预测性洞察力的持续发展
预测性洞察力在车队运营与维护方面的潜力也很大。埃森哲最近完成了一项对圣路易斯地区交通局Metro的试验计划，该局MetroBus车队的433辆公交车每天要运载密苏里州和伊利诺伊州4个郡的10多万名乘客。该计划的目标是看看车辆装备问题是否可以预测和处理，以减少维护成本和客户不便。
公司为20辆车配备了传感器装置和数据收集盒，可将发动机和传动信息发至埃森哲芝加哥技术实验室的计算机上。计算机首先为每辆车开发了一种反映正常运营状况和性能的模式。然后来自每辆车的数据1天收集3次，并将数据与特定车辆的正常运行模式进行对比。
当某辆车的运行状况不符合其性能参数时，它就会显示在观察单上。一旦报警，机械师可以调阅更多的详细数据，然后确定问题所在并做出理想的反应。
这一试验计划已经取得了成果——该实验系统展示了很大的潜力。例如，它能对液压减速器——汽车传动系统的一部分——过热发出早期预警，这一小问题如未被发现，可能导致昂贵的维修费。
如果Metro要在整个车队继续实施新计划，该计划的第2阶段是将维护预测与零件、劳动力的成本及可用性，以及维修成本、事故损失等其他有关数据相结合。这将使公共交通官员能够改进整体维护运营状况并大大降低成本。例如，改进后的终身维护与持续、实时监测可使车辆的工作年限延长8％~10％，每辆车能节约2.5万美元。
Metro信息技术运营系统负责人汤姆·达顿指出：“从投资回报角度看，预测性监测是一种能很快收回投资的技术。”
“4步法”搭建洞察力系统
无论哪个行业或企业，只要满足了以下2个条件，预测性洞察力就能使机构取得更高的绩效：必须拥有数据，必须能根据这些数据采取行动。这意味着机构需要执行分为4个阶段的预测性洞察力机制。
我们以公用事业行业——一个颇有潜力，即将获得洞察力的行业——为例来说明如何利用预测性洞察力机制。
第1阶段：收获信息
现在，预测性洞察力已成为可能，因为我们拥有越来越详细的实时数据，其中包括通过无线射频识别（RFID）、传感器和全球定位技术获得的自然界观察资料、生物数据，以及互联网上的公用数据。
来自企业系统等较为传统来源的信息也很重要。例如，要预测和优化电厂的绩效，首先要搜集包括电容器和涡轮在内的每件设备的“微数据”。这一信息一般通过现有应用软件即可获得。
第2阶段：预测事件
利用这些详细的数据，分析人员可以开发出各种模型来模拟事件，预测未来。这些模型可以是综合的，也可针对个别单位。例如，对于电厂来说，可以为每个电容器或涡轮开发单一的模型，并将每个机器的特定信息与该机器的模型进行比较，而不是只与制造商开发的“普通”标准相比较。事实证明，这一个性化方式可为即将出现的绩效问题提供更确切的信息。