物聯網技術對人類的社會、經濟將產生重大影響;這輪變革最早是技術驅動【物聯網技術】、在技術突破之后，物聯網廣泛應用，基于數據驅動的經濟增長將取代由工業社會產品驅動的經濟增長【智能服務】，數據將成為重要的資產；而現在數據資產的所有權、基于數據創造價值歸屬問題都是制約數據資產增長的瓶頸，在這個瓶頸突破之后，必將引發社會的重大變革【數據資產的產權歸屬的法律法規、基于數據的組織形態等】。

物聯網引發的技術變革，分為三個階段：技術驅動、經濟驅動、規則驅動?，F在處于經濟驅動階段，而物聯網帶來的商業模式變化，將是數據驅動經濟增長的。

[[315403]]

DIKW是數據創造價值的基礎原理

DIKW是數據創造價值的最基本原理。

• 數據Data：包含最原始的數據，數據規模大。物聯網技術讓數據獲得自動化，從而為數據創造價值提供了豐富、多樣的數據，這時數據創造機制的基礎。
• 信息Information：原始數據不代表具體的意義，很少能夠直接被人類理解。因而需要對數據進行加工，讓數據能夠代表有意義，就是信息。從數據到信息，需要通過分析、人工智能技術實現。
• 知識Knowledge：信息綜合、提煉后，會形成經驗、規律，這些經驗、規律可以被推廣使用，這類提煉的經驗、規律就是知識。
• 智慧Wise：是將多種知識匯聚后，根據條件做出的正確的判斷、決策。

根據DIKW的模型，數據在智慧層，價值最大，而在數據層，數據量最大。

DIKW是較早的模型，數字化技術發展之后，對于數據處理、響應、交付的模型，Accenture報告列出了數據價值、與數據量的關系。

根據Accenture的報告，越是原始數據，數據量越大，但價值越低;越是處理過的數據，數據量越小，但價值越大。在這個報告中，沒有信息層，分析和洞察將數據提煉為知識，而智慧響應是基于智慧Wise，將正確的判斷、決策自動執行。

當智能連接的產品、設備能夠智慧響應之后，智能產品、智能設備之間可以自主交互，就會實現自治系統。

數據處理過程

數字化技術對數據處理，與DIKW非常類似：

數據經過解釋【interpreted】或挖掘【Mining】，形成信息;信息被使用【信息使用的規律，機器學習】，被抽取【挖掘數據間關系，數據分析】，形成知識;知識通過自反饋，或對知識的精準表達實現元知識【Meta-knowledge】,實現知識的智能表達。

這個過程是數據處理過程。

Meta-Knowledge將會以服務的商業模式獲得價值，而以數據、邏輯結合的API服務接口是最常用的服務方法。