今天说一个更基础的东西：分类学。它和本体的关系，用一个比喻就能说清楚——分类学管归类，本体管连接。分类让知识有序，本体让知识流动起来。
先说分类
分类是知识组织最简单也最古老的形式，核心就是建层级——大的套小的，父的包含子的。最典型的例子就是电脑文件夹系统：电子产品下面有电脑、手机、iPad、蓝牙耳机，电脑下面又有笔记本、台式机。这种结构大家太熟了，本质上就是一棵树。
分类法的特征是关系很有限，通常只有"属于"（is-a）和"部分"（part-of）两种层级关系。说白了就是父子关系，上下级关系，谁包含谁。它可以用数据字典或JSON来表示，实现起来简单直观。
在工业领域，分类体系的应用非常广泛。比如工业设备的分类体系：最顶层是工厂，下面是处理单元，再往下是功能区（泵区、控制区），最底层是设备类型（泵、阀门、传感器）。一条分类路径可能是"工厂→处理单元→泵区→泵→离心泵"。结构清晰，层级分明。
分类够用吗
不够。
分类学解决的是"这个东西属于哪一类、归到哪个文件夹"的问题。它能告诉你离心泵是一种泵，泵属于泵区设备。但它回答不了一个关键问题：泵和传感器之间是什么关系？泵的流量异常和密封圈磨损之间是什么关系？某个传感器读数出现异常时，应该检查密封圈还是换整个阀门？
这些问题的答案不在分类体系里，而在关系网络里。这就是本体要做的事。
本体在分类之上做了什么
分类学是本体研究的出发点。它提供了研究对象——先把事物归类整理好，搞清楚谁是谁的上级，事物之间从一般到特殊、从抽象到具体、从全局到个体的逻辑关系。有了这些研究对象作为锚点，本体再进一步去发现和定义它们之间的各种关系。
本体包含的关系类型远比分类学丰富。不只是层级关系，还包括功能关系（传感器监控泵）、属性关系（泵具有流量）、因果关联（密封圈磨损导致流量下降）、影响传导（泵停机影响整条产线）等等。基于这些关系的连接，才能支撑真正的业务分析——比如当某个传感器读数异常时，系统能判断到底应该更换密封圈，还是整个阀门需要维护。
我为什么要在本体系列里专门聊这一层？因为我见过太多企业把"建分类体系"当成了"建本体"。他们花了很多精力把产品、设备、物料按照层级分好了类，看起来很整齐，像一本厚厚的目录。但一旦要支撑业务决策——比如设备故障诊断、供应链风险传导分析、产能影响评估——这本静态目录就派不上用场了。
问题出在哪？分类体系只管了"归类"，没管"连接"。而业务决策需要的是连接——这个故障会影响哪些设备？这个供应商出了问题会影响哪些产线？这个工艺参数调整会传导到哪些质量指标？这些因果链、影响链、依赖链，分类体系装不下。
核心区别
分类学让知识有序，本体让知识流动起来。有了本体，静态的目录就变成了活的业务地图。这张地图上，每个节点之间有明确的关系连线，你可以沿着连线追踪影响、定位根因、评估后果。
对于企业来说，判断自己处在哪个阶段很简单：看你的数据体系能不能回答"如果……会怎样"这类假设性问题。如果只能回答"这是什么、属于哪一类"，你还在分类阶段；如果能回答"如果A出问题，B会不会受影响、影响有多大"，你的本体建模才真正开始发挥作用。
分类不是不重要，它是基础。但如果止步于分类，你的数据治理就只完成了一半。