当下，我们生活的世界正在快速地数字化。这个快速成型和不断演进的数字化世界以“数据”为基座，以“信息化、自动化和智能化”为演进方向。从“数据”向“智能”迈进的台阶则是各种各样的“模型”。总之，这个数字化世界是由“数据+模型”驱动的，是“数智化模型”的天下。

01—信息金字塔 (DIKW) 层级模型

上图所示是BIZBOK11版中提到的《信息金字塔 (Information Pyramid) 模型》也称为《DIKW 模型》。在 BIZBOK的业务架构框架中，“数据、信息、知识和智慧”特指“业务数据、业务信息、业务知识和商业智慧”。业务也好，商业也罢，英文都是“Business”。BIZBOK对此模型给出了如下的说明：

数据：来自于客观的事实和观察，其本身没有含义和价值，即“数据”本身不能分析和回答任何问题。

信息：将“数据”和“业务能力和决策”相关联，从而使“数据”有了含义和价值，此时“数据”就转化为“信息”。“信息”通常可以回答何事（What）、何地（Where）、何时（When）、何人（Who）的问题。

知识：应用“信息”完成某项工作或进行决策的能力就是“知识”。“知识”通常回答了如何做（How）的问题，也就是“知其然”。

智慧：将使用“知识”过程中积累的经验形成一种学习模式，通过学习模式指导完成计划、预策和决策，就是“智慧”。“智慧”通常回答了为什么做（Why）的问题，也就是“知其所以然”。

金字塔的每一级都分析和回答了关于原始数据的问题，并为其增加了价值。分析和回答的问题越多，金字塔的高度就越高。换句话说，数据的意义和背景越丰富，从中获得的就越多。在金字塔的顶端，我们将知识和见解转化为指导我们行动的学习体验。

如上图右侧示例，

数据：原始数据“黑色、150、红色、100”本身没有含义。

信息：结合上下文“在A4高速公路上的车速”后，数据就有了含义“黑色车时速150公里；红色车时速100公里”。在业务架构中，上下文就是“能力项”。

知识：经验通常可以显性化为规则，在信息的基础上增加规则：“A4高速公司限速120公里/小时“

可以得到分析结果：“黑色车超速了”。在增加规则：“超速需罚款200元，扣分2分”则可以驱动对黑色车的处罚动作，即触发某一个职能流程或流程中的某一个活动。知识层级的分析结果及触发的行动，通常是执行类的动作，这些行动通常马上就会产生效果，或者马上可以被验证是否正确。

智慧：某保险公司在上述知识的基础上，经过分析得到一系列的成果，包括：“一年中因超速被处罚超过3次的人，发生车祸的概率较其他人高出30%；今年参保人中已有20% 符合上述标签；现有保费如不变化，明年亏损的概率超过50%。”这些成果都是基于过往的“知识”分析出来的，因此触发某一个职能流程或流程中的某一个活动，对未来进行计划、预测或者决策。本示例中，形成了一个决策和计划，即“所有符合此标签的参保人，明年续保的保费应至少提升20%.”。智慧层级的分析结果触发的行动，通常是预测、计划或决策类的动作，这些行动通常不会马上有效果，而是在未来的某个时间点才会产生实际效果。

02—模型是攀登信息金字塔的台阶

在数字化世界中，“模型”是攀登DIKW 金字塔的台阶，从数据底座开始，每一层级都需要构建模型才能向高一级迈进。

1）数据：数据是数字化世界的基础和底座，需要通过构建 <数据架构>模型实现对数据的有效治理。

比如，采集到“CN0001、SO02、90..”这组原始数据，其本身是看不出什么具体的意义和价值的，但这些数据是整个数字化世界的基础和底座。采集哪些数据、从哪儿采集、采集到的数据如何处理，处理后的数据如何使用，这些基础工作都非常重要。组织需要构建<数据架构模型>，并基于此模型对数据实现有效的管控，从而为建设数字化大厦打下坚实的基础。

2）信息：通过构建<业务架构>模型，将“数据”和<业务架构>相关联，从而使“数据”转化为“信息”。

将“数据”与“业务能力”相关联，通常就可以回答数据表达何事（What）、何时(When)、何地(Where)、何人(Who) 的问题。比如，将“CN0001、SO02、90…”这组数据与<销售竞标报价>这个<能力事项>相关联，这组数据就有了具体的业务含义：“在线上投标系统中，向编号为CN0001的客户，针对 SO02 这个销售订单的需求，提交竞标报价 90万元”。

3） 知识：通过构建<知识模型>打造应用“信息”完成某项工作的能力。当人或系统在流程中使用“业务信息”来完成某项具体工作时，“业务信息”就转化为“业务知识”，即人或系统是掌握了某种“知识”所以才具备完成此项工作的能力。

比如，根据“客户编号CN0001及其所包含的客户信息 、销售订单SO02及其所包含的需求信息”，销售员、销售经理等相关人员通过运行<销售报价流程>最终对外报价“90万”。这一具体工作事项的完成，体现了组织具备对外进行销售报价的能力。而这种能力是建立在相关人员掌握了“如何基于输入的业务信息对外进行报价”的“业务知识”的基础上的。

如果这样的“业务知识”存在于销售人员头脑里，那么这种知识在组织内就是隐性的，是不能数字化的。反之，如果基于成本核算、利润要求、客户价值、客户类型和竞争策略等因素，组织先行制定了一套对外报价的规则，相关人员是基于这套规则和输入的业务信息对外进行报价，那么这样的“业务知识”就是显性的。显性的“业务知识”可以采用数字化技术转化为数字化的模型，EBPM方法论称之为“知识模型”。“知识模型”有助于实现工作任务的自动化，也是流程自动化的重点关注方向。

“知识”相对来说是具体和明确的，是可以描述成规则的，哪怕规则很复杂。“知识模型”的特点是在没有修改模型的前提下，输入完全相同的信息时，得到的输出通常是相同的或者相差不大的。如果不进行人为修改，“知识模型”本身是基本不变的。数字化的世界里，“知识模型”体现了对“业务信息”的应用能力。

4）智慧：通过构建<智慧模型>将使用“知识”过程中积累的经验形成一种学习模式，通过学习模式完成计划、预测或决策。

所谓学习模式（learning pattern），通俗地说就是可以基于过往使用“知识”的经验，通过联想、举一反三和分析推理，自动构建逻辑规则体系，并基于自动构建的规则模型完成计划、预测或决策。

比如，不是基于一套既定的规则进行报价，而是基于过往历次销售报价及成交情况、竞争对手的信息，结合最新的业务信息，即时生成报价规则并完成报价，这就是所谓的“商业智慧”。在<销售竞标报价>这个例子中，往往基于“知识模型”输出的是一个范围，比如“80-100万”，最终报价很多情况下是由销售主管根据收集到的最新的商业信息，以及与竞争对手的博弈状况进行决策的，这样的决策通常没有什么固定的逻辑规则，凭借的是销售主管的临场判断，甚至是感觉。这种情况下，组织对外提供最终报价的“商业智慧”完全取决于人。

同样，如果这样的“商业智慧”是组织通过构建数字化模型实现的，即最终报价是通过模型决策的，那么这套模型就是所谓的“智慧模型”。“智慧模型”的最大特点是输入完全相同的信息时，得到的输出可能是不同的，因为“智慧模型”不是基于一套既定的规则进行判断，而是自身具备学习“知识”能力，因此模型本身会自动构建和调整规则并完成计划、预测或决策。

03—信息金字塔 (DIKW) 与企业架构（EA）的关系

上图所示是《信息金字塔(DIKW)与企业架构(EA)逻辑关系图》。

组织需要构建<数据架构>模型实现对数据的有效治理。而构建什么样的<数据架构>则是由<业务架构>模型决定的；采集到的数据也要回传到<业务架构>模型中，从而使“业务数据”转化为“业务信息”。实现上述转化的关键要素元模型是<业务架构>中的“业务能力”及与能力相关联的“业务对象”和“管理记录”，并最终与“业务流程”和“业务活动”实现连结。

从“业务信息”到“业务知识”，需要构建<知识模型>这个台阶；从“业务知识”到“商业智慧”，需要构建<智慧模型>这个台阶。组织构建了哪些数字化的<知识模型>和<智慧模型>是在企业架构的<应用架构>模型中描述的，并最终与“业务流程”和“业务活动”实现连结，从而驱动“端到端流程运营体系”的运转。

04—建模是组织数智化赋能的必由之路

“数字化模型”是攀登“数据-信息-知识-智慧”金字塔的台阶，而企业架构 (EA) 模型是组织数字化转型需要构建的最大模型，这套大模型中包含了攀登DIKW金字塔所需的所有模型。

如上图所示，<数据架构>模型是底座，对应DIKW金字塔的第一层即“数据”，组织需要构建由<数据架构>模型驱动的数据治理体系。

<业务架构>模型对应 DIKW 金字塔的第二层即信息。通过“数据实体-业务对象-业务活动-职能流程-业务能力”这条路径，数据与业务能力产生关联，采集到的数据应回传到业务架构模型进行分析和处理，从而使得“数据”管理转化为“信息”管理。

<应用架构>模型对应 DIKW 金字塔的第三、第四层即知识和智慧。在数字化世界里，所谓的“知识”和“智慧”都需要沉淀和转化为数字化模型。这些模型是通过数字化系统构建的，因此在<应用架构>模型中进行设计和描述。然后，组织应基于<应用架构>模型构建一套《模型管理系统》，凭借数字化系统对所有知识类和智慧类模型加以管理。通过“业务活动-职能流程-业务能力”这条路径，知识和智慧类模型与业务能力产生了关联，从而给组织赋予了数智化能力。