想改善个人健康，计算卡路里和每日步数是不错的办法。但如果是想在专业上更成功，又该计算什么呢？企业网络想让员工以更好、更快、更便宜的方法来管理自身的优缺点，就必须像个人一样「量化自我」。
对个人来说，未来生产力的关键十分清楚：任何人想在21世纪的企业里飞黄腾达，就必须加紧自我监控、自我监测、自我量化，程度要让欧威尔的《1984》读来如同儿戏。原因并不是什么后工业时期的侵扰或侵袭，而是 出于专业的自我保护和自我改进。
别觉得这是《1984》的老大哥，而该觉得这是一位大数据导向的教练。
知识工作者想打败那些更省成本、（更）具智慧的机器，最好的办法就是拥抱科技，让自己也变得更聪明、更具影响力。据称，美国办公室员工平均每天得处理超过5,000MB的资料，而且数字还在上升。如果无法将这股资料狂潮 转化成个人上升的生产力，等于就是等着失业。不管是印度、中国、甚至是经济合作暨发展组织（OECD）的知识工作者，都会面临一样的情境。这是个全球化的趋势。
换句话说，就算现在还不能以具备成本效益的方式来使用资料、强化人类的表现，迟早也得面对自动化做到这点的一天。对于世界级的企业来说，明日的「量化自我」（quantified self）将不再只是持续的自我评估，而是转变为不断的自我改进。如果企业无法以可量化的方式取得实际改善，终会遭到淘汰。
目前的自我追踪/监控工具就像是放大镜，主要功能是让人能用新的观点、把自己看得更清楚；但这些科技也能针对提升绩效表现，提出最佳、最实际的选项。
这可以说是把「量化自我」给「亚马逊化」或是「Netflix化」。就像是亚马逊建议购买书籍、或是Netflix建议观赏影集的方式，由资讯驱动的数字公司也能够收集分类、综合并客制化各种明确的建议，让人更有生产力、更有效率。另外还有更精细的「建议系统」，提出的建议更能刺激各种创意和合作。创新的领导者就会靠着演算法，投资提升人类表现及流程效率。
举例来说，只要被动监控员工的聊天、电子邮件、备忘录及简报，企业的建议系统就能「知道」每个人的沟通模式及风格。这样一来，在主管撰写重要的专案评论时，这种软体就能提供像是「情绪的自动校正」，能够建议正确的用字，好让这些评论更有效发挥影响力。当然，面对这些由资料所驱动的编辑建议，主管可以选择是否要接受；但同样当然，建议系统也同样会监控他们的选择及后续的结果，让建议系统从中学习。
根据个人化的程度，建议系统能够建议内向的员工多多使用公司的社群媒体，也建议太过外向的员工沟通时稍做克制。像这样由资料所驱动的演算法谘询，提出的建议可能包括阅读某几份明确的备忘录、指出该邀请的特定同事、或是有哪几场会议无须参加。
到头来，要踏上（或是维持在）职场的康庄大道，会需要有足够的谦逊及自我纪律，能够听从手中最聪明的机器所提出最佳的建议。想在专业上成功，可能靠的就是要对这些机器有如同对同事一般的信任、甚至是更多。
当然，这对管理及企业上的意义更是重大。目前企业及管理者已经预测「人类分析」将日益蓬勃，让各种层级的领导者都需要积极定义（及测量）所谓的卓越该是如何。目前清楚正在浮现的关键差别在于，能提出最佳忠告及谘询的对象可能不再是表面上的人类领导，而是机器本身。
确实，这种下一代企业建议系统的真正风险（及契机）就在于，高阶管理者会愈来愈依赖这些科技来认识自己手下的人类同事。「信赖」与「依赖」两者的差别正变得小到难以察觉。这样一来，如果建议系统的成效已经确实比自己的人类直觉及见解来得更好，主管又该如何应对？
这将会是高阶管理者在未来数字企业中必须面对的挑战。有些时候，重要的还不只是你做了什么，还要看看你怎么去测量成效才行。