預測性洞察力的持續發展
預測性洞察力在車隊運營與維護方面的潛力也很大。埃森哲最近完成了一項對圣路易斯地區交通局Metro的試驗計劃，該局MetroBus車隊的433輛公交車每天要運載密蘇里州和伊利諾伊州4個郡的10多萬名乘客。該計劃的目標是看看車輛裝備問題是否可以預測和處理，以減少維護成本和客戶不便。
公司為20輛車配備了傳感器裝置和數據收集盒，可將發動機和傳動信息發至埃森哲芝加哥技術實驗室的計算機上。計算機首先為每輛車開發了一種反映正常運營狀況和性能的模式。然后來自每輛車的數據1天收集3次，并將數據與特定車輛的正常運行模式進行對比。
當某輛車的運行狀況不符合其性能參數時，它就會顯示在觀察單上。一旦報警，機械師可以調閱更多的詳細數據，然后確定問題所在并做出理想的反應。
這一試驗計劃已經取得了成果——該實驗系統展示了很大的潛力。例如，它能對液壓減速器——汽車傳動系統的一部分——過熱發出早期預警，這一小問題如未被發現，可能導致昂貴的維修費。
如果Metro要在整個車隊繼續實施新計劃，該計劃的第2階段是將維護預測與零件、勞動力的成本及可用性，以及維修成本、事故損失等其他有關數據相結合。這將使公共交通官員能夠改進整體維護運營狀況并大大降低成本。例如，改進后的終身維護與持續、實時監測可使車輛的工作年限延長8％~10％，每輛車能節約2.5萬美元。
Metro信息技術運營系統負責人湯姆·達頓指出：“從投資回報角度看，預測性監測是一種能很快收回投資的技術。”
“4步法”搭建洞察力系統
無論哪個行業或企業，只要滿足了以下2個條件，預測性洞察力就能使機構取得更高的績效：必須擁有數據，必須能根據這些數據采取行動。這意味著機構需要執行分為4個階段的預測性洞察力機制。
我們以公用事業行業——一個頗有潛力，即將獲得洞察力的行業——為例來說明如何利用預測性洞察力機制。
第1階段：收獲信息
現在，預測性洞察力已成為可能，因為我們擁有越來越詳細的實時數據，其中包括通過無線射頻識別（RFID）、傳感器和全球定位技術獲得的自然界觀察資料、生物數據，以及互聯網上的公用數據。
來自企業系統等較為傳統來源的信息也很重要。例如，要預測和優化電廠的績效，首先要搜集包括電容器和渦輪在內的每件設備的“微數據”。這一信息一般通過現有應用軟件即可獲得。
第2階段：預測事件
利用這些詳細的數據，分析人員可以開發出各種模型來模擬事件，預測未來。這些模型可以是綜合的，也可針對個別單位。例如，對于電廠來說，可以為每個電容器或渦輪開發單一的模型，并將每個機器的特定信息與該機器的模型進行比較，而不是只與制造商開發的“普通”標準相比較。事實證明，這一個性化方式可為即將出現的績效問題提供更確切的信息。