 Standard för cyber- och informationssäkerhet samt dataskydd.
ISO 37301 Ledningsystem för efterlevnad - Krav och vägledning
ISO/IEC 42001 (Information technology, Artificial intelligence AI, Management systems) Standard för artificiell intelligens. Stödjer ansvarsfull och effektiv användning av AI inom informationsförvaltning och beslutsstöd.
ISO 9001 (Quality Management Systems)
SStandard för kvalitetsledningssystem med fokus på processer, kundkrav, uppföljning och kontinuerlig förbättring.
Interoperabilitet och datautbyte
ISO 11179 Interoperabilitet och datautbyte
Standardserie för metadata och registrering av dataelement som stödjer gemensam förståelse, standardisering och interoperabilitet.
W3C RDF DCAT (Dataset Catalog Vocabulary)
Standarder och vokabulärer för att beskriva, länka och tillgängliggöra data och datakataloger på ett interoperabelt sätt.
Policys m.m
Sveriges digitaliseringsstrategi 2025-2030
Nationell strategi för Sveriges fortsatta digitalisering.
Sveriges AI-strategi
Nationell inriktning för utveckling och användning av artificiell intelligens.
DIGG, Förslag till samverkansstruktur och tjänster för data och AI
Underlag kring samverkan, data och AI inom offentlig sektor.
OECD (2019). The Path to Becoming a Data-Driven Public Sector
Rapport om hur offentlig sektor kan utveckla förmågan att arbeta datadrivet.
OECD AI principles
Internationella principer för ansvarsfull utveckling och användning av artificiell intelligens.
EU AI act
EU regelverk för artificiell intelligens med ett riskbaserat regelverk för utveckling och användning av AI.
EU-kommissionen. European Interoperability Framework (EIF)
Europeiskt ramverk för interoperabilitet och samordning mellan offentliga organisationer, system och tjänster.
För frågor:
mail: contact.dikarframework@gmail.com
Nicklas Malmsjö
Linkedin
© 2025-2026 Nicklas Malmsjö – DIKAR Framework™
This material may be freely used by public organisations for educational and research purposes, provided that the source is acknowledged. Commercial use or modification requires prior written permission.
All rights reserved.