現在是一個知識大爆炸的時代，通過網際網路，通過搜尋引擎，我們可以得到大量的知識，但是這些知識大部分都是未成體系的知識碎片。知識碎片數量很龐雜，感覺很有用，又感覺用不上，原因就是知識沒有成為體系。那麼如何講學到的知識系統化的整理成可以用的知識，就變得尤為重要，這一點不論是還在象牙塔的學生還是已經進入職場的職業者都是非常有意義的。
方法/步驟
將知識進行拆分打標籤，是所學的第一步。將學到的知識提煉為知識點，並且對這個知識所屬是做什麼的，進行打標籤。建立這一步的目的是為了清晰所學的知識，明確是這個知識屬於什麼體系。但是做到這一步的前提是儘可能全的收集這一型別的知識，否則不完善的知識是沒有價值建立知識體系的。
以大資料處理為例，初學大資料可能會接觸到很多的知識：資料展現、hbase、結構化、非結構化、python、Java、海量儲存、流式計算、storm、元資料、語義層、資料倉庫、資料報表、語義分析……等等，此時就需要對這些資料打標籤，比如結構化和非結構化資料，屬於資料來源的資料種類，流式計算和storm是一回事，hbase和海量儲存是一回事，並且這些都屬於資料的存數和計算，元資料、語義分析屬於資料探勘，資料展現是屬性，資料報表就是資料展現的一種，經過初步處理，我們把所學的知識進行了知識點歸納打標籤，那麼一堆雜亂無章的資料，就被打上了標籤，成為了結構化資料。
第二步，就是將已經打好了標籤的知識點進行歸納合並，剛剛我在第一步的時候，在打標籤的時候已經把同類的資料進行了合併。
第三步，就是將標籤流程拓撲化，已經聚類打了標籤的資料，已經比較清晰直觀的展現在眼前了，那麼根據標籤的使用順序，發現有資料來源標籤、資料處理標籤、資料儲存標籤、資料展現標籤。那麼實際使用的流程是：資料來源——資料儲存計算——資料處理——資料展現，是經過這個流程才最終將基礎資料呈現在人們眼前。那麼最後資料拓撲的結果就清晰的堆在了眼前。
注意事項
第一，在進行知識體系整理的時候，需要有目的性，我要整理什麼型別的知識，然後將這一類的知識找全
第二，對於已經找全的知識，進行知識點提煉的時候，一定要讓所有知識點是完全獨立的，相互之間不能有重複或者交叉，這點需要遵循麥肯錫的MECE法則
第三，對打好的標籤進行流程化的時候，順序不要出錯