DIKW體系

DIKW體系是關于數據、信息、知識及智慧的體系，可以追溯至托馬斯·斯特爾那斯·艾略特所寫的詩--《巖石》。在首段，他寫道：“我們在哪里丟失了知識中的智慧？又在哪里丟失了信息中的知識？”（Where is the wisdom we have lost in knowledge？ / Where is the knowledge we have lost in information？）。

創(chuàng)新互聯"三網合一"的企業(yè)建站思路。企業(yè)可建設擁有電腦版、微信版、手機版的企業(yè)網站。實現跨屏營銷，產品發(fā)布一步更新，電腦網絡+移動網絡一網打盡，滿足企業(yè)的營銷需求！創(chuàng)新互聯具備承接各種類型的成都做網站、成都網站設計項目的能力。經過十載的努力的開拓，為不同行業(yè)的企事業(yè)單位提供了優(yōu)質的服務，并獲得了客戶的一致好評。

1982年12月，美國教育家哈藍·克利夫蘭引用艾略特的這些詩句在其出版的《未來主義者》一書提出了“信息即資源”（Information as a Resource）的主張。

其后，教育家米蘭·瑟蘭尼、管理思想家羅素·艾可夫進一步對此理論發(fā)揚光大，前者在1987年撰寫了《管理支援系統(tǒng)：邁向整合知識管理》（Management Support Systems: Towards Integrated Knowledge Management ），后者在1989年撰寫了《從數據到智慧》（“From Data to Wisdom”，Human Systems Management）。

數據工程領域中的DIKW體系

D：Data(數據)，是 DIKW 體系中最低級的材料，一般指原始數據，包含（或不包含）有用的信息。

I：Information(信息)，作為一個概念，信息有著多種多樣的含義。在數據工程里，表示由數據工程師（使用相關工具）或者 數據科學家（使用數學方法），按照某種特定規(guī)則，對原始數據進行整合提取后，找出來的更高層數據（具體數據）。

K：Knowledge(知識)，并且這些認識擁有潛在的能力為特定目的而使用。在數據工程里，表示對信息進行針對性的實用化，讓提取的信息可以用于商業(yè)應用或學術研究。

W：Wisdom(智慧），表示對知識進行獨立的思考分析，得出的某些結論。在數據工程里，工程師和科學家做了大量的工作用計算機程序盡可能多地提取了價值（I/K），然而真正要從數據中洞察出更高的價值，甚至能夠對未來的情況進行預測，則需要數據分析師。

數據工程 領域職業(yè)劃分：

數據工程是一整套對數據（D）進行采集、處理、提取價值（變?yōu)?I 或 K）的過程。

首先介紹一下相關的幾種角色： Data Engineer（數據工程師）, Data Scientist（數據科學家）, Data Analyst（數據分析師）。 這三個角色任務重疊性高，要求合作密切，但各負責的領域稍有不同。大部分公司里的這些角色都會根據每個人本身的技能長短而身兼數職， 所以有時候比較難以區(qū)分：

• Data Engineer 數據工程師： 分析數據少不了需要運用計算機和各種工具自動化數據處理的過程， 包括數據格式轉換， 儲存， 更新， 查詢。 數據工程師的工作就是開發(fā)工具完成自動化的過程， 屬于 基礎設施/工具（Infrastructure/Tools）層。

但是這個角色出現的頻率不多 ，因為有現成的MySQL, Oracle等數據庫技術， 很多大公司只需要DBA就足夠了。而 Hadoop, MongoDB 等 NoSQL 技術的開源， 更是使在大數據的場景下都沒有太多 數據工程師 的事，一般都是交給 數據科學家 。

• Data Scientist 數據科學家： 數據科學家是與數學相結合的中間角色， 需要用數學方法處理原始數據找出肉眼看不到的更高層數據， 一般是運用 統(tǒng)計機器學習（Statistical Machine Learning）或者 深度學習（Deep Learning）。

有人稱 Data Scientist 為 編程統(tǒng)計學家（Programming Statistician），因為他們需要有很好的統(tǒng)計學基礎，但也需要參與程序的開發(fā)（基于 Infrastructure 之上），而現在很多很多的數據科學家 職位都要求身兼數據工程師。 數據科學家 是把 D 轉為 I 或 K 的主力軍。

• Data Analyst 數據分析師： 數據工程師和數據科學家做了大量的工作，用計算機程序盡可能多地提取了價值（I/K），然而真正要從數據中洞察出更高的價值， 則需要依靠豐富的行業(yè)經驗和洞察力， 這些都需要人力的干預。

Data Analyst 需要的是對所在業(yè)務有深刻了解， 能熟練運用手上的工具（無論是 Excel， SPSS也好， Python/R也好，工程師給你開發(fā)的工具也好，必要時還要能自己充當工程師和科學家，力盡所能得到自己需要的工具），有針對性地對數據作分析，并且需要把發(fā)現的成果向其他職能部門呈現出來，最終變?yōu)樾袆樱@就是把數據最終得出 Wisdom。

什么是數據分析：

百度百科：數據分析是指用適當的統(tǒng)計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷，以便采取適當行動。

數據分析的過程：

數據收集 -》 數據處理 -》 數據分析 -》數據展現

1. 數據收集：本地數據或者網絡數據的采集與操作.
2. 數據處理：數據的規(guī)整，按照某種格式進行整合存儲。
3. 數據分析：數據的科學計算，使用相關數據工具進行分析。
4. 數據展現：數據可視化，使用相關工具對分析出的數據進行展示。

數據分析的工具：

• SAS：SAS（STATISTICAL ANALYSIS SYSTEM，簡稱SAS）公司開發(fā)的統(tǒng)計分析軟件，是一個功能強大的數據庫整合平臺。價格昂貴，銀行或者大企業(yè)才買的起，做離線的分析或者模型用。
• SPSS：SPSS（Statistical Product and Service Solutions，統(tǒng)計產品與服務解決方案）是IBM公司推出的一系列用于統(tǒng)計學分析運算、數據挖掘、預測分析和決策支持任務的產品，迄今已有40余年的成長歷史，價格昂貴。
• R/MATLAB：適合做學術性質的數據分析，在實際應用上需要額外轉換為Python或Scala來實現，而且MATLAB（MathWorks公司出品的商業(yè)數學軟件）是收費的。
• Scala：是一門函數式編程語言，熟練使用后開發(fā)效率較高，配合Spark適合大規(guī)模的數據分析和處理，Scala的運行環(huán)境是JVM。
• Python：Python在數據工程領域和機器學習領域有很多成熟的框架和算法庫，完全可以只用Python就可以構建以數據為中心的應用程序。在數據工程領域和機器學習領域，Python非常非常流行。

另外有需要云服務器可以了解下創(chuàng)新互聯scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

當前名稱：數據分析_DIKW與數據工程-創(chuàng)新互聯
鏈接URL：http://www.chinadenli.net/article18/ihigp.html

成都網站建設公司_創(chuàng)新互聯，為您提供品牌網站制作、定制網站、網站建設、外貿網站建設、網站營銷、關鍵詞優(yōu)化

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯