在我们的五部分“工作互联系列”中，我们将探索未来几年推动现场服务市场创新的趋势。在第二部分，我们将重点关注大数据的影响。
预测分析帮助解决效率低下
做出更智能的、基于数据的决策是一个关键的创新重点。通过基于云的分析，企业可以将不同的数据集集中到一个地方，并利用所有相关信息的洞察力。
- 机器学习:这可以通过机器学习来实现，在机器学习中，数据从“后视镜”(告诉你发生了什么/趋势是什么的报告)转移到更具有预测性的“前瞻”，这有助于商业规划。
- 优化劳动力:先进的预测分析为现场服务组织提供了一个巨大的机会，以更好地优化他们的劳动力，这将提高利用率，并最终提高客户满意度。Gartner最近指出，数据和分析将推动现代商业运营，而不仅仅是反映它们的表现。
- 人员安排:安排现场技术人员经常导致组织效率低下，特别是对于从一个地点移动到另一个地点的现场资产，如建筑或农业设备。对来自客户的计划外服务需求做出反应会增加额外的复杂性，这通常是调度人员在分配任务时难以考虑的。
实时获取大量数据，在现场服务中做出更明智的决策，可以实现反应性、前瞻性和预测性支持的不同平衡，这是一个很好的机会。
2 -现场服务解决方案的劳动力优化
在对工作分配提出建议时，劳动力优化工具可以整合多种规则和历史数据。
- 关键好处:优化工具不仅速度更快，而且常常可以发现一些对执行手动任务的调度器来说隐藏或不明显的提高利用率的机会。
- 影响数据:可以改进工作安排的数据类型包括技术人员位置、资产位置、先前的承诺、工作时间、加班规则/费率和技术人员技能。
- 潜在的结果:一个优化引擎，它可以执行假设场景分析，并对分配给哪个技术人员的工作提出建议，可以最大限度地减少加班，并减少对之前分配的任务的影响。
3 -利用历史数据推动更好的结果
其他需要考虑的功能是如何使用历史数据来驱动预测结果。
- 预测建模:长期以来，预测性维护一直是许多现场服务市场人士的梦想，因为它提供了引人注目的、潜在的变革性商业机会。
- 对数据的访问:预测建模的一个关键驱动因素将是访问更多数据，这自然是通过将更多资产连接到服务工作流而派生出来的。从被动维护到预防性维护，以及最终的预测性维护，将是一个缓慢的过程，但随着越来越多的资产被连接起来，有效管理数据的需求将变得越来越重要。
- 为什么是现在?：在这一趋势之前做好计划的组织将会更好地利用它。
4 -大数据对现场服务的影响
随着现场服务机构不断更新和添加新的解决方案，大数据最终将变得更大。由于涉及到大量的数据，除了分析软件外，对存储、处理和网络基础设施的改进、更健壮的需求将会增加。
- 注意事项:基于云的端到端解决方案以及由此产生的分析的好处将对组织的决策方式产生引人注目的影响。商业智能不仅有助于识别运营效率和管理客户服务水平协议的日常性能，而且在提供流程改进方面也是至关重要的。
- 行业前景:所有这些结合在一起，推动基于历史模式和预测分析的更好的战略规划，这将推动收入增长，改善服务交付和更好的客户满意度。
