Anonim

I den aktuelle Wimbledon Grand Slam-turnering får vi endnu et glimt af, hvor store mængder data der bruges til at registrere og analysere mønstre. Takket være kameraer og fjernbetjenede sensorer registreres enhver bevægelse af tennisspillerne systematisk. Baseret på de indsamlede data kan det vises nedenfor, hvor vigtigt det er for en spiller at spille bolden tilbage med så få bevægelser som muligt. Denne nye tennis score, som måler den gennemsnitlige afstand, som en spiller har rejst over banen for hvert punkt, kaldes nu "must-know" under navnet "feet per point".

Der effizienteste Spieler gewinnt - wie im Tennis, so auch im Außendienst.
Den mest effektive spiller vinder - som i tennis såvel som i marken.
Foto: Mikael Damkier - shutterstock.com

Men hvad har dataanalysen i Wimbledon Gran Slam-turneringen at gøre med feltstyrken? Som med tennis, vil salgsstyrken blive drevet af dem, der gør det mest effektive i deres tilgang. Baseret på de tilsyneladende nøgterne data om den gennemsnitlige afstand pr. Point undersøger tennistrænerne spillet for deres spillere fra et helt nyt perspektiv. I overensstemmelse hermed kan en virksomhed forbedre sin konkurrenceevne ved at indsamle specifikke data og omdanne dem til meningsfuld analyse.

Dataanalyse som en konkurrencefordel

Aberdeen-koncernen mener, at virksomhederne mener, at brug af store datamængder giver dem en konkurrencefordel. I følge konsulentfirmaets Big Data Perspectives: Brugere mod IT-rapport mener 43 procent af it-medarbejderne, at de er forud for konkurrencen gennem hurtigere, mere kompleks analyse.

Derudover er det bevist, at forbedret kundeservice fremmer salgsudviklingen for virksomheder på et bæredygtigt grundlag. I sin nyligt offentliggjorte undersøgelse sagde konsulentfirmaet, at virksomheder med kundetilfredshed på mere end 90 procent også øgede deres serviceindtægter med 6, 1 procent årligt eller deres samlede indtægt med 3, 7 procent og især havde en kundeloyalitet på 89 procent.

Big Data - En god mulighed for felttjenesten

Hvordan kan feltservicevirksomheder udnytte store mængder data? Og hvad menes nøjagtigt med "big data"? Ifølge Aberdeen Group omfatter udtrykket "big data" - i modsætning til "rene data" generelt hele processen med indsamling, lagring, styring og analyse af betydelige mængder af forskellige typer data. Mængderne er typisk placeret i TB- eller PT-området, og lagres i forskellige formater fra både interne og eksterne kilder og er genstand for en streng hastighed og kompleksitet i analysen.

Som du kan se, kan data indsamles i hele feltet. Teknikere indfanger oplysninger ved hjælp af tablets og wearables i deres missioner. Data opnås også fra flådestyring såvel som telematikapplikationer, fjernsensorer og endda gennem innovativ M2M-datakommunikation.

  1. Tyske virksomheder har svært ved at have datastrategier
    Dataanalyse bliver stadig vigtigere for mange virksomheder, ifølge en undersøgelse foretaget af KPMG og Bitkom Research. De ansvarlige finder det imidlertid ikke let at finde den rigtige teknologi og strategier. Stadig enkle værktøjer som Excel bestemmer billedet.
  2. Relevante beslutninger bliver i stigende grad mødt med dataanalyse
    I hvilket omfang gælder følgende erklæringer for din virksomhed?
  3. Alle undersøgte virksomheder analyserer virksomhedsdata
    Hvilke af følgende typer data indsamles og analyseres digitalt til beslutningstagning i din organisation?
  4. Væsentlige forskelle efter branche
    Hvilke af følgende typer data indsamles og analyseres digitalt til beslutningstagning i din organisation?
  5. Opsætning og datalagring er oftest outsourcet
    Hvordan administrerer din virksomhed i øjeblikket følgende aspekter relateret til data og dataanalyse?
  6. I øjeblikket er hovedsageligt beskrivende analyser i brug
    Hvilken af ​​følgende typer dataanalyse bruger eller planlægger eller diskuterer din virksomhed i øjeblikket?
  7. Jo mere avanceret dataanalysen er, desto mindre almindelig er det
    I hvilket omfang bruger din virksomhed allerede dataanalyser eller planlægger / diskuterer deres implementering?
  8. Jo mere avanceret dataanalysen er, jo højere er tilfredsheden
    Hvor tilfreds er du med resultaterne fra de anvendte dataanalyser?
  9. Databeskyttelse, utilstrækkeligt budget og personale er vigtige hindringer
    Lad os nu henvende os til mulige argumenter mod (mere intensiv) brug af dataanalyse. I hvilket omfang gælder følgende erklæringer for din virksomhed?
  10. Mere end halvdelen af ​​de store virksomheder har allerede en big data-strategi
    Har din virksomhed allerede udviklet en strategi til implementering af konkrete big data-foranstaltninger?
  11. Big data-strategi indtil videre kun i nogle få brancher, der er mere udbredt
    Har din virksomhed allerede udviklet en strategi til implementering af konkrete big data-foranstaltninger?
  12. Betydningen af ​​big data vil blive mere vigtig
    Hvordan vil efter din mening vigtigheden af ​​Big Data i din virksomhed ændre sig i de næste tre år?

Inden for felttjenesten kan store mængder data bruges på forskellige måder. Det første trin var at evaluere de data, som organisationen allerede har. En field service-softwareløsning gør det muligt for virksomheder at fange data hurtigere og lettere.

For eksempel kan en salgsrepræsentant bruge en tablet til problemfrit at registrere varigheden af ​​teknikerens intervention og reparation. Samtidig kan han registrere, om opgaven blev udført med det samme, om teknikeren skulle køre tilbage til stedet, og i bekræftende fald af hvilke grunde og hvilke reservedele der var behov for.

udstilling

Webcast: Udvikle forretningssager til Cloud

Webcast: Business-Cases für Cloud entwickeln - Foto: metamorworks - shutterstock.com

På grund af kompleksiteten samarbejder mange virksomheder med partnere for at integrere og styre skyarkitekturen. Denne rapport afslører, hvad man skal kigge efter, når man vælger en partner. (Engelsk)

Til artiklen

Efter at have indsamlet oplysningerne, kunne virksomheder sammenligne disse data med historiske data og tjekke for kampe. Baseret på realtidsdata fra en servicetekniker kan den gennemsnitlige brugstid bestemmes. Dette giver ledere information om den nøjagtige tidsramme, de skal indstille for fremtidige lignende interventioner. Dette kunne bedre forudsige ankomsttider og reducere antallet af udsatte aftaler og indirekte forbedre kundeservicen.

Dataanalyse til forudsigelig vedligeholdelse

Det er muligt at indsende data til andre afdelinger i organisationen, som ellers ikke ville have adgang til denne type information. F.eks. Kan feltstyrkeafdelingen videresende data til salgsafdelingen, hvilket igen resulterer i salgsmuligheder. Vejledere kunne identificere behovet for serviceteknikere inden for et specifikt område og planlægge ressourcer i overensstemmelse hermed. Derudover kunne feedback fra kunder indsamles og sammenlignes med industristandarder.


  1. 5. Integration af nye analysemetoder i eksisterende systemer.

  2. 4. Pilotprojekt / prototype: evaluering af dataene i tilsvarende prognosemodeller; Modeller og analysemetoder forbedres, kombineres og evalueres konstant for at forbedre prognosen.

  3. 3. Valg / beskæring af poster og kombination med eksterne data.

  4. 2. Definer Business Case: Definition af et konkret mål med nøgletal (f.eks. Øge salget med det samlede antal x, reducere underskud osv.), Som skal nås ved hjælp af prognoser.

  5. 1. Analyse af forretningsmodellen, forretningsprocesser og eksisterende data.

Interessante muligheder kan også åbnes, når virksomheder tager et teknologisk spring fremad ved hjælp af fjernsensorer og M2M-datakommunikation. Udtrykket "forudsigelig analyse" refererer generelt til evnen til at spore opførsel hos potentielle købere for at give sælgere det rette tidspunkt at kontakte dem.

I dag kommer begrebet "forudsigelig vedligeholdelse" imidlertid til live. Som et resultat kan det forudsiges, når et udstyr eller udskiftning vil nå slutningen af ​​dets levetid. Fjernsensorer ville muliggøre indsamling af data om ændringer i maskiner over tid og i visse tilfælde brugen af ​​dem. Således kan sandsynligheden for fiasko for en bestemt maskindel og maskinens gennemsnitlige levetid bestemmes. Baseret på disse data er en optimal afslutning af en forebyggende tjenesteudvikling mulig.

Kundens efterspørgsel efter bedre tjenester øges støt, og kvaliteten af ​​tjenesten har en stor indflydelse på en virksomheds omsætning. Selvom teknologisk innovation gør det muligt at optimere kundeservicen, øges forventningerne også. Det er op til virksomhederne at bruge alle de tilgængelige værktøjer, herunder detaljerede oplysninger, til at sikre eller udvide deres egen konkurrenceevne. (Bw)