workspace-insights

工作场所服务交付洞察

概述

此技能涵盖在 ServiceNow 中生成工作场所服务交付（WSD）的洞察和分析：

• 分析各建筑、楼层和区域的空间利用率
• 跟踪办公桌和会议室的预订模式，以优化空间分配
• 监控设施管理服务请求量、类别和 SLA 合规情况
• 识别使用高峰时段和利用不足的空间，以进行容量规划
• 生成包含趋势分析的设施管理 KPI 仪表板
• 提出可执行的工作场所优化建议

使用场景： 审查工作场所空间效率、规划办公室重新配置、分析设施服务交付绩效、优化灵活办公策略，或为房地产决策准备工作场所分析时。

先决条件

• 角色： wsd_admin、facility_manager、admin 或 workspace_admin
• 插件： 推荐使用 com.snc.workplace_service_delivery（Workplace Service Delivery）、com.snc.facility_management（Facility Management）
• 访问权限： 对 wsd_space、wsd_reservation、wsd_floor、wsd_building、fm_facility_request、sc_req_item 表具有读取权限
• 数据： 包含预订和传感器数据的有效工作场所空间
• 相关技能： 使用 reporting/executive-dashboard 创建仪表板，使用 reporting/trend-analysis 进行趋势分析

操作步骤

步骤 1：获取建筑和楼层清单

确定可用工作空间清单的基准。

MCP 方法：

Tool: SN-Query-Table
Parameters:
  table_name: wsd_building
  query: active=true
  fields: sys_id,name,location,total_floors,total_capacity,address,time_zone,operational_status
  limit: 50

Tool: SN-Query-Table
Parameters:
  table_name: wsd_floor
  query: building=[BUILDING_SYS_ID]^active=true
  fields: sys_id,name,building,floor_number,total_spaces,available_spaces,floor_plan
  limit: 20

REST 方法：

GET /api/now/table/wsd_building
  ?sysparm_query=active=true
  &sysparm_fields=sys_id,name,location,total_floors,total_capacity,address,time_zone,operational_status
  &sysparm_display_value=true

GET /api/now/table/wsd_floor
  ?sysparm_query=building=[BUILDING_SYS_ID]^active=true
  &sysparm_fields=sys_id,name,building,floor_number,total_spaces,available_spaces
  &sysparm_display_value=true

步骤 2：分析空间利用率

查询空间记录以计算利用率指标。

MCP 方法：

Tool: SN-Query-Table
Parameters:
  table_name: wsd_space
  query: floor.building=[BUILDING_SYS_ID]^active=true
  fields: sys_id,name,space_type,capacity,floor,is_reservable,status,amenities
  limit: 500

空间类型分类：

空间类型	典型容量	可预订	指标重点
办公桌	1	是	占用率、预订频率
会议室	2-20	是	预订率、未到场率、平均时长
电话间	1	是	利用率、高峰时段
协作区	4-12	有时	人流量、使用时长
灵活办公桌	1	是	每日预订率、用户多样性
独立办公室	1-2	否	分配情况与实际到场情况

步骤 3：分析预订模式

查询预订数据以识别使用模式。

MCP 方法：

Tool: SN-Query-Table
Parameters:
  table_name: wsd_reservation
  query: space.floor.building=[BUILDING_SYS_ID]^start_date>=javascript:gs.daysAgo(30)^ORDERBYstart_date
  fields: sys_id,space,user,start_date,end_date,state,check_in_time,check_out_time,no_show,duration
  limit: 2000

REST 方法：

GET /api/now/table/wsd_reservation
  ?sysparm_query=space.floor.building=[BUILDING_SYS_ID]^start_date>=javascript:gs.daysAgo(30)
  &sysparm_fields=sys_id,space,user,start_date,end_date,state,check_in_time,check_out_time,no_show,duration
  &sysparm_limit=2000
  &sysparm_display_value=true

要计算的关键指标：

指标	公式	目标
预订率	已预订时长 / 可用时长	>60%
未到场率	未到场预订数 / 预订总数	<15%
高峰利用率	同时进行的最大预订数 / 总容量	跟踪趋势
平均预订时长	时长总和 / 预订数	因类型而异
每周独立用户数	每周有预订记录的不同用户数	跟踪增长
提前预订天数	创建时间与开始时间之间的平均天数	通常为 1-3 天

步骤 4：识别高峰和非高峰模式

分析基于时间的使用模式，以进行容量规划。

MCP 方法：

Tool: SN-Query-Table
Parameters:
  table_name: wsd_reservation
  query: space.floor.building=[BUILDING_SYS_ID]^start_date>=javascript:gs.daysAgo(30)^state=completed
  fields: start_date,end_date,space.space_type,space.floor
  limit: 5000

按星期几和小时汇总，以生成热力图：

=== UTILIZATION HEATMAP ===
Building: [name]
Period: Last 30 days

         Mon   Tue   Wed   Thu   Fri
08:00    35%   42%   68%   55%   28%
09:00    62%   71%   88%   78%   45%
10:00    78%   85%   95%   89%   52%
11:00    82%   88%   97%   91%   48%
12:00    45%   52%   60%   55%   30%
13:00    70%   78%   92%   82%   42%
14:00    75%   82%   90%   85%   38%
15:00    68%   72%   85%   78%   32%
16:00    45%   50%   62%   52%   22%
17:00    20%   25%   30%   25%   10%

PEAK: Wednesday 11:00 (97%)
LOW: Friday 17:00 (10%)

步骤 5：分析设施服务请求

查看设施管理请求模式。

MCP 方法：

Tool: SN-Query-Table
Parameters:
  table_name: fm_facility_request
  query: sys_created_on>=javascript:gs.daysAgo(30)
  fields: sys_id,number,category,subcategory,priority,state,location,assignment_group,opened_at,closed_at,close_code
  limit: 500

REST 方法：

GET /api/now/table/fm_facility_request
  ?sysparm_query=sys_created_on>=javascript:gs.daysAgo(30)
  &sysparm_fields=sys_id,number,category,subcategory,priority,state,location,assignment_group,opened_at,closed_at,close_code
  &sysparm_limit=500
  &sysparm_display_value=true

步骤 6：检查设施服务的 SLA 合规情况

根据 SLA 目标衡量服务交付绩效。

MCP 方法：

Tool: SN-Query-Table
Parameters:
  table_name: task_sla
  query: task.sys_class_name=fm_facility_request^sys_created_on>=javascript:gs.daysAgo(30)
  fields: sys_id,task,sla,stage,has_breached,planned_end_time,percentage,business_percentage
  limit: 500

计算 SLA 指标：

SLA 类别	总数	达标	违约	合规率
清洁	[n]	[n]	[n]	[%]
维护	[n]	[n]	[n]	[%]
HVAC	[n]	[n]	[n]	[%]
安保	[n]	[n]	[n]	[%]

步骤 7：分析工作场所事件

查看与设施相关的事件，找出反复出现的问题。

MCP 方法：

Tool: SN-Query-Table
Parameters:
  table_name: incident
  query: category=facilities^sys_created_on>=javascript:gs.daysAgo(30)
  fields: sys_id,number,short_description,category,subcategory,priority,state,location,assignment_group,opened_at,resolved_at
  limit: 200

步骤 8：生成工作场所洞察报告

将所有分析结果汇总为可执行的洞察报告。

=== WORKPLACE SERVICE DELIVERY INSIGHTS ===
Report Period: [start_date] - [end_date]
Scope: [Building/Campus/All Locations]

SPACE INVENTORY:
Buildings: [count] | Floors: [count] | Total Spaces: [count]
Desks: [count] | Meeting Rooms: [count] | Phone Booths: [count]

UTILIZATION SUMMARY:
Overall Space Utilization: [%]
  Desks: [%] | Meeting Rooms: [%] | Phone Booths: [%]
Peak Day: [day] ([%]) | Lowest Day: [day] ([%])
Peak Hour: [time] ([%]) | Lowest Hour: [time] ([%])

BOOKING ANALYTICS:
Total Reservations (30 days): [count]
Unique Users: [count]
Avg Daily Bookings: [count]
No-Show Rate: [%] ([count] no-shows)
Avg Booking Duration: [hours]
Most Popular Spaces: [list top 5]
Least Used Spaces: [list bottom 5]

FACILITY SERVICE METRICS:
Total Requests (30 days): [count]
Open: [count] | In Progress: [count] | Closed: [count]
Avg Resolution Time: [hours/days]
SLA Compliance: [%]

TOP REQUEST CATEGORIES:
| Category | Volume | Avg Resolution | SLA Met |
|----------|--------|---------------|---------|
| [category] | [count] | [time] | [%] |

FACILITY INCIDENTS:
Total: [count] | Recurring: [count]
Top Issues: [list]

RECOMMENDATIONS:
1. [Space optimization recommendation based on utilization data]
2. [No-show reduction strategy based on booking patterns]
3. [Service improvement recommendation based on SLA data]
4. [Capacity planning recommendation based on peak analysis]
5. [Cost optimization based on underutilized spaces]

步骤 9：生成办公桌预订分析

深入分析灵活办公和办公桌预订指标。

MCP 方法：

Tool: SN-Query-Table
Parameters:
  table_name: wsd_reservation
  query: space.space_type=desk^start_date>=javascript:gs.daysAgo(30)
  fields: sys_id,space,user,start_date,state,no_show,space.floor,space.floor.building
  limit: 2000

=== DESK BOOKING ANALYTICS ===
Total Desk Reservations: [count]
Unique Desk Users: [count]
Avg Desks Booked/Day: [count] of [total] ([%])

USER PATTERNS:
- Regular Bookers (>3x/week): [count] users
- Occasional (1-2x/week): [count] users
- Rare (<1x/week): [count] users

FLOOR-LEVEL BREAKDOWN:
| Floor | Desks | Avg Utilization | No-Show Rate |
|-------|-------|----------------|--------------|
| [floor] | [count] | [%] | [%] |

NO-SHOW ANALYSIS:
Total No-Shows: [count] ([%] of bookings)
Cost of No-Shows: ~$[estimated wasted space cost]
Top No-Show Times: [pattern]
Recommendation: [auto-release policy suggestion]

步骤 10：生成趋势分析

将当前期间的指标与之前期间进行比较。

=== TREND ANALYSIS ===
Metric Comparison: Current Month vs Previous Month

| Metric | Previous | Current | Change |
|--------|----------|---------|--------|
| Overall Utilization | [%] | [%] | [+/-]% |
| Daily Bookings | [avg] | [avg] | [+/-]% |
| No-Show Rate | [%] | [%] | [+/-]% |
| Facility Requests | [count] | [count] | [+/-]% |
| SLA Compliance | [%] | [%] | [+/-]% |
| Unique Users | [count] | [count] | [+/-]% |

TRENDS:
- Space utilization [increasing/decreasing/stable] over past 3 months
- [Day] consistently the busiest day ([%] avg utilization)
- Meeting room demand [exceeding/meeting/below] capacity
- Facility service SLA compliance [improving/declining]

工具使用

工具	用途	使用时机
SN-Query-Table	检索空间、预订和请求数据	主要数据收集
SN-Get-Record	获取特定建筑或空间的详细信息	详细检查记录
SN-Natural-Language-Search	按描述查找空间或请求	探索性搜索

最佳实践

1. 至少分析 30 天的数据，以获得有意义的利用率模式
2. 从利用率计算中排除节假日和闭馆日期，避免指标失真
3. 按空间类型细分——办公桌、会议室和电话亭的利用率基准各不相同
4. 纳入未到场分析——在灵活办公环境中，未到场会造成大量资源浪费
5. 结合员工人数进行分析——利用率应以实际员工人数而非总容量为基准
6. 考虑混合办公模式——在混合办公环境中，周一和周五的利用率通常较低
7. 持续跟踪趋势——单点指标不如趋势有价值
8. 纳入成本背景——将利用率不足转化为金额影响，便于利益相关者了解
9. 考虑配套设施——配套设施更完善的空间通常利用率更高
10. 跨地点进行基准比较——比较类似建筑，以找出最佳实践

故障排除

问题	原因	解决方法
未找到预订数据	WSD 模块未配置，或预订数据位于其他表中	检查 wsd_reservation 或 sn_wsd_rsv_reservation 是否为活动表
利用率似乎过低	计算中包含了不可预订的空间	仅筛选 is_reservable=true 的空间
未跟踪未到场数据	未启用签到功能	为空间预订启用签到；未到场检测需要签到功能
缺少设施请求	请求可能位于 sc_req_item，而非 fm_facility_request	使用 cat_item.category=facilities 查询 sc_req_item
SLA 数据不可用	未为设施请求配置 SLA	确认 fm_facility_request 表存在 SLA 定义
建筑数据不完整	位置层级尚未完整配置	检查 cmn_location 记录以及建筑、楼层和空间之间的关系

示例

示例 1：面向房地产团队的月度办公场所报告

**场景：**生成月度空间利用率报告，用于房地产规划。

Tool: SN-Query-Table
Parameters:
  table_name: wsd_reservation
  query: start_date>=javascript:gs.beginningOfLastMonth()^start_dateONLast month@javascript:gs.beginningOfLastMonth()@javascript:gs.endOfLastMonth()
  fields: space,user,start_date,state,no_show,space.space_type,space.floor.building
  limit: 5000

输出：

MONTHLY WORKPLACE REPORT - February 2026
Headquarters Campus

Overall Utilization: 67% (up from 61% in January)
Peak Day: Wednesday at 89% capacity
Underutilized Floors: Building B, Floors 4-5 (32% avg)

RECOMMENDATION: Consolidate Building B floors 4-5 to reduce
leased space by 15,000 sq ft. Estimated annual savings: $450K.

示例 2：设施服务绩效评审

**场景：**生成季度设施服务交付记分卡。

FACILITY SERVICES SCORECARD - Q1 2026
Total Requests: 1,247
SLA Compliance: 94.2% (target: 95%)

BY CATEGORY:
- Cleaning: 412 requests, 97% SLA met
- Maintenance: 298 requests, 91% SLA met (BELOW TARGET)
- HVAC: 187 requests, 93% SLA met
- Security: 156 requests, 98% SLA met
- Other: 194 requests, 92% SLA met

ACTION: Maintenance SLA below target due to parts procurement delays.
Recommend pre-stocking common replacement parts at each building.

相关技能

• reporting/executive-dashboard - 为办公场所指标构建高管仪表板
• reporting/trend-analysis - 设施数据的高级趋势分析
• reporting/sla-analysis - 详细的 SLA 合规性分析
• admin/instance-management - WSD 模块的实例配置