如何区分“数据”、“信息”、“知识”，和“智能”？

引言：

数据、信息、知识和智能，本质上都是和数字化有关的概念，属于“数字内容”的不同抽象层次的表现。对上述这些概念的准确辨析和深刻理解，有利于我们更好地了解数字化转型中的数据要素，洞悉数据为业务赋能的底层规律和实现逻辑。

原文链接：如何区分“数据”、“信息”、“知识”，和“智能”？https://mp.weixin.qq.com/s?__biz=MzA4NjI3MjI5Mw==&mid=2650216428&idx=1&sn=a15100491c9ba2206acdf9f51fe8ea25&chksm=87c887a6b0bf0eb0bed40bdf7944d95d8e14b8a45202fdc679de960aae5e8a54eb7deae1c6b0&token=1009248179&lang=zh_CN#rd

1. 数据（Data）

数据是客观世界上直接可得可见的数字化内容，是信息的直观物理表现形式。数据是数字化转型中所有数字应用实践的基础“原料”，也是数据管理活动的基本对象。

企业中一切数字实践活动都必须围绕对数据资源的获取和分析才能落地实现。在企业的产业实践活动中，根据不同的观察或应用视角，可以将数据划分为很多不同类型：

从数据组织形式来看，数据可以分为：结构化数据、半结构化数据、非结构化数据；从数据的适用功能来看，数据可以分为：事务数据、文件和内容、主数据、参考数据，以及元数据等，其中，元数据又进一步分为业务元数据、技术元数据、操作元数据。

2. 信息（Information）

通过对数据进行分析和加工，可以从数据中提炼出重要的信息内容。信息比原始数据的抽象程度更高，具体的表现形式可以是数据或图表。

例如，可以比较直观地呈现业务信息的形式有统计报表、关键词、结论性文字、数据可视化图，甚至一个简单的数值结果。

对于数据分析人员来说，信息是重要的业务参考和管理决策依据。没有信息就没法行动，知己知彼，方能百战不殆。获取信息，是数据对企业管理运营活动的最直接价值！

值得注意的是，信息有真假之分。

不是所有的信息都会起到正向的决策支撑作用，错误的信息会对业务行为产生误导。

因此，在获取信息的基础上，数据分析人员需要结合自己的经验对信息的真实性和准确性进行有效的判断，或通过交叉验证的方法，基于信息结论是否一致来辅助判断信息的可信程度。

3. 知识（Knowledge）

知识的抽象程度比信息更高，同时具有更强的稳定性和可靠性。

知识可以来自于数据分析的结论，也可以通过人工录入编辑的方式产生。前者所提及的知识是需要探索的未知的新数据，后者知识是人们在生产生活实践中已经掌握的知识。

和信息相比，知识具有更强的体系化和结构化的特征。从数据中直接提取的信息很多时候往往是离散的、碎片化的，而知识则具有比较严格的内容组织形式，在信息节点之间，具有比较明显的和统一的关联关系。

知识的数据表示方式很丰富，比如知识图谱、知识规则、函数、指标公式、分类标准、数据结构框架、流程图、业务术语表等。

当前，随着知识型组织的概念越来越流行，很多企业不仅建设数据中台，同时对知识中台进行规划实施。

4. 智能（Intelligence）

智能是知识的高级应用形态，同时也是抽象层级最高的信息。面向具体的业务需求痛点时，将知识与数据服务算法相融合，可以构建出具有智能化特征的数字化应用。

智能的具体表现形式是数据模型，这些数据模型具有分类或预测的能力，可以基于已知信息推断得到有利于业务决策的未知信息，甚至基于算法的推断结果还可以自动产生相应可靠的行为活动。

通过机器学习、深度学习等人工智能和大数据技术，可以从数据资源中自动学习到具有智能水平的数据模型，模型的结构和模型的参数是决定智能应用可靠性的关键。

常见的智能应用有自动诊断、自动分类、自动检测、自动分类等，总之目标是让机器来代替人完成更多的业务操作，降低人工操作成本、增加业务效率、减少人为因素出错的概率、提高产品或服务的综合质量。

智能是知识的高级应用形态，同时也是抽象层级最高的信息表现形式。此外，比智能更高级的特征属性是智慧，而是否有智慧，则是人和机器当下唯一的区别所在。

欢迎关注微信公众号：大话数字化转型（dataminingxmz）了解更多数据应用前沿技术、方法与实践。