【2026年版】第02讲：信息的本质——从"菜市场砍价"到"数据驱动决策"

主讲：老孙

适用：2026年下半年系统规划与管理师考试

预计阅读时间：40分钟

一、上节回顾

上一讲我们一起挖了"系规"知识大厦最底下的三块基石：信息、信息化、信息系统。

我用了菜市场、厨房、餐厅这三个最朴素的场景，把这三个看似一模一样、其实差着十万八千里的概念给你掰开揉碎了。如果你跟着我的节奏走完了，那现在你脑子里应该已经有了下面这张"概念三连"图：

数据是原材料，信息是经过加工的数据，信息化是用信息技术重塑业务过程，信息系统是支撑信息化的工具集合。

我也把这门课的"作战地图"完整地画给了你。80讲、7个阶段、180天，从今天开始，一步一个脚印往前走。

我还特别强调了三明治学习法：教材速览—讲义精讲—刷题复盘，三层咬合，才能把一个知识点真正吃透。

1.1 上一讲思考题深度解析

我看了不少同学传给我的课后作业。这里我挑出三个最典型的问题，给大家做个公开点评。

第一个问题，关于"我家公司上了钉钉就算信息化了吗"

90%的同学都答对了"不算"，但理由说得参差不齐。我看到最深刻的一个回答来自一位国企的财务主管，她说："我们公司也上了钉钉，但报销流程还是要先把纸质发票贴上、领导签字、扫描、再上传系统。这是把纸质流程往电子化套了一层壳，根本没有改变流程本身。"

说得太对了。

信息化的本质不是"把工具换成电脑"，而是"用信息技术重塑业务过程"。一个组织如果只是把工具换了，业务流程、岗位职责、绩效考核、组织结构全都没动，那这种"信息化"就是 伪信息化。

后续在第43讲讲企业数字化转型的时候，我会带你深入剖析"伪信息化"和"真数字化"的差别。今天先把这个意识种下来。

第二个问题，关于"清华园物业的失败原因"

有些同学的反思非常深入。一位三线城市的物业经理写道："我们小区也搞过类似的系统，最后失败的原因是物业领导只关心装多少摄像头、装什么品牌的门禁，根本没有人去问'装了之后业主报修的体验会不会更好、物业费会不会更容易收上来、安保人员的工作效率会不会更高'。"

这一段反思，已经触及了 系统规划师 的核心价值——业务视角。

记住：系统规划师永远是从业务出发、最后回到业务，技术只是中间的工具。

第三个问题，关于课后角色扮演——"张主管的内部备忘录"

我看到几份非常用心的备忘录。有的同学甚至替张主管设计出了"反思五条"。这种把自己代入角色的训练，是后续案例分析答题的核心能力。强烈建议 你把这个习惯保持下来：每讲都尝试至少代入一个案例角色。

好，回顾结束。今天我们要做一件深一些的事——把 DIKW 模型从"知道"变成"通透"。

二、本讲导读

2.1 学习目标

学完这一讲，你应该能够：

1. 【是什么】 准确说出数据、信息、知识、智慧四个层级的定义、特征和差异；理解数据的三种形态（结构化、半结构化、非结构化）；掌握数据生命周期的七个阶段。
2. 【为什么】 理解为什么"数据驱动决策"是这个时代的主旋律；理解一个组织从数据使用到智慧管理之间存在的"四道断层"。
3. 【怎么用】 能够分析一个组织当前在 DIKW 模型上的位置，并指出向上升级的具体路径。

2.2 本讲在课程地图中的位置

本讲是第01讲的纵向加深。如果说第01讲是"横向铺开"——把信息系列三个概念都过了一遍，那么本讲就是"纵向打井"——把"信息"这一个词钻到底。

本讲为后续这些章节打基础：

• 第18-20讲：数据资源规划与治理（数据治理的方法论根基）
• 第15讲：网络环境规划（数据传输的物理基础）
• 第43-44讲：企业数字化转型（数据驱动转型的逻辑起点）

如果你跳过本讲，后续这些章节会感觉"踩棉花"——能学，但不扎实。

2.3 一句话理解 DIKW

整个 DIKW 模型，可以用一句话概括：

数据是矿石，信息是钢材，知识是机器，智慧是工厂的运营哲学。

这一讲我会帮你把这句话彻底"装进脑子"。

三、第一层：数据的本质与三大形态

3.1 数据是什么？比你想的更复杂

教材给数据的定义是这样的：

数据是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。

读起来很正经，对吧？但其实里面藏了三个关键词，请你重点圈出来：

• 客观事物——数据必须有现实的源头
• 物理符号——数据必须依附在某种载体上
• 组合——数据不一定是单个符号，也可以是多个符号的有序集合

我用最简单的例子拆给你看：

所以数据可以是数字、文字、图像、音频、视频、传感器读数，甚至是DNA序列、心电图、卫星图像。一切能被记录、能被传输、能被处理的"客观痕迹"，都是数据。

3.2 数据的三种形态：结构化、半结构化、非结构化

这是 每年选择题必考 的知识点，请你务必牢牢记住。

第一种：结构化数据

特点：有固定的格式和明确的字段，能用关系型数据库（比如MySQL、Oracle）直接存储。

最典型的例子就是 Excel 表格：

每一行代表一条记录，每一列代表一个字段，字段类型是固定的（字符串、数字、日期）。这就是结构化数据。

结构化数据占企业数据总量的多少？大约15%-20%。

第二种：半结构化数据

特点：没有严格的表结构，但有自描述的标签（tag）来标识字段。

最典型的例子是 JSON 文件、XML 文件、电子邮件。比如下面这段 JSON：

{
  "业主": "张大爷",
  "房号": "3-1-501",
  "报修": [
    {"时间": "2026-04-15", "事项": "厕所漏水"},
    {"时间": "2026-04-22", "事项": "门锁卡死"}
  ]
}

它不像 Excel 那样规整，也不像一篇散文那样自由，处于"二者之间"。

半结构化数据占企业数据总量的多少？大约5%-10%。

第三种：非结构化数据

特点：没有预定义的格式，无法用传统数据库直接存储。

最典型的例子：监控录像、业主语音留言、合同扫描件、微信群聊天记录、抖音短视频、CT影像等。

非结构化数据占企业数据总量的多少？高达 70%-80%。

3.3 三种形态的对比与考点

把三者放在一张表里对比：

这个表至少能撑起选择题2-3分。请用三明治学习法的"复盘"环节，把它默写一遍。

3.4 案例锚点：清华园物业的"数据形态盘点"

【虚构案例提示】 本讲及后续80讲中所有"智慧邻里2.0项目""清华园物业""北京知知致用信息技术有限公司"等案例素材，均为培训教学所用的虚拟项目与虚构人物（详见第01讲首次案例声明）。如出现项目名、社区名、公司名或人名雷同，纯属巧合，如有侵权，请联系老孙删除处理。

清华园物业现在到底有哪些数据？我让张主管做了一次盘点：

结构化数据：

• 1860户业主基本信息（姓名、身份证、电话、房号）
• 物业费缴费记录（金额、时间、缴费方式）
• 停车场进出记录（车牌、时间、收费）

半结构化数据：

• 与业主的微信沟通记录（带时间戳的文本）
• 报修工单（带JSON结构的事件流）
• 物业APP的用户行为日志

非结构化数据：

• 220路摄像头每天产生的视频流（约2TB/天）
• 业主投诉的语音录音
• 物业公司的纸质合同扫描件
• 业主大会的会议纪要文档

张主管做完这份盘点，第一次意识到："我们公司管的不只是1860户业主，更是 每天TB级的数据资产！"

请你记住这个意识：对一个组织来说，盘点数据资产，是数据治理的第一步。

3.5 随堂自检（第1组）

请回答：

1. 你公司财务系统里的"应付账款明细表"是什么形态的数据？
2. 你手机里的微信聊天记录是什么形态的数据？
3. 你公司的客服中心录音是什么形态的数据？

答案见本讲末尾。

四、第二层：数据如何变成信息——加工的"四步法"

4.1 加工，是数据的宿命

第01讲我说过一句话：数据→信息，加工方式是"赋予上下文"。

但"赋予上下文"听起来太抽象。我把它再细化一层，给你一个 可操作的"四步法"：

1. 筛选：从海量数据里挑出和当前问题相关的部分
2. 清洗：去除错误、重复、缺失的数据
3. 聚合：按维度（时间、空间、对象）汇总数据
4. 解读：赋予数据业务含义，形成判断

这"四步法"是 整个数据治理（第18-20讲）和数据分析的底层逻辑，请你优先理解。

4.2 用"清华园物业月报"演示四步法

清华园物业每月要做一份运营月报，给业委会汇报上个月情况。我让张主管把"物业费收缴"这一项的数据加工过程拆开来给你看：

第一步：筛选

从总系统里筛选出"上月所有业主的缴费记录"，原始数据有 5728 条（包含部分历史数据、误录入数据）。

第二步：清洗

去除：

• 重复缴费记录（系统bug导致的双扣）：47条
• 测试数据（IT维护时留下的）：12条
• 缺失关键字段（比如没有房号的）：8条

清洗后剩 5661 条 有效记录。

第三步：聚合

按多个维度聚合：

• 按时间：上月共 1638 户 缴费（一户可能多次缴）
• 按楼栋：12栋楼分别统计缴费户数和金额
• 按缴费渠道：现金 12%，转账 28%，APP 60%
• 按缴费状态：及时缴费 85%，逾期缴费 11%，未缴 4%

第四步：解读

张主管在报告里写：

"上月物业费收缴率为 88%，较前月提升3个百分点；其中APP缴费占比首次突破60%，说明业主对线上化接受度提升；但仍有4%（约74户）未缴，主要集中在5号楼和8号楼，建议下月重点跟进。"

注意最后这段解读——它不再是冷冰冰的数字，而是包含了"判断+建议"的信息。这就是从数据到信息的关键跃迁。

4.3 一个细节：信息消除了"不确定性"

教材给信息下的定义里有一句话："信息消除了数据中的不确定性"。

很多学员看到这句话都晕，我帮你翻译一下：

数据本身是中立的、模糊的、需要解读的。当你把数据整理出来、看出规律、做出判断之后，你心里那种"这事儿到底咋样"的疑问就消失了。疑问消失的过程，就是不确定性消除的过程，就是信息产生的过程。

举个例子：

• 数据：业主张大爷的物业费余额 = 0
• 信息：张大爷已经按时缴清本期物业费

数据本身不告诉你"张大爷有没有交"——余额可能是欠了零（已交清）也可能是欠了一万（已欠到底）。当你结合"余额=0且不欠费"这个上下文，你就消除了"张大爷交没交"这个不确定性，得到了一条信息。

这就是信息的本质：在某个具体决策场景下，消除了某种不确定性的数据。

4.4 信息的"七大属性"再深挖

第01讲我列过信息的特征。这一讲我把它们提炼为更贴近考试的"七大属性"，并给每条都配一个真题情景：

属性1：客观性

信息一定有客观源头，不是凭空编造的。

考点警示：考题中常出现"该信息是基于市场调研得出的"、"该信息来自系统日志"等表述。如果题目说"信息是凭直觉判断的"，那这个表述就不符合客观性。

属性2：时效性

信息会随时间衰减价值。

举例：上周的天气预报信息今天就没用了；昨天的股票实时行情，今天的价值大幅缩水；但 历史信息可以归档为知识资产——这是后面"数据仓库"的逻辑。

属性3：层次性

同一份原始数据，按不同维度聚合，会产生不同层次的信息。

举例：张大爷的缴费记录（个人层）→ 5号楼缴费率（楼栋层）→ 全社区缴费率（社区层）→ 海淀区物业行业缴费基准（区域层）。

属性4：可传递性

信息可以从一个主体传递给另一个主体，且传递不必然损失。

举例：你把"明天有暴雨"这条信息告诉同事，你自己并没有失去这条信息。这是信息和物质资产的本质差别。

属性5：可加工性

信息可以被进一步处理、组合、重构。

举例：把"业主缴费率"和"业主满意度"两条信息合并分析，可以得出"缴费率与满意度正相关"这条更高层次的信息。

属性6：共享性

信息可以被多个主体同时使用。

举例：智慧邻里APP的"今日通知"，可以同时被1860户业主使用，不会因为有人看了别人就看不到。这是共享性的体现。

属性7：价值性

信息的价值取决于它能消除多少不确定性、能支撑多少决策。

举例：一条提前24小时的暴雨预警，对物业来说价值数万元（可以提前布置防汛物资）；同样这条信息，提前1小时给的话，价值大幅缩水。

口诀：客时层传，加共价——"客时层传加共价"。考前你能在30秒内默写出来，就比别人多2-3分。

4.5 随堂自检（第2组）

请回答：

1. 你周一早上看到天气预报"周三大雨"，到了周四这条消息还是不是"信息"？为什么？
2. 你公司的销售业绩报表是面向所有员工开放的，这体现了信息的哪个属性？
3. 一份过时三年的市场调研报告，在今天还有价值吗？为什么？

答案见本讲末尾。

五、第三层：信息如何变成知识——四种知识分类

5.1 知识不是"信息的累积"

很多人以为，看的信息多了，自然就有知识了。

错。

信息的累积只是"知道得多"，知识的形成需要"提炼出规律"。

我打个比方。一个人如果天天看新闻，知道国家又出台了什么政策、哪只股票涨了、哪个明星结婚了，他可能"知道得多"，但他不一定有"知识"。

真正的知识，是这样的：

"近五年，国家每出台一次房地产宽松政策，二线城市的二手房成交量平均会在30天内提升15%-20%，并持续3-6个月。"

这才是知识——它有规律、有数字、有时间窗、有适用范围、可以指导决策。

信息回答"是什么"，知识回答"为什么、怎么样、如何做"。

5.2 知识的两大分类法

教材和考试中关于知识，有两种分类方式 必须掌握：

分类法1：按表达形式分——显性知识 vs 隐性知识

这两个概念是日本管理学家野中郁次郎提出的，构成了 知识管理（KM） 的理论基础。

为什么这个分类重要？

因为一个组织最大的知识资产，往往藏在 隐性知识 里。比如清华园物业的老员工赵师傅，他干了20年水暖工，能听一下水管的声音就知道是哪一段漏水。这种"听声辨漏"的能力，没法写在操作手册里。

当赵师傅退休或者离职，组织就会失去这部分知识。这就是为什么很多企业花大钱搞"知识管理系统"——本质上是在抢救隐性知识。

分类法2：按内容性质分——四象限模型

按"事实/概念/原理/方法"四个维度，可以把知识分为四种：

考点提醒：案例分析里如果让你"分析XX企业的核心知识资产"，你必须能从这四个维度去拆解。

5.3 隐性知识的"显性化"——SECI模型

野中郁次郎还提出了一个非常重要的模型，叫 SECI模型，描述了隐性知识和显性知识之间的相互转化路径：

• Socialization（社会化）：隐性→隐性。例如老师傅带徒弟的师徒制
• Externalization（外化）：隐性→显性。例如让老师傅把经验写成手册
• Combination（组合）：显性→显性。例如把多份手册整合成体系
• Internalization（内化）：显性→隐性。例如新员工读手册并形成自己的工作直觉

这是论文常用素材。如果你将来写关于知识管理、人力资源、IT服务管理的论文，SECI模型可以作为理论框架直接套用。

5.4 案例锚点：清华园物业的"知识断层"

我让张主管对清华园物业的知识资产做了一次盘点，发现了一个惊人的事实：

显性知识：

• 物业管理操作手册（200页，2018年制定，至今未更新）
• 应急响应流程文件（30页）
• 业主入住指南（10页）

隐性知识：

• 赵师傅的水暖维修经验
• 客服小张应对投诉业主的话术
• 工程主管对小区管线分布的"地图记忆"
• 老物业经理对业主关系的"江湖经验"

问题来了：

显性知识里几乎没有最近五年的更新；隐性知识则全部依附在四五个老员工身上，一旦他们离职，组织就会瞬间"失忆"。

这是清华园物业最大的隐患。

知知致用在做智慧邻里2.0项目咨询时，方姐特别给王主任写了一份《知识资产保全建议书》，建议物业公司：

1. 启动"老员工经验外化"项目，由方姐团队访谈记录
2. 建立内部知识库系统，把隐性知识系统化沉淀
3. 设立"师徒制"，新员工跟老员工搭班半年
4. 关键岗位设置AB角，避免"一人离职即知识断档"

王主任看完这份建议书，当天拍板批了20万预算。

这就是系统规划师的价值——他能看到老板看不到的"知识黑洞"。

5.5 随堂自检（第3组）

请回答：

1. 一位老中医的"望闻问切"诊断技巧，属于显性还是隐性知识？
2. 你公司的财务流程手册，属于事实性、概念性、原理性还是方法性知识？
3. SECI模型中，"老师傅写经验手册"对应哪个环节？

答案见本讲末尾。

六、第四层：知识如何升华为智慧

6.1 智慧 = 跨场景的判断力

到了 DIKW 的最高层，"智慧"这个词听起来很玄。我用最朴素的话翻译给你：

智慧是一种"跨场景的判断力"。

知识，是在 特定场景 里"知道怎么做对"。

智慧，是在 任何场景 里"知道怎么做对"。

举个例子。

知识层：

"提升物业费收缴率的方法是：及时短信提醒+APP一键缴费+逾期罚息"——这是在物业行业里有效的具体方法。

智慧层：

"提升任何'被动支付场景'下的支付率，核心在于：降低支付摩擦、提高违约成本、建立长期关系"——这是可以应用到物业、信用卡还款、订阅服务等多个场景的普适原则。

智慧之所以是"智慧"，就在于它能跨越具体场景，被复用到完全不同的领域。

6.2 智慧的三个特征

教材里关于智慧的描述比较少，但考试和论文里经常涉及。我把"智慧"的三个特征整理出来：

特征1：抽象性

智慧已经脱离了具体的事实细节，是高度抽象的原则、规律、价值观。

特征2：迁移性

智慧可以从一个领域迁移到另一个领域，不受行业限制。

特征3：决策性

智慧最终要落到决策上——它不是用来"知道"的，而是用来"做选择"的。

6.3 智慧形成的路径

一个组织或个人，如何从知识升华到智慧？

我总结为 "三抽三跨"：

• 抽象一次：从单一案例的方法，抽象出该领域的方法论
• 抽象二次：从该领域的方法论，抽象出该问题域的原则
• 抽象三次：从该问题域的原则，抽象出普适的价值观
• 跨场景验证：在新场景中验证原则的适用性
• 跨行业迁移：把原则从原行业迁移到新行业
• 跨时间沉淀：经过3-5年时间检验仍然有效

这"三抽三跨"，就是 企业级智慧资产的形成路径。

6.4 案例锚点：知知致用的"咨询智慧"

我作为知知致用的CEO，可以给你分享一些一手经验。

我们公司过去八年做过大约40个数字化转型咨询项目，覆盖物业、教育、医疗、制造、政府、零售六个行业。

最初我们是在每个行业积累 知识——教育行业怎么做、医疗行业怎么做……每个行业一套。

后来我们开始 跨行业总结，发现所有行业的数字化转型，本质上都遵循 三个共通原则：

1. 业务先行原则：先讲清楚业务问题再谈技术
2. 小步快跑原则：用2-3个月一个迭代周期，避免"大爆炸"
3. 数据治理优先：数据治理走在系统建设之前

这三条原则，就是知知致用的 企业级智慧。

它已经不属于"教育行业知识"或"医疗行业知识"了，它属于"任何行业的数字化转型"。这种智慧，才是一家咨询公司的核心资产。

为什么我把这个故事讲给你听？

因为你将来作为系统规划师，你的真正成长方向，不是积累"某个行业的知识"，而是积累"跨行业的智慧"。

这是这本证书背后真正的价值。

七、DIKW 整体演进路径与"四道断层"

7.1 整体演进路径

把 DIKW 四个层级串起来，就是这样一条 认知跃迁 的路径：

每一次跃迁，都需要一种 加工能力：

• 数据→信息：结构化加工能力（清洗、聚合、解读）
• 信息→知识：规律提炼能力（识别模式、形成判断）
• 知识→智慧：抽象迁移能力（跨场景、跨行业、跨时间）

7.2 大多数组织的"四道断层"

我观察过不少企业，发现绝大多数组织都卡在 DIKW 模型的中间某一层，无法继续向上跃迁。这就是"四道断层"现象。

断层一：数据→信息（约30%的组织卡在这里）

表现：有大量数据但提取不出有用信息。比如清华园物业之前装了220路摄像头，每天产生TB级视频数据，但因为没有AI分析能力，99%的视频从来没有被人看过。

根因：缺乏数据加工能力——没有BI工具、没有数据分析师、没有规范的报表体系。

断层二：信息→知识（约40%的组织卡在这里）

表现：能出报表但出不了规律。每月看着一堆KPI，但说不出"为什么这个月好、为什么那个月差"。

根因：缺乏分析与归纳能力——没有人去问"为什么"，没有人在多份报告之间寻找关联。

断层三：知识→智慧（约25%的组织卡在这里）

表现：在自己行业内是专家，但跨行业一筹莫展。一旦行业出现颠覆性变化，组织就慌了。

根因：缺乏跨场景抽象能力——所有人都被"行业经验"绑架，没有人跳出来看本质。

断层四：智慧→实践（约5%的组织卡在这里）

表现：高层有智慧，但落地动作变形。CEO读了无数本管理书，结果到了执行层全都"水土不服"。

根因：缺乏组织能力——智慧没有被有效转化为流程、制度、考核。

7.3 案例锚点：清华园物业的 DIKW 跃迁路线图

方姐给清华园物业做了一份《DIKW跃迁三年路线图》：

这份路线图，就是一个真实的"系统规划师"思考方式。

它没有上来就讲技术、讲产品、讲投资额，而是先讲 认知层级的跃迁——这才是数字化转型的本质。

八、考点聚焦

8.1 选择题考点

8.2 案例分析关联

本讲为以下案例分析主题打基础：

• 数据治理类：必考"数据形态盘点"+"数据质量分析"
• 数字化转型类：必考"DIKW跃迁路径分析"
• 知识管理类：考查"显隐性知识识别"+"知识资产盘点"

典型出题模式：

"请结合DIKW模型，分析某企业当前数字化建设处于什么阶段，并提出向上跃迁的建议（10分）"

这种题型，你必须能在 5分钟内 写出完整的分析框架。

8.3 论文关联

本讲内容支撑以下论文主题：

• 论数据治理体系建设与数据要素价值化（必用 DIKW 框架）
• 论企业知识管理体系建设（必用 SECI模型 + 显隐性知识分类）
• 论企业数字化转型规划（必用 DIKW 跃迁断层分析）

九、论文素材播种

9.1 可移植素材片段（300字版）

项目背景模板（关于数据治理类论文）：

我作为系统规划师，参与了某企业数据治理体系建设项目。项目立项前，我通过DIKW模型对企业当前数据资产做了系统盘点：在数据层，企业沉淀了TB级业务数据，但其中非结构化数据占比超过70%，长期处于"沉睡"状态；在信息层，仅有少数财务和销售口径形成规范报表；在知识层，业务规律和经验主要依附在少数老员工身上，存在严重的"知识断层"风险；在智慧层，缺乏跨业务、跨行业的判断框架。基于这一诊断，本项目将"打通数据→信息→知识→智慧四层跃迁"作为总目标，按"数据资产盘点—信息加工能力建设—知识沉淀机制建立—智慧文化养成"的四步推进。

项目结果模板：

项目实施一年后，企业数据资产盘点率从30%提升至92%；BI报表覆盖率从15%提升至80%；建立了包含47类业务规律的内部知识库；启动了三个跨业务的"智慧专题研究"。整体数字化成熟度从B级跃升至A级。

请你把这两段保存到自己的论文素材库里。

9.2 重点理论框架收纳

请你把下列三个理论框架抄写到笔记本上：

1. DIKW模型：数据→信息→知识→智慧的认知跃迁
2. 数据三形态：结构化、半结构化、非结构化（占比 20/10/70）
3. SECI模型：社会化→外化→组合→内化的知识转化

这三个框架，80讲下来你至少会用到 30 次。

十、课后任务

10.1 必做思考题

思考题1：

请用 DIKW 模型 分析你所在的组织（公司、单位、社区都可以），写一段300-500字的诊断：

• 你的组织当前主要卡在哪一道断层？
• 跨越这道断层需要什么关键动作？
• 你作为"未来的系统规划师"，能贡献哪些建议？

思考题2：

请盘点一下你所在岗位上的 隐性知识——那些只有你（或少数老员工）才会、写不进操作手册的"独门技巧"。

• 列出 3-5 条
• 思考：如果你明天离职，组织会损失什么？

10.2 刷题任务

完成历年真题选择题 第1章 第16-30题（重点关注数据形态、信息特征、DIKW模型相关题目）。

10.3 实践任务（可选）

如果你的工作环境允许，请你按 数据加工四步法（筛选—清洗—聚合—解读）做一次小型分析：

• 选一个你工作中熟悉的数据源（销售记录、客户反馈、报修工单等）
• 走完四步法，输出一份300字以内的"信息小报告"

把这份报告保存好，第18-20讲讲数据治理的时候我们会回头看你的实操。

十一、随堂自检参考答案

第1组：

1. "应付账款明细表" 是 结构化数据。它有固定字段（供应商、金额、账期、状态），存储在ERP数据库的关系表中。
2. "微信聊天记录" 是 半结构化数据。它有时间戳、发送者、接收者、消息类型等元数据，但消息内容本身可以是文字、图片、语音等多种类型。
3. "客服中心录音" 是 非结构化数据。它是音频流，无法用传统关系数据库直接存储和检索，必须经过语音识别（ASR）才能转为可检索的文本。

第2组：

1. 不是有效信息了。这条信息因为"时效性"已经过期。它从信息退化为历史数据。但如果归档分析，它可以作为"建立暴雨预警准确率统计"的基础数据。
2. 体现了信息的 共享性。同一份业绩报表可以被多人同时使用，且使用过程不会损耗它。
3. 价值大幅降低，但仍可能有部分价值。它的"时效性"已过，但其中关于市场结构、竞争格局的部分判断，可能作为历史参照仍有价值。这是信息"价值性"和"时效性"共同作用的结果。

第3组：

1. 隐性知识。"望闻问切"高度依赖经验和直觉，难以用文字完全描述，必须靠师承+实践来传递。
2. 方法性知识。流程手册告诉你"如何做"——按什么步骤、用什么工具、达到什么标准。
3. 对应 Externalization（外化） 环节——把老师傅头脑里的隐性经验，转化为可以传播的显性手册。

十二、下讲预告

下一讲我们要进入 第03讲：信息系统全家福——从"收银台"到"城市大脑"。

我会带你深度解读：

• 信息系统的 五大组成要素 在不同行业里的具体表现
• 信息系统的 诺兰六阶段成熟度模型——评估一个组织信息化处于哪个层级
• 信息系统的 生命周期管理——从立项到消亡的全过程
• 案例锚点：清华园物业到底处于诺兰模型的哪一阶段？

这一讲是 后续所有规划章节的"评估工具箱"。学不透它，到了第09讲讲ISP的时候你会找不到坐标。

请你今天先把本讲的内容沉淀好，再进入下一讲。节奏比速度更重要。

写在最后

第02讲就到这里。

如果你坚持读到这里，恭喜你又往前迈了一大步。我必须诚实地告诉你：第02讲的密度比第01讲大了不少——DIKW、数据三形态、信息七大属性、知识两大分类、SECI模型、四道断层……这些概念叠在一起，需要你花点时间去消化。

不要怕。

这就像吃一顿正餐，先有开胃菜（第01讲），再有主菜（第02讲）。主菜难嚼，但消化了之后，后面的章节会越来越顺。

节奏管理 比 学习速度 重要十倍。我宁愿你用三天慢慢嚼透第02讲，也不愿意你一晚上囫囵吞下五讲然后什么都没记住。

下一讲见。

——老孙
2026年5月，于北京

本讲完