这篇文章算是是去年那篇《从底层逻辑思考数字化转型升级（一）》的续作，沿着那篇文章的思路，结合最近的一些思考，最终形成的内容。
当全社会都在鼓吹数字化转型升级和人工智能时，企业以及企业家们很难跳出这些眼花缭乱的新名词技术新应用，从全局思考，为什么，做什么，怎么做，现在做得怎么样，想要做成什么样，能够做成什么样等。
人类文明的发展与进步可以归结为科技的发展与进步，而科技的发展与进步的背后，是人类如何更高效的获取和运用能量与信息。数字化转型升级与人工智能的本质就是信息以及人类对信息的管理与运用。
对于企业管理而言，信息是核心抓手之一，既要获取信息了解企业经营情况以及外部环境的变化情况，又要根据信息做出决策并形成工作任务进行部署，还要以信息构建管理体系塑造秩序从而对企业日常运营进行管理，可以说“信息即权力”。
对于信息的管理与运用也不是什么高深莫测的事情，无非就是输入-存储-输出，也就是记录。当信息多了之后，则需要对信息进行处理。伴随着科技的发展，无论是记录的载体，还是处理的方式都发生了很大的变化，有了各种各样新技术的赋能和加持，让人觉得这好像是个技术活，其实信息管理与运用的底层逻辑并没有什么大的变化，可以抽象提炼成如下模型。
当我整理出这个模型后，突然意识跟冯诺依曼机的结构很相似，也许是不知不觉中借鉴了冯诺依曼的思想。正是因为计算机的诞生，人类存储和处理信息的能力与效率大幅提升，各种各样的计算机软件应用把这种能力更进一步具象化和显性化了。
从结绳记事的原始时期，到造纸术和印刷术兴起后的工业革命时期，再到伴随着计算机出现的数字化时期，以及现在的人工智能时期，人类对于信息的管理与运用依然还是五个核心步骤或者组件，输入-存储-标准-处理-输出，万变不离其宗。
1、输入
输入是数据收集与的起点，也是信息的来源，从最远古时期依靠人类感官进行输入，比如声音或者肢体动作，再到进入文明时代通过文字书写与绘画等进行人工输入，再到工业革命时代、计算机时代有了更多的硬件设施让人类输入数据更加的高效快捷。
从最初只能单纯地输入，到计算机时代有了软件可以管理输入的过程；从只能人类手工输入，到移动互联网时代手机几乎成为个人数据采集的最大来源，以及IOT自动采集硬件设备数据，再到人工智能时代通过自然语言指挥AI完成输入。
一直在变化或者迭代的是输入的方式，不变的是输入对于信息管理与运用的本质，即如何更高效快捷地采集获取海量的数据，甚至是跨越数据的采集，直接输入信息，比如将大量的上下文信息输入给AI来完成后续的操作。
2、存储
信息的目的首先是正确地记录，输入与输出的数据和信息都需要存储，才能够被正确地记录。
数据和信息通常是存储在某种介质当中，既有物理介质，比如石头、纸、墙壁，也有电子介质，比如内存、硬盘、软盘、光盘，再到进入互联网时代的云存储和分布式存储。
存储的形态既有像文字、数字这种易于被结构化的，也有像图片、声音、影像等比文字更加非结构化的。基于结构化的数据诞生了关系型数据库，用于存储和检索。进入到移动互联网时代和人工智能时代，有海量的非结构化数据，也诞生了各种各样的存储和检索方案。
既然存储的目的是为了记录，那么如何能够被更好地查询检索，以及防止数据和信息的丢失和窜管，是存储对于信息管理与运用的本质，至于存储在哪儿，存储在什么样的介质，越来越不那么重要。
3、标准
我整理的这个模型尽管借鉴了冯诺依曼机的思路和结构，但有个明显的差异就是标准。
标准就是对海量来源数据的规范和翻译，确保数据能被一致理解和处理，就是信息管理与运用的“书同文、车同轨、统一度量衡”。
当数据比较少且来源单一的时候，还不需要考虑太多标准的事情，比如很多企业管理软件系统最开始也就是某一个部门使用，也不需要跟其他部门数据共享与业务协同，当然也就不需要考虑标准的问题。
但随着数据量越来越庞大，不仅牵扯企业内部众多部门，还要关联上下游的时候，没有标准就意味着数据即使能够流动也难以被翻译和理解，因为没有缺乏标准。
标准不仅有数据本身的规范，也有数据未来在不同系统流转，甚至是被不同的AI智能体以及大模型调用的协议。
有了标准才能够让数据和信息从单个个体到多个个体，才能够大范围大幅度传播与共享分发。
4、处理
尽管信息管理的最初目的是正确的记录，但随着技术的进步，人类希望不仅能记录，更能对记录的数据和信息进行处理，比如计算、更新、查询、分析、决策等。
处理的方式最初是人工，比如靠人进行计算，后来有了工具，比如可以用算盘或者计算器来辅助计算，再到用计算机软件程序来自动计算，接下来则是通过人工智能，不仅让计算机完成计算，更能进行分析和决策。
技术的进步对于处理的影响，先是把计算这项处理工作从人剥离出去，外包给工具或者程序。接着就是把分析和决策这项处理工作也从人拿走，交给给人工智能。
这种变化带来的不仅仅是处理方式的迭代，影响更深远的可能是一种信息权力的变革，比如在企业里过去做分析的可能是某些经验丰富的资深员工，一般决策可能是中层管理者决定，重大决策应该是高管或者老板决定，未来很可能从分析到决策都由人工智能来决定。
如果说技术或者更具象一点算法在什么时候什么场景下取代人，那应该就是在处理这个环节。相对应的，人可能得在标准这个环节花费更多的时间和精力，而不是在处理。
5、输出
输出是数据和信息处理的成果，既有结构化的分析、报告等信息，也有可以沉淀为知识的信息，比如制度、流程、规则等，还可以有作为决策依据的智慧。
输出的内容也有更多元化的展现形式，比如越来越常见的可视化，并且还是可交互以及动态更新的可视化。
而人工智能带来的输出则不仅是可视化与可交互化，还可以按照上下文交互把输出变成新的输入，带来更新的输出。甚至是创造出实时情境感知输出与自动执行。
当把信息管理与运用拆解成“输入-存储-标准-处理-输出”五个环节，就会发现不管数字化转型吹嘘得多么高大上，人工智能看上去多么高科技，从底层逻辑来看就是如何更高效地记录与处理信息，以及如何让这些成果能够为工作和业务带来提升与帮助。无非就是过去这五个环节大部分事情是人来，以后逐渐交给计算机程序和人工智能来做。
这五个环节虽然环环相扣，在实际应用中不见得都处于同样的水平或者发展阶段，有的虽然在记录和处理层面都已经武装到了牙齿，很可能在输入环节还是用的相对原始的人工输入方式。
