數據和人的智慧是什麼意思

1. 讀書筆記：數據、信息、知識，智慧

2004年12月26日早晨，正在普吉島海灘散步的10歲英國女孩蒂莉·史密斯，

「突然看見海水開始冒泡，泡沫發出噝噝聲，就像煎鍋一樣，海水在涌來，但不再退去」。

她一下就認出這是海嘯即將來臨的跡象，並向人們發出了警告，從而挽救了大約100名在泰國此處海灘上的人。

蒂莉·史密斯是一個擁有知識的人類個體，她識別出海嘯來臨跡象並發出警告的行為非常好地詮釋了人類個體的智慧。

智慧（智能）是一個過程，不是知識，更不是數據或信息，是擁有知識的人類個體在應用知識指導日常行為時所體現出的一種狀態。

所以說說數據、信息、知識，智慧。

1.「數據」普遍的觀點認為，數據是未被加工的數字和事實。

很多時候，人們認為數字可以說明一切，但是事實並非如此，數字只是數字而已，數字是事實，但是並不能說明什麼。

不對數據進行加工，數據對做決策的幫助就是有局限的。以自己預設的偏好根據數據做決策，只會害了自己。因此，我們需要在數據的基礎上，進入下一個概念：信息。

2.信息是處理過的數據。

信息之所以能作為決策的依據，正是因為其包含了對數據的處理。

沒有經過加工的數據，是沒有辦法成為價值判斷的依據的。數據經過加工成為信息，才可以幫助我們展開價值判斷。不過，這還只是第一步，如果需要深入地解決問題，就需要繼續向前推進，由信息過渡到知識。

3.把「信息」內化為個人的「知識」知識是由對信息的鑒別、判斷而產生的，知識是鑒別過的信息。

想要擁有知識需要經歷三步：第一步，找到客觀數據的真實來源；第二步，對其進行加工處理，使其成為信息；第三步，做出個人判斷與鑒別，最終形成個人的相關知識。只有經歷了這一過程，你才可以討論並擁有知識。

知識最重要的特徵是個人化。檢驗知識最簡單的方法就是，你能否把其他人的信息和知識變成自己的。

4.智慧是一個知識流。形成智慧的知識流動鏈，需要先有數據，這是一個未加工的、客觀的事實；數據經過加工，變成信息；再經過鑒別，即認知的過程，才成為知識；把知識應用到行動當中，就形成了智慧，智慧是在應用知識之後才產生的。

 智慧與年齡沒有直接關聯，千萬不要認為年長的人就有智慧，重要的是，能否把信息轉化為知識並在行動中運用知識。

真正擁有知識就會知道，每個人都無法停留在已有的知識體系裡，每個人都不敢停下來或放慢學習的腳步；每天都要學習與思考，否則已有的知識就會變成經驗，而知識一旦成為經驗就可能變成障礙。因為事物是不斷變化的，經驗只是對過去的驗證。所以，我再一次強調，知識是個動詞，不是名詞。

End

只為看見更多

2. 什麼是數據，信息，知識和智慧

什麼是數據，信息，知識和智慧

作者：劉鋒

2006年1月份左右，我曾經撰寫了一篇涉及數據，信息，知識，和智慧的文章，在科學網看到倪鵬雲老師也在探討這個問題，於是我將原文一些核心的內容整理出來形成這篇文章與大家進行探討。

在知識管理中，有一個經典的知識階層圖，本文將以這個圖作為闡述的順序依據。

第一，什麼是數據？

我們經常說「 水的溫度是100℃，禮物的重量是500克，木頭的長度是2米，大樓的高度100層「。通過水，溫度，100℃，禮物，重量，500克，木頭，長度，2米，大樓，高度，100層這些關鍵詞,我們的大腦里就形成了對客觀世界的印象。這些約定俗成的字元或關鍵詞就構成了我們探討的數據基礎，我們提到關鍵詞必須是人們約定俗成的。這就表示不同階級，不同宗教。不同國家的人對於關鍵詞的約定必然會有差異。由此我們可以推導出數據其實也具有一個使用范圍。不同領域的人在描述同一事物會出現不同的數據。例如，中國人會稱每個星期的最後一天為」星期天「。美國人會把這一天叫做「Sunday」。基督教徒會稱這一天為「禮拜天」. 數據的有范圍性導致由此建立的信息世界，知識世界在不同的國家。不同的宗教，不同的階級中會產生差異。認識到數據的有范圍性可以幫助我們在一個領域進行知識管理時，首先要統一關鍵詞或數據的約定。

最後我們對數據進行這樣的定義：數據是使用約定俗成的關鍵詞，對客觀事物的數量、屬性、位置及其相互關系進行抽象表示，以適合在這個領域中用人工或自然的方式進行保存、傳遞和處理。

第二，什麼是信息？

作為知識層次中的中間層，有一點可以確認，那就是信息必然來源於數據並高於數據。我們知道象7度，50米，300噸，大樓，橋梁這些數據是沒有聯系的，孤立的。只有當這些數據用來描述一個客觀事物和客觀事物的關系，形成有邏輯的數據流，他們才能被稱為信息。除此之外，信息事實上還包括有一個非常重要的特性— 時效性。例如新聞說北京氣溫9攝氏度，這個信息對我們是無意義的，它必須加上今天或明天北京氣溫9攝氏度。再例如通告說，在會議室三樓開會，這個信息也是無意義的，他必須告訴我們是哪天的幾點鍾在會議室三樓開會。

注意信息的時效性對於我們使用和傳遞信息有重要的意義。它提醒我們失去信息的時效性，信息就不是完整的信息，甚至會變成毫無意義的數據流。所以我們認為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。

第三，什麼是知識？

信息雖給出了數據中一些有一定意義的東西，但它的價值往往會在時間效用失效後開始衰減，只有通過人們的參與對信息進行歸納，演繹，比較等手段進行挖掘，使其有價值的部分沉澱下來，並於已存在的人類知識體系相結合，這部分有價值的信息就轉變成知識。例如。北京7月1日，氣溫為30度。在12月1日氣溫為3度。這些信息一般會在時效性消失後，變得沒有價值，但當人們對這些信息進行歸納和對比就會發現北京每年的7月氣溫會比較高，12月氣溫比較低，於是總結出一年有春夏秋冬四個季節，因此我們認為知識就是沉澱並與已有人類知識庫進行結構化的有價值信息。

第四，什麼是智慧？

我們經常看到一個人滿腹經綸，擁有很多知識，但不通世故，被稱做書獃子。也會看到有些人只讀過很少的書，卻能力超群，能夠解決棘手的問題。我們會認為後者具有更多的智慧。因此我們認為智慧是人類基於已有的知識，針對物質世界運動過程中產生的問題根據獲得的信息進行分析，對比，演繹找出解決方案的能力。這種能力運用的結果是將信息的有價值部分挖掘出來並使之成為已有知識架構的一部分。

總結：根據這些定義我們嘗試對知識管理提出一些建設性意見：

1。重視數據所使用關鍵詞的統一性和完整性，這樣才能避免組織內出現不同的信息和知識體系，避免成員在交流溝通時產生歧義和誤會。

2。保持關鍵字集合的可擴展性，防止由於數據不全導致新信息和新知識無法產生。

3。重視信息的時效性，盡量在信息的時效性消失前挖掘出其有用的價值，並使之沉澱於已有的知識庫中。

4。重視信息的可靠性和邏輯性，防止由於錯誤或邏輯混亂的信息加入到知識庫中，降低知識庫的質量。

5。關注知識庫的結構化問題，盡量避免知識彼此割裂，甚至出現知識孤島。通過不同領域知識的交叉融合，使它們連通起來，方便組織成員使用知識庫時能夠快速准確的定位需要的知識。

6。充分理解智慧是一種應用知識和信息處理問題的能力，在選擇組織成員時應兼顧其擁有知識和運用知識能力之間的平衡

3. 數智化是什麼意思

數智化的意思是：「數字智慧化」，相當於雲計算的「演算法」，即在大數據中加入人的智慧，使數據增值增進，提高大數據的效用。「智慧數字化」，即運用數字技術，把人的智慧管理起來，相當於從「人工」到「智能」的提升，把人從繁雜的勞動中解脫出來。

把這兩個過程結合起來，構成人機的深度對話，使機器繼承人的某些邏輯，實現深度學習，甚至能啟智於人，即以智慧為紐帶，人在機器中，機器在人中，形成人機一體的新生態。這是對「數智化」的原始認識。

(3)數據和人的智慧是什麼意思擴展閱讀：

「數智化」一詞最早見於2015年北京大學「知本財團」課題組提出的思索引擎課題報告，是對「數字智商」（Digital Intelligence Quotient）的闡釋，最初的定義是：數字智慧化與智慧數字化的合成。

「數智化」的傳統認識，最高階段就是「智慧城市」與「萬物互聯」，但也有學者認為，「數智化」還有第四階段，那就是人與人之間的「思頻互聯」，也就是把人的思維看成是「萬物」的特殊組成部分，進行特殊的「互聯」，把「數智化」繼續推進到文化層面。

4. 數據，信息，知識，智慧之間的關系

現在社會處於信息爆炸的時刻，我們每個人每天都會接觸到各種信息，很形象，看到這個詞，就可以想想信息量大的那種情景，現在網上熱搜，每天都換一撥，我們學習知識管理，就是為了加速我們的判斷，那數據，信息，知識，智慧之間這些之間有什麼聯系呢？

數據是數據，信息是信息，知識是知識，他們之間是不同的，那麼之間的區別和聯系是什麼呢？

數據沒有經過組織的文字元號圖像等，來源於事實，可以通過原始的信息，僅僅代表本身，可以說，數據是孤獨的，比如165

信息是什麼呢，當通過某種方式組織處理數據時，進行分析，讓數據之間產生關系，可以用來回答一些簡單的問題，誰，哪裡，也許可以說，信息就是拉幫結伙，有序排列的數據，比如，165後面加上cm就變成身高或者體重，具體是什麼，還要結合語境，

知識就是判斷信息是否有用的過程，這個過程結合上下文，詮釋，反省。信息結合越多，就越容易判斷正誤。

智慧，做正確判斷的能力，和對知識的正確使用，智慧可以回答為什麼的問題，判斷是非、對錯、好壞，關注未來，試圖理解過去沒有理解的東西，是人類特有的。

比如，榴槤是數據，好吃或不好吃是信息，嘗過一下直接實踐後得到的經驗，這是知識產生的過程，吃過以後有了判斷這就是智慧。

5. 試述數據、信息、知識、智能的含義與區別

第一部分 什麼叫知識！？

再次顯化與簡化 信息 知識 能力 智慧 的區別
*信息*: 只要是客觀的規律 以及目前人類總結出來的所有資料 都屬於信息
其龐大性 是最需要人們認真對待的性質 因為這就是為什麼信息不等於知識的重要原因之一

*知識*: 最簡單講就是 對單一個體---有用的! *信息*!
(就是說別人隨便指定一本書 講一節課那些東西 只能叫*信息* 那不叫*知識*)
在目前人類積累起的龐大*信息*海洋內 無疑無針對性選擇性的學習犯了"分兵大忌"!
為什麼?
1人的生命短暫 有很大的時間局限
2 大腦的潛力很難同時多領域開發 一個人的核心專業越少 往往成就越大
3一個人思維模式的特長可能會針對大約幾個領域 但由於成長環境的客觀局限性 從小隨機接觸的事物中對於哪個領域的接觸和相關智力激發是

不確定的 所以成長在汽車事物身邊的人有的最後成了汽車大亨
就是說(1)先天智力因素會給人確定的幾種潛能(2)後天成長中的客觀條件會隨機的鎖定個人的某個或某幾個潛能 成長環境的現實因素的直觀

性如果恰巧和某個潛能發生對應! 就會產生我們所謂的興趣!
當然這個對應的發生也不是必然 因為人的成長過程接觸的信息體不可能很充足 只是隨機而已
所以一個人可能智力已經激發的很好了 但確還沒找到自己的興趣 一個聰明人的的人生路
第一環節 其實就是去接觸大量現實的客觀事物 尋找與自身共鳴的領域!行業!事物!
然後你才可以精確的找到屬於自己的*知識* 是信息知識! 而不在是單純的信息!
4興趣! 個人興趣相關的信息如果因盲目學習而被忽視 就如同戰爭放棄了主戰場而把 主力放在邊緣戰區!
那麼此人的人生只要不中彩 那肯定是個庸人! 中國社會和大學生中 這樣的悲哀體```無數``````

*能力* ：智商指數 和 後天訓練的大腦運算率情況（第二部分有詳解）

*智慧*: 智慧分級別 簡單講 它就是 一個人掌握*知識*以後 加上其思考*能力*
而表現出的微妙體 思考能力可以形象的形容為人的CPU 但人的CPU不是固定不變的
而是通過訓練可以變的功能更強大的東西 所以*知識*量加 思維能力的強弱 就大約能形容出此人在其*知識*相關領域的*智慧*指數

我們的教育 乃至世界上傳授的東西 由於教育理念的錯誤
導致大多數人最後得到的是無數的*信息*! 而不是*知識*
很明顯信息量在大 它也沒用 因為只有*知識*才能轉化為力量 而!不是信息!
所以以中國的學生為例 就可以很清楚的看到 大量信息的載體中國學子
屬於樣樣通樣樣松 甚至是樣樣通都不通已經忘掉的狀態
這就是*信息* 與 *知識*概念混淆造成的結果

而無*知識*的人 基本告別了獲得高端智慧的可能 所以整體的麻木不仁和迷茫態
我想大家還是能感覺到一二的

*思維能力* 是在掌握屬於自己的*知識*以後的再思考後才會得到的*東西*
而我族在*知識*環節就已經被封印 於是立體的發散思維在我國很少
不是種族問題 而是*信息*與*知識*的概念混淆導致的必然結果

所以理論上講 全國某種意義上處於一種"麻木的病態" 總體的表象則會體現在主流常說的那個詞語上 素質```
教育問題不解決 我們的素質 只會繼續下行 在下在此在次鄭重提醒
望國人重視 我們的整體腐敗表象的禍首 其實就是這個微妙的細節出了問題
期望早日改掉此教育理念 振興千年中華民族

所以 *智慧* 等於 *知識* 加 能力 (一個比知識更加難理解的詞語)

第二部分 封印中的大腦的能力 (主指分析能力)

思維的高度

人與人思想的不同 很多 是角度的不同 方向的不同
但有一種不同 叫高度的不同 大腦運算量運算率的不同 （這個能力是可提高可訓練的！）

同時起飛 家雞不會比野雞看的廣 但野雞會輸於常鳥的視野 而通常的鳥類逾越不了鷹的局觀 同時 即使是鷹也無能力搜集到足夠的信息以

看清地球是圓的········
因為這個結論的得出 需要的不是看遍全球的橫向努力而是縱向的 高度要求！
能做到這個地步直觀地球之球狀的 那叫航天飛「雞」···

人的思維也是如此 看清一個問題···確實需要努力思考
但更取決於 思維的高度···························
也可以叫「向上穿透力」 最形象的說就是 :"單位時間內同時整和分析某一事件「決定因素」的數目多少的能力"
同時能整和10個因素的人要比5個的人看本質看的清楚的多
我們通常所講的"片面""偏激" 就是問題分析過程中遺漏了許多決定因素後發表個人觀點時給人的感覺
這個能力 有點像CPU的運算速度問題 但不同很多

一 人的CPU是可以不斷訓練升級的(大腦)
二 CPU的運算也需要給它數據才可以進行處理 而人的"數據"自己能否科學的學到知識還是個難點 （第一部分已經簡要的進行了描述）

當然 對於單一事件的分析 此事件的所有決定因素就是所有"數據" 所以分析結果的決定因素有兩個

*1個* 是此人的"CPU"如何
(也就是同時能整和多少因素 進行交錯\折中 而接近最佳結論的分析能力
假如有十個因素 同時能整和八個的就比五個的人得出的結論更合理 因為他考慮了八個方面
這里還有一個問題是不是考慮了十個因素就算整和了呢? 不是! 所謂整和!是同時分析的能力 既然是同一事件的決定因素 那麼必然存在相互聯

系 而且可能關聯非常復雜 是一個無序的糾結體
所以十個因素擺在眼前都看一便 只算是考慮一個因素的能力 所以如果因素全擺出來 不代表每個人都能分析出合理的解決方案 這個時候拼

的就是我們平時把自己CPU訓練到什麼程度了```)

*另1個* 則是 到底看到了所有因素中的多少因素的問題!
也就是說 信息因素的多少+CPU的性能高低(主頻?) 決定了一個人在一件事上得出結論的合理 "度"

所以只要高度上無法在突破 即使飛便全球 那麼鷹永遠也無法看清地球是圓的````````
（因為單位時間內分析的信息最大量不夠大 即使看便了地球的所有地區 地球在它的頭腦中 仍然只是一個面 而不是球 因為其所收集到的所有信息體之間的宏觀微妙聯系 在微觀的情況下是很難發現的 此時最好的方法就是想辦法同時看到更多的信息）

最後我更願意把這個"高度"的概念 概括為抽象的 ***大腦單位時間內的信息同時整和容納力***
也就是說 你能同時處理多少個相互關聯的信息體? 注意 是同時!
是對它們進行相互制約的部分的整體性立體性權衡!! 這大約就是這個能力的文字詮釋

所謂大腦越用越靈活 其實 跟電腦的CPU的運算能力的提升是很類似的事件
只是電腦的CPU只需要外力的改進 而 人的CPU除了自己沒人能最直接的幫助你去提升它!

所以一個人想成功 有三件事非常重要
1 獨立思考 提高大腦的單位時間內的運算能力

2 找到屬於自己的的領域 或者說特長

3在這個領域內開始搜集信息(就是 此領域內 所有事件 的 各個決定因素) 盡量多的去搜集!
因為你要在這個領域有所建樹 CPU在好沒有相對充足的相關"數據"也是白搭
這些數據對於單一個人才能叫"知識" 這樣定義"知識"這個"事件" 的"合理度"我能保證最少80%的正確性
因為其他領域的信息多少還不能算沒有任何作用 但它們多數時間肯定是輔助作用
由於人的生命時間局限性 和 記憶能力的極限性
所以學多了非個人相關領域的信息 那麼肯定嚴重影響到你的核心競爭力

到此 還發現另一個問題 一個"CPU"為十二因素同時整和容量的人
在分析一個其只找到十個重要因素的事件時 在整和分析過程中
由於剩餘的二個能力空間的存在 那麼此人必然在整和十個因素的同時 會有能力發現第十一個因素
乃至十二個 這樣問題的分析結果就會更加趨於合理

創新 其實理論上就是各領域內大容量的CPU對傳統事物再分析時發現了「被遺漏的決定因素」時
而進行修正甚至是顛覆的行為
這取決於新發現因素的決定性有多大
與之前已經考慮到的因素的平行因素的發現導致的結果可能就是一次幅度相對小些的修正性創新
若是比之前所有因素的優先順序高的因素被發現 那麼就是顛覆性理念的產生！

有些東西 本身只是合理度存在問題 那麼就只需要尋找其未被發現的平行決定因素 後進行修正就可以
有些東西本身就已經錯了 那麼就需要找出更高優先順序的因素才能看清楚

總之任何領域 任何問題上的 創新與在再突破 需要的都是我們訓練出一個單位時間內容夠量大的大腦!

一個人若總是分析決定因素數目超出自己的"CPU"范圍的問題 或者叫事件
那麼他的CPU就是"闊容" 也就是我們所說的"變聰明"!
個人感覺大腦的就如同一個很多"關節"被封閉的電流處理器 越是單位時間內挑戰它的處理極限就越容易沖開封閉的部分"關節"
而提高自己處理"上限"
而叛逆的創新性獨立思考正是變聰明的最好方式！

每個人的大腦潛力是不是相同我不知道 但每個人肯定都還可以變的更聰明
我國目前的科研 以及各方面的創新很差
從我的角度看 就是我們的教育體系的錯誤導致 無很好的獨立思考者 導致我們的國人中強大的CPU太少!
而創新的缺失 其實 就是哪個十二個上限的人分析十因素事件時的情況的缺失的表象！
中國現在高容量率的大腦太少 所以才會創新缺失 人才缺失！

CPU夠大時 對於合理度不高的事物其自身會馬上意識到當前情況遺漏掉的因素 並發現當前此事物存在態的不合理"度"
同時找到更合理的修改方案

雖然這個人找到的也許依然不是最合理的 但肯定比以前的要合理

有時一個決定性因素的"面世" 導致的可能是 整個事件的顛覆

一個整體了解到如何訓練CPU的民族 簡直就是無敵的!
可惜 目前國人連獨立思考的概念都還處於麻木或混淆態中 99%的人連訓練都沒怎麼訓練過
更不用談人們的CPU的容量率問題了
近13億顆封印中的大腦 5000年的民族```` 也正是因年代久遠 導致多項傳統對每一個個體的CPU主頻形成了強力封印 無法提高而這這個問題的

後果則是````` 「變的更傻」的現象的惡性循環！

*智慧*就等於 *知識* 加 *能力* 的結合體
（只有如上搞清楚了知識和能力的真正含義才能正確理解智慧的概念 否則每個人的智慧定義 註定是模糊的 無法被後人汲取的）
（有知識 有能力 有智慧 等概念被無數人不停的混淆著 所有人困惑在學問二字面前 不知何為學問```````````````````````）

第三部分

所謂強者 和強者人群

即是在什麼環境下做什麼事 整和所有因素去做決斷 不偏激亦不保守
擁有王道的變通 從不輕易完全否定什麼 亦不輕易完成肯定什麼 不斷的整和分析面對的當今的各種問題
並不斷強化自己的大腦能力 擴充自己相關領域的信息量

在辨證法的 基礎上 還要加上自身的比例感 和 概率感 以及立體感
因為一個黑白球的黑白比例不可能就是5:5 他可能是3:7 甚至是1:9 從立體方面看 略微轉變下位置
5:5這個比例還可能變為4.1:5.9 所以對這個球的黑白定性 取決於觀者是從角度上去看
還是比例上去看 還是兩個都去看 最後由自身的客觀情況去做選擇
如果是比球體抽象的事物 比如一個人的好壞 那麼就更難得出確定結論
這個時候 用這個人帶來的不確定性 就需要加入概率感 那就是他 在你目前的了解范圍內
好壞比是5:5的概率能有多大? 3:7的概率能有多大?
在考慮到給這個人的工作位置情況 那麼就需要考慮 什麼工作可以達到發揮其優點回
避其缺點 這就如同黑白比例3:7的球 如果找到只觀察得到白色的角度 並定位
那麼! 他在這個位置這個角度上 就是一個白球!
世間之事 多重因素左右其中 其復雜程度遠非如上例子這么「簡單」

多數人 沒事閑扯幾句什麼 逆向思維 事物分黑白的辨證法 就感覺自己很聰明
無比例感 無概率感 無立體發散感 無多維交錯感
他們就這樣任憑思維定勢 封印著其獨立思考能力 相當悲哀````相當不幸````

***********尋找多重"黑白"之間的多維比例及概率黃金分割線************
在說白一點 就叫"多方權衡後的最佳解決問題路線" （所有面前事件 所知相關因素的 交錯、聯動、利弊分析 權衡與整和！）

以不偏為"中"的原則 因多重情況而異 走最優化的路線 是為 強者 (這個"中"不是中間的意思 有點抽``)

這種人永遠走在不鹵莽不偏激又不保守的最強!路線上`````
沒有人 在同等條件下比這種人的效率更高 他們並不是走在最「中」路上的人 但他們永遠是最靠「中」的人！
確實沒有最好 但更好永遠存在！

想少犯錯誤 就要訓練這種模式的思維能力
同時不斷為了解更多的「情況」
向大腦無論通過書還是報紙還是網路還是眼睛 輸入大量的興趣感 概率感承認的「有用信息知識！」
這樣就越來越強`````````
人生才可以擺脫多數人的循規蹈矩的死循環怪圈
命運軌跡完成最優化

6. 什麼是信息、數據、知識和智能並理解四者之間的關系

信息化

將企業的已形成的相關信息，通過記錄的各種信息資源。涉及到各個環節業務的結果與管控，本質上是對業務結果數據的信息化再存儲與管控，用來提供給各層次的人了解 " 業務現在是什麼情況 "，" 流程進展到哪裡 " 等一切動態業務信息。信息化，側重於業務信息的搭建與管理。

數字化

把模擬數據轉換成用 0 和 1 標識的二進制碼，這樣電腦就可以讀出來這些數據了。其實是基於實際可視化對象進行的轉化過程。信息化僅僅對於業務的信息化的搭建與管理，並未是對產品對象資源等其他信息進行數字化。數字化更側重產品領域的對象資源形成與調用。

數據化

" 數據 "（data）這個詞在拉丁文里是 " 已知 " 的意思，也可以理解為 " 事實 "。如今，數據代表著對某件事物的描述，數據可以記錄、分析和重組它，這些轉變稱其為 " 數據化 " ——這是指一種把現象轉變為可製表分析的量化形式的過程。數據化側重結果，將數字化的信息有條理、有結構的組織，便於查詢回溯、智能分析，並解決相關決策問題。

智能化

智能化把繁瑣的工作通過數字化處理，或基於數據化直接調用或指導到工作，將人需要付諸的精力和所需的理解減至最低。具有 " 擬人智能 " 的特性或功能，例如自適應、自校正、自協調等。智能化側重點在於工作過程的應用。

四者間的相互關系

1. 信息化 = 業務數據化

比較明顯的例子，如企業 ERP 的實施，大家發現無非都是讓系統記錄了你所做的，就像一些人所抱怨的，ERP 無非將手工的過程搬進了系統。這個過程叫做 " 業務數據化 "，用數據將整個業務過程記錄下來，最典型的就是各種訂單數據，財務憑證。

2. 數字化 = 數據業務化

實施 ERP 的時候，大部分時間是 ERP 顧問問企業你要做什麼，或者怎麼做。或者告訴你系統功能，然後你自己決定如何使用，錄入何種參數。管理咨詢顧問會說，我們就是告訴你怎麼做，其實管理咨詢顧問大部分時間是告訴你方法論，不是具體方法。一旦落實到具體執行，又要碰到數據了。在傳統的以框架、流程、KPI 和最佳實踐為導向管理思想下，" 怎麼做 " 也落實到體系為止。

但是 " 數字化 " 則將 " 怎麼做 " 落實到了 " 數字 " 層面。" 數字化 " 是基於大量的運營數據分析，對企業的運作邏輯進行數學建模，優化之後，反過來再指導企業日常運行。用現在時髦的語言就是 " 機器學習 "，系統反復學習你的數據和行為模式，最後比你更加專業，並反過來指導你。所以說數字化是一切信息化、數據化、智能化的夯實基礎。

3. 數字化、信息化帶來了數據化

數據化是指問題轉化為可製表分析的量化形式的過程，最直觀的就是企業形形色色的報表和報告。

4. 智能化是最終目標

智能化是信息化、數字化、數據化最終的目標，也是發展的必然趨勢。從感覺到記憶到思維這一過程，稱為 " 智慧 "，智慧的結果就產生了行為和語言，將行為和語言的表達過程稱為 " 能力 "，兩者合稱 " 智能 "，將感覺、記憶、回憶、思維、語言、行為的整個過程稱為智能過程，它是智力和能力的表現。

數字化產品數據基礎重要性

隨著企業的數據化建設需求不斷深化的過程中，要想發揮大數據對實現企業數字化、智能化的能力，首先需要在充分了解業務需求的基礎上，做好建設規劃，以合理的成本確保投資效益最大化；而且，不要忽略數字化在工業軟體基礎性的重要作用。以產品數字化為基礎驅動業務的信息化建設。數字化產品市面上一般是 CAD、CAPP、PDM、PLM、IPD；此類基於產品為核心的應用工具。

特別是 PDM、PLM 的產品類型，一種是基於數字化技術為主導的產品輔助軟體，另一種基於信息化技術為主導的業務管理軟體；本人一般定義為 ERP 的產品業務管理軟體，因為此類軟體不具備工業軟體和數字化的特性，只具有業務軟體和信息的特性。