漢莎航空公司是德國的國家航空公司,其載客量和機隊規模,為歐洲最大的航空公司;而單看載客量則為世界第四大航空公司漢莎航空的總部位於科隆,其業務遍布全球,通航城市超過200個。龐大的運輸量和航班數,使系統化管理與預測告警成為漢莎公司企業營運重要的一環。
漢莎公司業務並不僅限於航空,還擁有許多其他與航空相關的公司,包含飛機維護修理服務、商務旅行支付、金融採購人資會計等。而其中漢莎工業解決方案公司為漢莎集團與外部公司提供顧問諮詢服務,他們實施數字化和自動化的業務流程,而他們選擇使用RapidMiner作為資料科學應用的工具之一。
這次所要應用分析的主題為,預測飛機航班抵達的時間預測。想像如果你的航班今天延遲了,但延遲的時間不超過30分鐘,這對乘客而言應該是個可以忍受的範圍,但對於航空公司而言就不一樣了。除了為旅客帶來不便外,延遲抵達還可能會影響餐飲服務、機組人員流動、登機口的可用性和乘客的轉機航班等等問題。這些都會大量的增加航空公司的額外成本,尤其是乘客又錯過了轉機的情況下。
若今天漢莎航空可以在班機延誤前就提前知道這個航班將會延誤多少時間,那麼就可以提早進行作業調整,讓成本支出最小化,例如重新安排餐飲與機組人員,更換登機口讓轉乘更快速,或是直接預定轉乘巴士在登機口等候。
RapidMiner使分析團隊能夠快速創建完善的模型原型,這對建構最佳模型非常關鍵。團隊中的沃納博士說:「你永遠不會第一次就做對。」,因此能快速的產出模型原型,能幫助團隊找到真正的最佳模型,同時還能掌握那些數據對預測性帶有最大的影響性。
在這些方面RapidMiner都扮演了舉足輕重的角色,當然團隊所使用的技術生態還包含了其他工具,像是數據儲存的Hadoop, Oracle和Teradata,與他們仍使用R和Python來完成某些工作。他們也為漢莎航空製作了一個簡單的前端UI,前端使用者只要輸入航班編號,就可以快速獲得到達時間的預測。
其實,在導入RapidMiner前,漢莎航空就已經開始為每個航班進行抵達時間的預測,但是分析團隊可以確定的是,使用RapidMiner建構的新模型在飛機起飛時的精確度大幅提升,這位公司帶來數千萬美元的成本收益。
而團隊也在持續優化當中,未來不僅僅是利用起飛時間進行預測,也可以利用飛行過程進行預測,而這就會涉及到real-time數據的傳輸預測。Schmal博士說:「RapidMiner可以做得更多,以改善我們為客人提供的服務並降低營運成本。」。
來源:Increasing Operational Profitability through Better Flight Arrival Time Predictions