DIKW数据信息知识智慧
dikw模型
DIKW模型DIKW模型是一种学习方法、是一种汇报逻辑、也是看待和阐述世界的不同角度。
•D：data，数据。
•I：information，信息。
•K：knowledge，知识。
•W：wisdom，智慧。
这个模型的历史可以追溯于托马斯·斯特尔那斯·艾略特所写的诗－《岩石》（The Rock）。
在首段，他写道：“知识中的智慧我们在哪里丢失？资讯中的知识我们在哪里丢失？”（Where is the wisdom we have lost in knowledge? / Where is the knowledge we have lost in information?）作者提出智慧、知识、信息，三者相去甚远。
智慧源于知识，知识源于信息，但是知识和智慧相比，缺失了很多内容；信息和知识相比，也缺失很多。
数据作为所有内容的支撑，它具有涉及面广、内容多、客观存在、孤立的数字和事实等特点。
数据的获取来源众多，对于它的最佳处理方式是集中汇总，不要缺失。
举例说明，以下是四条数据：A城市本周下雨三天，多云四天；B城市本周七天都是晴天。
A城市本周平均温度是18℃；B城市本周平均温度是25℃。
信息作为数据的上一层级，它的特征是客观性、组织性、以及开始具备独立表达的能力。
但是它并非完美，因为信息往往也是孤立的，而且是不适用的，信息的价值量不大。
它是对客观事实的提炼描述，但是除了描述外也是无能为力。
举例说明，以下是从四条数据中提炼的两条信息：B城市和A城市相比晴天的天数更多；B城市比A城市的平均温度要高7℃。
数据和信息都是客观存在的，数据是客观事物的直接表述，信息是客观事物的结构化表述。
但是无论如何，它们都是在描述客观事实。
而知识，就开始有所不同，它开始掺杂主观意识和分析。
举例说明，我们从两条信息中，可提炼出一点知识：天气和温度可能存在某种关联。
智慧智慧，区别于知识，可以理解为对于未来的预判。
即知识是对过往经验的积累和总结，智慧是通过已有的知识总结对未来做预判。
DIKW模型在笔记工具类产品设计中的应用与未来方向
37DIKW模型在笔记工具类产品设计中的应用与未来方向技术基因Technology gene2019.5.20ichina文 | 乔 迁 唐绮萱在知识管理界，一直有一个经典的金字塔理论——Data （数据）、Information （信息）、Knowledge （知识）、智慧（Wisdom ），他们由下至上，组成了DIKW 金字塔模型。
数据经过整理变成信息，综合信息能解决某个问题就形成了知识，知识通过反复实践就升华成了智慧。
这是知识管理的价值获取流程，也是人类的认知习惯。
知识管理研究者们一直在研究如何提升各个环节中的转化效率，获取最大限度的知识价值。
随着互联网技术的发展，数据爆炸式增长，信息却变得更加碎片化。
互联网聚焦于信息领域，极大地促进了信息的传播。
搜索引擎的强大，使得信息不受时间的限制，即时地呈现在人们眼前。
然而，面对如此轻易获取的数据与信息，人的主动思考能力往往被弱化，缺乏对信息的判断和处理，也就没有办法总结经验、进一步形成知识和智慧。
进入二十一世纪之后，随着技术的进一步发展，在知识管理领域涌现出了许多新型的软件服务，最具代表性的是方便用户在移动端和电脑桌面端保持信息同步的云笔记产品，例如微软的云笔记产品——OneNote ，网易的云笔记产品——有道云笔记，硅谷老牌的云笔记产品——印象笔记，以及近些年新推出的云端文档类服务——腾讯文档、石墨文档、谷歌文档。
纵观这些产品的发展历程，与DIKW 模型相互验证，我们都可以看到云笔记在产品设计上充分参考了DIKW 理论，使得用户无论进行数据与信息保存、获取，还是知识沉淀、建立知识体系，都得到有力的工具支持，在知识管理金字塔中更容易向上攀升，获取更大的价值。
非结构化数据收集与长久以来各种软件所支持的结构化数据不同，笔记类产品在进行产品设计的之处，就面临着非结构化数据的大发展。
二十一世纪以来，人类的记录方式已经发生了极大的改变。
移动设备的普及，使得图片、声音甚至视频的记录变得非常方便，突破了人类数千年以来一直以文字为主的记录方式。
dikw体系相关概念
dikw体系相关概念
DIKW体系是一种用于描述知识层次和价值的概念框架。
它由数据（Data）、信息（Information）、知识（Knowledge）和智慧（Wisdom）四个层次组成。
1、数据（Data）：数据是未经处理或解释的原始事实、数字、符号或观测结果的集合。
数据通常以离散的形式存在，没有明确的含义或上下文。
例如，一个数字列表、传感器读数或文本文件都可以被视为数据。
2、信息（Information）：信息是对数据进行组织、解释、加工和分析后得出的有意义的结果。
信息通过联系和关联数据元素来提供背景和上下文，从而使其有用和可理解。
信息具有结构和语义，并且能够提供答案、描述关系或解决问题。
3、知识（Knowledge）：知识是对信息的理解、应用和整合，以及与其他知识相连接的能力。
知识是通过经验、学习和推理获得的，它使人们能够理解事物的本质、原因和关系，并应用这些知识来解决问题和做出决策。
4、智慧（Wisdom）：智慧是在广泛的知识基础上形成的高级认知能力和洞察力。
智慧超越了个体的知识和经验，它涉及对伦理、价值观和社会影响的综合理解。
智慧使人们能够运用知识做出明智的决策，并利用智慧来帮助自己和他人。
DIKW体系强调了从数据到智慧的逐渐升级过程。
通过将数据转化为信息，再将信息转化为知识，最终发展为智慧，人们能够更好地理
解和应用信息，做出明智的决策，并为个人和社会创造价值。
数据、信息、知识与情报转化关系的探讨
数据、信息、知识与情报转化关系的探讨一、本文概述在当今数字化和信息化的社会中，数据、信息、知识和情报这四个概念不仅构成了我们日常生活和工作的基础，也是学术界、商业界以及政策制定等领域深入探讨的焦点。
它们之间存在的转化关系不仅影响着个体决策的质量，也决定了集体智慧的积累和发展。
本文旨在深入探讨这一转化关系，以期为我们提供一个全面而深入的理解框架，帮助我们更好地从海量的数据中提炼出有价值的信息，进而转化为知识，并最终形成对决策有指导意义的情报。
我们将首先定义这四个概念，并阐述它们在现代社会中的重要性。
随后，本文将探讨从数据到信息的转化过程，包括数据清洗、分析和解读等关键步骤。
紧接着，我们将讨论信息如何转化为知识，特别是如何通过个人的学习和经验积累，以及集体的交流和分享来实现这一转化。
我们将重点关注知识如何转化为情报，以及情报如何反哺数据、信息和知识的生成和转化。
通过这一探讨，我们希望能够揭示数据、信息、知识和情报之间的内在联系和转化规律，为未来的研究和应用提供新的视角和思路。
我们也期待通过这一研究，能够推动相关领域的理论发展和实践创新，为社会的发展和进步做出积极的贡献。
二、数据与信息的关系数据和信息在转化的过程中存在密切的关系，二者既相互依存，又各具特性。
在数字化时代，数据成为了一种基础性的资源，它通过各种传感器、设备和系统被不断生成和收集。
数据本身是无序的、原始的，它仅仅是对现实世界的某种现象的量化或描述。
然而，当数据经过处理、分析和解释后，它就转化为了信息。
信息是数据经过加工和解释后的产物，它具有一定的意义和价值。
信息不仅仅是数据的堆砌，更是对数据的提炼和升华。
它能够反映出数据背后所蕴含的深层次规律、关联和趋势。
信息的提取和利用依赖于对数据的有效处理和分析，包括数据的清洗、整合、挖掘和可视化等步骤。
在数据转化为信息的过程中，人的作用不可忽视。
人类通过自身的认知能力和经验，对数据进行解读和理解，从而提取出有价值的信息。
DIKW理论模型
DIKW理论模型托马斯•斯特尔那斯•艾略特曾经提出DIKW理论，“DIKW是关于数据、信息、知识及智慧的模型，当中每一层比下一层赋予某些特质。
每上一层都赋予某些新特质。
资料层是最基本的，加入内容上升到信息层，再加入如何去使用形成知识层，再加入什么时候才用形成智慧层。
D数据：是使用约定俗成的关键字，对客观事物的数量、属性、位置及其相互关系进行抽象表示，以适合在特定领域中使用人工或自然的方式进行保存、传递和处理。
I信息：具有时效性的，有一定含义的，有逻辑的、经过加工处理的、对决策有价值的数据流。
信息=数据+时间+处理。
K知识：通过人们的参与对信息进行归纳、演绎、比较等手段进行挖掘，使其有价值的部分沉淀下来，并与已存在的知识体系相结合，这部分有价值的信息就转变成知识。
W智慧：人类基于已有的知识，针对物质世界中运动过程中产生的问题根据获得的信息进行分析、对比、演绎找出解决方案的能力。
这种能力运用的结果是将信息的有价值部分挖掘出来并使之成为知识架构的一部分。
•基于DIKW理论，组织中一个数字化人力资源系统的价值，也是从”数“到”智“的，所谓数智化，也可以从该模型上得到解读。
数据记录和承载人力资源的各类数据，是组织的人力资源信息的检索平台，内容平台。
基于数据的处理，对于组织的人力资源提出了一系列的分析和判断，得出一些结论。
是组织的人力资源信息的分析平台，诊断工具。
基于数据的处理，对于组织的人力资源的规律进行了洞察，对于未来提出了一些建议。
是组织的人力资源信息的决策平台。
从时间效用上，D数据是过去价值，I信息是当下价值，K知识是未来价值。
数据之所以在系统中流动通过方法论在运转，人力资源管理的业务逻辑和数据运算的算法，越是能实现”智“的人力资源系统。
基于DIKW模型的信息技术智慧教学
信息技术教学*********************28中国信息技术教育基于DIKW模型的信息技术智慧教学张向红 云南省昆明市盘龙区教师进修学校胡彬 云南省昆明市第十二中学D I K W 模型是指数据（Data）-信息（Information）-知识（Knowledge）-智慧（Wisdom）金字塔。
数据是符号；当数据被赋予了具体的情境，有了具体的意义后就转换为信息；当信息通过人的大脑加工处理，经过内化、结构化、抽象化后，形成可以表述事物运动状态和状态变化规律的具有普遍适应性的信息，这种信息就转换为知识；而智慧是通过人不断地体验、思考和感悟之后所获得的对这个世界的认识和态度。
当前的教育中，学生缺乏的不是学习的时间及内容，而是获得智慧所需要的思考和思维训练的时间。
因此，笔者认为，教育教学应该从这个角度出发进行设计。
根据DIKW模型，教学应该通过教学内容的分析和教学过程的设计，促进学生智慧的获得。
下面笔者以初中《信息的数字化》为例，探究DIKW模型在信息技术教学中的应用。
《信息的数字化》是一节基础课，通过本节课，学生将了解到信息与二进制数字之间的转换关系。
还需要明确，信息的数字化蕴含的是信息技术的核心文化，是信息从一种不可琢磨的、模糊的概念转变为可度量、有单位、有内涵和外延的科学研究对象的过程，因此，本节课是信息技术中最为重要的一节课，也是最有深度的一节课，需要通过教学设计，真正从数据、信息、知识引导到智慧的层面。
● 数据→信息学习活动：根据两个锦囊，逐一破解两条线索，完成本节课学习任务，如下表所示。
设计说明：本阶段的目的是借助问题启发学生思考。
该阶段思维训练包括观察、实践和思考。
本阶段中提供了两条线索，这些数字和字母看起来似乎是没有意义的符号，它们代表的是数据。
锦囊的作用是帮助学生将数据进行转换，第一条线索转换为“密码是KSEZ”，于是他们获得了解开第二个锦囊的密码。
通过第二个锦囊，第二条线索被转换为“用你的座位号和姓名生成二维码”，于是学生获得了下一个任务的信息。
dikw的模型理解
DIKW模型是信息科学领域中一个广泛应用的知识管理框架，由英国信息学家泽勒于1987年提出。
DIKW模型由四个层次组成，分别是数据、信息、知识、和智慧。
以下是对
各个层次的具体理解：
* 数据是指任何一种符号化的记录，如数字、文字、图形、声音等，其本身并不具有意义，例如，一组数字“1，2，3，4，5”是数据。
* 信息则是在数据的基础上添加了解释和解读的过程，使数据变得有意义。
例如，如果将上述数字组合成“1+2+3+4+5=15”，则这就是一条具有信息量的信息，它表达了数字的总和。
* 知识则是在信息的基础上添加了经验、理解、洞察和判断等高级思维过程，使得信息变得更具有实用价值。
例如，将上述信息与实际情境结合使用，如在计算账单时使用这个数字和，这就是一种知识。
* 智慧则是在知识的基础上添加了高度的判断力和人生经验，使人们能够做出智慧性的决策和判断。
例如，将上述知识运用于一个人的生活中，通过对数字的理解和经验的运用，他可以做出更好的财务决策，这就是一种智慧。
通过将数据、信息、知识和智慧进行区分和归类，DIKW
模型有助于更好地理解和应用知识管理的理论和实践。
通过组织和管理知识资源，DIKW模型可以提高知识管理的效率和质量。
论述数据,信息,知识,智慧的关系
论述数据,信息,知识,智慧的关系数据就像一堆杂乱无章的小珠子，它们单个看可能没什么意义。
比如说，我们每天看到的气温数值，每一个数字就是一个数据。
这数字本身好像就是干巴巴地在那，不知道能干嘛。
那信息呢？信息就像是把这些小珠子串起来了。
还是拿气温来说，当我们知道这个气温数值是某个特定地方在某个特定时间的温度时，这就变成了信息。
就好像这些珠子串成了一个小项链，开始有点样子了。
知识可就更厉害了。
知识就像是把很多串好的小项链，按照一定的样式编织成了一个精美的手链。
它是对信息进行整理、分析和总结后的东西。
就好比气象学知识，它不仅仅是知道某个地方某个时间的温度，还包括温度和气候、季节、地理环境等多方面的关系。
这可不是随随便便就能做到的，需要对大量的信息进行深入的研究和理解。
智慧呀，智慧就像是戴着这个精美手链的人，还能根据不同的场合，把手链做出不同的搭配，让它发挥出最大的价值。
智慧是在知识的基础上，能够灵活运用，做出正确的判断和决策。
比如说，一个有智慧的农民，他知道气象学知识，当他看到气温的变化、天气的情况，他就能智慧地决定什么时候播种、什么时候灌溉、什么时候收割。
他不是机械地按照书本知识来做，而是根据实际情况，巧妙地运用知识。
再打个比方吧，数据就像是一堆建筑材料，可能是沙子、石头、水泥之类的。
信息就是把这些材料简单地堆在一起，像个小土堆。
知识呢，就像是用这些材料盖起了一座房子，有了一定的结构和功能。
而智慧就是住在这个房子里的人，知道怎么根据自己的需求来布置这个房子，怎么让这个房子住得更舒服，怎么在房子里进行各种活动。
从另一个角度看，数据是最基础的东西，没有数据，后面的信息、知识和智慧都无从谈起。
就像如果没有那些建筑材料，就不可能有小土堆，更不可能有房子和住在房子里的美好生活。
信息是对数据的初步加工，它让数据有了一点意义。
知识是在信息的基础上进一步升华，让我们能够系统地理解事物。
智慧则是站在知识的肩膀上，跳出常规的思考，做出最恰当的选择。
基于DIKW模型的教师数据智慧生成过程与发展路径研究
基于DIKW 模型的教师数据智慧生成过程与发展路径研究①卢凤萍，张骏（南京旅游职业学院，江苏南京211100）在“互联网+”背景下，职业教育迎来机遇的同时也面临着一系列挑战，其中，师资的发展是关键性问题。
数据智慧的养成与提升，是信息时代卓越职教教师培养的重点，对我国职业教育的发展意义重大。
尤其是2020年初，线上教育的蓬勃发展，进一步凸显了教师数据智慧的重要性。
教师数据智慧的提升并不是特殊时期的“权宜之计”，而是职业教育发展的趋势和必由之路。
一、研究背景与价值智慧是由智力体系、知识体系、方法与技能体系、非智力体系、观念与思想体系、审美与评价体系等多个子系统构成的复杂系统。
数据智慧原指“以信息手段，创造、挖掘并转换数据中的隐藏知识，从而实现组织愿景的综合信息素养”，最早由美国学者约翰·吉拉德（JohnGirard ）、迪安娜·克莱因（Deanna Klein ）、克莉丝蒂·伯格（Kristi Berg ）等人提出。
据此，本文认为职业教育教师数据智慧是在教学过程中形成的，贯穿于教学策略制订、教学资源整合、教学活动实施、教学评价与反思的各个环节。
是“以信息手段，创造、挖掘并转换职业教育教学数据中的隐藏信息和知识，并转化为科学的教学行为，促进教学效果，实现教学目标，提升职教思维的综合性信息素养”。
1989年运筹学、系统思维学专家阿科夫（Ackoff ）基于认知论提出了DIKW （Data to Information to Knowledge to Wisdom ）层级决策模型，该模型融合了行为主义理论的观点，从认知思维的角度揭示了从数据到信息，再到知识，最终生成智慧的升级发展过程，得到了约翰·吉拉德等数据智慧研究先驱的认可和引用[1]。
教师数据智慧是教师以信息手段，获取、挖掘并使用数据中的隐藏知识，从而实现教学目标的综合性信息素养。
而教师生成数据智慧的过程，本质上就是数据经过分析处理后，逐步提升为信息和知识，并最终成为头脑中极为个性化的智慧的过程。
强化平均数的“虚拟性”特征，理解其作为“代表”的合理性
科学有效的决策日益依赖于客观数据和数据分析，数据驱动决策的理念已经成为现代决策理论的基本原则[1]。
数据素养的“DIKW”金字塔模型即“数据（Data）—信息（Information）—知识（Knowledge）—智慧（Wisdom）”[2]是统计教学的理论基础，其中，数据与信息是重中之重。
获得数据、知其蕴含的信息是小学阶段统计教学的重要内容。
只有对数据进行加工才能获得信息，平均数就是对一组原始数据加工后所得到的、能代表这组数据平均水平的信息，是小学阶段所学习的唯一的表示数据“集中趋势”的统计量。
“理解平均数的统计意义”是数据意识的重要内容，其统计意义主要体现在“理解平均数‘代表’一组数据平均水平的合理性”“如何用样本平均数推断总体水平”等方面。
小学阶段主要是前者，在课堂教学中如何落实呢？宋煜阳老师执教的《平均数（第一课时）》有许多独特思考和做法，重点体现在以下三个方面。
一、遵从学生对数据的朴素加工方式，体会存在不同的代表量加工数据的方式方法有很多种。
例如，最原始、最朴素的加工包括：将原始数据进行分类并累计每一类的个数，对数据进行排序，描述不同数据之间最基本的数量关系等；较深度的加工包括：寻找原始数据的分布样态、集中趋势（求算术平均数、中位数、众数、中程数等）、离散趋势（极差、方差、标准差等）等；还有其他更为复杂的加工，例如，数据建模，即在不同组数据之间建立结构方程，寻找各变量（数据）之间的深层次关系或蕴含的规律等。
“平均水平”是一组数据蕴含的重要信息，它是对不同组数据做比较、做判断、下结论的重要依据。
获得一组数据后，谁可以代表或者描述这组数据的平均水平呢？无论从加工数据的难易程度、还是从学生已有的生活经验来看，平均数作为代表都不是“朴素”的、学生最易接受的。
强化平均数的“虚拟性”特征，理解其作为“代表”的合理性刘加霞只有对数据进行加工才能获得信息，平均数就是对一组原始数据加工后所得到的、能代表这组数据平均水平的信息，是小学阶段所学习的唯一的表示数据“集中趋势”的统计量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
这个世界上，失败的人除了天分太差之外，只有以下几点，懒，方向不对，方法不对，没有坚持。
你是哪一种呢？方向、方法是否正确取决于你的知识面、视野、思考(总结)、摸索等，而知识对多数人而言是最重要的成功基础。
所以此文值得你多多阅读几遍，理解它。
DIKW体系中文名DIKW体系定义关于数据信息知识及智慧的体系作用常用于资讯科学及知识管理.提出简介DIKW体系就是关于数据、信息、知识及智慧的体系。
当中每一层比下一层赋予某些特质。
资料层是最基本的。
资讯层加入内容。
知识层加入“如何去使用”，智慧层加入“什么时候才用”。
如此，DIKW体系是一个模型让我们了解分析、重要性及概念工作上的极限。
DIKW 体系常用于资讯科学及知识管理.历史这个模型可以追溯于托马斯·斯特尔那斯·艾略特所写的诗－《岩石》（The Rock）。
在首段，他写道：“知识中的智慧我们在那里丢失？资讯中的知识我们在那里丢失？”（Where is the wisdom we have lost in knowledge? / Where is the knowledge we have lost in information?）。
哈蓝·克利夫兰根据这个1982年12月在《未来主义者》杂志中的文章－“资讯有如资源”的基础来建设这个体系。
后来这个体系得到米兰·瑟兰尼（Milan Zeleny）及罗素·艾可夫（Russell .L. Ackoff）不断的扩展。
应用DIKW体系透过以下的步骤来协助研究及分析：原始观察及量度获得了资料。
分析资料间的关系获得了资讯。
这些资讯可以回答简单问题，譬如：谁？什么？哪里？什么时候？为什么？资讯是信息，意味著有听众及目的。
在行动上应用资讯产生了知识。
知识可以回答“如何？”的问题。
知识是一些可行的关系及习惯工作方式。
透过智者间的沟通及自我反省而利用知识会产生了智慧。
我们可以利用智慧解答关于行动的为什么及什么时候的问题。
智慧是关心未来。
它含有暗示及滞后影响的意味。
DIKW：数据、信息、知识、智慧的金字塔层次体系2013-10-11 10:38:55 来源：CIO时代网摘要：应用DIKW体系基于对数据、信息、知识进行对比分析，可以得出知识内涵的主要内容，即知识来源于信息，但又不是信息的子集......关键词：DIKW知识信息前言知识对于个人、组织的重要性已经不言而喻。
可以说，管理与应用知识的能力已经成为企业的核心竞争力。
知识如此重要，那么，究竟何为知识呢？目前不论在学术界还是在企业界，对知识的内涵还没有一个统一的认识。
关于知识的定义，相信今后很长一段时间，也不会有一致的定义。
“知识是什么”这个问题之所以难于回答，一个重要原因在于知识紧密地依赖语境及在这个语境中的知识接收者。
与知识类似，我们通常提到的数据、信息等同样与语境密切关联，而且在实际应用中，这三个词汇经常会被混用，这恰好也为我们提供了另外一个对于知识的内涵进行描述的思路，即通过对数据、信息、知识进行比较分析，来描述而非准确定义知识。
而且，幸运的是，在实际应用中，我们同样不必纠结于学术层面知识的准确定义。
本文试图通过数据-信息-知识-智慧的DIKW层次体系，分析四者之间的联系与区别，以及在实际应用中的作用，对知识的内涵和价值进行阐述。
关于DIKW体系DIKW体系是关于数据、信息、知识及智慧的体系，可以追溯至托马斯·斯特尔那斯·艾略特所写的诗--《岩石》。
在首段，他写道：“我们在哪里丢失了知识中的智慧？又在哪里丢失了信息中的知识？”（Where is the wisdom we have lost in knowledge？/ Where is the knowledge we have lost in information？）。
1982年12月，美国教育家哈蓝·克利夫兰引用艾略特的这些诗句在其出版的《未来主义者》一书提出了“信息即资源”（Information as a Resource）的主张。
其后，教育家米兰·瑟兰尼、管理思想家罗素·艾可夫进一步对此理论发扬光大，前者在1987年撰写了《管理支援系统：迈向整合知识管理》（Management Support Systems: Towards Integrated Knowledge Management ），后者在1989年撰写了《从数据到智慧》（“From Data to Wisdom”，Human Systems Management ）。
DIKW体系将数据、信息、知识、智慧纳入到一种金字塔形的层次体系，每一层比下一层都赋予的一些特质。
原始观察及量度获得了数据、分析数据间的关系获得了信息。
在行动上应用信息产生了知识。
智慧关心未来，它含有暗示及滞后影响的意味。
数据、信息、知识与智慧的关系通过DIKW模型分析，可以看到数据、信息、知识与智慧之间既有联系，又有区别。
数据是记录下来可以被鉴别的符号。
它是最原始的素材，未被加工解释，没有回答特定的问题，没有任何意义；信息是已经被处理、具有逻辑关系的数据，是对数据的解释，这种信息对其接收者具有意义。
举个例子，数据：37.5通过这个你能看出什么吗？估计很难？信息：姓名：陈浩男年龄：1.5岁性别：女地址：广东省广州市天河区时间：2006年6月8日13点20分腋下体温：37.5摄氏度自述：孩子在楼下玩，回来后看到小脸特别红，测量体温为37.5度这个时候，这个37.5有意义了，是一个广州的1岁半的小女孩在夏天午后玩了后测试的体温。
在这样的背景下，37.5成为了有意义的信息中的一个关键指标。
知识是从相关信息中过滤、提炼及加工而得到的有用资料。
特殊背景/语境下，知识将数据与信息、信息与信息在行动中的应用之间建立有意义的联系，它体现了信息的本质、原则和经验。
此外，知识基于推理和分析，还可能产生新的知识。
最后来看智慧，智慧，是人类所表现出来的一种独有的能力，主要表现为收集、加工、应用、传播知识的能力，以及对事物发展的前瞻性看法。
在知识的基础之上，通过经验、阅历、见识的累积，而形成的对事物的深刻认识、远见，体现为一种卓越的判断力。
整体来看，知识的演进层次，可以双向演进。
从噪音中分拣出来数据，转化为信息，升级为知识，升华为智慧。
这样一个过程，是信息的管理和分类过程，让信息从庞大无序到分类有序，各取所需。
这就是一个知识管理的过程。
反过来，随着信息生产与传播手段的极大丰富，知识生产的过程其实也是一个不断衰退的过程，从智慧传播为知识，从知识普及为信息，从信息变为记录的数据。
知识的内涵与价值应用DIKW体系基于对数据、信息、知识进行对比分析，可以得出知识内涵的主要内容，即知识来源于信息，但又不是信息的子集，它是经过“理解”后，关联了具体情境的、可以指导“如何”行动的信息，它具有如下几个特征：·隐性特征：需要从信息中进行归纳、总结、提炼；·行动导向特征：知识是信息的具体应用，能够直接推动人的决策和行为，加速行动过程；·资本特征：是企业重要资产，可以通过应用获得价值；·情境特征：在规定的情境下起作用；·延展生长特征：知识在应用、交流的过程中，被不断丰富和拓展；·生命特征：知识是有产生、发展、衰退的生命周期。
这种内涵下，知识的价值又是什么呢？如前所述，数据是数字、文字、图像、符号等，在没有被处理之前，本身不代表任何潜在的意义。
而当通过某种方式对数据进行组织和分析时，数据的意义才显示出来，从而演变为信息，信息可以对某些简单的问题给予解答，譬如：谁？什么？哪里？什么时候？知识是在对信息进行了筛选、综合、分析等等过程之后产生的。
它不是信息的简单累加，往往还需要加入基于以往的经验所作的判断。
因此，知识可以解决较为复杂的问题，可以回答“如何？”的问题，能够积极地指导任务的执行和管理，进行决策和解决问题。
综上，在当今海量数据、信息爆炸时代下，知识起到去伪存真、去粗存精的作用。
知识使信息变得有用，可以在具体工作环境中，对于特定接收者解决“如何”开展工作的问题，提高工作的效率和质量。
同时，知识的积累和应用，对于启迪智慧，引领未来起到了非常重要的作用。
最后，有一点需要补充说明的是，数据、信息、知识依赖于语境、依赖于接收者本身，三者之间的区别并非泾渭分明。
某个经过加工的数据对某个人来说是信息，而对另外一个人来说则可能是数据；一个系统或一次处理所输出的信息，可能是另一个系统或另一次处理的原始数据。
同时，在某个语境下是知识的内容，在另外的语境中，可能就是信息，甚至是无意义的数据。
因此，在进行数据、信息与知识的研究与应用时，要与特定语境（即人、任务等）进行结合才有意义。
数据，信息，知识，智慧分析与对比随着人类社会从工业经济时代进入知识经济时代，知识管理的出现为21世纪知识经济时代的企业组织提供必须的管理基础。
以彼得.德鲁克博士（Peter F. Drucker）和斯威比博士为代表提出的理论为知识管理领域的开拓和发展作出了杰出贡献。
知识管理（Knowledge Management, KM ）是识别组织中的知识资产、并充分发挥知识资产的杠杆作用，来帮助企业获取竞争优势的过程。
毫无疑问，我们已经生活在知识经济和知识管理的环境当中。
每时每刻，我们身边都充满了各种各样的数据。
但只有将这些杂乱无章的数据，转换为信息和知识，才能帮助我们做出聪明的选择。
可见知识是从数据到智慧划分为不同层次的。
由于数据，信息，知识与智慧四者之间有着密切的相关性，他们常被混淆使用。
本文将重点对数据，信息，知识与智慧进行分析和对比。
一。
数据从图一我们可以看到，数据是知识阶层中最底层也是最基础的一个概念。
数据是形成信息，知识和智慧的源泉。
关于数据的定义，比较典型的我们可以看到以下几种：1.数据是对现实生活的理性描述，尽可能地从数量上反映现实世界。
也包括汇总、排序、比例、等等处理。
2.数据(Data) [Applehans, Globe&Laugero,1999]认为数据是一系列外部环境的事实，是未经组织的数字、词语、声音和图像等。
3.据是计算机程序加工的“原料”。
例如，一个代数方程求解程序中所用的数据是整数和实数，而一个编译程序或文本编辑程序中使用的数据是字符串。
随着计算机软，硬件的发展，计算机的应用领域的扩大，数据的含义也扩大了。
例如，当今计算机可以处理的图象，声音等，它都被认为是数据的范畴。
4.数据泛指对客观事物的数量、属性、位置及其相互关系的抽象表示，以适合于用人工或自然的方式进行保存、传递和处理。
我们认为第四个定义较符合我们对数据的理解。
例如，水的温度是100℃，礼物的重量是500克，木头的长度是2米，大楼的高度时100层。