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