航空公司大数据的思考

idata

大数据真正火起来是近两年，随着社交网络、移动应用的发展，包括三个V：数据量、数据速度、数据种类越来越多，所以才有了大数据新的一些技术、应用，涌现出来。实际上，最早大数据2001年就被提出来了，但那时候数据还不够大，所以没有引起大家的注意。

乘客对航空公司而言，是可以自动上下机的货物。虽然，航空公司在乘客购物、消费、享受服务的过程中，有一些信息的追踪等等这些东西，但是并没有把每位乘客的个性化的特点彰显出来、利用出来，提供特定的服务。就像货物一样，现在货物都有追踪的功能了。

所以我们想到，很多航空公司，尤其是我们看到刚才吴锦有分享的，国外的像美联航、西南、英航，等等这些公司，都在从自动上下的货物，从人身上考虑，让这些人多购买航空公司体的服务。所以，这让我们看到了大数据在航空业应用里面一个很重要的方向。

我今天给大家介绍一下，包括大数据现在发展的一些数据，我们看到现在在航空业大数据的应用，还有大数据的技术，如果要做大数据的话该怎么入手，后面该怎么规划我们的路线，另外文思海辉这几年在大数据上也投入蛮多的，包括美国、中国。文思海辉在大数据这个领域，尤其结合传统各个行业的解决方案，也在不断寻求一些突破。

左边我们看到了一些传统大家都很熟悉的BI，右边是大数据现在对传统BI带来了一些变化。比如，传统叫统计分析，现在我们更强调预测分析、原因挖掘。原来我们有很多很多统计学的算法，现在有继续学习的很多算法，包括百度，在Google大脑团队里找专家来做百度的大脑，都是要做预测分析。包括从有目的的去做数据挖掘，数据分析一步步的实施，到小批量、循环实验，发现大数据的各种可能性。

Gartner去年的报告还在讲大数据到底是什么，大数据应该怎么用。今年，提出跟我们提出的不谋而合，应该利用企业混合的数据架构，一起为企业提供服务。

无论是传统的数据还是新的数据，如何从大数据中分析出有用的信息，然后形成决策建议支持人类的活动，这样一个循环是非常重要的。只是说我们现在有很多所谓大数据的手段，来搞全量数据。然后，我们通过继续学习，而不是通过统计分析，然后我们搞很多很多算法，帮我们更有质量的处理一些数据。其实，这是我们看到在大数据方面的一些趋势。

这是我们文思海辉一直努力做的，如何让数据能够在智慧航空、智慧企业里面发挥作用，所以搞了智慧数据。对我们航空公司而言很重要的一点，我们要应用大数据的手段，以智能分析为核心，去收集所有的客户触点上的信息，形成客户体验的决策支持。反过来，又把这些智能应用到所有的客户触点。

这点在零售业、银行业，都在做这种概念，而且有些企业已经开始真正的动手去做全触点的服务。有了这些，我们就可以打造智能工厂化全局的BI商务职能，来支持我们个人的BI、团队的BI、公司整体的BI。

所以，文思海辉现在谈到商务智能和大数据的时候，以这样的首要目标切入，然后提供一系列的数据处理工具、数据采集工具、数据管理管理，甚至去跟客户量身定制一些具体的数据处理方法，从而实现智慧数据的想法。

举个例子来说，这是我之前给银行做的一个架构，很粗糙。如何把大数据放在传统的商务智能、EDW、ODS，以及系统交换平台里面去？大数据平台，我们可以作为EDW的辅助作用也好，独立发挥作用也好，处理原来数据仓库不太容易处理的信息，然后把它提供给数据分析工具，提供给EDW处理过精华的信息，再回到EDW里面去。成熟的分析工具也好、开源的分析工具也好，我们都在想怎么基于大数据做更好的分析挖掘处理，服务于前面的数据应用。

了解了这些基础，我们来看一看航空公司对大数据的应用。刚才吴锦有已经介绍到了几个，大家不谋而合我也举了这样一些例子，包括美联航、西南、英航，都在以客户体验入手，更好的了解客户，提供定制化的服务和定制化页面，甚至定制化的价格。还有一些小公司，像阿联酋、阿拉伯的，连他们都开始做这些事情了。还有像比较有意思的阿拉斯加航空，以前都没听说过，他在跟GE搞一个合作，利用GE这边的机器数据，寻找燃油成本最低、效率最高的方案，可以GE引擎的数据做一些分析。国内也有一些公司在大数据方面的应用，大家或多或少也都了解一些。

航空公司对大数据的应用领域包括：客户全生命周期与旅客管理。客户行为分析、网购行为分析。然后挖掘你怎么的分析。用社交网络进行营销推广。基于这些信息，我们可以建设一个真正的客户360度视图，也可以叫3D客户视图。基于这个视图，我们再去做全渠道营销，把各种各样的渠道接触方式统一起来管理。最后还有一点，也是我们跟GE和其它制造业有些合作的，利用机器数据做预防性维修的场景，其实航空公司也可以用到。

这个是客户旅程管理，现在很多企业都在搞跨界合作为乘客提供服务，你可以和目的地提供合作，也可以和某个电子商务公司合作。这些，都属于整个旅程管理的范畴，对客户来讲可以利用它进行比价、查询，这是售前的工作，还有售中买票的工作，之后在机场乘机，同时还有一些目的地的服务。

我们说乘客的消费过程，中间有很多渠道，大家可以利用这些渠道做营销、做服务，其中非常流行的是社交媒体。之前有一个统计，美国有一个消费者满意度调查，每年花很多钱做客户对哪个品牌是不是满意。后来有人做了一个实验，在推特上找了一些相关的旅客，然后对这些数据进行情感分析。拿出来的结果和他花大价钱做的消费者满意度指数调查，不相上下。这也说明，现在在社交媒体上，大家发出的声音，其实和我比较专业的调查结果，可能是差不多的，而且可能更真诚一些。所以，社交媒体是个很好的运用手段，也是我们将来做大数据客户营销很重要的一个数据来源，也是一个营销的渠道。电子商务、呼叫中心、网站只是我们售前和卖票的过程，然后机场服务、目的地信息。

用户可能会选择这样一条路线走完他的旅程，但如何让用户在这个过程中全面感受到我们服务的优异，愿意下次再乘坐我们飞机的客户？也许我有常旅客卡，我就尽可能订这个航空公司，因为我觉得他提供的服务还可以。但对一些非常旅客，或者非我公司的常旅客，如何把他们变成我们的常旅客？这我们就需要想办法提供让用户认可的服务，不仅成为我们的常旅客，甚至让他们成为我们的粉丝，帮我们推广。

后面还包括网购行为的分析，很简单，我们可以用探针，可以用旁路一些别的方式，来把客户从哪来到哪去，全部都集成进去分析。我们也会有一些小的工具和产品，帮助大家做到这一点。粉丝的挖掘，微博、微信用户应用的越来越多，如何利用这些社交媒体帮我们创造价值？还有一些网络论坛，我们如何在其中找到我们的粉丝？都可以做很多渠道上的数据挖掘和分析。

具体来讲，这就是开源数据收集的过程，哪些是我们的常旅客、哪些是我们的潜在旅客。通过API也好、爬虫也好，把这些数据收集到我的大数据平台，再结合我内部的消费数据来看，到底什么样的人选择我们的多，投诉的多。再结合这些不同的信息给客户打要钱，对他们分类，识别他们的抱怨也好、建议也好，找到相似性的客户，还有客户关系的图谱，最终找到可以影响一片人的分析或者意见领袖，把潜在用户升级成为我们真正的粉丝。这当中就涉及到大数据分析的过程和一些技术。

用户的360度视图，其实早就有这个概念，就是看你到底多少度嘛，有些人10度、有些人360度，有些人真的是3D，通过这些就真的可以做出正确的预测，根据用户的这些信息预测出我的某一个营销手段、服务手段，是不是能够吸引他，我该给他推荐什么。要做到这一点，客户的信息我们到底要拿到哪些纬度。像美联航他们，号称有150个纬度，像我们做银行，有1000多个纬度。这些信息传统分析，我们把它建成主题模型，基本信息、管理信息、地理位置信息、身份信息，等等，把这些组织起来放在这里。另外我们看到的黄色，原来我们考虑客户信息的时候对这些是不关心的，慢慢这些信息将会更影响我们将来对客户营销的选择，像利润贡献度、兴趣偏好，等等。

基于这些刚才谈到更多渠道的客户信息，我们就可以更好的设计全渠道运营，把我们各种渠道里面的信息来源，整合起来，全面的了解客户，包括对我们的客户决策，包括每个客户不同的认识，然后形成客户小批量的营销决策，然后管理我们的外向营销渠道、内向营销渠道，然后做一些搜索引擎优化这些功能，都可以在这里框架性的实现。这是其它一些航空公司，也有的是一些旅游网站。

这里还有最后一个小的应用场景，我们叫做与忙性维修的场景。这里的数据单位是T、P、E、Z，每年这些航空公司产品的数据，大概有2ZB的数据量，这些数据航空公司要求我们储存下来，储存下来干嘛？来做预防性的维修。我们可以用回归、决策树，来做出进一步的数据分析，这些技术性的就不展开讲了。

应用有了，怎么做？里面有太多的技术，没法展开讲，有兴趣的可以我们私下交换一些技术上的看法，但这里是不完全的一个跟大数据里面Hadoop相关的一些公司或者产品。核心来讲，其实大家现在谈大数据谈这么火，也是因为Hadoop比较牛，Hadoop比较牛其实是两点：一个是低成本，一个是批量处理大数据。

大数据如何和数据仓库结合？当然有很多不同的技术处理方式，包括把大数据里面经过加工转换，抽取一些有进一步分析价值结构化的数据，当然EDW是一种，还有一种是大数据利用Hadoop来做数据挖掘，还有一种是后面的分析应用，再去使用EDW和Hadoop大数据的时候，我们要实现所谓的透明访问，要打通EDW和大数据端口，这在很多成熟的商用大数据产业里面都有。我不需要特别牛的Hadoop的人，也能实现Hadoop的一些功能，这就要保证Hadoop真正走向普罗大众所有人都玩得起的时候，这就是很关键的。

简单看一眼，懂技术了，我们该怎么做？如果做大数据项目，我们不能采用传统做BI分析的做法来做。因为，BI是你明确知道你想干什么，要画一个仪表盘，要出一个报表，但在大数据里面，如果知道这些数据就不用大数据做了，用传统BI就好了。现在，有这么多维度，有几百个T的数据，帮我看看这些数据里能做出什么有价值的东西来？一开始我只知道个大概的方向，说我要提升用户体验，帮我看看怎么做，具体能做出什么来，然后需要用什么算法来做。

但开始做大数据之前，大家要明确，我做大数据不是为了用Hadoop的大数据，我要公司里面的数据有基础，很多企业已经开始做所谓的数据文化，有专门的团队、组织，管理这些数据、应用这些数据。然后，你的目标和方案是什么？不是说没有目标，有一个大的方向和目标，然后我再去寻找具体的手段解决问题，选择一些切实可行的KPI，来衡量我最终算法的效果如何。另外，从小做起，把全渠道都整合好，一步步来，先做试点，把我们的技术也好、能力也好，慢慢的搭建起来，然后再进行推广。

从评估、分析、规划三个阶段，要对我们的业务方案、技术方案和数据，进行评估，其实可以自己简单来做，也可以做这样一个咨询规划，像我们给一些企业做了这样的咨询规划，帮他看现在的数据状况怎么样，需求在哪里。然后，设计具体的技术方案、算法，定一些路线图。这是在实施路径上来讲，怎么样从平台建设、团队建设、数据建设、应用建设几个角度，一步步的去把我们大数据应用拓展下来。

刚才介绍的这些应用，很多是业界看到的很多思考，文思海辉具备这些技术能力，能够帮大家把这些应用落实、落地，这是很多客户比较看中文思海辉能做这些事情的原因。基于大数据的平台优化，以及真正帮客户搭建一些应用。在大数据的技术领域里面，数据仓库、数据集成、数据处理，Hadoop的一些相应技术，都需要有相应的技术人员。尤其在分析领域，我们结合各个行业的业务实践、业务专家，来选择合适的分析算法，实现我们业务的优化。比如说在这里面我们给银行做的360度视图，呼叫中心的数据分析，这都是结合大数据的具体解决方案。