這些都是具有挑戰性的和令人興奮的時間業務用戶——尤其是像用戶尋求可行的信息在不同的數據。與各種各樣的數據源使用在今天的組織,找到正確的信息,在正確的時間,比以往任何時候都更重要。
對於許多開明的專業人員,需要超越標準報告基於曆史數據在月底打印出來已經減弱,和不足在當今快節奏的維護環境除了曆史比較和趨勢數據。
在維護和操作功能,尤其如此,因為是一個持續的挑戰,使所有這些數據。在這些部門人員經常拚命設法及時提取掘金相關和有用的信息(通常是實時)的方式。
圖1
來源:光環分析
現在可用的:像業務用戶分析
維護信息今天越來越需要對預測信息的可見性,預測,預測預防和其他計劃工作。這是糾正除了分析可用的數據維護工作。
數據分析等工具的可用性,數據可視化,預測分析,以增加像和預見性維護工具可以提高維修團隊的效率和生產率。利用這些能力可以為企業提供了一個強有力的競爭優勢。由於這個原因,這些功能是激發了許多像用戶的興趣更多地了解分析解決方案。
與分析提供廣泛的可視性提供廣泛的成本、性能和操作數據,用戶可以比以往更好地利用維護數據。包括推斷可能的趨勢和預測基於來自不同係統的數據。這些數據可以幫助確定適當的維護水平平衡設備無故障運行時間和成本要求最好的實現組織目標。組織繼續尋求有用信息等話題平均失效到達時間,優化設備更換周期,和詞形變化點太少,太多-維護。組織需要記住這個平衡,在市場上具有競爭力。
IT部門以外的可用性的分析
因為許多組織傳統上認為分析解決方案是傘下的技術團隊,他們往往不願進行分析項目在業務單元層麵,包括維護團隊。這是強調的感知分析程序需要專門技能,如統計學家和數據分配給組織的科學家量化員工、和投資在傳統和昂貴的,分析解決方案。
今天有一個革命的發生,分析大眾(的)。雖然一些今天的分析解決方案仍然需要統計和分析的基本概念的理解,他們可以使用許多精通科技的業務用戶。這些新解決方案並不總是需要深刻理解所需的統計數據和編碼,曆來,幾乎完全由量化專家使用。
最近增加的分析工具,可以由業務用戶使用。這些解決方案可以允許用戶擴展數組——尤其是維護用戶利用分析的力量。
不過,與今天的維修工人常常需要知識管理和評估技能,有些人,如果不是很多,應該至少有一個工作知識等概念的隨機對照實驗,a / B測試,回歸分析和統計學意義最可用的分析工具,並做出明智和有見地的決定。
許多新的解決方案業務用戶現在可以使用與分析的工作知識。商業智能和分析供應商的例子包括提供這樣的功能IBM,微軟,MicroStrategy,甲骨文公司SAP,情景應用程序,表,Qlik等等。
除了是相對容易使用,這樣的解決方案可以提供範圍廣泛的數據源的連接。在許多情況下,這些新解決方案也有較低的總擁有成本,使生活更輕鬆,更維護團隊的生產力。