據最近的一份調查顯示，83%的汽車企業執行官正計劃開發包括分析平臺在內的實時企業平臺。采取這一方法可促使汽車公司以及原始設備制造商花更多的時間來收集可真正認識其運營情況和客戶的信息。

　　然而，分析平臺被廣發采用，仍有一些挑戰要考慮。其中包括了人才的缺乏，數據分析科學家供不應求。這個問題在汽車制造和代工方面尤其突出，加重了像科技和消費品公司等更多的數據驅動型企業對同類人才的競爭。而企業也很難在內部對分析進行制度化，特別在他們的生態系統很可能需要擴展的時候。

　　盡管存在這些問題，但領先的工業制造商正通過很多不同的方法擴大利用分析以增強性能和發展。他們使用的方法包括以下幾個方面：

　　確保產品的可靠性。大部分產品的要求和規格會隨著時間而改變。生產商利用分析學很早地接收有關產品性能的反饋信息，這有助于及時地向市場推出最可靠的產品--這是保持競爭力的一個關鍵因素。舉個例子，一家工業公司利用操作分析學不斷地評估其最新火車頭的性能將有助于改善設備的設計并使其成為市場上最吸睛的產品。

　　增強客戶體驗。再舉個例子，領先的原始設備制造商建立一個遠程信息處理方案，幫助客戶對他們的車隊進行實時監控、識別維護需求并快速更換零件。該解決方案收集海量實時設備數據，對優化產能、燃料和操作員等資源方面非常有價值。

　　產生新收入。一家主要的輪胎公司已發明出一個可減少客戶卡車車隊的燃料消耗的方案，有助于促進公司的收入增長。車輛內部的傳感器收集燃料消耗、溫度、速度和位置數據，傳送至公司的云服務。然后數據由方案的燃料專家進行分析，專家再向卡車車隊管理員做出減少燃料消耗的建議。這樣做的結果就是卡車車隊管理員每開100公里就節省2升燃料。

　　管理未來機會。過去，分析學主要幫助公司對已發生的事情進行量化和確認。如今，有遠見的生產商們已開始采用更具有先進性和預見性的分析來了解未來將要發生的事情。這樣，只要事情一開始發生甚至是還沒發生之前，公司就可以抓住機遇了。據思科表示，對資產的預見性維護可節約高達12%的定期修理費用。可減少整體維護支出30%，并消除70%的停工時間。

　　分析學的廣泛采用可能會帶來新的挑戰，但一旦克服了這些挑戰將終有回報。將分析學作為價值鏈中內含的性能來進行利用，汽車和工業設備生產商可提高整體的生態系統，大大地增強他們的競爭力，在瞬息萬變的全球市場作出快速回應。