上圖：數據>資訊>知識>見解>智慧>影響力
數據科學領域有一個經典的 數據-資訊-知識-智慧（DIKW，Data-Information-Knowledge-Wisdom）金字塔模型 ，說明了從原始數據到有價值見解的發展過程，提供了一個討論數據意義和效用的框架。金字塔的每個層次都建立在較低層次的基礎上，要有效地做出數據驅動型決策，需要所有四個層次的數據。
智慧， 是在了解基礎知識的基礎上做出明智決策和采取有效行動的能力。
知識， 是分析和解釋資訊以發現模式、趨勢和關系的結果。它提供了對某些現象 "如何 "和 "為何 "發生的理解。
資訊， 是有組織、有結構、有背景的數據。資訊有助於回答 "誰"、"什麽"、"在哪裏 "和 "何時 "等基本問題。
數據， 是指未經處理的原始事實和數碼，沒有上下文。它是所有後續層面的基礎，但單獨使用價值有限。
舉幾個栗子：
行銷例項： 數碼行銷活動
網站跟蹤工具收集瀏覽和點選數據，但行銷團隊的最終目標是就如何最佳化廣告活動的投資回報做出決策。
智慧： 透過了解客戶偏好和市場趨勢，行銷團隊可以在針對特定受眾群體、客製資訊和分配資源方面做出明智的決策，從而最大限度地提高行銷活動的投資回報率（ROI）。
知識： 分析和解釋此次行銷活動的資訊，並將其與過去的行銷活動進行比較，從而發現一些規律，如最有效的廣告格式、最佳釋出時間以及高轉化率客戶的關鍵內容。
資訊： 數據是有組織、有結構的，可提供各行銷渠道的點選率（CTR）、轉化率、印象和每次獲取成本（CPA）等指標。
數據： 行銷活動的原始封包括單個使用者與行銷材料的互動，如點選、瀏覽、點贊、分享和購買。
銷售例項： 客戶關系管理
客戶關系管理軟件記錄與客戶的互動，但銷售團隊的最終目標是就如何最佳化潛在客戶的收入做出決策。
智慧： 透過了解客戶行為和銷售模式，銷售團隊可以做出明智的決策，優先考慮高價值的潛在客戶，調整他們的銷售方法，並有效地分配資源，以實作收入和客戶滿意度的最大化。
知識： 分析和解釋來自客戶關系管理的資訊，發現最有效的銷售技巧、最佳跟進時機和高價值客戶的關鍵內容等模式。
資訊： 來自客戶關系管理的數據是有組織和結構化的，可提供不同行業和客戶群的銷售線索轉化率、平均交易規模、銷售周期持續時間和客戶終身價值（CLV）等指標。
數據： 原始的 CRM 封包括每個客戶與銷售團隊的互動，如電話、電子郵件、會議、提案和已完成的交易。
產品例項： 流動應用開發
移動應用程式會收集使用者數據，您也可以從使用者那裏獲得更多反饋數據，但產品經理的最終目標是做出改進應用程式的決策。
智慧： 了解使用者的需求、偏好和痛點可以讓產品經理做出明智的決策，優先開發功能，提升使用者體驗，有效分配資源，最大限度地提高使用者滿意度和留存率。
知識： 分析和解釋來自應用程式使用和使用者反饋的資訊，揭示經常要求的功能、使用者沮喪的原因以及推動使用者參與和忠誠度的關鍵因素等模式。
資訊： 對應用程式使用和使用者反饋數據進行組織和結構化，提供諸如平均會話時長、功能使用頻率、使用者保留率以及不同使用者群的共同反饋主題等指標。
數據： 原始封包括單個使用者與應用程式的互動，如按鈕點選、螢幕瀏覽和在應用程式中花費的時間，以及使用者透過評論、調查和支持單送出的反饋。
財務例項： 財務規劃
每家企業都會記錄財務交易，但財務長的最終目標是做出決策，最大限度地提高盈利能力和實作增長。
智慧： 了解公司的財務健康狀況和市場條件，讓財務長能夠做出明智的決策，確定投資的優先次序，管理支出，並有效分配資源，以實作盈利和增長的最大化。
知識： 分析和解讀財務資訊可以發現一些規律，如最賺錢的產品線、成本驅動因素以及影響收入和支出的關鍵因素。
資訊： 財務數據被組織和結構化為財務報表和報告，提供對收入、凈收入、現金流、毛利率、跨業務部門和跨時間段的投資回報率（ROI）等指標的洞察。
數據： 原始封包括單個財務交易和記錄，如銷售發票、費用收據、薪金記錄和資產估值。
先到這裏吧，這塊的資料其實非常多，有人看再更吧……
參照資料：
https://www. datacamp.com/cheat-shee t/the-data-information-knowledge-wisdom-pyramid
