将知识进行拆分打标签,是所学的第一步。将学到的知识提炼为知识点,并且对这个知识所属是做什么的,进行打标签。建立这一步的目的是为了清晰所学的知识,明确是这个知识属于什么体系。但是做到这一步的前提是尽可能全的收集这一类型的知识,否则不完善的知识是没有价值建立知识体系的。以大数据处理为例,初学大数据可能会接触到很多的知识:数据展现、hbase、结构化、非结构化、python、Java、海量存储、流式计算、storm、元数据、语义层、数据仓库、数据报表、语义分析……等等,此时就需要对这些数据打标签,比如结构化和非结构化数据,属于数据来源的数据种类,流式计算和storm是一回事,hbase和海量存储是一回事,并且这些都属于数据的存数和计算,元数据、语义分析属于数据挖掘,数据展现是属性,数据报表就是数据展现的一种,经过初步处理,我们把所学的知识进行了知识点归纳打标签,那么一堆杂乱无章的数据,就被打上了标签,成为了结构化数据。
第二步,就是将已经打好了标签的知识点进行归纳合并,刚刚我在第一步的时候,在打标签的时候已经把同类的数据进行了合并。
第三步,就是将标签流程拓扑化,已经聚类打了标签的数据,已经比较清晰直观的展现在眼前了,那么根据标签的使用顺序,发现有数据源标签、数据处理标签、数据存储标签、数据展现标签。那么实际使用的流程是:数据源——数据存储计算——数据处理——数据展现,是经过这个流程才最终将基础数据呈现在人们眼前。那么最后数据拓扑的结果就清晰的堆在了眼前。
第一,在进行知识体系整理的时候,需要有目的性,我要整理什么类型的知识,然后将这一类的知识找全
第二,对于已经找全的知识,进行知识点提炼的时候,一定要让所有知识点是完全独立的,相互之间不能有重复或者交叉,这点需要遵循麦肯锡的MECE法则
第三,对打好的标签进行流程化的时候,顺序不要出错