用同一种方法处理不同类型的信息是行不通的。 信息可以分为五种类型，随意信息、观点信息、过程信息、具体信息、抽象信息。这五种信息基本上涵盖了学校里的课程和实际生活中能遇到的所有信息类型。
随意信息
随意信息，是一系列事实、日期、定义或规则，他们缺少逻辑分类，常常在学校里碰到，很少在真实的世界里遇到。常见很多医学专业的新生，在学解剖时会遇到大量需要死记硬背的知识，比如仍有206块骨头等，这些知识看起来没有规律，无法再加工，需要死记硬背，这些知识就是随意信息。
处理随意信息的方法
对待这种信息的第一个目标就是假如存在某种逻辑关系，那么尽量去发现它，否则记忆和使用信息的工作会更加的困难。
如果这样做还是不能令人满意，可以采取下面三种方法。
联想法
挂钩法
压缩法
随意信息的难点
有利的一面是理解起来不费劲，所以可供探究的程度也非常的少，因此随意信息如果不进行反复机械记忆，非常容易遗忘。联想法、挂钩法、压缩法就是帮助我们既随意信息的方法。
观点信息
观点信息是存在争论的信息。小乘佛教和大乘佛教哪一个更优秀？这就是观点，观点是在论文中很常见，关于这类信息，大家的意见不一致，而当你需要做决定是非常的重要。
对于观点的难点
在于获取阶段。你需要检查大量的信息，以寻找其中的模式，而不是去记忆具体的细节，速读技巧对于收集信息非常的重要。
图标法对于观点信息来说也是非常有用的方法，它能帮助你在阅读以后提取出关键的思想。
过程信息。
过程信息是教导你怎么行动的信息，是讲述一系列动作操作的信息。比如编写一段电脑的程序，讲述如何游泳的知识，学习着这类信息，最最重要的是不断的练习，反复的去做。
不过建立正确的模型对节约时间的重要。 大多数过程信息都依赖于正确的模型，通过练习可以慢慢形成一个结构。如果有正确的模型，则可以提高他们的学习速度。
以下是一些可以改进模型技术：内在化，比喻法，图标法，模型纠错。
过程信息的难点
是需要时机投入大量的时间用于练习，你可以对概念理解的不好，但是必须实际的掌握动作。只要拥有正确的背景模型，就可以练习那些教你的动作。
那么过程信息的好处是如果练习了，他比其他类型的信息记得更牢，保存的时间更长。通过练习，你可以将模型与知识结构更好的融合在一起。
具体信息。
这种信息是学校里学习最多的信息。包括抽象信息。
具体信息是那些在实际中可以观察到、听到、触到的信息。比如医学上的望闻问切得到的信息就是具体信息，不过实际上大多数信息都介于抽象与具体之间。
抽象信息
这类信息缺少于感官的直接联系。
抽象信息与随意信息正好是相反的信息呢。抽象信息非常的难以理解，但是他的逻辑性非常的强，随意信息非常的浅显，但是逻辑性略差。
在处理抽象信息是需要将之一到具体的层次，整体性学习者一般会抛弃课程中的随意信息，因此他们比一般人理解的更好。
内在化和比喻法对于将复杂的知识简化至关重要，模型纠错也很重要，因为开始建立建立的模型就是在存在各种各样的错误。
最后如何使用五种信息的类型。
学习一个新问题是首先要判断信息主要属于哪一类？确定信息的类型？可以帮助我们觉决定学习是采用什么技术以及估计的记忆时可能会遇到的困难。
弱结构和强结构。
稻草搭建的桥不是强结构，钢铁做的桥一定非常的坚固，知识结构也有强弱之分，如有可能，应当尽量的使用强结构
随意信息结构是最弱的结构，难以进行整体性的学习，学习起来时间也比较长，而实际上应用价值有很少很有局限性。可能的话要尽量找出，随意信息中可能的逻辑结构，就是与无序中寻有序，能帮助你记忆。
举例来说，如果有一系列名词要记住，看起来是很随意的信息，但是你要努力的寻找他们可能存在的逻辑关系，也许名词的第一个字都是三点水旁？这就是一种逻辑关系。如果实在找不到逻辑关系就可以针对随意信息的联想法，比如挂钩法和信息压缩技术。
具体信息结构和过程信息结构是最强的信息结构，二者会唤起你的实际经验，新的知识可以旧的经验很好地联系起来。编写程序包括了具体的信息结构和过程，信息结构修改程序后的结果会立即的反馈给你，各种概念不断的出现在你的脑海中。
比如就拿大数据产业来举例。大数据其实是一个比较抽象和笼统的概念，应该说这个词是为了涵盖性的表达一系列生产和业务行业务行为的一个统称，但是也正是由于这种现象和过于简略的称谓方式，让每个人都容易对这个词产生见仁见智的不同视觉的印象或者看法。
大数据是一个以数据为核心的产业，是一个围绕大数据生命周期不断循环往复的生产过程，同时也是由多种行业分工和协同配合而产生的一个复合性极高的行业。
大数据产业生产流程从数据的生命周期和演变上，可以分为这样几个部分：数据收集、数据存储、数据建模、数据分析、数据变现。
其中每个环节都是非常重要的数据，生命环节每个环节的生产加工行为都是有其价值的。
这样就很好的为你后期的学习建立了很好的模型，一步步学习即可。
