第三部分 焦点
第10章 战略与执行的结合
DIKW：从数据中提取价值的基本方法
通常，我们根据数据来推导信息，根据信息来获取知识，根据知识来形成智慧。
正如我们之前讨论的，许多公司并不缺乏可访问的数据数量，其中的关键挑战是，这些公司能否提取重要的数据，从而获得真正的价值。在信息管理中，最基本的模型是DIKW（数据、信息、知识、智慧）层次模型（见图10-7）。它可以很好地帮助我们理解数据、信息、知识和智慧之间的关系。
图10-7 DIKW层次模型
DIKW层次模型中的数据代表原始数据，位于金字塔的底部，不包含任何潜在意义。通过某种方式组织和处理数据，分析数据间的关系，数据就有了意义，这就是信息。信息可以回答一些简单的问题，如：谁？什么？哪里？什么时候？知识是对信息的应用，是一个对信息判断和确认的过程，这个过程结合了经验、上下文、诠释和反省。知识可以回答“如何”的问题，可以帮助我们建模和仿真。智慧，在金字塔的顶端，可以简单地归纳为做正确判断和决定的能力，包括对知识的最佳使用。智慧可以回答“为什么”的问题。
数据智能应用的机会显而易见，但很少有公司会投入时间和资源来创建综合性的数据战略。在创建数据战略的过程中，我们需要关注的关键领域包括：
·数据收集——我们需要收集什么样的数据来推动业务进展？我们要提出什么问题？数据来源是什么？我们需要了解哪一层级的细节？
·存储、管理和访问——我们需要采用什么样的技术、流程、治理、隐私规则、位置、安全？
·数据架构、集成和数据流——数据结构，网络，打破数据竖井。
·洞察力、分析和应用——谁需要什么样的信息？如何将信息转化为知识？目前的需求是什么？我们如何与组织目标保持一致的前进方向？团队成员需要什么样的技能？我们需要担任什么样的角色，承担什么样的责任？我们如何让想法付诸实践？在实践中，如何看待人工智能、机器学习技术以及它们在自动化过程中所扮演的角色？
商业从简单的分析转向数据科学，不仅对技术和人员能力提出了更高的要求，业务流程、数据管理也需要上升到新的高度。敏捷业务构筑组织基础设施平台，实现动态能力灵活流动，让分析（通常是实时的）成为业务管理和运营中心。用英国政府数字服务局的话来说，我们要努力让它保持简单。
要想通过数据取得成功，我们不仅要广泛地收集数据，还要在生产过程和实践中使用数据，让数据助力战略布局和科学决策。打造数据驱动型组织取决于企业高层的支持，它需要被嵌入到组织文化中。
