數據、信息、知識和智慧是數據創造價值的四個層次，也許你每天都碰到它們，但并不表示對其有深刻的理解，下面是一個從數據到智慧的例子。

事實上，大多數據從業者都停留在采集數據、創造信息這個層次上，能從信息中獲得知識的的人寥寥無幾，而能做到智慧這個層次的人，大多數其實已經跟數據專業沒有關系了，比如領導。智慧的層次結構可以形象的用以下的圖表示，這張圖非常奧妙，下面我來解釋一下。

1、數據數據(data)是事實或觀察的結果，是用于表示客觀事物的未經加工的原始素材，沒有回答特定的問題，沒有任何意義，智慧的層次結構圖中那些雜亂無章的小點表征的就是數據。數據：99通過這個你能看出什么嗎？估計很難？原始的、未編碼的事件、經歷和現象、出生，死亡、市場交易、投票、音樂、下載、降水、足球比賽等等都是數據。數據可以是連續的值，比如聲音、圖像，稱為模擬數據。也可以是離散的，如符號、文字，稱為數字數據。在計算機系統中，數據以二進制信息單元0,1的形式表示。一只數據團隊中，做數據平臺和數據采集的人是最接近數據的，大多數數據從業者每天其實并不是在跟數據打交道。

2、信息1948年，數學家香農在題為“通訊的數學理論”的論文中指出：“信息是用來消除隨機不定性的東西”，其實香農沒有給出信息的定義，而是在說信息的大小和價值。百度百科說信息，指音訊、消息、通訊系統傳輸和處理的對象，泛指人類社會傳播的一切內容。人通過獲得、識別自然界和社會的不同信息來區別不同事物，得以認識和改造世界。在一切通訊和控制系統中，信息是一種普遍聯系的形式。它到底在說些啥？智慧的層次結構圖中把雜亂無章的數據描述成了正方形、三角形、圓形和六邊形。這里給出信息的更通俗定義：信息用來給數據命名并將數據歸入相應的類別。為了進一步說明數據與信息的區別，可以看看這2個例子：我這個“人”是數據，但給我取的“大魚先生”這個名字就是信息。我到西湖釣到的“魚”是數據，西湖這一天被釣走的“魚的數量”就是信息。數據只有通過業務的加持才能轉化為信息，數據是客觀的，而信息則是主觀的。創造信息的目的是為了方便溝通和理解，代表大家對于各類數據的共識。元數據被定義成描述數據的數據，其實元數據是信息的基礎。在一只數據團隊中，做數據資產管理的人是最大的信息創造者，沒有他們的努力，原始的數據毫無價值可言。一個企業的數據資產的價值，不取決于擁有多少數據，在于其能將多少比例的數據轉化成真正的信息。現在企業級大數據強調跨域數據的整合，其實是在說要突破各部門業務的鴻溝，達成信息上的共識和開放，企業的組織、機制和流程往往決定了數據轉化成信息的效率。

3、知識柏拉圖將知識定義為合理的真實信念。更現代的定義則認為知識就是對相關關系、因果關系和邏輯關系的理解。知識組織了信息，呈現為模型的形式。正如智慧的層次結構圖中那些正方形、三角形、圓形和六邊形組成的有意義的聯系一樣。知識大致等同于模型，當然這里的模型遠遠超越了數據領域的模型范疇。市場競爭的經濟學模型、網絡的社會學模型、地震的地質學模型、生態位形成的生態學模型以及學習的心理學模型都體現了知識。這些模型能夠解釋和預測。比如化學鍵模型解釋了為什么金屬鍵會使我們無法將手伸進鋼制的門，經濟學的供需模型解釋了為什么需求增加的時候價格會上漲，市場的4P理論告訴我們營銷的關鍵要素有哪些，大數據的4V理論揭示了“大”的本質特征，機器學習的模型通過構筑相關關系預測未來。可惜的是，企業的數據團隊大多時候做的是創造信息、展示信息的工作，比如提供取數和報表，極少比例的人在做創造知識的工作，比如數據團隊的建模師，但這些建模師過于狹隘的定義了建模，將建模局限在了機器學習這個領域。但企業面臨的環境是復雜的，往往需要用多模型的思維去解釋和預測，比如你要對用戶進行精確營銷，懂點機器學習是不夠的，還需要理解4P模型，而理解了4P模型也是不夠的，也許心理學上的損失厭惡模型可以幫你優化營銷策略。企業中建模師的很大問題其實是缺乏更廣泛的知識。業務人員是企業事實上最大的知識創造和使用者，他們基于自身的業務知識來解釋信息，更善于從取數和報表中發現知識，從而影響決策。

4、智慧區分知識和智慧最有名的例子就是紙上談兵的趙括，他有豐富的理論即知識，但他無法在合適的場景選擇適當的知識去做決策，趙括是沒有智慧的人。智慧是指識別和應用相關知識的能力，智慧的本質就是決策，決策的難度在于它是需要行動的，你通過人工智能可以獲得一個知識，但在生產中使用這個知識意味著你需要承擔后果，這是更為復雜而有風險的事情。機器學習或人工智能關注“如果我看到/聽到/聞到X，那么我能得出什么結論？”，然而，決策回答的問題是，“如果我采取了行動A，會有什么結果“。正如智慧的層次結構圖中的那個IF一樣。決策的關鍵是選擇，多模型則是選擇的基礎。在采取行動時，有智慧的人會應用多個模型，就像醫生會讓病人做好幾種檢查來幫助診斷一樣，領導在做決策的時候，也往往征詢各方的意見，這些都是智慧的體現。智慧更包括選擇正確模型的能力。考慮以下這個物理問題：一個小小的毛絨玩具從一架飛在6千米高的飛機上掉下來，當它著地時會造成多大的傷害？學生可能已經掌握了引力模型和自由降落速度模型，這兩個模型會給出不同的答案，要想得到正確的答案需要信息（玩具的重量）、知識（自由降落速度模型）和智慧（選擇正確的模型）。對于數據從業者，南向受上游系統的限制，北向受業務管理的限制，其駐留在數據和信息這兩個層次難以突破，生存環境其實并不是很好。如何更好的靠近上游系統進行數據的治理，如何更好的靠近業務發揮出數據的價值，考驗著數據從業者的智慧，而所有這些，都不是靠單一的技術能解決的。