在数据的世界里，为了信息，为了知识，为了智慧，最终目标，应该是真正和有意义生活。
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（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，意味着有听众及目的。
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：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。
