另一方面，信息是从您的数据中得出的有形见解或事实。与数据不同，信息是在给定的上下文中处理、结构化或呈现的，以使其有用。例如，每个学生的考试成绩都是一条数据。而整个班级的平均分数是您可以从给定数据中推断出的信息。
另一个与数据和信息相关的概念是知识。它指的是您了解数据和信息周围发生的事情的能力。知识是您从获得的数据和信息中推断结果的专业知识和智慧。
那么，我们为什么要谈论数据 vs. 信息 vs. 知识？
这是因为，作为按点击付费 (PPC) 专家，您应该知道什么是数据以及如何利用它来获取有用的信息，从而获得更好的知识来指导您的活动决策。
您可以通过多种方式在 PPC 广告中获取数据。
假设您有一个包含 20 个广告组的 PPC 广告系列，每个广告组平均有 20 个关键字，每周 7 天、每天 24 小时定位到 50 个位置的四台设备。
这意味着您的活动可能涉及超过十万个数据组合。
如果您单独分析每个指标，您会发现组合中有许多复杂的情况可能会让您感到困惑。您可以检查您的 PPC 帐户中的不同组合，并通过使用 PPC Signal 获得可操作的见解以优化您的活动。
在本文中，我们将讨论如何理解数据并使其有意义。最后，我们将看看您如何管理或计算您的 PPC 广告系列中的此类复杂组合。
DIKW 模型（数据、信息、知识和智慧）
DIKW是用于理解数据、信息、知识和智慧之间关系的模型。它着眼于从各种数据中提取洞察力和价值的几种方法：大数据、小数据、智能数据、快速数据和慢速数据——没关系。 DIKW 模型通常被描述为金字塔形状的分层模型。金字塔的每一步都会回答有关初始数据的问题并为其增加价值。当你到达金字塔的顶端时，这意味着你已经将知识和见解转化为指导你行动的学习经验。
如何向上移动知识金字塔
爬上金字塔不同阶段（从数据到信息到知识，最后到智慧）的一种快速方法是使用语义技术和语义图数据库。这些技术可以在不同和异构数据之间建立联系，并从现有事实中提取新的信息和知识。 掌握了这些新知识，您可以通过数据驱动的分析来推动您的业务决策，从而达到智慧的顶峰并获得竞争优势。
DIKW 模型的局限性
DIKW 模型有其自身的限制。它是非常线性的，并且表达了步骤的逻辑顺序，其中信息是数据的上下文化“进展”，因为它变得更有意义。然而，现实往往大相径庭。例如，知识不仅仅是信息的后续阶段。
DIKW 模型仍然以各种形式和形式使用，以了解如何从数据和信息中提取价值和意义。该模型因其层次结构而经常受到批评，因为它忽略了知识的许多关键方面。在这个大数据、API 和越来越多的非结构化数据的时代，DIKW 模型被认为绕过了涉及有效捕获数据并将其转化为可操作的见解的步骤。
将 DIKW 模型映射到不同类型的信息管理系统包括：
数据链接到事务处理系统。
信息与信息管理系统相关联。
知识与决策支持系统相关联。
智慧与专家系统相关联。
