Alle har oplevet det. Et system der er perfekt konfigureret — men som leverer forkerte resultater fordi dataene bag det er rodede.
FieldService er ikke anderledes. Et anlægsregister med fejl giver fejlagtig servicehistorik. En kundeliste med dubletter giver forkert fakturering. Manglende kompetencedata på teknikerne giver forkert dispatch.
Dataforberedelse er kedeligt arbejde. Men det er den investering der betaler sig hurtigst.
Hvad du rydder op i
Anlægsregister
Det er fundamentet for alt hvad FieldService gør. Tjek:
- Er alle aktiver registreret med korrekte adresser?
- Er anlægstyper ensartede på tværs af kunder og lokationer?
- Er der dubletter der skal sammenflettes?
- Er der aktiver der ikke længere eksisterer og skal slettes?
Et anlægsregister med 80% korrekte data er bedre end 100% dårlige data. Start med de kunder der genererer flest opgaver.
Kundedata
- Er adresser korrekte og komplette?
- Er kontaktpersoner opdaterede?
- Har alle kunder de rigtige serviceaftalenumre tilknyttet?
Teknikerprofiler
- Er kompetencer og certifikater registreret korrekt?
- Afspejler tilgængelighed den faktiske arbejdstidsplan?
- Er der teknikere der ikke længere er ansat?
Servicehistorik
Her er den svære beslutning: Hvad er det værd at migrere?
Vores anbefaling: Migrer det der er nødvendigt for at teknikerne kan gøre deres arbejde. Det vil typisk sige den seneste servicehistorik på aktive anlæg — ikke 10 år gammel historik fra et gammelt system.
Hvad der sker hvis du springer det over
Det er fristende at sige “vi rydder op efterhånden.” Det virker sjældent i praksis.
Teknikere der møder fejlagtige data i FieldService mister tilliden til systemet. Og en tekniker der ikke stoler på systemet finder egne løsninger — Excel, papir, hukommelsen.
Den tillid er svær at vinde tilbage. Brug i stedet 1–2 uger på dataforberedelse inden go-live. Det er en investering der betaler sig mange gange.
En praktisk fremgangsmåde
Trin 1: Eksportér jeres nuværende data til Excel
Trin 2: Sorter efter fejltype — manglende felter, dubletter, forældede poster
Trin 3: Prioritér: Hvilke kunder og anlæg er vigtigst at have korrekt fra dag ét?
Trin 4: Ret de prioriterede data og sæt resten i en efterbehandlingskø
Trin 5: Importer de rensede data til FieldService
Vi hjælper med selve importprocessen. Men rydningen af data skal I stå for — det er jer der kender forretningen.
Læs også: