面向客户端点 (ATM) 的 DN AllConnect 数据引擎

市场问题。自助服务渠道，尤其是 ATM，对于银行吸引消费者并为他们提供每周 7 天、每天 24 小时的银行服务变得日益重要。银行正在考虑改造他们的物理网络、减少其占用空间，并将传统的分支机构转变为工作人员有更多时间强化客户关系的咨询中心，因此他们迫切希望将更广泛的交易从柜员转移到自助服务渠道。这是可能实现的，因为消费者确实已接受对自助服务渠道的使用，并在越来越多的用例中依赖这种方式。不过，与有时会暴露在最恶劣天气条件下的任何全天候设备一样，ATM 可能会停止正常工作。ATM 每次出现故障，都会产生相关成本。例如，持卡人转至另一台 ATM 上进行交易、失去信任、品牌声誉受损、客户流失或 ATM 营销活动曝光率下降，导致银行遭受损失。因此，可用性是关键，这就是为什么向银行客户提供最可靠的设备以及有效的维护和维修服务，以最大限度地降低服务中断事件的风险，并确保第一时间解决任何突发问题如此重要。解决方案。为了实现这一目标，Diebold Nixdorf 在近 10 年前开始涉足互联设备行业，从现场的 ATM 收集物联网传感器数据并对其进行分析，以追踪和持续改进现有设备的性能，并且将获得的经验运用于研发活动。在过去 10 年中获得的知识使我们能够对设备和组件进行重要的工程改进，同时提高其性能和可靠性。随着 DN AllConnect 数据引擎的发展成为我们维护服务的关键推动力，我们又向前迈进了一步。我们将物联网 (IoT)、云计算、机器学习技术以及人工智能 (AI) 的最新发展嵌入到我们的服务框架中。因此，我们不仅能够以最快、最高效的方式，解决与硬件相关的技术问题，完成定期维护，而且能够检测到即将发生的故障，并在其发生之前进行修复。成效如何？我们通过从被动服务模式转变为主动服务模式来优化设备可用性，使金融机构能够满足要求越来越高的消费者的期望，同时优化其内部运营效率。DN AllConnect 数据引擎完全由 Diebold Nixdorf 内部自主设计，是其数据驱动型服务模式的基础。它基于数十年无与伦比的工程经验和不断扩大的全球知识库以及物联网 (IoT)、云计算和存储、机器学习技术和人工智能 (AI) 而构建。在 DN 系列设备链接到 DN AllConnect 数据引擎之后，每个连接的已部署设备中的轻量级数据采集器，就会从所有传感器和数据点持续检索深度技术和固件级数据。数据被安全地发送到 DN AllConnect 数据引擎，与来自广泛用例和区域的超过 150,000 台设备的匿名数据不断聚合，这使我们能够识别和监控设备生命周期中出现的模式。然后全部都与历史数据、库存数据和我们的工程知识库进行关联。如此大量的信息使 DN AllConnect 数据引擎能够为每台设备构建精确且不断完善的专属资料，并为每台设备生成量身定制的可操作洞察。我们的服务模式依赖于 DN AllConnect 数据引擎生成的三种类型的可操作洞察（能够转变为更高效的主动服务模式）：规范性 - 预防性 - 预测性。规范性，更快、更好地修复问题。DN AllConnect 数据引擎持续按计划接收数据包，并且在设备出现故障时实时接收数据包。它利用其对故障设备的独特知识，分析收集到的最新深度数据，诊断问题并确定最可能的根本原因。根本原因识别可在几秒钟内远程完成，无需派技术人员检查设备，这显然有助于更快更早地解决问题。然后它会提供有关精确修复、所需技术水平和技术人员经验、所需备件和维修所需时间的信息。这就是我们所说的正确的技术 - 正确的零件 - 正确的时间 - 正确的修复方法。预防性，确保每个服务请求都得到优化。除了确定如何解决待处理故障外，DN AllConnect 数据引擎还会分析有关整个 ATM 的信息，提供关于设备其他可能需要注意方面的洞察，以便技术人员可以在现场据此采取措施。例如，如果自上次维修以来改变位置的纸币数量很高，则可以通过服务工单请求清洁和校准卷钞带传感器。这种主动的预防性干预旨在预防未来可能发生的中断，并最大限度地延长正常运行时间。预测性，推荐主动服务请求。DN AllConnect 数据引擎通过分析数据模式、趋势、前导指标等，可以识别即将发生的故障，触发根据洞察采取措施的建议，并在客户使用率较低时段安排上门维护，以避免未来计划外的停机。我们正在将我们的被动服务模式转变为真正的预测服务模式。为金融机构提升商业价值、提高消费者满意度、增加营收、降低总拥有成本 (TCO) 并提高效率。