《数据、信息和知识的区别与联系综述课件.ppt》由会员分享，可在线阅读，更多相关《数据、信息和知识的区别与联系综述课件.ppt（17页珍藏版）》请在三一办公上搜索。
1、数据、信息和知识的 区别与联系,数据、信息和知识的定义,反映客观事物运动状态的信号通过感觉器官或观测仪器感知,形成了文本、数字、事实或图像等形式的数据。它是最原始的记录,未被加工解释,没有回答特定的问题;它反映了客观事物的某种运动状态,除此以外没有其他意义;它与其它数据之间没有建立相互联系,是分散和孤立的。数据是客观事物被大脑感知的最初的印象,是客观事物与大脑最浅层次相互作用的结果。,数据,数据、信息和知识的定义,利用信息技术对数据进行加工处理,使数据之间建立相互联系,形成回答了某个特定问题的文本,以及被解释具有某些意义的数字、事实、图像等形式的信息。它包含了某种类型可能的因果关系的理解,回答
2、“why(谁)”、“what(什么)”、“where(哪里)”或“when(何时)”等问题。,信息,数据、信息和知识的定义,知识不是数据和信息的简单积累，知识是可用于指导实践的信息，知识是人们在改造世界的实践中所获得的认识和经验的总和。知识又分为显性知识和隐性知识。显性知识是已经或可以文本化的知识，并易于传播。隐性知识是存在于个人头脑中的经验或知识，需要进行大量的分析、总结和展现，才能转化成显性知识。,知识,国内外学者对数据、信息和知识的定义,国内外的学者对数据、信息和知识的定义,数据、信息、知识的区别与联系,IlkkaTuomi(1999)对知识、信息和数据的层次结构进行了再思考,并提出了相
3、反的层次结构,指出当知识被语法、语义等结构描述后成为信息,信息被详细定义的数据结构规范后成为数据。数据、信息、知识之间的转换过程大致如下:数据 信息 知识 新数据 新信息 新知识。,数据、信息、知识的区别与联系,Davenport和Prusak也认为,知识与人紧密相连,信息经人脑处理的结果并存在于人脑中,就是知识,这种结果脱离人脑后的其它存在形式,就是信息。知识并不是静态的,知识的概念中还包括了互动、交谈以及发明创造等活动。与其他持三层次分类法的学者类似,这种观点认为知识包含了人的理解和创新能力,既四层次分类法中的“智慧”的内容。,数据、信息、知识的联系与区别,数据、信息、知识三者都是对事实的
4、描述，被统一到了对事实的认识过程中。首先，由于人们认识能力的有限性或者所采用的工具的低级性，导致了数据只是对事实的初步认识，甚至存在错误；然后，借助人的思维或者信息技术对上述数据进行处理，经过处理，人们进一步揭示了事实中事物之间的关系，形成信息；最后，在实践中，经过不断的处理和反复验证，事实中事物之间的关系被正确揭示，形成知识。,数据、信息、知识的区别与联系,数据、信息和知识之间不存在绝对的界限，从数据到信息再到知识的过程，是一个数据不断变得有序、不断得到验证，并最终揭示了事实之中所存在固有逻辑规律的过程。数据与信息、知识的区别主要在于它是原始的,彼此分散孤立的、未被加工处理过的记录,它不能回
5、答特定的问题。知识与信息的区别主要在于它们回答的是不同层次的问题,信息可以由电脑处理而获取,知识不是由电脑创造出来，是人在实践中获得的经验。,数据、信息、知识的区别与联系,从数据到信息到知识,是一个从低级到高级的认识过程，层次越高，外延、深度、含义、概念化和价值不断增加。在数据、信息、知识中，一方面，低层次是高层次的基础和前提，没有低层次就不可能有高层次，数据是信息的源泉，信息是知识的“子集或基石”。信息是数据与知识的桥梁。知识反映信息的本质。,案例,啤酒与尿布的故事,“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：
6、在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。,案例,在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在一个购物篮的现象。如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店，直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件
7、商品，并很快完成购物，而沃尔玛也可以让这些客户一次购买两件商品，而不是一件，从而获得了很好商品的销售收入，这就是“啤酒与尿布”故事的由来。,案例,当然“啤酒与尿布”的故事必须有技术方面的支持。1993年美国学者艾格拉沃提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从数学及计算机算法角度提出了商品关联关系的计算方法A prior算法。沃尔玛从上个世纪90年代尝试A prior算法引入到POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。,案例,沃尔玛从上个世纪90年代尝试A prior算法引入到POS机数据分析
8、中，并获得了成功。这是一个数据处理的过程，通过数据处理沃尔玛得到了一条重要的信息“啤酒”与“尿布”经常会出现在同一个购物篮中。,但是，我们不能简单的认为“啤酒”与“尿布”之间存在关联关系，这也可能是受到某种因素的干扰。比如这些啤酒与尿布同时出现是否具有规律？啤酒和尿布的价格是多少？是否同时对啤酒与尿布进行了促销,案例,沃尔玛是一家极其讲究卖场现场管理的企业，沃尔玛创始人老沃尔顿最大的乐趣就是卖场巡视，更多的运用自己的双眼而不是数据来发现事实。针对这一情况，沃尔玛从客户心理因素的角度出发，对客户的消费行为进行了大量的观察，确定了“啤酒”与“尿布”之间确实存在关联关系。此时，“啤酒”与“尿布”的关联关系已经变成了知识。,THE END!,
