以下文章来源于数据工匠俱乐部，作者杨青 本文经授权转自：数据工匠俱乐部（id：zgsjgjjlb ）

摘要

信息化、数据化、数字化、智能化等概念层出不穷，然而业内没有的权威定义，大家众说纷纭，大有“百花齐放，百家争鸣”之势。尤其非IT专业人士，对这些概念的认知往往是非常困惑。 本文将数据化、信息化、数字化、智能化的相关定义抛砖引玉，结合组织定义与行业发展趋势，对四者之间的联系与区别进行解析，便于广大读者更好理解之间的关系，助力于企业数字化转型升级。

一 、数据、信息、知识、智慧四者之间的关系

IBM DIKW数据价值体系

从图可以看出，数据是知识阶层中最底层的概念，数据是形成信息、知识和智慧的源泉。企业不同角色对信息需求是不一样的, 需要满足各级主管的信息需求。 数据: 是使用约定俗成的关键字，对客观事物的数量、属性、位置及其相互关系进行抽象表示，以适合在这个领域中用人工或自然的方式进行保存、传递和处理。 信息:是具有时效性的，有一定含义的， 有逻辑的、经过加工处理的、对决策有价值的数据流。 知识:通过人们的参与对信息进行归纳、演绎、比较等手段进行挖掘，使其有价值的部分沉淀下来，并与已存在的人类知识体系相结合，这部分有价值的信息就转变成知识。 智慧:是人类基于已有的知识，针对物质世界运动过程中产生的问题根据获得的信息进行分析、对比、演绎找出解决方案的能力。这种能力运用的结果是将信息的有价值部分挖掘出来并使之成为知识架构的一部分。

二、数据与数据化

2.1 数据的定义

大数据时代，能够意识到数据的重要性，但是否真的了解数据的相关定义呢？各机构的定义如下：

	定义机构	数据定义
1	维基百科	早在1946年，data一词就首次被用于明确表示“可传输和可存储的计算机信息”。 根据维基百科，数据的含义已不再局限于计算机领域，而是泛指所有定性或者定量的描述。
2	国际数据管理协会（DAMA）	DAMA认为数据是以文本、数字、图形、图像、声音和视频等格式对事实进行表现。 这意味着数据可以表现事实，但需要注意的是，数据≠事实——只有在特定的需求下，符合准确性、完整性、及时性等一系列特定要求的数据，才可以表现特定事实。
3	美国质量学会（ASQ）	ASQ将数据定义为“收集的一组事实”；美国资深数据质量架构师劳拉·塞巴斯蒂安认为，“数据是对真实世界的对象、事件和概念等被选择的属性的抽象表示，通过可明确定义的约定，对其含义、采集和存储进行表达和理解。” 数据要描述的客体，包括对象（人、物、位置等）、时间和概念等，其中，描述人员、地点、事物的数据通常被称为主数据。由于主数据一般被用于多个业务流程和系统，所以。主数据的标准化、主数据的同步对于系统集成共享而言，就显得至关重要。
4	国际标准化组织（ISO）	ISO将数据定义为“以适合于通信、解释或处理的正规方式来表示的可重新解释的信息。” 数据本质上是一种表示方法，是人为创造的符号形态，是它所代表的对象的解释，同时又需要被解释。 数据对事物的表示方式和解释方式必须是权威、标准、通用的，只有这样，才可以达到通信（传输、共享）、解释和处理的目的。 而为了确保数据对事物的表示和解释方式是权威、通用、标准的，我们必须围绕数据制定一系列标准。
5	新牛津美语字典（NOAD）	NOAD将数据定义为“收集在一起的用于参考和分析的事实”。17世纪的哲学家用数据来表示“作为推理和计算基础的已知或假定为事实的实物”。以上两种定义意味着，数据可支持分析、推理、计算和决策。 不过，如果要确保数据能够支持分析、推理、计算和决策，我们就必须保证事实、数据的真实、准确，这是最基本的要求。

2.2 数据化的定义

数据化：数据代表着对某一件事物的描述，通过记录、分析、重组数据，实现对业务的指导。数据化的核心内涵是对大数据的深刻认识和本质利用。

2.3 数据化的应用

数据化最直观的就是企业各式各样的报表和报告。数据化是将数字化的信息进行条理化，通过智能分析、多维分析、查询回溯，为决策提供有力的数据支撑。

三、信息化定义

3.1 信息化的定义

信息化：信息的数字化（Digitization）。信息化是指建设计算机信息系统，将传统业务中的流程和数据通过信息系统来处理，通过将技术应用于个别资源或流程来提高效率。

3.2 企业信息化的定义

而企业信息化是指企业以业务流程的优化和重构为基础，在一定的深度和广度上利用计算机技术、网络技术和数据库技术，控制和集成化管理企业生产经营活动中的各种信息，实现企业内外部信息的共享和有效利用。通过这样来提高企业的经济效益和市场竞争力，这将涉及到对企业管理理念的创新，管理流程的优化，管理团队的重组和管理手段的创新。 （一）信息化建设 （1）信息化发展现状 信息化时代，企业构建了一个个针对业务环境支撑的系统，如OA、HR、财务系统、采购系统、知识管理系统、ERP等，形成了竖井式“烟囱”。由于系统异构或数据标准不一致，数据进行整体的汇总时，总存在数据片面失真的情况。宏观数据统计准确度欠佳，数据个性化分析满足不了需要，微观上数据与设备之间联系又无法进行沟通。

信息化现状

（2）信息化的特点 人类的活动以物理世界为主，少量的行为借助信息化手段改进和提升。 人的思维模式还是线下流程化思维，信息化是为线下物理世界活动服务的。当活动的线上与线下规则发生碰撞冲突的时候，以线下物理世界为主。 以流程是核心，软件系统是工具，而数据是软件系统运行过程中的副产品。

3.3 信息化的建设阶段

目前应用的企业信息化管理系统主要有：OA办公自动化系统；用于管理客户关系的CRM系统；ERP企业资源规划系统；MES制造执行管理系统等。 传统的企业，信息化经历了以下四个阶段： 2000年以前，MIS系统（OA，财务软件等）建设阶段，手工作业的电子化，解决效率，节约人工的问题。信息系统基本是分散独立建设； 2000年-2010年，ERP集中建设阶段，解决不同部门之间沟通问题。应用整合阶段是ESB，SOA谈的比较多； 2011年-2017年，IT资源整合，分析数据，决策支持为核心。IT资源整合云化（IaaS），历史应用系统PaaS化； 2018年-至今，中台概念涌现等，架构分层，新旧架构并存相当一段时间。 四数字化与数字化转型 数字化则是推进信息化的最好方法，数字化带来了数据化。

4.1 数字化定义

数字化（Digitalization）：数字化就是要把物理系统在计算机系统中仿真虚拟出来，在计算机系统里体现物理世界，利用数字技术驱动组织商业模式创新，驱动商业生态系统重构，驱动企业服务大变革。 按照Gartner的定义，业务数字化是指利用数字技术改变商业模式，并提供创造收入和价值的新机会，它是转向数字业务的过程。

4.2 数字化转型的背景

数字化生存是现代社会中以信息技术为基础的新的生存方式。在数字化生存环境中，人们的生产方式、生活方式、交往方式、思维方式、行为方式都呈现出全新的面貌。2017年，“数字经济”正式被写入党的十九大报告。2018年中国数字经济总量达到31.3万亿元人民币，占GDP的比重为34.8%。2019年，国家领导人在向2019中国国际数字经济博览会贺信中明确指出数字经济对各国经济社会发展、全球治理体系、人类文明进程的深远影响，高度概括中国发展数字经济的指导理念与实际举措。 身处数字化时代洪流中的企业也必须与时俱进，与时代同频共振才能免于成为时代的弃儿。

数字化转型背景

我们认为数字化转型是：通过数字技术的深入运用，构建一个全感知、全联接、全场景、全智能的数字世界，进而优化再造物理世界的业务，对传统管理模式、业务模式、商业模式进行创新和重塑，实现业务成功。

4.3 转型的本质

数字化转型本质上是业务转型，数字化转型本质上是信息技术驱动下的一场业务、管理和商业模式的深度变革重构，技术是支点，业务是内核。

4.4 转型的目的

数字化转型过程中，新技术运用并不是目的，转型的根本目的是提升产品和服务的竞争力，让企业获得更大的竞争优势。

4.5 数字化转型面临的挑战

对于大多数企业而言，数字化转型面临的挑战来自方方面面：从技术驾驭到业务创新，从组织变革到文化重塑，从数字化能力建设到人才培养，因此数字化转型的成功不可能一蹴而就。数字化转型是一项长期艰巨的任务，多数企业需要3-5年甚至更长时间才能取得显著效果。

五、智能与智能化

5.1 智能的定义

智能：从感觉到记忆再到思维这一过程称为“智慧”，智慧的结果产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称“智能”。

5.2 智能化的定义

智能化：使对象具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能、以及行之有效的执行功能而进行的工作。智能化是从人工、自动到自主的过程。

5.3 智能化的应用

人工智能: 由人工制造出来的系统所表现出来的智能；是使机器/系统能够完成一些通常需要人类智慧才能完成的复杂任务的技术和方法论。人工智能是实现智能化的主要途径。 实现人工智能的主要途径：大数据智能、群体智能、跨媒体智能、人机混合增强智能和类脑智能等方面。在所有这些方面，新一代人工智能技术都初露端倪。 人工智能技术诞生60多年来，虽历经三起两落，但着实取得了巨大成就。机器学习技术现状： 数据样本层面：人工标注训练数据，人工筛选训练样本； 学习过程层面：人工设定网络结构，人工设计模型算法； 环境任务层面：人工预设应用场景，人工指定执行任务。

六、数据化、信息化与数字化联系与区别

信息化和数字化的概念趋于系统性，数据化则涉及到了执行层的概念，一切业务数据化。以数据分析为切入点，通过数据发现问题、分析问题、解决问题，打破传统的经验驱动决策的方式，实现科学决策。最终信息化、数字化、数据化实现人工付诸的精力和时间的最小化，达到人工智能改变工作效率的问题。

类别	侧重点	定义回顾
信息化	侧重业务信息的搭建与管理	将企业的已形成的相关信息，通过记录的各种信息资源，涉及到各个环节业务的结果与管控。
数字化	侧重产品领域的对象资源形成与调用	基于信息化技术所提供的支持和能力，让业务和技术真正产生交互，改变传统的商业运作模式。
数据化	侧重结果	将数字化的信息进行条理化，通过智能分析、多维分析、查询回溯，为决策提供有力的数据支撑。
智能化	侧重于工作过程的应用	使对象具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能、以及行之有效的执行功能而进行的工作。

6.1 业务数据化

业务数据化：建设专业信息化系统，实现企业业务管理的数据化。指业务相关表单和信息流转以数字方式存储，但简单的数字化存储并没有达到数据化的阶段，信息只有通过内在的指标化（亦可称为模型化），达到业务数据可利用、可分析、可改进，进入运营环节才能称之为业务数据化。业务数据化带来的好处是实现更为精细的运营。在业务数据化过程中，元数据起到核心驱动的角色。

6.2 数据业务化

数据业务化指建立企业的数据中台，形成数据资产积累，支持数据治理与数据服务，结合企业业务发展，设计数据服务应用，为企业提供数据价值。业务生产数据、数据反哺业务。强调数据转变为带有建议性的信息帮助客户实现商业目的，强调数据的应用，更加聚焦让数据产生价值。

6.3 智能化是最终目标

智能化是信息化、数字化、数据化最终的目标，也是发展的必然趋势。

6.4 数字化与信息化的区别

数字化是信息化的高阶阶段，是信息化的广泛深入运用，是从收集、分析数据到预测数据、经营数据的延伸。数字化脱离了信息化的支撑只不过是空中楼阁。

信息化和数字化的比较

数字化并不会脱离信息化。数字化就是解决信息化建设中信息系统之间信息孤岛的问题，实现系统间数据的互联互通。进而对这些数据进行多维度分析，对企业的运作逻辑进行数字建模，指导并服务于企业的日常运营。 （一） 数字化建设 （1） 数字化方法论的应用 以价值为导向，自上而下改变数据的应用方式，打破了系统之间“数据烟囱”。通过基于数据仓库与平台构建一系列场景应用服务，支持企业治理模型由平面化到立体化，多维度刻画治理管控要素，促使了企业运营向前切分的粒度更细，向后数据统计分析内容更广。 数据不再只是链接贯通，而是能够实现信息与设备的串通即微观数字处理，可以实现模拟信息与数字信息互相转化，也能实现数字信息汇总成符合人类思维习惯的智慧宏观数据，实现微观与宏观应用的全面支撑。 （2） 数字化特点 人类大部分活动及交互都在数字化世界中进行，少量决策指挥信息回到物理世界指挥设备和机器完成操作。 数据是物理世界数字化世界的投影，是一切的基础，而信息化系统则是产生数据的过程和工具。

数字化特点

信息化和数字化的概念趋于系统性，数据化则涉及到了执行层的概念，一切业务数据化，一切数据业务化。以数据分析为切入点，通过数据发现问题、分析问题、解决问题，打破传统的经验驱动决策的方式，实现科学决策。最终信息化、数字化、数据化实现人工付诸的精力和时间的最小化，达到人工智能改变工作效率的问题。

结束语

本文对数据化、信息化、数字化和智能化等内涵作了详细说明，便于读者更好的理解和掌握数据领域相关概念。对数据化、信息化、数字化和智能化四者从各自的角度比对分析，得出四者之前存在的联系和区别。 最后总结一点：数字化转型是一项长期艰巨的任务，数字化是推进信息化的最好方法，数字化带来了数据化。人工智能是实现智能化的主要途径。业务生产数据、数据反哺业务，从而推动数字化转型。(特别鸣谢蔡春久先生给予专业指导！) 参考文献 [1].国家标准GB/T 36073-2018《数据管理能力成熟度评估模型》 [2].中国信息通信研究院云计算与大数据研究所CCSA TC601大数据技术标准推进委员会《数据资产管理实践白皮书（4.0）》 [3].《The DAMA Guide to the Data Management Body of Knowledge》 [4].Boris Otto《Data Governance》 [5].Weber K, Otto B, Oterle H (2009).《One Size Does Not Fit All---A Contingency Approach to Data Governance》 [6].新牛津美语字典（NOAD） [7].国际标准化组织（ISO） [8].wikipedia维基百科 [9].美国质量学会（ASQ）

很显然在目前的信息时代，借助类似于FineBI的这些工具，可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多，选择时必须要结合实际的情况。一般的情况下，都建议选择市面上较主流的产品，比较容易达到好的效果，目前企业数据分析BI软件市场占有率前列的，就是帆软BI软件——FineBI。

FineDataLink是一款做BI分析前的ETL工具，可以直接把数据接入到BI，同时可以把数据分享给数据中心，或者第三方需要用到数据的地方。同时，FineDataLink可以轻松地将来自各种数据源的数据集成到FineBI中，从而帮助企业更好地使用FineBI的数据分析和可视化功能，为企业带来更好的数据管理和分析体验。