收益、能源和生产量的优化
将过程控制集成数据与其它数据——比如成本数据——进行集成，将对企业收益、能源和生产量的优化大有帮助。我们看到，制造商已经通过结合那些容易获得的工厂数据和正确的软件，对工厂实施了不小的改善。此外，他们必须建立正确的算法。后，同时为初的试点和由此扩展的不同站点提供支持是成功的关键因素。
下一层次的自动化
几乎所有的公司，都还存在很多潜在的可以增加使用自动化的蓝领和白领阶层工作。就拿蓝领阶层的工作来说，我们预计在未来的5到10年内，工厂里机器人的使用将实现显着增加。直到2020年，工业机器人的成本都将以每年10%的速度下降，而传感器技术和人工智能技术却在不断进步——这将促使机器人被应用于更复杂的系统和情形中——驱动发掘自动化的潜在价值。我们还发现在白领阶层的工作方面，供应链中的需求规划（预测性分析的使用）和订单管理（非接触式订单管理）过程中具有值得优化的潜力。
数字质量管理
通过开始实施数字文档系统——帮助记录和存储与质量、生产和服务的相关信息，制造商尝到了甜头。先进的质量控制，包括使用新式传感技术（比如计算机视觉）和半自动质量控制（如机器人）可以解锁更多的价值。更高级的玩家正在使用先进的算法和大数据质量分析来加强他们的数字质量管理。
我们推荐的“工业4.0诊断法”聚焦于制造商如何使用他们已有的数据来解锁新的价值，分为四个步骤，如下图：
二、别怕变通，今日之变是为明日更完善的解决方案涤讪信息基础
通常有一些客户由于缺乏实际经验而无法开始实施“工业4.0”，在很多情况下，从重要的“工业4.0”应用中捕捉价值就会涉及到许多制造商需要解决的障碍和问题。
当整合数据的时候出现这些问题，项目往往会被迫停止，然后等待数据体系结构转换、ERP系统的重启，或者一些其它尝试。但事实是，出色的客户管理即使在困难的情况下，（如缺失数据，不兼容的IT系统，人才的短缺）也能成功地完成项目。
例如，在做生命科学客户收益率优化管理时，我们发现一些问题——整个文档的批阅只能在纸上进行，但是只有输入电脑的数据才能用于分析。他们并没有选择等待两年等数字档案建立好或者数字数据积累到足够的量，而是选择扫描了所有的物理数据表(15000页)，然后在印度找了一个第三方供应商将其转换为机器可读数据标签。这花了两周的时间和非常多的努力，终实现了约1%的产量提高。
云平台解决方案也能无风险的实现同步处理。公司可以尝试用云平台方案来解决基础设施方面的问题。
