Технологии меняют способы взаимодействия компаний со своими клиентами, принятия бизнес-решений и построения рабочих процессов. Например, такие действия, как бронирование авиабилета по телефону или проведение исключительно офлайн-опросов, сегодня кажутся необычными. Доступ к данным в режиме реального времени — нефть 21-го века — позволяет организациям принимать обоснованные меры для повышения операционной эффективности.
Мы обсудили со специалистами по науке о данных и стартаперами в области искусственного интеллекта, как игроки авиационной отрасли используют когнитивные технологии для достижения новых высот.
Основные области применения ИИ и науки о данных в авиационной отрасли
Искусственный интеллект и его когнитивные технологии, которые анализируют данные, могут оптимизировать и автоматизировать аналитику, техническое обслуживание оборудования, обслуживание клиентов, а также многие другие внутренние процессы и задачи. Таким образом, технологии искусственного интеллекта полезны для различных аспектов управления авиаперевозками.
1. Управление доходами
Управление доходами (RM) — это применение данных и аналитики, направленное на определение того, как продать продукт тем, кто в нем нуждается, по разумной цене, в нужное время и по правильному каналу.
Он основан на идее, что покупатели по-разному воспринимают ценность продукта, поэтому цена, которую они готовы заплатить за него, зависит от целевых групп, к которым они принадлежат, и времени покупки.
Специалисты по управлению доходами эффективно используют ИИ для определения направлений и корректировки цен для конкретных рынков, поиска эффективных каналов сбыта и управления местами, чтобы авиакомпания одновременно оставалась конкурентоспособной и удобной для клиентов.
Специалист по данным Константин Вандышев, работавший в отделе управления доходами Трансавиа, подчеркивает, что дисциплины data science помогают решать задачи управления доходами.
Запрашиваемые маршруты перелетов. В то время как RM занимается поиском наилучшего способа продажи продукта или услуги, перевозчики используют ИИ, чтобы ответить на один из ключевых вопросов: куда лететь? > «Чтобы определить воздушные маршруты, специалисты должны анализировать данные и принимать решения на основе полученных данных. При исследовании спроса на направление среди разных групп клиентов они могут опираться на такие источники данных, как история поиска и макроэкономические факторы (например, ВВП)»,говорит Константин.
У RM есть отраслевые стандарты, которые специалисты должны использовать для определения готовности платить.
Готовность платить. Собирая и обрабатывая данные о клиентах, авиакомпании достаточно хорошо понимают вкусы и поведение пассажиров, чтобы предлагать им варианты перевозки, которые они предпочитают и, что более важно, на которые готовы тратить деньги. Таким образом, менеджеры по доходам начинают с измерения готовности платить (WTP). Готовность платить показывает, когда” покупатель, скорее всего, заплатит “максимальную цену” за продукт или услугу, объясняет специалист по данным. «Предполагается, что клиенты готовы платить больше, когда до вылета остается меньше времени. И общество находит такое ценообразование справедливым. Таким образом, WTP в авиационной отрасли зависит от дня перед вылетом (DBD). На практике специалисты определяют медианную WTP — цену, которую 50 процентов клиентов готовы заплатить за билет на конкретном DBD. Такой показатель WTP эквивалентен ценовой эластичности(количество пассажиров, которые купят билет, если цена упадет на определенный процент)с некоторыми допущениями относительно рыночного спроса и предложения».
Этот показатель связан с динамическим ценообразованием — практикой ценообразования продукта на основе готовности конкретного клиента платить. Расчет WTP требует правильного выбора данных. Управление доходами может объединять схожие рынки и, в качестве альтернативы, различать высокий и низкий сезоны, а также праздничные и выходные дни.
«Подходы к такому типу статистического анализа были разработаны почти 10 лет назад. В наши дни проводить исследования и представлять их результаты стало проще благодаря развитию науки о данных и возможностям визуализации. Учитывая, что каждый случай уникален, очень важно выбрать правильный объем данных, из которых можно извлечь инсайты»,подводит итог Константин.
Ожидаемый предельный доход от мест (EMSR). Эта модель оптимизации рассчитывается после определения ГП. Метрика может восприниматься как ожидаемая стоимость текущего места и влечет за собой распределение места по определенному тарифному классу (FC). Исследователи данных измеряют EMSR, умножая прибыль от продаж на вероятность продажи дополнительного (маргинального) места, принадлежащего конкретному футбольному клубу. «Наступает момент, когда вероятность продажи билета по более высокой цене настолько низка, что ожидаемый доход от более низкой категории тарифа будет больше. Так что, зная эти вероятности, можно определить распределение тарифа по классам на каждый день перед вылетом»,добавляет Константин.
По словам этого эксперта, в лучшем случае специалистам необходимо знать вероятность распродажs для различных классов тарифов и дней до вылета, чтобы точно определить WTP и EMSR. Вероятность распродажи показывает, может ли клиент купить билет по более высокой цене, если его запрос будет отклонен. Требуется группировка рейсов по направлениям и датам вылета. Группа управления доходами также проводит анализ посещаемости, чтобы узнать, сколько клиентов видели веб-страницу с определенной ценой. Авиакомпании используют исторические данные о продажах при определении готовности платить и ожидаемого предельного дохода от мест.
Дополнительная оптимизация цен. Это еще один подход, предназначенный для увеличения доходов авиакомпаний за счет ценообразования на основе аналитики. Это позволяет специалистам по обработке и анализу данных узнать о склонности путешественников покупать дополнительные услуги, такие как багаж. Специалисты определяют, на каких рынках и в какие дни люди, скорее всего, будут платить больше за сдачу багажа. «Например, если я бронирую билеты на троих с ребенком, то я готов заплатить на Х евро больше, чем если бы я летел один куда-то на выходных», — поясняет Константин Вандышев.
2. Безопасность полетов и техническое обслуживание самолетов
Авиакомпании буквально несут большие расходы из-за задержек и отмен рейсов, включая расходы на техническое обслуживание и компенсацию путешественникам, застрявшим в аэропортах. Учитывая, что почти 30% общего времени простоя приходится на внеплановое техническое обслуживание, предиктивная аналитика, применяемая к технической поддержке автопарка, является разумным решением.
Перевозчики внедряют решения для профилактического обслуживания, чтобы лучше управлять данными с датчиков мониторинга состояния самолетов. Обычно эти системы совместимы как с настольными, так и с мобильными устройствами, предоставляя техническим специалистам доступ к оперативным и историческим данным из любого места. Зная текущее техническое состояние самолета с помощью предупреждений, уведомлений и отчетов, сотрудники могут выявлять проблемы, указывающие на возможную неисправность, и заблаговременно заменять детали. Руководители и руководители групп, в свою очередь, могут получать обновления об операциях технического обслуживания, получать данные об инструментах и запасных частях, а также о расходах через информационные панели.
Применяя предиктивное техническое обслуживание, авиакомпания может сократить расходы, связанные с ускоренной транспортировкой деталей, компенсацией сверхурочной работы экипажа и незапланированным обслуживанием. Если бы возникла техническая проблема, группы технического обслуживания могли бы быстрее среагировать на нее с помощью программного обеспечения для организации рабочего процесса.
Шейн Боллман, бывший менеджер по системам и технологиям технического обслуживания в AirTran Airways и генеральный директор запуска искусственного интеллекта SynapseMX, Inc, разработал платформу, которая использует исторические данные и данные в реальном времени, чтобы помочь ремонтным бригадам быстрее принимать технические решения.
«Мы автоматизируем рутинную и обыденную работу, используя рабочие процессы компании, передавая вопросы нужному человеку в нужное время, когда требуется человеческое прикосновение», говорит Шейн.
Программное обеспечение SynapseMX анализирует данные и метаданные, касающиеся обнаруженной деятельности по техническому обслуживанию. Это помогает инженерам быстро оценить ситуацию, например, выяснить, не первый ли раз случился этот сбой; если нет, то что можно сделать, чтобы исправить это и сколько времени ушло на то, чтобы решить это в предыдущие разы. Сотрудники также могут указать, есть ли в наличии запасные части или конфликтующая рабочая нагрузка. «Затем мы оцениваем бизнес-правила — кого это волнует и при каких условиях? Должно ли это вызвать новый рабочий процесс? Обновить показатели? Отправлять уведомления?
Наш искусственный интеллект может в режиме реального времени предоставлять рекомендации от технических специалистов на местах до группы логистики, которая их поддерживает. Конечным результатом является ремонтная организация, разумно реагирующая на текущие условия»,подводит итог Боллман.
3. Анализ обратной связи
Авиаперелеты могут быть стрессовыми даже для частых и опытных путешественников, в чьих паспортах заканчиваются чистые страницы. Им нужно выполнить так много задач, например, проверить сумки или найти выход на посадку, прежде чем сесть в кресло самолета и сделать селфи!
В связи с этим авиакомпании, которые узнают о болевых точках аэропорта и опыта полета посредством анализа данных, могут улучшить обслуживание клиентов. Использование ИИ для анализа обратной связи и исследования рынка позволяет авиакомпаниям принимать обоснованные решения и оправдывать ожидания клиентов, соглашается основатель и генеральный директор PureStrategy Inc. Бриана Браунелл.
«Системы искусственного интеллекта могут быстро позволить авиакомпаниям определить, есть ли возможность положительно повлиять на путь клиента и превратить плохой опыт в восхитительный. Кроме того, это позволяет компаниям быстрее реагировать синхронизированным и согласованным образом, который соответствует бренду и бизнес-ценностям».
PureStrategy представляет платформу для бизнес-аналитики под названием Automated Neural Intelligence Engine (ANIE). Функциональность движка включает просмотр данных, категоризацию, визуализацию и анализ настроений. Таким образом, движок выполняет много ручной и трудоемкой работы с информацией, позволяя людям сосредоточиться на более сложных задачах.
«Мы имеем дело с отзывами клиентов и озвучиванием данных клиентов во всех подразделениях организации. Затем мы связываем эти данные с внутренними операционными показателями, а также с внешними отраслевыми показателями», уточняет специалист по данным. Бриана подчеркивает растущую актуальность технологии понимания естественного языка в обработке и анализе данных о клиентском опыте, поскольку она позволяет исследовать путь клиента своими словами.
ANIE можно использовать, чтобы убедиться, что клиентам легко найти, забронировать и оплатить авиабилеты. «В конечном счете мы хотим понять, как авиакомпания может удовлетворить клиента, а также какие проблемы возникают на пути клиента — и придумать, как это исправить», — заключает Бриана Браунелл.
4. Автоматизация обмена сообщениями
Когда происходит сбой, например задержка рейса или потеря багажа, путешественники нервничают. И если клиенты своевременно не получат ответ или объяснение проблемы от представителя авиакомпании, они, скорее всего, не выберут эту авиакомпанию для своей следующей поездки. Скорость ответа на запросы клиентов имеет такое же значение, как и фактические шаги, предпринятые для решения проблемы.
Программное обеспечение для искусственного интеллекта, такое как Coseer от Arbot Solutions, ускоряет и упрощает рабочие процессы сотрудников службы поддержки клиентов, используя алгоритмы обработки естественного языка или неструктурированного текста. Мы помогаем авиакомпаниям классифицировать электронные письма своих клиентов и извлекать информацию из этих электронных писем, чтобы они могли автоматизировать некоторые рутинные процессы, например информацию о потерянном багаже, — говорит генеральный директор Coseer «Прафул Кришна.
Решение можно использовать для разработки чат-ботов.
5. Управление экипажем
Представьте себе отдел планирования, который должен назначать экипажи для каждого из тысяч рейсов, выполняемых каждый день. Это много работы. Специалисты учитывают множество факторов: маршрут полета, лицензии и квалификацию членов экипажа, тип самолета и расход топлива, регламент работы, отпуск и выходные дни, чтобы согласовать бесконфликтные графики для пилотов и бортпроводников. Помимо этого, необходимо учитывать графики технического обслуживания самолетов, требования к обучению, такие как совмещение старших членов экипажа с младшими, а также правительственные постановления.
«Управление экипажем — сложная задача из-за множества юридических ограничений. Например, если персонал состоит в профсоюзе, ограничения включают допустимое количество летных часов и дней отдыха, а также компенсацию в случае нарушения трудового законодательства», уточняет специалист по данным Константин Вандышев.
Конечно, планировщики не остаются в одиночестве с большими данными, генерируемыми авиакомпаниями (такими как данные о техническом обслуживании и пассажирах или данные бортовых датчиков). Сотрудники полагаются на программное обеспечение, которое объединяет данные из различных источников, что позволяет им получить полную картину. ежедневных операций. Используя обнаруженную информацию, они могут составить оптимальный график с точки зрения рабочего времени, квалификации экипажа, использования самолетов и расходов.
Другими словами, такое программное обеспечение интегрирует прогностические модели с системой управления операциями авиакомпании.
Некоторые решения по управлению экипажем позволяют снизить риск утомления, которому подвергаются пилоты из-за постоянной смены часовых поясов, продолжительного рабочего дня, изменения расписания и других радостей работы в авиационной отрасли. Например, разработчики решения Crew Rostering от Jeppesen начали интегрировать биоматематические модели утомления в программу планирования летного экипажа. Их цель — предоставить планировщикам возможность полагаться на данные о прогнозируемой усталости для снижения рисков на этапе планирования.
В конце концов, все дело в безопасной перевозке людей из пункта А в пункт Б.
6. Оптимизация топливной экономичности
Глобальная авиация производит почти 2 процента антропогенных выбросов углекислого газа (CO2). Вот почему производители самолетов и перевозчики стремятся повысить эффективность использования топлива. Что ж, не только экологические, но и финансовые проблемы заставляют игроков авиационной отрасли использовать технологии для сокращения выбросов углерода. Согласно статистическому сборнику IATA за 2012 год, авиакомпании тратят 33 процента своих операционных расходов на топливо.
Авиакомпании используют системы искусственного интеллекта со встроенными алгоритмами машинного обучения для сбора и анализа полетных данных, касающихся расстояния и высоты каждого маршрута, типа и веса самолета, погоды и т. д. На основе полученных данных системы оценивают оптимальное количество топлива, необходимого для полета. .
7. Продажа на борту и питание
Съесть бутерброд с чашкой кофе, любуясь проплывающими облаками и ярко-голубым небом — так многие из нас представляют себе путешествие на самолете.
Между тем, специалисты по управлению поставками определяют, сколько закусок и напитков они должны иметь на борту, не тратя их впустую. ИИ тоже здесь, чтобы помочь.
«Если бюджетная авиакомпания продает еду на борту, она должна знать, как предсказать количество еды, которое ей нужно купить на конкретный рейс», — говорит Константин. "Хотя еда не дорогая, каждый груз стоит денег. Кроме того, авиакомпании обычно выбрасывают много бутербродов в конце дня. Компании, которые первыми решат эту проблему, смогут извлечь из этого хороший коммерческий пример».
Авиакомпании используют ИИ для улучшения операций
Delta: самообслуживание для повышения качества обслуживания клиентов и профилактического обслуживания самолетов
Delta, одна из крупнейших в мире глобальных авиакомпаний, использует искусственный интеллект для оптимизации операций и затрат, а также для инновационного обслуживания клиентов на каждом этапе поездки. Авиакомпания уделяет особое внимание работе в аэропорту. Спустя почти год после внедрения технологии отслеживания багажа Delta представила новое усовершенствование.
Улучшение обслуживания в аэропорту. В мае 2017 года компания объявила об инвестиции в четыре автомата для проверки багажа на сумму 600 000 долларов США. Один киоск был оборудован для тестирования технологии распознавания лиц, чтобы подтвердить личность путешественника, сопоставив его лица с фотографиями в паспорте. Сброс мешков был установлен в Миннеаполис-Стрит. Международный аэропорт Павла. Авиакомпания подчеркнула, что будет собирать отзывы клиентов о новом оборудовании, чтобы убедиться, что оно упрощает проверку багажа. На сегодняшний день информации о результатах испытаний нет.
Прогностическое обслуживание. Несмотря на то, что авиакомпания не может контролировать такие сбои, как плохая погода или проблемы с управлением воздушным движением, она несет ответственность за задержки или отмены рейсов по техническим причинам. Компании Delta не привыкать к профилактическому обслуживанию автопарка. Авиакомпания использует программное обеспечение прогнозной аналитики SmartSignal с 2003 года, а в 2016 году интегрировала Bit Stew и Asset Performance Management (APM) от General Electric (GE). Короче говоря, эти решения фильтруют и интегрируют данные с физических активы, контекстуализировать (добавить связанную информацию) и предоставить полезную информацию об их текущем техническом состоянии. Руководствуясь данными, предоставляемыми этим программным обеспечением, инженеры по техническому обслуживанию работают на опережение и извлекают детали до того, как они выйдут из строя.
Программа мониторинга производительности активов, основанная на прогнозной аналитике, позволила Delta улучшить такие показатели, как своевременная производительность. За 12 месяцев, закончившихся 31 марта, авиакомпании удалось предотвратить 1200 задержек, перерывов в обслуживании и отмен. В апреле Delta заявила, что планирует приспособить программу профилактического обслуживания к более новым самолетам, таким как Airbus A350 и Bombardier CS100. С новыми моделями в парке у авиакомпании будет гораздо больше данных для анализа в режиме реального времени.
easyJet: расширенная аналитика стала проще
Британский бюджетный перевозчик easyJet превратил операционные проблемы в успешные примеры использования ИИ. В 2015 году easyJet сделала шаг к тому, чтобы стать организацией, управляемой данными, когда ее бывший исполнительный директор Кэролин Макколл назначила Альберто Рей-Виллаверде первым главой отдела обработки данных. Команда по науке о данных, которая продолжает увеличиваться по сравнению с нынешним средним размером, на тот момент включала 25 специалистов.
Команда собирает и анализирует данные о проектировании, операциях, рыночных тенденциях и предпочтениях клиентов. А теперь представьте, сколько данных генерирует авиакомпания, обслужившая более 80 млн человек в 2017 году. Изучение этого большого разнородного объема данных облегчает решение разнообразных проблем и координацию многочисленных процессов.
Запас продуктов питания в самолете. Авиакомпания использовала искусственный интеллект, чтобы определить, сколько багетов с беконом достаточно, чтобы накормить пассажиров на одном рейсе. Спрос на эту закуску зависит от таких атрибутов, как погода, ожидаемое количество пассажиров на борту и время года. Таким образом, мы можем предположить, что прогностическая модель включала эти переменные среди прочих. Мы хотели узнать оптимальное количество продукта, необходимого для удовлетворения спроса без потерь, поэтому мы используем машинное обучение, чтобы оптимизировать загрузку самолетов, — сказал Альберто Рей-Виллаверде в интервью eMarketer в 2016.
Управление доходами. Согласно многочисленным статьям, easyJet использовала науку о данных для улучшения своей стратегии ценообразования и управления запасами. Такой подход позволил easyJet увеличить прибыль в расчете на одно место почти на 20 процентов в период с 2010 по 2014 год. Перевозчик также планировал ежегодно анализировать более 1,3 миллиарда поисковых запросов на своем сайте для определения оптимальных маршрутов и времени полета.
Техническое обслуживание самолетов. easyJet продолжает использовать искусственный интеллект в своей деятельности. В марте перевозчик объявил о сотрудничестве с Airbus в рамках пятилетней партнерской программы профилактического обслуживания. Авиакомпания будет использовать платформу цифровых авиационных данных Skywise для профилактического обслуживания. С платформой, способной собирать в 60 раз больше данных, чем устаревшие системы, инженеры смогут заменить компоненты самолета до того, как они выйдут из строя. Таким образом easyJet планирует сократить количество задержек и отмен рейсов, вызванных техническими проблемами. Перевозчик говорит, что новое оборудование будет установлено на самолеты к следующему лету.
Авиакомпания также использует инструмент распознавания, который ускоряет обработку информации о пассажирах. Он считывает цифры с документа и заполняет информацию в аэропорту, так что путешественнику не нужно ничего вводить.
Southwest Airlines: оптимизация операций и отличный клиентский опыт благодаря анализу больших данных
Базирующаяся в Далласе Southwest Airlines является крупнейшим лоукостером в мире и крупнейшей внутренней авиакомпанией в США. Авиакомпания называет себя компанией по обслуживанию клиентов, которая летает на самолетах, и кажется, что эта стратегия работает. Недавно Southwest была названа лучшей авиакомпанией в Северной Америке и шестой лучшей авиакомпанией в мире по версии TripAdvisor’s Travelers Choice Awards 2018. Для ранжирования использовались отзывы, собранные с февраля 2017 г. по февраль 2018 г.; путешественники оценивали авиакомпании по таким критериям, как обслуживание клиентов, удобство кресел, чистота и т. д.
Большой опыт полетов является свидетельством того, что качество обслуживания клиентов соответствует ожиданиям путешественников. Чтобы поддерживать флот в исправном техническом состоянии, контролировать работу каждого отдела и знать, как путешественник относится к своей поездке, авиакомпании стремятся выстроить собственную стратегию данных. Southwest Airlines начала собирать и анализировать свои бизнес-данные еще до того, как начался ажиотаж вокруг больших данных.
Оптимизация рабочей силы. В августе 2013 г. компания Southwest объявила о своем намерении внедрить пакет для оптимизации контактов с клиентами и рабочей силы программное обеспечение от Aspect, устаревшего поставщика системы автоматического распределения вызовов (ACD) авиакомпании с 2001 г. Программный комплекс включает в себя шесть продуктов, которые упрощают взаимодействие между операторами контакт-центра и путешественниками, а также оптимизируют рабочий процесс сотрудников.
Управление производительностью, например, предоставляет персоналу, работающему на переднем крае, информационные панели KPI для оперативных и стратегических целей. С помощью интерактивных плиток операторы контакт-центра могут отслеживать соответствующие показатели производительности, получать доступ к таким данным, как ежедневные задачи или расписания, чтобы оставаться продуктивными. Речевая аналитика — еще одно решение, которое помогает понять намерения и опыт клиентов. Извлекает важную информацию из записанных голосовых взаимодействий между клиентами и работниками авиакомпаний.
Анализ социальных сетей. Прислушиваться к тому, что говорят ваши клиенты, и улучшать работу на основе их предложений — это основные шаги к достижению высокого уровня обслуживания клиентов. Именно этим Southwest занимается в своем Центре прослушивания, который был открыт в 2014 году. Сорок экспертов из отделов по работе с клиентами, маркетинга и коммуникаций следят за новостями в социальных сетях, чтобы авиакомпания могла максимально оперативно решать возникающие вопросы. В наши дни люди активно делятся своим опытом путешествий в социальных сетях, поэтому такой отдел, как Центр прослушивания, вносит неоценимый вклад в управление операциями.
Члены команды отслеживают настроения в социальных сетях о Southwest, ее конкурентах и авиационной отрасли в целом, анализируют самые популярные отраслевые темы, обсуждаемые на социальных платформах, и следят за новостями из традиционных СМИ. Они также отвечают на вопросы путешественников и отвечают на посты с упоминанием Southwest в социальных сетях. И делают это днем и ночью. Информация из социальных сетей помогает авиакомпании оставаться в курсе тенденций и работать эффективно. Кроме того, анализ данных из социальных сетей в режиме реального времени позволяет Southwest предоставлять клиентам персонализированные предложения.
Безопасность в воздухе. Авиакомпания также использует большие данные для повышения безопасности полетов. Компания Southwest работает над проектом по интеллектуальному анализу текстовых данных совместно с НАСА с 2008 года. Специалисты используют алгоритмы для интеллектуального анализа больших объемов данных, генерируемых самолетами, а также сообщают данные от пилотов и других лиц, таких как авиадиспетчеры, для обнаружения шаблоны, направленные на потенциальные проблемы безопасности. К сожалению, инциденты с летальным исходом могут происходить даже с авиакомпаниями, известными своей одержимостью безопасностью. 17 апреля самолет совершил аварийную посадку в аэропорту Филадельфии после того, как одна из лопастей его вентилятора оторвалась из-за усталости металла. Поскольку взорвался реактивный двигатель, ответственность за неисправность должен взять на себя производитель.
Оптимизация расхода топлива. В 2015 году Southwest подписала контракт с GE Aviation на использование ее системы аналитики полетов для снижения расхода топлива для своего парка из более чем 700 самолетов Boeing 737. Облачная система, работающая в Промышленном Интернете, позволяет собирать и анализировать данные, генерируемые самолетами во время полета. Например, пилоты могут учитывать информацию о скорости ветра, влажности воздуха, весе и скорости самолета, максимальной тяге и высоте при планировании количества топлива, необходимого для следующего полета в тот же пункт назначения.
Будущее ИИ в авиационной отрасли
Сегодня искусственный интеллект позволяет повысить качество обслуживания клиентов с помощью решений для автоматизации и самообслуживания, оптимизировать рабочий процесс сотрудников и обеспечить более высокий уровень безопасности полетов с помощью профилактического и предписывающего обслуживания самолетов. Это также позволяет авиакомпаниям принимать обоснованные решения о ценообразовании и позиционировании на рынке за счет разумного использования данных.
Стоит упомянуть различные задачи стохастической оптимизации в отношении потенциальных вариантов использования ИИ в авиационной отрасли. В конечном итоге наука о данных применяется для оптимизации операций, но возлагает большие надежды на развитие новых технологий,отмечает Константин Вандышев.
Бриана Браунелл также признает ключевую роль ИИ в оптимизации операций. «Я вижу много возможностей! Например, для оптимизации операций, включая добавление, изменение или удаление маршрутов, настройку времени рейсов, ценообразования и предложений продуктов. В конечном счете, успех зависит от глубокого понимания различных сегментов клиентов и того, где существуют новые рыночные возможности», заключает этот специалист по данным.
Мы рассказали вам о нескольких авиакомпаниях и их инициативах в области обработки данных. Не стесняйтесь комментировать, как ваш бизнес использует ИИ в разделе комментариев ниже.
Первоначально опубликовано в блоге AltexSoft 7 способов, которыми авиакомпании используют искусственный интеллект и науку о данных для улучшения операций
