知识 对于个人、组织的重要性已经不言而喻。可以说，管理与应用 知识 的能力已经成为企业的核心竞争力。
知识 如此重要，那么，究竟何为 知识 呢？目前不论在学术界还是在企业界，对 知识 的内涵还没有一个统一的认识。关于 知识 的定义，相信今后很长一段时间，也不会有一致的定义。“ 知识 是什么”这个问题之所以难于回答，一个重要原因在于 知识 紧密地依赖语境及在这个语境中的 知识 接收者。
与 知识 类似，我们通常提到的数据、 信息 等同样与语境密切关联，而且在实际应用中，这三个词汇经常会被混用，这恰好也为我们提供了另外一个对于 知识 的内涵进行描述的思路，即通过对数据、 信息 、 知识 进行比较分析，来描述而非准确定义 知识 。而且，幸运的是，在实际应用中，我们同样不必纠结于学术层面 知识 的准确定义。
本文试图通过数据- 信息 - 知识 -智慧的 DIKW 层次体系，分析四者之间的联系与区别，以及在实际应用中的作用，对 知识 的内涵和价值进行阐述。
DIKW 体系是关于数据、 信息 、 知识 及智慧的体系，可以追溯至托马斯·斯特尔那斯·艾略特所写的诗--《岩石》。在首段，他写道：“我们在哪里丢失了 知识 中的 智慧 ？又在哪里丢失了 信息 中的 知识 ？”（Where is the wisdom we have lost in knowledge？ / Where is the knowledge we have lost in information？）。1982年12月，美国教育家哈蓝·克利夫兰引用艾略特的这些诗句在其出版的《未来主义者》一书提出了“ 信息 即资源”（Information as a Resource）的主张。其后，教育家米兰·瑟兰尼、管理思想家罗素·艾可夫进一步对此理论发扬光大，前者在1987年撰写了《管理支援系统：迈向整合 知识 管理》（Management Support Systems: Towards Integrated Knowledge Management ），后者在1989年撰写了《从数据到智慧》（“From Data to Wisdom”，Human Systems Management ）。
DIKW 体系将数据、 信息 、 知识 、智慧纳入到一种金字塔形的层次体系，每一层比下一层都赋予的一些特质。原始观察及量度获得了数据、分析数据间的关系获得了 信息 。在行动上应用 信息 产生了 知识 。智慧关心未来，它含有暗示及滞后影响的意味。
数据 、 信息 、 知识 与 智慧 的关系
通过 DIKW 模型分析，可以看到数据、 信息 、 知识 与智慧之间既有联系，又有区别。数据是记录下来可以被鉴别的符号。它是最原始的素材，未被加工解释，没有回答特定的问题，没有任何意义； 信息 是已经被处理、具有逻辑关系的数据，是对数据的解释，这种 信息 对其接收者具有意义。举个例子，
这个时候，这个37.5有意义了，是一个广州的1岁半的小女孩在夏天午后玩了后测试的体温。在这样的背景下，37.5成为了有意义的 信息 中的一个关键指标。
知识 是从相关 信息 中过滤、提炼及加工而得到的有用资料。
特殊背景/语境下， 知识 将数据与 信息 、 信息 与 信息 在行动中的应用之间建立有意义的联系，它体现了 信息 的本质、原则和经验。此外， 知识 基于推理和分析，还可能产生新的 知识 。
最后来看智慧，智慧，是人类所表现出来的一种独有的能力，主要表现为收集、加工、应用、传播 知识 的能力，以及对事物发展的前瞻性看法。在 知识 的基础之上，通过经验、阅历、见识的累积，而形成的对事物的深刻认识、远见，体现为一种卓越的判断力。
整体来看， 知识 的演进层次，可以双向演进。从噪音中分拣出来数据，转化为 信息 ，升级为 知识 ，升华为智慧。这样一个过程，是 信息 的管理和分类过程，让 信息 从庞大无序到分类有序，各取所需。这就是一个 知识 管理的过程。反过来，随着 信息 生产与传播手段的极大丰富， 知识 生产的过程其实也是一个不断衰退的过程，从智慧传播为 知识 ，从 知识 普及为 信息 ，从 信息 变为记录的数据。
知识的内涵与价值
应用 DIKW 体系基于对数据、 信息 、 知识 进行对比分析，可以得出 知识 内涵的主要内容，即 知识 来源于 信息 ，但又不是 信息 的子集，它是经过“理解”后，关联了具体情境的、可以指导“如何”行动的 信息 ，它具有如下几个特征：
这种内涵下， 知识 的价值又是什么呢？如前所述，数据是数字、文字、图像、符号等，在没有被处理之前，本身不代表任何潜在的意义。而当通过某种方式对数据进行组织和分析时，数据的意义才显示出来，从而演变为 信息 ， 信息 可以对某些简单的问题给予解答，譬如： 谁？什么？哪里？什么时候？（Who,When,Where,What ）。
知识 是在对 信息 进行了筛选、综合、分析等等过程之后产生的。它不是 信息 的简单累加，往往还需要加入基于以往的经验所作的判断。因此， 知识 可以解决较为复杂的问题，可以回答“ 如何？（Why） ”的问题，能够积极地指导任务的执行和管理，进行决策和解决问题( How to )。
智慧 是在知识基础之上，通过经验、阅历积累，试图理解过去未曾理解或未尝试过的十五，形成对事物的深刻洞察以及对事物未来发展具有启示性、前瞻性的看法，体现为一种卓越的判断力，解决 “知最优”（What is best） 的问题。而智慧的应用又可以指导生产新的数据。
综上，在当今海量数据、 信息 爆炸时代下， 知识 起到去伪存真、去粗存精的作用。 知识 使 信息 变得有用，可以在具体工作环境中，对于特定接收者解决“如何”开展工作的问题，提高工作的效率和质量。同时， 知识 的积累和应用，对于启迪智慧，引领未来起到了非常重要的作用。
最后，有一点需要补充说明的是， 数据 、 信息 、 知识 依赖于语境、依赖于接收者本身，三者之间的区别并非泾渭分明。某个经过加工的数据对某个人来说是 信息 ，而对另外一个人来说则可能是数据；一个系统或一次处理所输出的 信息 ，可能是另一个系统或另一次处理的原始数据。同时，在某个语境下是 知识 的内容，在另外的语境中，可能就是 信息 ，甚至是无意义的数据。因此，在进行数据、 信息 与 知识 的研究与应用时，要与特定语境（即人、任务等）进行结合才有意义。
