DIKAR Framework®
© 2025-2026 Nicklas Malmsjö. All rights reserved.
Embedded Files
Från data till resultat
– paraplyramverk för datadriven och AI-redo informationsförvaltningFrån data till resultat
DIKAR Framework kopplar data till beslut, åtgärder och mätbara resultat
Versionshistorik:2016-09-29 The First DIKAR Framework Whiteboard 2025-02-04 Version 1.0 Presenterad på konferensen "Framtidens arkiv och informationsförvaltning", Ability partner, Stockholm2025-02-06 Version 1.12025-10-14 Version 1.2 Presenterad på konferensen "Arkeion", Kungliga ingenjörsvetenskapsakademien(IVA), Stockholm2025-11-03 Version 1.3 I samband med lansering av webbplatsen www.dikarframework.com 2025-12-11 Artikeln ”Från handling till värde” publicerad i tidskriften Arkiv.
Lyssna på föredraget "Från handling till värde", Arkeions höstkonferens, Kungliga ingenjörsvetenskapsakademien(IVA), Stockholm 2025-10-14
Grunden i DIKAR Framework
Grunden i DIKAR Framework
Data → Information → Kunskap → Beslut/Åtgärd → Resultat
Vad är DIKAR Framework
DIKAR Framework är ett tvärdisciplinärt paraplyramverk för datadriven och AI-redo informationsförvaltning och beskriver sambanden i den datadrivna informationsprocessen från data till resultat.
Det ersätter inte befintliga underliggande ramverk, modeller och metoder. Det skapar istället en gemensam struktur för att relatera dem till varandra.
Det kan tillämpas inom både offentliga och privata organisationer och anpassas till olika sektorer och domäner.
DIKAR-modellen till DIKAR Framework
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.
Gemensam struktur
Ramverket skapar en gemensam struktur och ett gemensamt språk som underlättar tvärdisciplinära samarbeten mellan exempelvis data governance, informationsarkitektur, arkivfunktion, analys, verksamhetsarkitektur, informationssäkerhet och AI-governance.
Gemensam struktur
Ramverket skapar en gemensam struktur och ett gemensamt språk som underlättar tvärdisciplinära samarbeten mellan exempelvis data governance, informationsarkitektur, arkivfunktion, analys, verksamhetsarkitektur, informationssäkerhet och AI-governance.
Paraplyramverk
DIKAR Framework är ett paraplyramverk som skapar ordning, struktur och riktning i den datadrivna informationsprocessen. Ramverket kopplar samman underliggande ramverk och standarder och organisationer kan gå från splittrad och fragmenterad data- och informationsförvaltning till en samordnad, sammanhållen och kvalitetssäkrad 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.
Detta gör det möjligt att:
kvalitetssäkra data och information
bygga kunskap
fatta välgrundade beslut
omsätta insikter till åtgärder
skapa mätbara resultat
justera och förbättra informationsprocessen
Detta gör det möjligt att:
kvalitetssäkra data och information
bygga kunskap
fatta välgrundade beslut
omsätta insikter till åtgärder
skapa mätbara resultat
justera och förbättra informationsprocessen
AI-redo och spårbarhet
DIKAR Framework visar hur AI-stödda processer behöver sättas i relation till den datadrivna värdekedjan och var kvalitet, ansvar, spårbarhet och styrning behöver säkerställas.
Hur fungerar det?
DIKAR Framework tydliggör sambanden samt betydelsen av tvärdisciplinärt samarbete genom hela processen - 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 så brister hela kedjan.
Varje DIKAR-cykel skapar ny data, nya insikter och resultat som driver nästa cykel. På så sätt bildas en kontinuerlig återkoppling som utvecklar processen över tid.
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 beslut/åtgärd och resultat.
(Ward and Peppard s 506, 2002).
RAKID-perspektivet
DIKAR-modellen kan med fördel läsas baklänges som Results-Action-Knowledge-Information-Data (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)
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 (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.
Denna samordning av strategi , infrastruktur och operativa processer, det iterativa arbetssättet, insikten om relationen mellan länkar och led samt det diagnostiska angreppsättet att upptäcka brister och tydliggöra ansvar från data till resultat utgör grunden i DIKAR Core (ramverkets kärna). Utifrån denna gemsamma grund kan sedan aktörer inom olika sektorer och domäner vidareutveckla egna modeller, metoder och tillämpningar.
Genom att arbeta enligt DIKAR Framework kan organisationer:
Skapa datadrivna informationsprocesser
Tydliggöra roller och ansvar
Förbättra 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.
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.
DIKAR Framework utvecklas kontinuerligt genom praktisk tillämpning, professionell dialog och bidrag från olika discipliner och verksamhetsområden. Domänspecifika vidareutvecklingar kan bygga ut ramverket medan en gemensam grund som beskriver ramverkets kärnidé säkerställer kontinuitiet och helhet.
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 och AI-redo informationsförvaltning.
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 paraply 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, 506-516.
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
Exempel på relevanta standarder m.m
Exempel på relevanta standarder m.m
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
DIKAR® and DIKAR Framework® are registered trademarks of Nicklas Malmsjö in Sweden.
© 2025-2026, Nicklas Malmsjö. All rights reserved.
DIKAR Framework and DIKAR Core are developed and maintained by Nicklas Malmsjö. Educational, research and non-commercial internal use is permitted with clear attribution. Commercial use, modification, redestribution, use of name or trademarks and development of extensions or applications require prior written permission or appropriate licence.
All rights reserved.
Page updated
Google Sites
Report abuse