在这个思考碎片化并且分工又精细化的时代，类似这样有深度、有难度、又有意义的问题应该来一打。
笔者在这六个领域都有实际的产品和项目经验，期望下文能让大家对相关领域有基本的认识：
发展顺序
随着互联网、物联网的发展，信息传递加速的同时，越来越多的现实被记录成数据，这些数据通过各种相关性进行融合，形成大数据，随之而来的是通过机器学习快速处理这些大量、大范围、多维度的数据。数据中除了蕴含现实记录，更多的是为人们发现现实发展的规律提供线索，进而预测未来、计划未来、改变未来……于是人工智能技术的发展不再是单纯地还原现实，人们更加期望它能预测现实、虚拟现实、改变现实。
人工智能学习已有的人类智慧后，能够代替重复的脑力劳动，结合机器手臂，便能从事各种物理活动；结合人类的价值判断，就能成为人类的AI伙伴，现实世界将进入生产更加自动化、服务更加个性化的时代，这个时代人们将能掌握神所具有的“智慧控物”、“智慧造物”的能力——这就是工业4.0。
包含关系
然而，大家回到现实世界，大多数组织还处于工业1.0、工业2.0时代，进入工业4.0还有很长一段路要走：一方面，社会变革需要深思熟虑；另一方面，技术的普及和应用还需要大量的教育和创新，而这些是挑战也是机遇，唯有依靠具有未来观并且具有冒险精神的各种组织领袖共同推进。
依存关系
互联网时代，人们为了便捷的互联网服务，心甘情愿地奉献自己的数据，真正拥有大数据的组织除了国家政府，只看互联网巨头。很多企业的大数据战略、数据资产战略已经叫嚣多年，然而仅凭单一的企业，何来大数据？不完成互联网化，打通内外部数据渠道，数据维度不够丰富、数据范围不够广，如何进行正确地预测？
然而企业比个人更明白数据的价值，于是各自捂着自身的数据不放，也拿不到相关行业主体的其他数据，只能在激烈的行业竞争中高成本抢夺行业资源。
回到互联网，虽然赢家通吃的过程中也有激烈的竞争，但信息通畅后的行业领域内，往往能够实现对内提升质效，对外融通发展，使得整个行业能效整体提升。
因此，更加深入的互联网化还将继续深入，才能全面进入大数据时代，然而这个时代到临之前对于数据资产的归属及安全问题还需要更多与之配套的制度保驾护航。
未来终将到来，任何组织和个人都无法改变时代发展的洪流，只能选择拥抱。认清组织通向工业4.0之路，就显得格外重要：
AI-人工智能
虽然这个概念已经流行已久，但其实不管是国内还是国外，对人工智能的定义仍然分为好几个流派，至今未统一。笔者比较倾向的定义是：用机器实现原本必须人类智慧才能完成的任务。
在组织内，人工智能除了技术本身的挑战外，更多面临的是：如何让员工心甘情愿将个人智慧转化为人工智能？
API形式是曾经与一位海龟博士合作过程中用到的一种方法，即：博士自己实现人工智能后，对外开通接口，使用者可以调用这个接口传入数据获取处理结果，使用者只要确保相关结果的正确率即可。
然而这种方式对一般的企业来讲，又缺乏动力。
BI-商业智能
个人参与到的BI项目涉及军队、银行、高校，也有世界五百强的国际型企业，但BI发展水平都不够充分。一方面业务自身还不具备商业智能化的基础；另一方面受限于技术应用的投入、回报，大多数企业只能采取头痛医头、脚痛医脚的方式，碎片化地开展商业智能化工作。绝大多数企业通往充分的商业智能还有很大距离：
商业智能充分化的状态：所有正式流程线上化，自上而下、自下而上的信息流通自动化。实现高精度的流程监控及优化，风险及控制。
从业务上，当前掣肘企业进入充分商业智能化的普遍问题在于，很多企业的正式流程并未精细化，因此往往BI项目会伴随类似阿米巴的精细化管理制度引入。
从技术上，目前已经有大量数据治理工具和BI产品能够很好地支撑不同业务场景及业务变化下的数据治理及可视化。主要存在的挑战还是技术能力与业务能力的融合上。
CI-客户智能
因为洞察到了重复的脑力劳动必将被替代，因此面向客户需求的持续创新成为打造领先战略优势的企业首选。这些企业，不管是服务业还是制造业，都不再满足于处理千万个同样的订单，而是追求处理千万个客制化的订单。
个性化的服务和个性化的产品是客户智能的关键词。
但是客户智能的终极状态绝非听取用户个性化的需求进行个性化满足，而是预测用户的个性化需求，推荐个性化的产品和服务，而做到这一点，对影响客户需求的各种环境和环节都需要有所洞察。
DI-数据智能
组织跑通了AI、BI、CI，让客户需求（现金）、员工智慧（知识）以数据的方式在业务流程中流通，才能真正体现数据智能的商业价值：基于历史业务数据，预测市场变化，并充分利用已有的AI、BI成果进行自动化响应，整体上提高市场销售和降低服务成本。
然后很多组织单独做BI项目、AI项目，都离生意太远，企业看不到数据带来的商业价值，因此往往缺乏推进数据治理项目的动力。
ERI-企业资源智能
企业对业务单元具备高精度的管控能力后，使用内部企业资源与外部企业资源都能保证较高的能效。持有战略资产，而把部分企业资产商品化，构建自己的企业资源云，实现ERI（企业资源智能）。到达这一步后，组织就能凭借智能化的订单，灵活调遣企业内外的企业资源，这一步做得比较好的是各大外卖平台、打车平台。
结语
组织迈向工业4.0的核心能力是对大数据AI技术的充分应用，但其难点在于，其应用并非过去信息系统那样可以标准化购买和使用。
企业需要的不仅仅是大数据平台、AI模型平台，更需要的是业务职能与大数据AI职能的深度融合，实现大数据AI职能化，组织智能化。
