
被重新定义的“飞行”让大数据变“活资产”_数据分析师考试
从网上卖票到微信值机,从单纯的“卖舱位”到运用大数据“卖服务”,互联网在深刻改变整个社会的同时,也在“撞击”着传统航空运输业,让昔日“高高在上”的航空公司放下身段,开始研究每一个旅客的兴趣偏好,重新定义飞行。
【系统聚合】用“连接”消灭“数据孤岛”
“对于传统产业,‘+’就是要用互联网连接一切,发挥连接的价值。”中国南方航空公司营销委副主任、电子商务部总经理黄文强说。
多年来,航空公司内部各个信息系统分散作战,形成“数据孤岛”。以南航最小的航空卫生部为例,内部就有飞行员体检、飞行员病假申请、飞行员出行前健康管理、内部管理系统等4个信息系统。
“全公司多的时候有几百个系统,内部信息交易成本很高。我们正在加快整合,逐步形成安全、运行、空地服务、公共平台等7大系统,实现信息共享、数据分析和及时决策。”南航信息中心总经理于贵桃说。
中国东方航空公司副总信息师王斯嘉表示,航空企业数字化发展的好坏,可以用一个问题评价,那就是“能否做到每天评价运营品质”。
从2013年开始,东航逐步把9大生产领域的1244个业务流程实现闭环和各系统的数据交换,目标是每个节点能实现数据实时化,达到可视化操作,就像扫描一个人的五脏运行一样,随时知道“身体”状况的好坏。
【精准变现】让大数据成为“活资产”
大数据对航空企业意味着什么?“大数据是企业竞争力的重要资产。”南航董事长司献民说。
在南航的客户行为数据库里,记者看到了一张“旅客关系网”。输入任一旅客的姓名,会出现一张网络:以旅客为中心点,向外辐射到同行者、客票受让人等关系人,而这些人又有进一步向外辐射的关系网。
除了旅客关系网,航空公司还在不断丰富旅客照片、微信语音交互等非结构数据。南航电子商务部电子服务团队何祖祺说,每位旅客将会有个人喜好、安全信息、常住酒店、辅助信息等100多个标签,组成不同“画像”。根据“画像”,航空公司可以判断同一名乘客的某次出行是公务出差还是亲子旅游,从而实现更有针对性的服务推送,做到“精准变现”。
根据大数据分析,东航建立了“国内自动舱位调整模型”和“基于旅客行为的收益模型”,以确定最科学的座位销售价格。
“一个座位卖多少钱有90个因素影响。如旅客提前多长时间购票,订票是在工作日还是周末、上午还是晚上,订票渠道是什么等。收益管理员会根据航班时间、客座率、与竞争对手的比舱情况等设置计算标准,最后决定以何种价格何时放出座位。”王斯嘉说,据此精算出的价格收益达到企业预期收益的95%以上,目前已覆盖国内1200多条航线。
【创新战略】让“粉丝经济”融入移动互联
互联网时代,“瞬息万变”并不夸张。对于航空公司来说,发展之路在于不断创新。
“机舱上的几个小时就是航空公司需要挖掘的‘蓝海’。”东航电子商务有限公司总经理韦志林说。
“封闭的空间和固定的时间限制了乘客的行为,但也蕴含了巨大的商机。”韦志林表示,如果将互联网与东航每年8000多万的旅客资源相结合,与电商、新闻、娱乐等平台网站合作,打造全新的“空中商业模式”,就能让旅客机舱上的“沉没时间”变为无限商机。
更重要的是,通过空中网络平台,旅客可能会对航空公司产生更多的“文化认同”。在空中网络平台,旅客除了刷微信微博、浏览网页,还可以加入机上论坛或游戏社区。韦志林认为,这样的活动有助于形成机舱内的“微生态”,进而有助于旅客产生对企业的认同度,为企业带来“粉丝经济”的价值。
【“靶向”服务】让旅客实现服务的“自由组合”
移动互联时代,消费者对服务要求不断提高,从关注服务本身,向用户体验和价值链两端延伸。
王斯嘉表示,“互联网+”要解决的问题之一就是把标准化的服务产品细化拆分,让旅客选择自由组合。
于贵桃表示,从旅客买票到离开机场回家,航空公司有19个接触点可以直接接触到旅客,每一个节点都应该思考从用户角度希望得到什么样的服务。
“比如,很多老人不用微信。我们计划在登机牌上按航班推出二维码,由工作人员代其扫码入群。在一级界面上设置一个按钮,如有需要可呼叫就近的服务人员。对于会用微信的,可以查询航站楼地图,由旅客决定何时需要服务,以及需要人工还是信息服务,避免打扰旅客。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09