Posted by 
若要進行大數據分析，我們當然需要數據作為材料。究竟什麼是數據？數據有多少個層次？如何將數據轉化成另一個層次？本文將與大家一一探討。
從知識管理學（Knowledge Management）之角度來看，數據的形態可以分類為三個層次：基礎數據層、資訊層及知識層。現時，數據之應用十分廣泛，坊間很多應用系統均提供相關功能去協助企業把數據換成資訊。而近年因為人工智能的熱潮來臨，企業開始作出相關投資，希望透過各種演算法，把資訊提升一層，轉換成為知識，協助企業進行日常決策。
最底層次為基礎數據層，此層次為所有數據分析之根本。數據泛指各種事實（Fact）及數字（Figure），當然這些事實及數字必需與某件事情相關連，但是它們並不需要有條理地預先整理好。在這個層次出現的數據，並不會提供各種內容及資訊。從眼睛去觀看數據層，會看到很多紀錄，他們之間並沒有關連。所以我們必須把數據提升到下一個層次。
要把數據進化成資訊層，所有數據必須被有系統及有條理地整理好。而在數據轉換過程中，我們一般都會把數據進行內容分類、整理及計算。所以，事先設定好目標，處理後的資訊會更為實用。我們能在這個層次獲取更多信息、更多數據型態及模式。例如：產品A在某個時段的銷售情況等等。我們也可以開始對資訊發問問題，例如：分店B在哪個時段的銷售額比較高？什麼產品最受歡迎等等。
而最高的層次為知識層。要把資訊轉換成知識，成功度直接與數據應用及應用後之結果掛鉤。這是最難被掌握的一個層次，因為這牽涉對分析目標之了解度及數據型態之掌握度，而且根據個人經驗及技術會獲得不同結果。更重要的是，世界每天在變，所需要的知識每刻不同。新輸入的數據及內裏的知識會令分析過程及結果產生不同變化。所以，要對事情及目標有深入的解讀，才能將知識應用發揮到極致。例如：顧客A之行為模式，喜歡什麼產品等等。
其實，除了此三個層次之外，知識層之上還有一個等級，這就是智慧層。透過知識之應用，轉化成為人類及機器的智慧進行日常操作及決策。
知識管理是一個非常複雜的學問，各企業希望把自身的知識留在公司，透過知識應用從而提升銷售額及讓日常營運操作變得順利。各種人工智能及大數據演算法簡化了數據的轉換工程，適當的應用不單止幫助企業進行日常商業決策活動，而且還能帶來更多機遇。
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
YouTube: https://www.youtube.com/drjackeiwong/