Oracle提供针对客户主机的全方位售后服务

在工业4.0时代，制造企业一个新的数据来源就是通过在智能产品上安装传感器收集客户使用数据，结合已有的传统数据，如设备的维护维修数据、环境与工地现场的数据、客户订单和保修数据，数据制造企业可以加以分析和利用，向产品的拥有者、使用者和维护者提供产品服务建议，比如不当操作告警、设备磨损指示或可能发生的故障预警等。并通过实时监控资产性能来发现问题，提前通知相关人员采取行动。这一切让产品的售后服务更加智能、主动和人性化，也可以帮助设备制造商完成从产品导向性企业向服务导向性企业的转变。

1.预测性产品服务

在售后服务阶段，工业大数据一个越来越重要的应用就是预测性产品服务。制造商使用产品传感器数据，获取产品使用的性能数据，并预测提供产品服务的时机。例如，分析由传感器嵌入在复杂产品中的数据，使飞机、电梯和数据中心服务器制造商提供主动智能的预防性维护服务包。根据麦肯锡的统计，通常情况下，通过预测性产品维护可以降低维修成本10%～40%。

比如，波音飞机不到几微秒就采集一次有关发动机、燃油系统、液压和电力系统等数以百计的在航状态数据，通过这些数据的分析，波音公司可以实时掌握每一架飞机的性能状况，并制定主动的维修服务计划。

Oracle公司的一体机产品也提供企业级客户类似服务选项。客户可以通过防火墙将主机运行的状态信息实时发送到Oracle的运维服务中心，Oracle负责对这些反映机器运行状况的数据进行分析，并提供主动性的产品运维和保障服务。当一个Oracle维修技术人员出现在客户机房时，客户甚至都没有意识到机器组件已经发生故障。

对于消费类产品，产品产生故障或者某些部件需要更换的需求通常与产品的使用方式相关。通过分析这些产品的使用数据，可以帮助制造商在客户的产品需要维护之前及时提醒客户。例如，宝马的ConnectedDrive可以基于实时交通信息为驾驶员提供驾驶路线；车上安装的传感器在识别到有事故时，会自动寻求救援；根据车辆的实际使用状况，提醒司机维护保养，并将操作数据直接自动发送到后台的服务中心。

2.产品保修问题分析(www.xing528.com)

据统计，制造厂商的产品保修费用占到产品收入的3%，仅在美国每年将近370亿美元。而这部分保修费用的成本，可能是产品质量原因，可能是产品设计缺陷，还有可能是欺诈骗保。而由于分散在多个数据系统中，而且数据形式多样，既包括结构化数据，也包括非结构化数据；既包括内部数据，也包括外部数据。因此如何整合这些数据，进行分析，快速找出售后保修问题的原因，是提升客户满意度、降低维保费用的关键所在。

比如，美国汽车制造商德尔福（Delphi）公司是全球领先的汽车与汽车电子零部件供应商，他们面临的客户售后保修问题的困境有如下方面：

（1）有关客户产品保修的数据分散在16个不同的内部或外部系统（来自原始设备制造商，还有第三方数据）内，数据包括结构化和非结构化数据，数据不兼容，无法进行整合分析，更不用谈快速有效地找出产品质量问题。

（2）无法满足客户保修30天内必须响应的时间要求。一旦30天内没能响应客户保修要求，客户有权要求按天赔偿，这不仅增加成本，而且降低客户满意度。

在Oracle的帮助下，通过将内部16个不同系统的数据进行整合，包括客户交易数据、产品零件数据、客户问题跟踪系统事件数据及问题描述数据等。基于这些整合的数据，在部署的第一个月，工程师发现了一个产品性能问题的根本原因，业务价值100万美元。而且，通过自动化的数据分析和挖掘技术，可以在几个小时内找到产品性能的问题所在。