1、人類認識世界規律

從農業社會、工業社會到數字經濟時代， 人類一直在努力提高認識世界的水平 ，通過觀察物理世界 、描述現狀，理解客觀規律 、來解釋過去，指導現在，預測未來。通過對自然信息的記錄、描述、分析和推理，逐漸建立了經典的DIKW知識金字塔體系。 DIKW金字塔好地描述了人類認識世界的規律和層次結構，分別是：數據（原始的事實集合）、信息（可被分析測量的結構化數據）、知識（需要洞察力和理解力進行學習）、智慧（推斷未來發生的相關性，指導行動）。

2、DIKW的形成和內涵

DIKW模型是關于數據、信息、知識及智慧的體系，最早可以追溯至諾貝爾文學獎得主TS.艾略特在1934年寫的《巖石》。他在上個世紀就對信息泛濫的到來，產生焦慮。在首段，他寫道：“我們在哪里丟失了知識中的智慧？又在哪里丟失了信息中的知識？”（Where is the wisdom we have lost in knowledge？/ Where is the knowledge we have lost in information？）。

1982年12月，美國教育家哈藍·克利夫蘭引用艾略特的這些詩句在其出版的《未來主義者》一書提出了“信息即資源”（Information as a Resource）的主張。管理思想家羅素·艾可夫進一步對此理論發揚光大，在1989年撰寫了《從數據到智慧》。 簡單講，DIKW模型將數據、信息、知識、智慧納入到一種金字塔形的層次體系，越往上就會越來越抽象，對于人和企業的價值越來越大。這個模型告訴我們，從數據到智慧是有規律的。

數據（Data）：數據是DIKW中最底層也是最基礎的一個概念。數據是形成信息，知識和智慧的源泉。通過原始觀察及量度獲得了數據。包括數字、文字、圖形、音頻、視頻等。信息（Information）：信息必然來源于數據并高于數據，信息＝數據＋處理，信息是具有時效性的有一定含義的，有邏輯的、經過加工處理的、對決策有價值的數據流。通過分析數據間的關系獲得了信息。知識（Knowledge）：知識是需要提煉信息之間的聯系，從中得到所需要的規律性認識，是對信息的應用。在完成當下任務的行動中應用信息產生了知識。知識就是知道了什么（Know-what）、、知道怎么做（Know-how）、知道誰（Know-who），知道了時間（Know-when）。知識更接近行動，它與決策相關。智慧（Wisdom）：智慧是知識層次結構中的最高一級。智慧著眼未來，它具有預測和未來影響的判斷能力。 從采集數據、提煉有關系的信息到總結成能解決當下問題的知識，到形成普適的智慧，這個是人類認識和改造世界的普遍規律。

3、基于數據應用視角來理解DIKW

數據和信息描述世界，知識和智慧理解世界。今天你對數據的應用有什么樣的理解，做出了何種改變，決定了你企業處在DIKW哪一層。 從這個角度說，站在DIKW金字塔尖的企業，相當于全部通關的頂級選手，掌握了數據、整理成信息、理解為知識、轉化成智慧，在面向未來的決策和行動如有神助。從數據應用視角來看，有3個維度：從數據流動的視角看：數據在DIKW不同層級間要流動， 不同層級要加強反饋循環和流動，數據流動的自動化水平越高，企業智能化高效精準決策的水平越高。在數據生產力時代，企業智能體現為面向全流程、全產業鏈、全生命周期的精準 、實時、低成本的決策能力 。

以安全巡檢為例，既要有實時監測和視覺巡檢數據分析報表，來對生產現場安全進行狀態描述和原因分析。 還要有面向結果的預測分析和科學預測，比如通過各種不同等級預警事件告知安全生產預防工作，預置若干實時安全策略進行干預。從發展的視角看：從DIKW體系可以看出，其由遠到近分別為過去（Past）和未來（Future），以及經驗（Experience）和創新（Novelty）。 數據更多是強調過去事實的呈現，主要是確保業務正常開展，正確地做事。而智慧則著重在未來，并且是為了應對未來所提出的想法，其內涵即是決策，是確保做正確的事。

從數據開發的深度和廣度的視角：所有數據開發和應用都是圍繞具體問題開展，對問題的定義越具體、理解越深刻，認知越犀利。今天在落地過程當中才能確保數據的及時性，準確性，完整性，才能確保數據開發利用有效。

4、在工業場景中認識DIKW

以設備聲音異常監測場景來看，假設設備聲音合理閾值在15分貝。通過紅外熱成像技術，對重要設備設施生產運行時的溫度進行在線監測及可視化呈現，當采集上來的數據是20分貝。我們知道，

這個20是數據，系統能夠做到全天候（7×24小時）不遺漏，便于實時掌握設備運行狀態和數據；

已經突破合理閾值范圍這就屬于信息；

20分貝下設備會出異常，這就是知識層面；

在設備出現重大異常前發現輕微異常信號，引導及時維修以避免重大事故發生。這是智慧層面了。

下圖將設備聲音異常監測與DIKW模型結合來看：

由此可見，工業大數據不是簡單的數據展現，分析而是需要基于DIKW底層數據邏輯構建工業智能閉環體系。從現場設備異常數據到行業領域know-how知識沉淀到AI智慧決策的業務閉環。

審核編輯 ：李倩