维修记录分析
看到真正的问题和根本原因，然后修正它们
系统地分析保修和维修记录可以帮助制造商找到其保修计划中的主要成本支出、加快发现新兴问题和预测产品召回、确定问题根源、并提高经销商网络的可靠性。保修维修数据中既包含结构化数据也包含客户投诉记录和维修记录的文本。然而，对数以百万计的文本进行数据挖掘却是真正的挑战，使制造商很难及时实现如上的目标任务。
解决方案
Megaputer提供针对报修索赔和维修记录的、结构化数据和非结构化文本相结合的分析方案。
方案要旨
该方案从文本中提取出遇到的情况、问题零部件和被诊断出的问题根源，并结合分析这些提取出的信息和原有结构化信息，找出具体产品的主要问题、相应的保修成本支出和问题通常发生时的里程数和使用时长。
结合机器学习技术、文本分析和分布式分析，该方案可以完成：
- 对于汽车保修记录，可以根据时间维度和里程维度分析维修成本结构
- 确定适用不同型号产品的最优保修时长和保修成本
- 找出不同类型产品的特有问题、发现新兴问题和提早预测出可能的召回
一个提供注塑服务和设备的大型供应商希望通过分析其保修索赔数据和客服中心数据，识别与产品相关的投诉，以确定最关键的产品问题和造成最高的维修成本的问题。该公司决定使用自动化的解决方案来分析保修索赔和维修记录。
成效展示
