Come creare valore con una sola metrica!

Passare dai dati alle decisioni

L'obiettivo è massimizzare il valore delle macchine estraendo informazioni e trasformandole in approfondimenti.

Robert Michaelides
CEO, Proemion

Introduzione

Questo articolo analizza i dati anonimizzati che assomigliano molto a un cliente reale. In particolare, esaminiamo una singola metrica che utilizziamo come esempio. Analizziamo i dati raccolti sulle ore di funzionamento e vi mostriamo come voi, in qualità di OEM, possiate trarre conclusioni per ciascuno dei vostri reparti e ottenere un impatto proficuo sulla vostra attività o sulla soddisfazione dei clienti.

L'intento di questo documento non è quello di affermare che qualsiasi azienda debba affidarsi a un'unica metrica per comprendere le proprie attività, ma di dimostrare come una sola metrica possa fornire molteplici informazioni. Questo è importante perché il potenziale delle singole metriche non viene sfruttato in modo ottimale. In effetti, un'indagine sui dati del 2020 condotta da Seagate ha rilevato che il 68% di tutti i dati aziendali non viene sfruttato, il che rappresenta una quantità equivalente di opportunità mancate. Naturalmente, non è necessario iniziare con una serie complessa di metriche per vedere il valore. È possibile iniziare con piccoli approfondimenti e far evolvere gradualmente il monitoraggio e l'analisi dei dati nel tempo.

L'indagine di Seagate mostra una discrepanza tra i dati raccolti e quelli effettivamente utilizzati dalle aziende, illustrando che, sebbene la raccolta dei dati sia importante, è l'utilizzo dei dati giusti nel giusto contesto e la comprensione della loro rilevanza a creare valore aziendale. Invece di raccogliere il maggior numero di dati possibile, l'obiettivo dovrebbe essere quello di raccogliere dati specifici che abbiano un utilizzo nella strategia aziendale più ampia.

Figure 1: Enterprise data utilization

Tracciamento dell'attività della macchina per giorno e ore di funzionamento

La metrica delle ore di funzionamento è semplice ma anche estremamente importante per OEM, concessionari e proprietari di macchine. Il nostro esempio rappresenta macchine che lavorano nel settore delle costruzioni, operanti in tutto il mondo con migliaia di macchine. Queste macchine possono essere organizzate per modello.

Le ore di funzionamento medie mensili sono importanti e vengono aggregate dalle ore di funzionamento grezze. Per trarre le conclusioni più significative, i dati devono essere raccolti e osservati per un periodo di tempo prolungato. Quanto più lungo è il periodo di osservazione, tanto più affidabile è l'analisi dei dati.

Figure 2: Machine operating hours by active days

Nella Figura 2, l'asse delle ascisse mostra il numero di giorni attivi per ogni macchina, mentre l'asse delle ordinate mostra la media delle ore di funzionamento della macchina al giorno. Si noti che ogni punto rappresenta una singola macchina. Il punto in basso a sinistra mostra una macchina attiva solo un giorno per un'ora, mentre la macchina in alto a destra è stata attiva ogni giorno per 30 giorni, con una media di 22 ore al giorno.

Un'altra cosa importante da notare è che i punti dei dati possono sovrapporsi. Un'analisi dei dati nel tempo fornirà una migliore rappresentazione del numero di macchine in un determinato grafico. Nella Figura 2, i dati aggregati sono organizzati in un formato visivamente significativo, creando diversi cluster codificati a colori. Il raggruppamento è importante perché aiuta a organizzare insieme oggetti dal comportamento simile. Qui vediamo tre cluster distinti di macchine, quello verde, quello arancione e quello viola.

La Figura 2 mostra anche quali macchine lavorano più di otto-dieci ore al giorno con una linea rosa. Si presume che le macchine al di sopra della linea lavorino come parte di un'operazione a turni e siano esposte a un uso considerevolmente maggiore. Per analizzare ulteriormente le ore di lavoro delle macchine, vengono mostrate altre tre categorie in rosso, verde e blu.

Figure 3: Heat map of machine operating hours by active days

Confronto per tipo di macchina: a quali domande si può rispondere utilizzando un'unica metrica?

Gli OEM e i concessionari possono ottenere diverse informazioni da un'unica metrica, a seconda degli obiettivi e del punto di vista in base al ruolo che ricoprono nell'azienda, ad esempio come venditore o responsabile dell'assistenza. Nel caso della metrica relativa all'utilizzo della macchina, le risposte a domande come queste possono rivelare vantaggi per l'azienda in termini di efficienza, redditività e soddisfazione dei clienti.

Figure 4: Comparison by machine type - Model Type 1

Figure 5: Comparison by machine type - Model Type 2

Le macchine sono sovra o sottoutilizzate?

Forse i dati mostrano che lo stesso tipo di macchina viene utilizzato in modi e tempi diversi. Ciò può significare che alcune macchine sono sovrautilizzate mentre altre sono sottoutilizzate. Le macchine utilizzate più spesso invecchiano più rapidamente e richiedono più manutenzione e riparazioni. Questo esempio è più probabile nel settore delle costruzioni, dove non è facile garantire che le macchine vengano utilizzate in modo equilibrato. Ad esempio, vengono spostate da un cantiere all'altro o accantonate per un po' in attesa della fase successiva del lavoro. La capacità di vedere quali macchine stanno lavorando più intensamente di altre crea la possibilità di intervenire per bilanciare i carichi di lavoro con una migliore pianificazione o sostituendo una macchina diversa che può fare di più nella stessa quantità di tempo.

I modelli di fascia bassa stanno cannibalizzando il mercato di fascia alta?

La Figura 2 mostra l'utilizzo delle macchine in un periodo di tempo. A volte, una macchina di fascia bassa in grado di fare tutto viene costantemente utilizzata, cannibalizzando il mercato delle macchine di fascia più alta. L'uso eccessivo di macchine di fascia bassa può essere un indicatore di questa situazione e può fornire agli OEM le informazioni necessarie per apportare modifiche alla progettazione del modello successivo. Allo stesso modo, quando si tratta di veicoli che vengono utilizzati quotidianamente, gli OEM possono progettare di conseguenza. Ad esempio, i sedili dovrebbero essere il più ergonomici possibile e la cabina dovrebbe avere spazio per attrezzature aggiuntive. Anche i modelli in alto a destra necessitano di un'illuminazione esterna, perché vengono utilizzati per il lavoro a turni, ventiquattro ore su ventiquattro. Al contrario, le macchine che si muovono solo una volta alla settimana richiederanno meno caratteristiche. Con i dati che rivelano la frequenza di utilizzo delle macchine o il modo in cui vengono utilizzate, è possibile ottimizzare per applicazioni specifiche e fare in modo che i modelli non si ostacolino a vicenda.

Il mio team di vendita è in grado di identificare nuove opportunità di up-selling?

L'analisi dei dati macchina di cui alle Figure 4 e 5 può avere un impatto positivo sulle vendite. Immaginate un addetto alle vendite che esamina i dati di un certo gruppo di clienti. Se riesce a vedere che un certo modello di macchina viene utilizzato molto più spesso di quanto previsto dal produttore originale con il suo design o se il proprietario di una macchina utilizza una macchina di fascia alta per compiti semplici, può convincere il cliente ad acquistare un modello con una configurazione diversa, migliore per il lavoro che sta svolgendo. L'utilizzo dei dati per fornire consigli d'acquisto personalizzati è un modo molto potente per fidelizzare i clienti e la comprensione dell'utilizzo delle macchine è la chiave per un consiglio di successo.

Come posso evitare il disallineamento del contratto di servizio?

I dati sull'utilizzo possono influenzare il tipo di assistenza post-vendita che gli OEM e i concessionari decidono di fornire ai loro clienti. Dai dati della Figura 2, sappiamo che una macchina media lavora cinque giorni alla settimana, per circa sette ore al giorno. Ma questa è solo la macchina media. E le altre?

Non ha senso offrire lo stesso pacchetto di servizi per ogni macchina, indipendentemente dal suo utilizzo.

I dati possono anche aiutare a stabilire la priorità delle richieste di assistenza e il costo dei contratti di assistenza. Ad esempio, le macchine che lavorano sodo nella parte superiore destra del grafico devono essere sottoposte a manutenzione più spesso. Forse ha senso offrire un'assistenza settimanale o bisettimanale per questo tipo di macchine, mentre le macchine in basso a sinistra hanno bisogno di assistenza molto meno spesso. I contratti di assistenza per queste macchine possono essere tariffati di conseguenza, in modo che l'OEM o il concessionario ricevano un compenso equo per il lavoro svolto o che il proprietario della macchina non sia sovraccaricato, a seconda della macchina.

Come posso migliorare la previsione dei ricambi?

I dati di utilizzo mostrati nei nostri esempi possono aiutare gli OEM e i concessionari a prevedere quali parti dovranno essere sostituite e quali macchine avranno probabilmente bisogno di manutenzione prima di altre. Ciò non è dissimile da quanto fanno diverse case automobilistiche per portare i loro clienti a fare manutenzione sulla base dei dati di utilizzo del veicolo nella vita reale. La capacità di prevedere in modo affidabile quali macchine avranno bisogno di manutenzione e di parti di ricambio può aiutare gli OEM e i concessionari a raggiungere una maggiore efficienza, anticipando le esigenze di personale e di parti di ricambio in magazzino e pianificando di conseguenza.

Sintesi

Quando OEM e concessionari possono utilizzare i dati per capire come si comportano effettivamente i clienti e le macchine sul mercato, dispongono di un potente strumento per prendere decisioni che hanno un impatto sulla loro attività sia a breve che a lungo termine. Le domande sulla necessità di risorse aggiuntive, di nuovi modelli o di strutture per la manutenzione, ad esempio, diventano molto più facili da rispondere.