陳春花老師的一場在線演講《激活自我：讓知識為自我賦能》中，提到陳述事實的數據，經過加工處理後形成信息，通過鑑別後的信息形成知識，通過行動得以驗證的知識並給予決策便是智慧，這就是知識流動鏈。
在這信息爆炸的時代，這個充滿知識的時代，人們對知識充滿渴望，卻又應接不暇；我們進入了不確定的時代，迭代加快，不斷出現新增知識，我們卻又認知盈餘，出現選擇障礙；碎片化信息碎花化時間導致時間稀缺；同時，對知識驗證的要求也越來越高。以上這些導致了我們感到：深深的焦慮和安然的孤獨！
怎麼解決這種狀況呢？唯有“知識”可面向未來！那麼作為企業，是否擁有知識呢？怎麼成為一個知識驅動的企業呢？
自上而下構建數據戰略
構建數據戰略這一計劃，是為了監督和改善企業內外數據的獲取、存儲、管理、共享和使用方式。數據戰略是為了將數據更有效的轉為知識，為企業提供決策，為業務成功奠定基礎。因此在制定戰略的時候，重要的是考慮現有的以及未來的業務和技術目標和計劃。對待數據戰略要像對待其他有形價值資產一樣重視，而不僅僅是某個系統或程序的副產品。
數據源的甄別
回到“知識流動鏈”，知識最主要的來源：陳述事實的數據！那麼，企業所需的數據從哪裡來呢？以下為主要的數據來源，對於企業一定要做甄別，是否是有效的數據，對轉化知識有用？
- 存檔數據：舊系統創建的表單和語句的掃描版本。
- 內部文檔：本地化大量文件或者應用程序創建的數據，例如文字處理文件，電子表格，HTML頁面，PDF文件等。
- 多媒體文件：數字化的圖片，視頻和音頻文件。
- 運營和分析數據庫：一些有IT技術部門將數據存儲在SQL，NoSQL和/或Hadoop環境中。
- 應用管理系統數據：例如ERP，HR，CRM，PoS和內容管理系統裡面的數據。
- 社交媒體數據：來自社交媒體平臺的非結構化文本，可用於品牌情感分析。
- 傳感器數據：藉助物聯網（IoT）技術，連接到智能設備的傳感器可以提供地理位置、溫度、噪聲、機器參數，可進行識別數據。
- 公開網絡數據：包括來自公開行業網站和政府資源公開數據，涉及交通、金融、股市和政府健康數據等眾多主題。
- 機器日誌數據：這是在機器中捕獲的數據，通常涉及服務器和移動設備上的活動。
存儲、處理、分析數據，形成有價值的信息
- 訪問，管理和存儲數據：科技的發展提供了快速訪問海量、多類別的數據所需的速度、功能和靈活性。除了可靠的訪問，企業還需要用於集成數據，確保數據質量，提供數據治理和存儲以及為分析的方法。某些數據可能存儲在本地、或者傳統數據倉庫，也有需要通過雲計算的解決方案，使數據上雲端甚至是上區塊鏈端。
- 分析處理數據：藉助數據分析方法與技術工具，將數據進行分析處理，獲得加工修飾後的數據。確定數據的關聯性，進行數據清洗融合，打破數據孤島、混亂、分散性，提高數據的流動性；一系列的操作都是圍繞從數據中獲得有價值的信息，以及數據洞察力。數據分析處理在整個流動鏈中是非常重要的一步，直接導致知識的獲取，決策的方向。
數據驅動為導向
擁有可信任的數據源，做可信任的分析，提供可信任的決策，保持企業在知識時代的競爭力，企業需要抓住數據的全部價值並以數據驅動為導向提供有價值的信息轉為企業知識資產。至少從提升業務的角度來看，數據驅動的價值顯而易見。
- 驅動決策：通過數據來幫助拍板，包括產品改進、運營優化、營銷分析和商業決策等。我們有了數據，就能判斷哪些渠道轉化的效果更好，哪些功能樣式更加受用戶歡迎。這也就是我們常說的 BI（商業智能），通過數據來支持決策。
- 驅動產品智能：所謂智能，把它歸結為這麼一種模式：我們有了一定的數據基礎，然後在上面套一個算法模型，再將得到的數據結果反饋到產品中。這樣，產品本身就具有了學習能力，可以不斷迭代。比如個性化推薦，通過採集許多用戶行為數據，在這個基礎上訓練用戶興趣模型，然後給用戶推薦信息，再將用戶的使用數據反饋到模型中。智能是一種學習能力，產品智能就是AI（人工智能）概念。
知識的生產力日益成為經濟與社會成功及整體經濟表現的決定性因素。企業擁有的數據量以及處理方式直接影響企業擁有的知識資產。瞬息萬變的數據信息知識時代，探碼科技已經為你準備好了數據採集分析處理的先進產品與技術，探索Dyson分佈式網絡數據採集系統，為你數據準備而服務。
閱讀更多 探碼科技 的文章
