Прогнозная аналитика в транспорте и туризме
14 августа
Статьи

Перспективы больших данных

Индустрия туризма всегда была заинтересована в больших данных – её массивы данных были слишком велики для обработки в стандартных приложениях. Сегодня разница заключается в том, что у них есть инструменты и возможности для хранения, и отрасль может извлечь из них пользу.

  • Каждый шаг в перевозках, в независимости от того, туризм это или грузовые перевозки, теперь можно отслеживать и фиксировать.
  • Любой из этих шагов после анализа может стать основой для более качественной бизнес-аналитики.

В мире, где международная индустрия туризма, как ожидается, будет составлять до 10 процентов от мирового ВВП к 2022 году, более качественная бизнес-аналитика заработает больше денег.

Не только расширенный доступ к внутренним источникам (например, информация о бронировании, использование смартфонов, профили клиентов, маршруты, формы претензий и обратной связи, дынные датчиков) вызывают энтузиазм у специалистов по работе с данными. Сюда относятся потенциальные выгоду от объединения этих источников с массивами внешних данных (например, результаты поиска, социальные сети, отзывы, отчеты о погоде и загруженности дорого), которые помогут решить проблемы, сократить расходы и прогнозировать будущие события.

Самые настоящие индивидуальные предложения

Когда-то давным-давно туристические компании использовали профилирование для того, чтобы сегментировать клиентов на широкие категории (например, бизнесмены с высоким доходом, семьи с двумя детьми и т.д.).

Теперь этого делать не требуется. Сегодня они используют большие данные, чтобы выяснить всю подноготную каждого клиента. Вместо общих рекомендаций скоро у компаний появится возможность предлагать ультра-индивидуальные предложения.

А что касается подноготной, то эту информацию можно собрать из целого ряда массивов данных:

  • Поведенческий таргетинг – например, поведение посетителей веб-сайта.
  • Социальных медиа – например, посты о поездках, отзывы друзей
  • Записи отслеживания местоположения
  • Маршруты
  • Предыдущие покупательские шаблоны
  • Данные об использовании мобильных устройств
  • Обработка изображений
  • Прогнозную аналитику
  • И многое, многое другое

Некоторые из этих массивов данных (например, поведенческий таргетинг) будут более актуальны для новых клиентов; другие (например, прошлые покупательские модели) актуальны, когда компании занимаются кросс-продажами или продажей дополнительных услуг (up-sell).

  • У вас есть потенциальный клиент в штате Огайо, который в Facebook часто заходит на страницы о Венеции? Создайте на Facebook скидочное спец-предложение на рейсы в Италию.
  • У вас есть информация, что комфортные места для вашего пассажира важнее, чем цена? Предоставьте вашему постоянному клиенту преимущество для бронирования места на рейс во Флориду.

Цель заключается в создании правильного предложения через правильный канал в правильное время и в правильном месте.

Улучшенная клиентская поддержка

Эпоха персонализации создает еще одно преимущество. У транспортной отрасли появляется шанс улучшить свои сервисы поддержки клиентов.

Возьмите, к примеру, программу «Узнай меня/Know me» авиакомпании British Airways. Авиакомпания обрабатывает большой набор данных о пассажирах (например, маршрут, социальные сети, статус часто летающих пассажиров) а также личные заметки для улучшения регистрации и услуг на борту. Ваш багаж потеряли? На следующем рейсе вы полетите более высоким классом.

Или посмотрите на Qantas. Компания использует устройства iPad для сбора данных о пассажирах в режиме реального времени. Вы успели потратить несколько накопленных бонусов на обед в терминале незадолго до полета? Бортпроводники не будут беспокоить вас своими тележками с загадочным мясом.

Или возьмем KLM. Компания буквально прочесала профили в Twitter и Foursquare, чтобы определить, какие пассажиры летали рейсами KLM. Их поведение в социальных сетях позволило создать индивидуальный профиль, в соответствии с которым выбирался соответствующий подарок. По прибытию в аэропорт пассажиров встречали с этими подарками.

Определение НЦК (наиболее ценных клиентов)

Вполне естественно, что некоторые пассажиры путешествуют чаще, чем другие Это означает, что компании должны быть хорошо осведомлен действиях крупных игроков, потому что таким образом они смогут избежать оттока клиентов. Как отмечает Анна Папахристос:

«Без программы оценки клиентов, которая включает в себя серьезные возможности интеграции и ранжирования ценности, компанию отодвинут на задворки или же у нее возникнут финансовые проблемы при обслуживании групп различных клиентов и создания для каждого пассажира выгодного предложения.»

У туристической отрасли уже накоплено гигантское наследие в виде данных о НЦК, полученных через программы лояльности. Решение заключается в том, чтобы объединить эту архивную информацию с аналитикой реального времени и прогнозной аналитикой, чтобы предугадать, что может понадобится НЦП в будущем. Получить новых клиентов гораздо дороже и сложнее, чем сохранить старых.

Продажи дополнительных услуг и кросс-продажи

Предположим, что вы летите в Буэнос-Айрес на четырехдневную бизнес-конференцию и вы решили использовать также выходные, чтобы осмотреть город. Вы ищете рейс, чтобы улететь в воскресенье и прилететь рано утром в понедельник.

Если ваша авиакомпания инвестировала в работу с большими данными, то, скорее всего, она предложит вам кросс-продажи и продажи дополнительных услуг с того самого момента, когда вы начнете этот поиск.

Есть вероятность, что:

  • Вы получите индивидуальное предложение на электронную почту
  • Для вас предварительно забронируют место в Econom Plus
  • Вас попытаются соблазнить скидкой на отели, которые сотрудничают с вашей авиакомпании
  • Стюард предложит вам бесплатный талон на обед
  • Во время полета на дисплее для развлечения пассажиров вам покажут рекламу на туры выходных дней

Если компании обладают ресурсами для установления партнерских отношений (например, авиакомпании с аэропортами, системами железнодорожного сообщения и такси), возможности кросс-продаж резко увеличиваются.

В аэропорту Схипхол в Нидерландах специалисты по работе с данными составили тепловые карты для визуализации связи между розничными продажами и выходами на посадку. Таким образом они получили информацию о том, как составлять планы этажей, чтобы увеличить трафик в те или иные магазины.

В мире туризма полный профиль поведения клиентов + расширенное сотрудничество = больше доходов.

Безопасные путешествия

Когда речь заходит о безопасности, большие данные в буквальном смысле могут стать спасением. Сегодня самолеты, поезда и автомобили оснащены большим набором разнообразных датчиков. Они посылают в центры управления непрерывный поток данных в режиме реального времени по каждой детали путешествия (например, поведение пилота или водителя, данные окружающей среды, механические характеристики и т.д.).

Обладая этой информацией, специалисты по транспортным данным могут создавать сложные алгоритмы для прогнозирования проблем и, что еще лучше, их предупреждения.

  • Изнашивается важная деталь? Проблема решается своевременной заменой.
  • Один из водителей постоянно забывает о важном шаге? Нужно снять его с маршрута для прохождения программы переподготовки.
  • Возникла проблема, которую нельзя исправить во время полета? Подготовьте к прилету команду техников с необходимыми инструментами.

Эти шаги позволят не только снизить издержки и повысить надежность, что является императивом для отрасли, чья работа не останавливается ни на миг, но и помогут избежать катастроф.

Повышение эффективности

Чем эффективнее ваш бизнес, тем больше ваша годовая прибыль. В дополнение к датчикам, специалисты по данным извлекают информацию из всех уголков цифровой вселенной, чтобы упростить повседневные операции.

Например, компании:

  • Интегрируют данные о ежедневных трендах предварительного бронирования, собственные архивные данные и поведенческие данные по пассажирам для создания конечной системы менеджмента "ни одного свободного места".
  • Собирают данные о погоде, ветре и дорожной загруженности, чтобы уметь прогнозировать задержки и потребности в топливе, перенаправить пассажиров или изменить маршрут.
  • Используют прогнозные алгоритмы для направления водителей со смартфонами к ближайшей свободной парковке. Познакомьтесь, например, с ParkMe, чтобы понять, как это работает.

Автоматизация стала громадным подспорьем в этой работе:

  • Механизмы автоматического определения местоположения транспортных средств (AVL) предоставляют пассажирам информацию на цифровых табло и персональных приложениях.
  • Системы автоматического подсчета пассажиров (APC) и инструменты расчета тарифов информируют транзитные компании о том, когда им нужно увеличить или уменьшить их транспортный парк.

В будущем даже бронирования поездок могут быть автоматизированы. Стартап Hopper, стремится использовать алгоритмы больших данных для планирования и бронирования вашей индивидуальной поездки. И никаких усилий.

Риски и правила работы с данными. Задачи, с которыми предстоит столкнуться

Как и многие другие отрасли, туризм и перевозки борются с вызовами, на которые натыкается работа с большими данными. Ежедневно с огромной скоростью накапливается ошеломляющий объем разнообразных данных. Достоверность данных вызывает вопросы. Технологии меняются ежечасно. Опытные специалисты по данным встречаются достаточно редко.

А мы еще даже не начали говорить про:

  • Фрагментацию данных – помните про подноготную? Массивы данных о впечатлениях пассажиров могут быть разбросаны по сотням различных мест, включая багаж, программы лояльности, базы данных с жалобами, сообщения в Twitter, формах обеспечения полетов и формах бронирования.
  • Данные могут отсутствовать, быть скрыты или заблокированы – многие массивы данных (например, город пересадки и трафик) являются чьей-то собственностью или конфиденциальны. Другие данные сложно найти или получить к ним доступ. Иногда то, что может стать ключевым набором данных, просто не существует.
  • Затраты на внедрение – как показывает тематическое исследование Crandall and American, чтобы большие данные были приоритетом, необходимы время, деньги и опыт. Они требуют инвестиций, расходов всей компании.

И это еще не всё. У авиационной промышленности другая проблема...

Бремя наследия

По иронии судьбы авиакомпании стали жертвами их прошлого успеха. Инвестиций в технологии больших данных на ранних этапах оставили их с неуклюжим и стареющими операционными системами. Кто-то борется с наследием в виде программного обеспечения по бронированию, которому сейчас уже больше пятидесяти лет.

У стартапов и онлайн туристических компаний есть шикарная возможность создавать централизованные хранилища данных с нуля. Более старые компании, такие как авиалинии, должны найти способы создать гибридную среду, где технологии больших данных смогут сосуществовать с аппаратным оборудованием, устаревшим программным обеспечением и базами данных. Сделать это будет нелегко.

Хотя бы немного личной жизни, пожалуйста

И, наконец, поучительная история с фронта больших данных. В 2012 новостные источники сообщили, что Orbitz делает более дорогие таргетированные предложения пользователям Mac. Почему? Их алгоритмы работы с большими данными определили, что пользователи Mac тратят на отели почти на 30% больше, чем пользователи Windows.

Хотя у всех посетителей была возможность посмотреть один и тот же отель в поисковой выдаче, некоторые клиенты Apple оказались не в восторге от революции, которую совершил прогнозный алгоритм от Orbitz.

Это даже близко не стояло к профилированию по подноготным данным. По мере того, как компании продолжают получать все больше данных, все чаще будут возникать вопросы неприкосновенности частной жизни:

  • Кто является собственником данных о путешествиях? Насколько часто ими можно делиться с третьими лицами?
  • Какие правила соблюдения конфиденциальности применимы к международным компаниям? Должны ли соблюдать местное законодательство? В ЕС, в частности, законодательство в области защиты конфиденциальности носит строгий характер.
  • В какой момент «настоящая персонализация» превращается в зловещее вторжение в частную жизнь?

Туристические компании, которые часто сохраняют конфиденциальную платежную информацию, также должны соблюдать бдительность в вопросе цифровой безопасности и мер предосторожности. Чем больше данных по отдельным пассажирам, тем более привлекательными становятся для кибер преступников.

История анализа данных в сфере туризма и транспортировки

«Соберите лучшую команду из тех, кто у вас есть и замените тех, кто недостаточно хорош», – Роберт Крэндалл

Сначала были конные экипажи. Затем появились поезда. Потом - самолеты. Каждый этап транспортной эволюции сопровождался всплеском сбора данных – бронирования, прибытия и отправления, грузовая вместимость, а опытные предприниматели пытались использовать их по полной.

  • В 1841 году Томас Кук, первый турагент в современном понимании, предложил членам своего общества трезвости пакет услуг, включающий билет на поезд и обед стоимостью 1 шиллинг.
  • В 1907 году Джим Кейси одолжил 100 долларов у друга, чтобы учредить American Messenger Company, предшественницу UPS.
  • В 1934 году E.L. Cord приобрела American Airways, переименовала его в American Airlines и наняла С.Р. Смита для управления ей.

Именно с С.Р. Смита и American Airlines мы можем начать наш рассказ о компьютеризированном анализе данных.

Это место забронировано?

В 1940 году у American Airlines возникла большая проблема. Несмотря на гигантские прорывы в области технологий во время Второй мировой войны, сотрудники авиакомпании по-прежнему занимались ручным бронированием мест. Поиск места для пассажира, обновление этой информации, регистрация пассажирских данных могла занимать у агентов авиакомпании до 90 минут. Каждому по бронированию

К счастью, авиакомпания наняла инженера и специалиста по данных Чарльза Аммана, чтобы он предложил решение этой проблемы. В 1944 году он разработал версию автоматизированной системы для записи информации о свободных местах и представил свою идею Смиту. После одобрения идею реализовала компания Teleregister Company of Stamford из Коннектикута.

Вместе они разработали Reservisor, электромеханическое устройство, которое могло прогнозировать доступность мест. Боевое крещение устройства состоялось в феврале 1946 года.

Несколько лет спустя, в 1952 году, Амман и его коллеги усовершенствовали систему технологией памяти на магнитном барабане. Новое устройство Magnetronic Reservisor позволяло напрямую управлять имеющимися местами и могла хранить данные для 1000 рейсов на протяжении 10 дней. Позже появилось и другая система - Reserwriter, сохранявшее информацию о пассажирах.

Мистер и Миссис Смит: Скорость бронирования

В системе Reservisor оставалось одно слабое место. Ее работа по-прежнему зависела от ручного ввода информации несколькими сотрудниками. Бронирование рейса в эпоху, когда объемы пассажирских перевозок росли взрывными темпами, могло занимать до трех часов.

Компания Trans-Canada Airlines (ТСА) разработала систему ReserVec, в 1953 году, которая работала более эффективно, но никак не могла попасть на рынок США.

Время для небольших открытий. В том же году в самолете из Лос-Анджелеса в Нью-Йорк С.Р. Смит встретился с Блэром Смитом, исполнительным директором IBM по продажам и спросил его, могут ли компьютерные эксперты IBM чем-нибудь помочь в этой ситуации.

И чем все закончилось? IBM и авиакомпания разработали Полуавтоматическое оборудование для коммерческих исследований - Semi-Automatic Business Research Environment (SABRE). В основе SABRE лежала технология телетайпа, изначально разработанная для ВВС США. С электронным мозгом IBM процесс бронирования в авиакомпании превратился в шедевр автоматики.

Sabre заработала на полную мощность в 1964 году и стала крупнейшей частной системой обработки данных системы в режиме реального времени во всем мире. Следом быстро появились Deltamatic, PANAMAC, Apollo и PARS.

Добро пожаловать, постоянные клиенты!

Вскоре после этого авиакомпании начали экспериментировать с идеей программ лояльности. Закон о дерегулировании авиакомпаний от 1978 года открыл дорогу беспощадной конкуренции. Компаниям пришлось бороться за место под солнцем.

  • В 1972 году United Airlines начали раздавать сувениры и рекламные материалы.
  • В 1979 году Texas International Airlines впервые использовали информацию о количестве налетанных пассажирами миль, чтобы предложить им бонусы.
  • А в 1981 году American Airlines запустила программу AAdvantage.

AAdvantage - пример работы больших данных. Аналитики данных исследовали компьютерную систему бронирования Sabre на предмет повторяющихся телефонных номеров и определили часто летающих пассажиров. Эти люди были предварительно включены в программу и им предложили ряд преимуществ – бесплатные полеты более высоким классом, бесплатные билеты или билеты со скидкой и т.д.

Позже в программы лояльности были включены гостиницы, компании по прокату автомобилей и другие перевозчики. Сейчас авиакомпании купаются в данных о привычках своих клиентов в том, что касается путешествий.

Между тем, когда семидесятые незаметно перешли в восьмидесятые...

  • Стоимость настольных компьютеров стала быстро снижаться.
  • Терминалы по бронированию стали появляться в туристических агентствах.

В 1987 году европейские авиакомпании, включая Air France и Lufthansa разработали Amadeus, глобальную дистрибутивную систему, которая могла конкурировать с SABRE.

Системы управления доходами для повышения эффективности

В 80-е годы дерегулирование тарифов и отказ от жесткого расписания, использование хабов и ступенчатой стратегии (с большим количеством стыковочных рейсов), возросшая конкуренция со стороны новых недорогих перевозчиков, таких как People Express Airlines привели к еще одному результату.

Все это побудило Роберта Крэндалла из American Airlines установить первую автоматизированную систему управления доходами и его пример оказался заразителен.

Система управления доходами помогает авиакомпании использовать переменное ценообразование в отношении фиксированного ресурса (например, мест) для того, чтобы максимизировать свою прибыль. В идеале эта аналитическая система контроля запасов способна:

  • Определить, сколько мест выделить для каждой тарифной категории
  • Отрегулировать распределение мест по мере приближения даты вылета
  • Учесть бронирования стыковочных рейсов
  • Предложить скидки при избытке свободных мест
  • Сохранить места для клиентов, летящих по полному тарифу (например, бизнесменов), которые бронируют места в последнюю минуту

Система должна также уметь предварительно оценивать показатели спроса и отказа.

Несмотря на то, что это заняло некоторое время разработка Dynamic Inventory and Maintenance Optimizer (DINAMO) для America Airlines была полностью закончена в 1988 году. Это позволило American Airlines обойти конкурентов и повысить производительность.

Демократизация путешествий

Отголоски были слышны еще некоторое время. Еще в 1985 году Sabre запустила easySabre® с онлайн доступом к бронированиям для авиакомпаний и гостиниц.

Однако именно в 90-е годы по всему миру был открыт доступ к данным. В 1991 году UPS выпускает устройство по сбору информации о доставках - Delivery Information Acquisition Device (DIAD), которое передавало информацию обратно в штаб-квартиру и стала вехой в стратегическом использовании данных. В 1995 году пассажиры получили возможность отслеживать свои отправления через веб-сайт UPS.

Только в одном 1996 году:

  • Sabre представила свой веб-сайт Travelocity, из которого были исключены услуги посредников-турагентов, и пассажиры смогли напрямую заниматься бронированием своих рейсов.
  • Microsoft запустила Expedia с функцией онлайн-бронирования авиабилетов, гостиниц и аренды автомобилей.

Авиакомпании были хорошо осведомлены об этих изменениях. В 1999 году они объединились для разработки отраслевых стандартов в области электронного обмена деловой информацией. В 2001 году, пять из шести крупных перевозчиков запустили Orbitz.

По мере того, как поисковые технологии становились все сложнее, то же самое происходило и с веб-сайтами. В 2004 году соучредители Orbitz, Expedia и Travelocity презентовали Kayak.com. Модель «метапоиска», используемая в Kayak, давала пользователям возможность искать и сравнивать цены на авиабилеты на нескольких сайтах.

В это же время продолжала быстро снижаться стоимость хранения и обработки данных. Мобильные технологии переходили в онлайн. Расцветали социальные сети. Индустрия путешествий и перевозок начала внимательно присматриваться к потенциалу больших данных.