企业实施信息化，可参照第1～3章的内容实施管控。由于维修管理具有特殊的管理特性、经济特性和技术特性，企业在实际实施信息化的过程中，是需要社会服务、维修和备件供应资源进行有效的支持的。

目前维修管理信息化在制造业的普及程度不高，随着SaaS软件的应用兴起及企业数字化、智能化的潮流和趋势下，未来将会形成以价值驱动的大数据应用生态，当然大中型制造业企业也会通过定制数字化系统，构建封闭的大数据应用生态，但数据逻辑依然会遵循本书提出的基本架构。

小数据与大数据的对比如图3-18所示，大数据应用将颠覆现有的设备管理模式，构建出基于工业维修生态的全新设备管理模式。

在大量企业的信息化应用的基础上，数据决策报告将会成为链接内部决策与外部服务资源的基础，形成工厂数字化+工业维修的大数据应用生态。这些数据应用包括以下方面。

1.价值结构性数据应用

1）可用度，大数据的应用将会呈现出可用度在行业的最高值、平均值及参考值，并识别出用户在行业中的排名状况，企业决策者将依据可用度指标，确定是否做管理强化。

2）以可用度指标为核心，进一步分解，可进行维修指标数据分析与互联网应用，见表3-8。

图3-18 小数据与大数据的对比

表3-8 维修指标数据分析与互联网应用(www.daowen.com)

2.行为数据应用

行为数据是指在维修过程中，故障产生的原因和备件消耗等方面的非结构性数据，主要包含以下两类。

（1）故障类别与原因数据

通过维修管理信息化所记录的故障类别和原因，可针对性地在决策报告中识别出来，并匹配适合的解决方案，见前表2-1。如识别出某企业的机械故障中，因腐蚀所造成的故障比例较高，则可推送高分子材料修复和防腐方向的供应商和服务给用户。

（2）备件消耗数据

在备件信息化的前提下，备件消耗数据将会被呈现出来。如识别出用户的工控类产品的数量消耗数量大时，则可判断用户这类备件质量存在异常，此时应在决策报告中将更好的产品推送给用户。

值得注意的是，由于备件类型千差万别，适合做分析报告的，一般为通用性和标准化备件，目的是让用户关注关键基础零部件的供应质量，确保整体可用度的提高。一般适合推送的备件和服务包括：预测性维修手段和方法、标准化的产品，如轴承、变频器、PLC、润滑油以及相关行业通用的备件和服务。