Field Service Management : la data au service de la gestion des interventions

Déc 23, 2021 | Tendances

Les entreprises de services qui gèrent des interventions terrain, ou Field Service Management, ne cessent de voir leur business model se transformer. L’exigence des consommateurs, la concurrence grandissante et l’incertitude économique sont autant de facteurs qui poussent les entreprises à réinventer leur modèle de gestion des interventions terrains.

Nouveau call-to-action

Quels sont les enjeux du Field Service Management ?

La digitalisation à marche forcée des entreprises dont l’activité implique des interventions terrains s’accélère depuis plusieurs décennies : dématérialisation des démarches papier, automatisation des demandes et des alertes, usage et exploitation des données provenant d’objets connectés, etc…

Pour survivre, les entreprises des secteurs de l’énergie, des télécommunications, des facilities ou du bâtiment doivent aujourd’hui transformer leur système de pilotage et de gestion des interventions terrains, en utilisant la data comme asset stratégique. A ce stade, ces entreprises peinent à maîtriser de bout en bout leurs activités d’interventions.

Les 6 objectifs du Field Service Management :

  • Mutualisation et mise en réseau des ressources terrains (partage): meilleure maîtrise de l’activité pour une affectation plus efficace et rapide des ressources,
  • Nombre important d’activités nécessitant des poly-compétences : rationalisation des ressources en fonction de leur spécialité et leur niveau d’intervention terrain,
  • Gain de temps et de rentabilité : une meilleure optimisation et gestion des interventions permet à l’entreprise de limiter les pertes et rationnaliser les coûts,
  • Evaluation de l’activité liée à la transformation du domaine : le domaine du Field Service Management est en tension et implique une nécessaire transformation,
  • Besoin de mesurer la performance : les responsables d’activité, directeurs de BU ou directeurs des opérations doivent être en mesure de piloter, ajuster et reporter avec plus de fiabilité cette activité coûteuse.
  • Mieux anticiper les besoins des clients, d’analyser les performances des équipes sur le terrain, et de mieux connaître ses produits.

 

Vers un nouveau modèle de pilotage de la performance des interventions

Les challenges à relever sont nombreux pour digitaliser un système de gestion des interventions parfois complexe, obsolète et siloté. Pour évoluer vers un modèle data driven, il convient de définir et prioriser avec les directions opérationnelles des chantiers d’actions qui permettront de mettre en place une transformation progressive.

Il convient d’identifier et collecter les données collectées lors du parcours des interventions, depuis la qualification des demandes en centres d’appels, la gestion du stock des demandes, des en-cours, jusqu’à la résolution des opérations. Une fois ces données consolidées, il faut réaliser des analyses statistiques (mesure des délais, ROI, coûts associés) pour identifier des leviers d’optimisation et guider les prises de décision.

Les 4 objectifs d’un modèle de gestion des interventions « data-driven » :

  • Piloter de façon plus pertinente et performante les données par activité,
  • Mieux affecter les ressources,
  • Unifier les visions d’analyse pour partager les mêmes référentiels et les mêmes sources de données,
  • Mesurer et piloter la performance.

Toutes les entreprises ne se trouvent pas au même niveau de maturité de la « data transformation ». Certaines ont déjà initié des chantiers, réalisé des investissements ou fait des arbitrages technologiques. Pourtant, on distingue malgré tout un écart qui se creuse entre les méthodes traditionnelles de Field Service Management et l’émergence massive de nouvelles technologies industrielles (IoT, robots, data science, etc).

Selon une récente étude, l’usage des technologies au sein des processus de gestion des interventions terrains offre :

  • Un gain de productivité élevé,
  • Une hausse des recettes de service,
  • Une augmentation du taux de réparation à la première intervention (le KPI le plus suivi dans le domaine des interventions).

Les 4 étapes pour créer un modèle de performance des interventions efficace

 

Etapes de création d’un modèle de performance des interventions

Etape 1 : mettre en visibilité les activités de gestion des interventions

La première étape du projet consiste à fournir aux directions opérationnelles (responsables d’activité, directeurs de BU ou directeur des opérations) un état des lieux sur les interventions qui permet de piloter l’activité quotidienne.

Cette mise en visibilité consiste à disposer d’un outil de Business Intelligence qui permet de centraliser les bonnes informations, au bon moment et selon les bons indicateurs, pour aider les directions métiers à comprendre l’état de leurs activités (gestion du stock de demandes, opérations en cours et terminées).

Plusieurs prérequis sont alors nécessaires : définition des indicateurs, gestion de la qualité des données, centralisation des flux de données et restitution des données par le biais d’un outil de data visualisation.

Etape 2 : construire un modèle de prévision des activités et des ressources

Pour optimiser les affectations et anticiper les besoins de ressources, il est pertinent de disposer d’un outil de mesure et de pilotage de la performance qui permet d’analyser le passé pour réaliser des prévisions et des simulations d’évolution de l’activité.

Le choix, la conception et la mise en place de l’outil doit se faire en collaboration avec la direction opérationnelle, afin d’assurer un bon taux d’adoption des utilisateurs finaux.

La consolidation des données et les puissantes fonctionnalités de simulation permettent d’analyser l’évolution de l’activité (compétences nécessaires, lieu d’intervention, qualité des opérations, etc) et d’éclairer les prises de décision.

Etape 3 : garantir l’adéquation activité / ressources

La mise en place des deux premières étapes permet de garantir l’adéquation charge / ressource par activité afin d’en vérifier la cohérence. Il s’agit alors de réaliser des actions de contrôle, d’analyse et d’optimisation des indicateurs de qualité.

La définition d’un délai moyen d’intervention, selon le lieu, le niveau de complexité ou la compétence du technicien sont autant d’indicateurs qui contribuent à une meilleure planification de l’activité.

Etape 4 : mesurer et piloter la performance

La dernière étape consiste à analyser et croiser les indicateurs de performance qui constituent le modèle de performance global.

Ceci consiste à mesurer la rentabilité d’une intervention, son coût en temps moyen, son délai de résolution moyen, etc… et réaliser des croisements avec le niveau de satisfaction client ou la performance de l’entreprise. Cette analyse permet de réaliser des arbitrages stratégiques visant à développer l’autonomie des techniciens et renforcer l’efficacité opérationnelle.

 

Hocine_Abbas

 

Par Hocine Abbas
Managing Director chez DataValue Consulting

 

La rédaction vous conseille

> Comment structurer une gouvernance des données efficace ?

> Les étapes pour construire un plan de conduite du changement

Livre Blanc

Mise en œuvre d'une stratégie 
de qualité des données 

Livre Blanc

Feuille de route d'une stratégie
de Data Management 

Baromètre annuel de la data

Les priorités des décideurs
data en 2022 

Share This