Большие данные в мире гражданской авиации

В 2017 ― 2018 году главным трендом экономики становится цифровая трансформация, т.е. постепенный переход всех отраслей на современные технологии. Не остается в стороне и авиация. Важной основой развития авиакомпаний становятся технологии Big Data, которые способны повысить их операционную надёжность и эффективность.

Блог tadviser.ru, апрель 2019


Введение

Согласно прогнозу аналитиков, 67% компаний из аэрокосмической отрасли реализуют проекты на основе Big Data, ещё 10% планируют такие проекты. Что касается авиакомпаний, то здесь реализация проектов на февраль 2019 года заявлена у 44% компаний, а планы на такие проекты анонсировали 25%.

Это результаты исследования, которое провела в декабре 2017 года компания FlightGlobal относительно роли Big Data для аэрокосмических предприятий и авиакомпаний. Аналитики также выяснили мнение по поводу совместного использования данных по состоянию самолётов с производителями и компаниями, осуществляющими ремонт и техническое обслуживание (ТО)[1]. В исследовании приняли участие 300 профессионалов из аэрокосмической и авиационной отрасли. Большинство из них уверены, что технологии Big Data способны повысить операционную надёжность и эффективность авиакомпаний.

Big_data_в_аэрокосмических_технологиях

Инфографика с результатами исследования.

Приблизительно половина респондентов ответила, что их компании используют массивы данных о состоянии самолётов, что помогает им принимать более выверенные решения. В ближайшей перспективе доля таких компаний вырастет до 75%.

Совместное использование данных с OEM/MRO всё ещё остаётся проблематичным. Однако 38% авиакомпаний полагают, что такая модель может обеспечить им значительные бизнес-преимущества.

Согласно данным из опубликованного в мае 2018 года обзора компании Honeywell «Connected Aircraft»[2], 47% опрошенных авиакомпаний планируют потратить в целях подключения воздушных судов к Сети до 1 млн. долларов в течение следующего года на каждый самолёт, эксплуатируемый ими. Большинство этих компаний планирует уложиться в суммы от 0.1 до 0.5 млн. долларов. Однако, в пятилетней перспективе 38% авиаперевозчиков анонсировали инвестиции уже в размере 1-10 млн. долларов на каждый самолёт.

До февраля 2019 года при инвестировании авиакомпаниями в смежные к авиации технологии (connected technologies) речь шла, прежде всего, об обеспечении спутниковой связи и Wi-Fi. Теперь же компании готовы извлекать выгоду из тех данных, которые они могут получать путем использования оборудования непосредственно на борту самолётов. Например, такие данные могут обеспечить им экономию в размере 1% от потребляемого топлива, что эквивалентно 50 000 долларов на самолёт в год, подсчитали аналитики Honeywell.

Использование Big Data зарубежными авиакомпаниями

Технологии Big Data применяются для выполнения ряда задач в сфере гражданской авиации. В этой главе остановимся подробнее на основных направлениях использования больших данных в авиации в ряде зарубежных стран. В первую очередь это ремонт и техническое обслуживание, обеспечение экономии топлива, создание цифровых двойников, оптимизация операционной деятельности (включая прогнозирование задержек рейсов), формирование персональных предложений для пассажиров и т.д.

Одной из таких приоритетных областей в ближайшей перспективе будут техническое обслуживание (ТО) и ремонт судов. Так, 88% респондентов аналитических исследований ожидают, что именно в этой сфере они смогут получить максимальные преимущества от применения технологий. Техническое обслуживание и ремонт значительно опережают все прочие сферы по важности. Анализ больших данных и предиктивные ремонты в авиации демонстрируют свою эффективность и доказывают на практике, что connected technologies работают.

После ТО и ремонта респонденты ожидают преимуществ от внедрения связанных в сфере технологий пилотирования, включая оптимизацию потребления топлива и времени оборота самолётов, а также обслуживания пассажиров.

Так, в исследовании «Sky High Economics: Evaluating the Economic Benefits of Connected Airline Operations»[3] аналитики отмечают, что подключенные самолёты могут передавать данные в облако или на наземные серверы, где эти данные могут быть проанализированы с помощью инструментов Big Data Analytics. Благодаря этому авиаперевозчики могут, например, выявлять неисправности, прежде чем они станут крупными проблемами. Полученная информация может быть использована для принятия более выверенных решений и сокращения дорогостоящего простоя самолётов (Aircraft on Ground).

Кроме того, с появлением прогнозного моделирования (predictive modelling) стала возможной замена деталей, которые на базе анализа определены как требующие замены, до того, как они вышли из строя, а именно во время плановых работ по ремонту и ТО. Всё это способствует сокращению расходов, повышает безопасность полётов.

С темой предиктивных (проактивных) ремонтов также тесно связано использование так называемых «цифровых двойников» («digital twins»). Однако в отличие, например, от нефтегазовой отрасли, где ЦД уже используются рядом крупных компаний на практике, в авиационной отрасли эта тема пока больше обсуждается на уровне экспертов и аналитиков.

Эксперты авиационной отрасли в 2019 году стали активно продвигать тему использования «digital twins»: руководство шведской компании IFS, разработчика ПО для корпоративных клиентов, в том числе из авиационной отрасли, заявило в апреле 2018 года, что одной из технологических инноваций, способной помочь авиакомпаниям обеспечивать эффективную эксплуатацию судов при одновременном снижении расходов на ТО и ремонты, являются «цифровые двойники»[4]. Цифровые двойники ― это виртуальные реплики физических активов, способные демонстрировать инженерам на земле работу двигателя, в то время как самолёт находится в воздухе. Чтобы сделать это возможным, инженеры устанавливают на этапе проектирования и производства двигателя тысячи точек сбора данных. Затем они используются для создания цифровой модели, которая отслеживает и контролирует двигатель в режиме реального времени, обеспечивая необходимую информацию на протяжении всего его жизненного цикла, например, температуру, давление и расход воздуха.

GE помогла разработать цифровой двойник для посадочного устройства самолета. Сенсоры были размещены на частях шасси, наиболее подверженным поломкам. В режиме реального времени такие данные, как давление и температура, передавались специалистам, помогая прогнозировать сбои в работе или остающийся срок службы. Эти данные сравнивались с данными цифрового двойника, который подвергался аналогичным нагрузкам.

Согласно IDC, компании, инвестирующие в ЦД, способны на 30% сократить время, требуемое для реализации критических работ, включая ТО. Аналитики ожидают, что в 2019 году технология станет более зрелой и обеспечит дополнительные преимущества для пользователей.

Аналитическая компания MarketsandMarkets опубликовала в мае 2017 года прогноз рынка чат-ботов[5]. Согласно данным аналитиков, среднегодовые темпы роста рынка между 2016 и 2021 годом составят 35.2%. В денежном выражении рынок вырастет с 703.3 млн. долларов в 2016 году до 3.172 млрд. долларов в 2021 году. Основной целью внедрения чат-ботов в авиационной отрасли является желание компаний лучше понять поведение потребителей их услуг и товаров.

Кроме того, Big Data-решения начинают использовать в авиационной отрасли и для решения других задач, например, для обеспечения авиационной безопасности на базе анализа массивов исторических данных или, например, что перекликается с повышением уровня клиентского обслуживания, для оптимизации процессов, связанных с организацией питания на борту, и отслеживания багажа.

Примеры практической реализации

Рассмотрим примеры практической реализации решений Big Data зарубежными авиаперевозчиками. Основной акцент сделан на масштабные проекты за последние годы, а также на те бизнес-кейсы, в которых приведены данные по количественным или качественным эффектам от внедрения. Данные бизнес-кейсы относятся к перспективным сферам, которые были описаны выше.

Британский лоукостер EasyJet, эксплуатант самолётов Airbus A319, планирует внедрить около 50 различных алгоритмов для предиктивного ТО и ремонта на борту своих судов. Техническое руководство компании заявило в середине июня 2018 года, что работы на всём авиапарке должны быть завершены к концу 2019 года[6].

Воздушная математика

EasyJet планирует внедрить около 50 различных алгоритмов для предиктивного ТО и ремонта на борту своих судов.

Для реализации модели прогнозного ремонта и ТО будут задействованы два решения ― бортовая система обмена данными по полётным операциям и ТО (FOMAX) и внебортовой инструментарий для анализа авиационных данных Skywise. FOMAX, сервер от Rockwell Collins, собирает данные по ТО и производительности самолёта, в автоматическом режиме отправляет их инженерам и техникам. SkyWise, работающий на облачной платформе, обеспечивает анализ различных данных, был разработан совместно компаниями Airbus и Palantir Technologies.

Система FOMAX получает все данные из расположенной на борту системы FDIMU (flight data interface management unit). FOMAX имеет функционал 4G-маршрутизатора: после приземления судна все данные с помощью 4G Gatelink-антенн передаются на аналитическую платформу Skywise и анализируются специалистами Airbus. Для анализа специалисты Airbus самостоятельно разработали специальные модели, способные прогнозировать возникновение системных неполадок. После проведённого анализа его результаты переправляются специалистам EasyJet, которые уже самостоятельно принимают решения о необходимости проведения предиктивного ТО или ремонта. Используя полученную информацию, специалисты авиаперевозчика могут создать алгоритмы, которые позволят в будущем прогнозировать возникновение той или иной неполадки на любом из самолётов.

Самолёты модели A320 с FOMAX способны собирать более 24.000 параметров, то есть обеспечивать 100%-й сбор информации с систем и компонентов самолётов. Самолёты без FOMAX собирают 400 параметров, то есть 2% от доступной информации.

Между тем, авиакомпания Delta Air Lines сообщила в апреле 2018 года, что она планирует адаптировать свою систему технического обслуживания с предиктивным функционалом под самолёты последнего поколения, которые генерируют значительно большие объёмы данных, чем предыдущие суда (авиакомпания готовится к приёму очередных моделей самолётов, таких как Airbus A350 и Bombardier CS100)[7].

Согласно заявлениям руководства Delta, используемая программа прогнозного ТО помогает авиакомпании значительно снизить число сбоев в работе: За последние 12 месяцев использование проактивного ТО помогло избежать 1.200 задержек с вылетом или отмен рейсов.

Программа использует данные, поступающие из различных систем, таких как, например, Aircraft Health Management от Boeing, от систем Airbus и GE. При этом, основу парка самолётов авиакомпании составляют самолёты, которые были разработаны ещё до того момента, как извлечение и анализ данных стали «must-have»-функцией. После анализа полученных данных программа вырабатывает рекомендации по замене деталей и механизмов. По данным специалистов Delta Air Lines, используемая программа демонстрирует 95%-й уровень точности в части рекомендаций по необходимости замены деталей.

Компания Honeywell в мае 2017 года совместно с Cathay Pacific протестировала использование решений Big Data Analytics на самолётах гонконгского авиаперевозчика[8]. Протестированное решение ― GoDirect Maintenance Service ― ориентировано на использование методов прогнозного анализа в части технического обслуживания воздушных судов.

Cathay Pacific предоставил для тестирования решения свои самолёты A330. Данные с оборудования самолётов передавались по существующим каналам в подразделения авиакомпании, а также провайдерам, оказывающим услуги ТО. Благодаря этому, обслуживающий персонал на земле мог заранее подготовиться к потенциальным работам по ТО и также заранее заказать запасные части, не дожидаясь наступления критической ситуации.

В ходе тестирования удалось снизить количество поломок оборудования самолёта на 35%, что позволило снизить затраты на ТО, сократить количество задержек вылета и время простоя самолётов. Точность предсказания поломок составила 99%, заявило руководство Honeywell.

В июне 2017 года компании заключили соглашение на внедрение решения GoDirect Connected Maintenance, использующего Big Data и сенсоры для прогнозирования неисправностей, на всех самолётах Airbus A330 авиаперевозчика. Согласно контракту, системы GoDirect Connected Maintenance будут установлены на более чем 60 самолётах Cathay Pacific. По данным Honeywell, компания Cathay Pacific рассматривает возможность использования системы также на самолётах Boeing B777.

Восточные соседи также не остаются в стороне. Осенью 2017 года компания Korean Air начала использовать технологии на базе искусственного интеллекта для поддержки специалистов, проводящих ТО[9]: Korean Air использует технологию машинного обучения (Machine Learning) для обработки больших массивов данных, которые генерируются судами компании. Решение опирается на платформу Watson от IBM на основе искусственного интеллекта и способно читать прошлые записи, касающиеся ТО, составленные на естественном языке (natural language), а также обрабатывать данные, поступающие от самого самолёта и технических специалистов.

Для решения подобных задач Korean Air использует технологию контентного анализа на базе WatsonExplorer и Natural Language Understanding (NLU), что помогает обрабатывать структурированные и неструктурированные данные. Это позволяет сократить время, требуемое для определения причин возможной неисправности в будущем или существующей проблемы на 90% по сравнению с традиционно используемыми методами.

В 2016 году американская авиакомпания Southwest Airlines решила протестировать аналитическую платформу, которая позволяла сократить вторую по величине статью затрат ― расходы на топливо, составляющие от 4 до 6 млрд. долларов ежегодно[10]. Изначально прогнозирование затрат на топливо в Southwest Airlines осуществлялось на базе информации из нескольких систем, включая Ariba, среду управления расходом топлива Allegro, а также из собственного корпоративного хранилища исторических данных компании. Все эти данные сводились затем в одну громоздкую таблицу. Специалисты ежемесячно генерировали 1.200 прогнозов потребности в топливе. Финансовый аналитик тратил в месяц три дня работы на составление этих прогнозов, которые, кроме того, не отвечали требованиям компании в части точности.

Southwest Airlines снизила расходы на топливо за счет Big Data

Southwest Airlines снизила расходы на топливо за счет Big Data

В пилотном проекте была использована платформа Alteryx Designer. Она помогла построить 8 различных прогнозных моделей, которые включали функцию моделирования регрессии временного ряда и нейронные сети. Для каждого месяца и каждого аэропорта система могла генерировать 9.600 прогнозов. Время обработки данных для составления прогнозов удалось сократить на 60%. Кроме того, была повышена точность прогноза. Проект помог Southwest Airlines выяснить, что приобретение топлива у одного поставщика обеспечит большую выгоду, чем у нескольких, как это практиковалось ранее. Скорость составления прогнозов удалось снизить с 3 дней до 5 минут.

Датская авиакомпания Thomas Cook Airlines Scandinavia, оказывающая услуги чартерных перевозок, выбрала в мае 2017 года решение GoDirect Fuel Efficiency разработки Honeywell для повышения эффективности использования топлива и сокращения вредных выбросов[11]. ПО обеспечивает удовлетворение требований ЕС по нормам выбросов вредных веществ.

Thomas Cook Airlines Scandinavia использует разработки Honeywell для повышения эффективности использования топлива и сокращения вредных выбросов

Thomas Cook Airlines Scandinavia использует разработки Honeywell для повышения эффективности использования топлива и сокращения вредных выбросов

Комплексное решение GoDirect, включающее в себя ряд сервисов и приложений, обеспечивает операторов, экипажи судов и ремонтные команды программным обеспечением для управления большими объёмами данных и аналитическим инструментарием для повышения эффективности работы самолёта. Эффективность применения данного решения для экономии топлива отличается в зависимости от моделей самолётов и авиакомпаний, однако существующие клиенты говорят об ежегодной экономии до 5%. Для крупных авиакомпаний с большим парком судов это соответствует экономии десятков миллионов долларов ежегодно.

На февраль 2019 года ПО GoDirect Fuel Efficiency уже используется на всех судах группы Thomas Cook.

В апреле 2018 года венчурное подразделение авиакомпании JetBlue Airlines, американского лоукостера, инвестировало средства в стартап Lumo (прошлое название FlightSayer)[12]. По словам руководства, стартапа, компания способна прогнозировать задержки рейсов за несколько часов и даже несколько дней до вылета.

JetBlue Airlines прогнозирует задержки рейсов с помощью Big Data

JetBlue Airlines прогнозирует задержки рейсов с помощью Big Data

Решение компании строится на технологиях в области искусственного интеллекта. Пользователи могут проверить точность работы решения Lumo бесплатно в онлайн-режиме. Для этого они должны ввести на сайте стартапа дату полёта, номер рейса и название авиакомпании. После этого пользователи получат прогноз с указанием длительности возможной задержки. Использование решения Lumo позволяет авиакомпаниям и туристическим агентствам перебронировать билеты пассажиров, сохраняя тем самым их лояльность, а также предотвращая кризисные ситуации в аэропортах, возникающие при задержках вылетов.

Среди возможных проблем при реализации решения эксперты выделяют, в первую очередь, наличие на рынке конкурирующих решений от крупных игроков, а также недостаточную интеграцию с системами туристических компаний. Что касается конкурирующих решений, то эксперты называют SITA FlightPredictor (в апреле 2017 года руководство SITA анонсировало появление стартовой версии решения к концу лета 2017 года); предлагаемую с 2016 так называемую Schedule Recovery System от Amadeus, первым пользователем которой стал Qantas; программу Google (с ноября 2017 года, рассчитана на пассажиров). Ряд стартапов также предлагает аналогичные программы, например, Freebird из Кембриджа.

При презентации решения стартап указывал, что весной 2018 года должен быть реализован пилот с крупным международным авиаперевозчиком. Однако, какой-либо дополнительной информации по этой теме опубликовано не было.

Юго-Восточная Азия может считаться достаточно сильным игроком в области предиктивной аналитики спроса на авиаперевозки.

Так, в декабре 2016 года авиакомпания Philippine Airlines выбрала решение компании PROS для оптимизации глобальной стратегии в области управления доходами (Global Revenue Strategies)[13]. Облачное решение PROS Origin & Destination позволяет прогнозировать спрос и оптимизировать доходы с учётом рыночных тенденций, изменений спроса и проактивного анализа.

Philippine Airlines оптимизирует доходы с учётом рыночных тенденций, изменений спроса и проактивного анализа

Philippine Airlines оптимизирует доходы с учётом рыночных тенденций, изменений спроса и проактивного анализа

Philippine Airlines является национальным авиаперевозчиком на Филиппинах. Самолёты компании на февраль 2019 года летают по 30 местным и 43 международным направлениям. Компания эксплуатирует 79 воздушных судов ― Boeing 777-300ER, Airbus A340, A330, A321, Bombardier Q400 и Q300.

Разработчик в области технологий для авиации Sabre Corporation, разработчик решений для мировой туристической отрасли, сообщил в ноябре 2017 года о подписании многолетнего соглашения, согласно которому авиакомпания Hong Kong Airlines получит Big Data-решение MIDT (Market Information Data Tapes)[14]. Данное решение представляет собой базу данных, обеспечивающую доступ к историческим и прогнозным (глубина до 11 месяцев) данным по бронированиям. Обладание этим продуктом позволяет авиакомпаниям анализировать влияние от мер в области формирования тарифов, маркетинговых программ.

Hong Kong Airlines использует Big Data-решение MIDT для реализации маркетинговой стратегии

Hong Kong Airlines использует Big Data-решение MIDT для реализации маркетинговой стратегии

Hong Kong Airlines рассчитывает использовать продукт при реализации планов по началу работы на рынке Северной Америки. Продукт позволяет формировать отчёты и обладает аналитическим функционалом, что даёт пользователю возможность выявлять оптимальные каналы для реализации маркетинговой стратегии. Hong Kong Airlines получит доступ к данным агентов Sabre по всему миру по всем пунктам вылета и назначения, где присутствует авиакомпания.

Входящая в TOP 10 по пассажиропотоку компания British Airways использует с 2013 года Big Data Analytics для повышения уровня обслуживания своих клиентов: Перевозчик собирает различные данные по пассажирам в специальном хранилище, а затем загружает их в программу под названием «Know Me»[15]. Цель программы ― узнать и лучше понять потребности клиентов, а также использовать данные, накопленные во время всевозможных контактов с этими клиентами для повышения уровня их обслуживания.

«Know Me» содержит различные данные по пассажирам: поведение при онлайн-заказах, пожелания при совершении покупок, предпочтения при выборе места. Вся эта информация автоматически генерируется и автоматически используется при следующем бронировании, осуществляемом клиентом.

Программа работает с помощью аналитического программного обеспечения от Opera Solutions. Также используется поиск по фото Google Image Search, что позволяет сотрудникам авиакомпании распознавать особо важных и много летающих пассажиров уже в тот момент, когда они входят в аэропорт или бизнес-ложу, и, соответственно, предлагать им обслуживание высшего класса.

Другой крупный игрок рынка, Virgin Australia в конце 2017 года, сообщила, что она занимается оптимизацией работы своих приложений в области машинного обучения[16]. Для этих целей компания привлекла стартап DataRobot. Американский стартап разработал платформу предиктивной аналитики для быстрого создания и внедрения прогнозных моделей. Эта платформа уже помогает Virgin Australia сократить время на создание прогнозных моделей на 90%, точность прогнозирования возрастает при этом на 15%.

Virgin Australia работает над оптимизацией своей программы лояльности Velocity Frequent Flyer, внедряя в неё предиктивную аналитику

Virgin Australia работает над оптимизацией своей программы лояльности Velocity Frequent Flyer, внедряя в неё предиктивную аналитику

На февраль 2019 года авиакомпания работает над оптимизацией своей программы лояльности Velocity Frequent Flyer, внедряя в неё предиктивную аналитику, которая должна поддержать клиентов компании при выборе ими лучшего времени для использования полученных балов. Перед DataRobot поставлена задача построения прогнозов/моделей того, кто с максимальной вероятностью готов отправиться в путешествие, какую цену и какой тип путешествия предпочитает путешественник. В общем и целом, речь идёт о повышении уровня сервиса для участников программы лояльности авиакомпании.

В сентябре 2017 года финский национальный авиаперевозчик Finnair запустил чат-бот на базе искусственного интеллекта для своей учётной записи в Facebook Messenger[17]. Чат-бот Finn способен продавать билеты, предоставлять информацию по времени вылетов и тому, какое количество багажа может быть взято на борт. Кроме того, бот может направлять пассажиров на страницу авиакомпании «Manage My Booking», где они могут приобретать дополнительные услуги. Также бот способен отвечать на наиболее часто задаваемые вопросы. В случае невозможности дать ответ, он перенаправляет пассажира к сотрудникам клиентской службы.

Finn понимает и общается на английском и финском языках. Компания рассматривает возможности использования бота на других платформах, например, на Wechat в Китае. Чат-бот был создан совместно с компанией Caravelo, которая занимается разработкой решений для авиационной отрасли.

Чат-бот на базе искусственного интеллекта был запущен и в авиакомпании Air New Zealand под именем Bravo Oscar Tango (Oscar) на веб-сайте авиакомпании в Новой Зеландии. В октябре 2017 года он вышел на зарубежный рынок – рынок Австралии[18]. Задача чат-бота состоит в ответе на FAQ-вопросы посетителей сайта.

Запущенная бета-версия бота стала начальной разработкой Air New Zealand в области искусственного интеллекта. С момента запуска он обучался на базе вопросов посетителей сайта. По словам технологического руководителя авиакомпании, в свой первый день работы чат-бот смог успешно ответить на 7% запросов. По состоянию на октябрь 2017 года этот показатель достиг 67%, а к февралю 2018 года ― 75%, при этом чат-бот продолжает процесс обучения. Как выяснила авиакомпании, пассажиры, преимущественно, обращаются к чат-боту, когда им требуются быстрые ответы на вопросы, возникающие в день вылета, или же по поводу бронирования билетов. При бронировании билетов наиболее популярными являются такие темы, как получение подтверждения бронирования, допустимый вес багажа и авиамили. В общем и целом, чат-бот способен вести беседы по более чем 380 различным темам. За август-октябрь 2018 года чат-бот провёл около 55.000 бесед. В среднем в день он получал по 300-350 запросов. В некоторые дни число запросов превышало 1.000.

Как заявили представители Air New Zealand, перед запуском в Австралии чат-бот выучил некоторые выражения из австралийского жаргона и ряд поговорок. Наряду с ответом на вопросы чат-бот может петь и рассказывать шутки. Недавно он был запущен в мобильном приложении Air New Zealand.

Другая австралийская авиакомпания, бюджетная Jetstar запустила в феврале 2018 года виртуального ассистента «Jess» на платформе Facebook Messenger[19]. Изначально чат-бот начал работать на веб-странице авиакомпании в 2013 году. В ноябре 2017 года началось тестирование решения на Facebook. Jetstar стал первой авиакомпанией в АТР, которая расширила работу своего чат-бота с веб-страницы на Facebook Messenger.

Jetstar запустила виртуального ассистента

Jetstar запустила виртуального ассистента «Jess»

«Jess» отвечает на вопросы клиентов относительно их бронирований, предоставляет информацию по багажу и местам. Он доступен для клиентов из Австралии, Новой Зеландии и Азии.

Решение использует технологию Natural Language Understanding от компании Nuance Enterprise, технологии расширенного разрешения, что позволяет ему вести диалоги в режиме реального времени. Однако чат-бот не способен инициировать беседы или делать предложения.

Авиакомпания сообщила о результатах работы чат-бота на платформе: Результативность его работы (доля вопросов, на которые чат-бот смог дать удовлетворившие клиентов ответы) составила 73%. Время ответа на ряд вопросов снизилось с 17 часов до 0 минут, сообщил руководитель клиентской службы Jetstar. Что касается общих показателей работы чат-бота на двух платформах, то ежемесячно он задействован в 250.000 диалогов, а всего с момента запуска он участвовал в 9 млн. диалогов с клиентами Jetstar.

В апреле 2018 года на Passenger Experience Conference английская компания Aviget продемонстрировала чат-бот с расширенным функционалом[20]. Используя технологию машинного обучения, решение позволяет взаимодействовать с пассажирами на базе различных платформ, таких как Facebook Messenger, Viber и WeChat. Решение использует Natural Language Processing для распознавания достаточно сложных комплексных фраз, например, «find me a flight from Heathrow for under $150 that arrives in Jakarta on Boxing Day».

В 2018 году британский авиаперевозчик Virgin Atlantic сообщил, что он планирует внедрить в свою работу программы британской компании Osprey[21]. Речь идёт о системе Flight Risk Assessment System, которая использует технологии искусственного интеллекта (AI) и машинного обучения (Machine Learning) для обработки больших массивов данных с целью повышения эффективности и надёжности авиационных операций.

Воздушная математика

Система собирает данные из более чем 200.000 источников на 60 различных языках. Затем эти данные передаются в БД, которая содержит информацию по 380.000 событий в области авиационной безопасности и надёжности. Данные собираются из открытых источников, таких как сообщения в СМИ, из социальных сетей и с отраслевых веб-сайтов. Система Osprey обеспечивает быстрое реагирование на угрозы и долгосрочный анализ данных для идентификации и купирования причин этих угроз. Цель системы ― обеспечить участников авиационной отрасли необходимой для принятия верных решений информацией в части обеспечения безопасности полётов. Благодаря возможности анализировать исторические события, используя машинное обучение и искусственный интеллект, система способна прогнозировать вероятность того, где и когда они могут повториться.

Система Osprey делит земной шар на блоки, не ограниченные границами стран или границами Flight Information Region. Эти блоки динамически обновляются. К информации по рейсам в этих блоках могут быть добавлены и другие наборы данных, такие как высота местности и плотность населения. Благодаря этому можно определить существующие или формирующиеся тенденции.

В мае 2018 года разработчик аналитических решений Neustar, Inc. сообщил, что авиакомпания Scandinavian Airlines выбрала его продукт для оценки и измерения влияния маркетинга на продажи[22]. Решение под названием Neustar MarketShare обеспечит авиаперевозчика аналитикой, которая позволит ежедневно планировать маркетинговую активность и окажет поддержку при принятии маркетинговых решений.

Подход «Модель Маркетинг Микс» (Marketing Mix Modeling, MMM), реализуемый компанией Neustar в её решениях, даёт возможность авиакомпаниям анализировать ключевые каналы продаж и основные регионы для выбора оптимальной модели реализации своих продуктов. Кроме того, чтобы дать Scandinavian Airlines целостное представление об их деятельности в средствах массовой информации и влияние различных драйверов на экономику компании, решение Neustar MarketShare анализирует различные ресурсы – СМИ, не относящиеся к СМИ ресурсы, данные по экономике, конкуренции, сезонности.

Технологии Big Data находят свое применение и в других сферах гражданской авиации.

Разработчики Spafax, провайдера развлекательных решений для авиакомпаний, создали в июне 2018 года базовые рабочие прототипы решений на базе искусственного интеллекта для их интеграции в бортовую развлекательную платформу с функциональной возможностью персонализации, которая используется рядом авиакомпаний, включая American Airlines, Lufthansa и SWISS[23].

Первое решение ― модель чат-бота, который приближен к человеческому общению. При этом для улучшения диалоговых возможностей было использовано приложение на базе машинного обучения под названием LUIS (Language Understanding Intelligence Service). Кроме того, в чат-бот интегрированы когнитивные сервисы, в частности распознавание лиц. Благодаря этому клиенты авиакомпаний смогут запросить для просмотра на борту список фильмов, в которых играет определённый актёр. Для этого требуется только загрузить в приложение фотографию этого актёра.

Второе решение ― приложение на базе искусственного интеллекта для анализа видеоконтента с использованием машинного обучения. Платформа получила возможность выявлять определённые объекты, сценарии или контент с ограничениями по возрасту, что часто требуется в соответствии с требованиями авиакомпаний по контенту. Например, искусственный интеллект способен обнаруживать контент, связанный со сценами крушения самолётов или взрослого содержания, и отфильтровывать его.

В апреле 2018 года компания FoxTripper впервые продемонстрировала программу с «перемещающейся картой»[24]. Программа предоставляет пассажирам информацию о тех местах, над которыми пролетает самолёт, и позволяет пассажирам осуществлять бронирования в пунктах назначения. Собранные в полёте данные в комбинации с данными авиакомпании о пассажире позволяют строить прогнозы относительно итого, какие продукты и сервисы являются для него релевантными.

Другой интересный пример ― Gogo Air. Эта компания-разработчик информационно-развлекательной системы для пассажиров в полёте использует искусственный интеллект и машинное обучение для того, чтобы помочь авиакомпаниям повысить уровень оказываемых услуг[25]. Gogo Air использует набор инструментов серии Adobe Analytics, включая виртуального аналитика (Virtual Analyst) ― инструмент на базе машинного обучения, для сбора информации по клиентам для ряда крупных авиакомпаний.

Предоставляя развлекательный контент и Wi-Fi-доступ в полёте, Gogo Air собирает информацию о пассажирах, пользующихся этими сервисами. Затем эта информация подвергается обработке и анализу. В результате авиакомпании получают те данные, которые помогают им улучшить обслуживание клиентов и, зачастую, предложить своим пассажирам более таргетированные продукты. Авиакомпании узнают, какими продуктами могут интересоваться их клиенты во время полёта, какие устройства они используют в полёте, сколько времени они готовы проводить в Интернете или какие развлечения они предпочитают в самолёте.

Авиакомпании используют получаемые данные для персонализации сервисов на базе ситуационного контекста, например, адаптируя под клиента экраны информационно-развлекательных систем в самолёте в зависимости от длины полёта, используемых пассажиром устройств, пункта назначения.

Не остаются в стороне и технологии организации питания на борту. Так, в апреле 2018 года в Гамбурге компания Black Swan Data, разрабатывающая решения для анализа данных, заключила соглашение о сотрудничестве с gategroup[26]. Цель сотрудничества ― анализ данных пассажиров и трендов в социальных сетях для прогнозирования того, какое меню в самолёте выберут пассажиры. Пассажиры смогут заказывать и рассчитывать на получение своих любимых блюд уже после посадки. Пилотный проект двух компаний продемонстрировал неплохие результаты: Удалось сократить отходы по продуктам питания на 50% и повысить производительность на 15%.

В мае 2018 года компания ― разработчик в области решений для авиации SITA предложила систему отслеживания и управления багажом. Разработанная ею технология BagJourney позволяет управлять операциями с багажом всё большему числу авиакомпаний[27]. Только за первые шесть месяцев 2018 года более 20 перевозчиков выбрали это решение. SITA BagJourney ― одно из основных решений, которое помогает авиационной отрасли выполнять резолюцию 753 IATA, в которой прописано требование по отслеживанию багажа на каждом этапе путешествия.

Решение SITA BagJourney используется каждый год для обработки сотен миллионов мест багажа. По данным пользователей, решение снижает число ошибок на 30%. BagJourney совместимо с различными аппаратными средствами, включая мобильные устройства для сканирования или стационарные приборы.

По словам BahamasAir, одного из пользователей решения, после его внедрения в течение 7 дней удалось осуществить процесс полного перехода на мобильные устройства для отслеживание всего багажа по двум наиболее загруженным в плане багажа направлениям ― Нассау и Майями. По результатам шести месяцев количество жалоб на проблемы с багажом на наиболее загруженном направлении снизилось на 60%. Авиакомпания планирует внедрить решение на всех направлениях и рассчитывает, что до конца года она полностью будет соответствовать требованиям резолюции 753.

Интервью с экспертами

Воздушная математика

Насколько заметна цифровая трансформация в авиаотрасли?

КИРИЛЛ БОГДАНОВ: Внедрение новейших информационных технологий — одна из приоритетных задач для отрасли в целом и для «Аэрофлота» в частности. Если ранее уровень цифровизации составлял 30%, то сейчас компания идёт уже несколько лет на четвертом месте в мире по этому показателю. И мы планируем продолжать форсированное развитие в этом направлении. Как национальный перевозчик, «Аэрофлот» считает важным привлекать к сотрудничеству лучших отечественных специалистов и ведущие российские вузы, использовать их разработки, в том числе конкурентоспособные программные продукты.

Насколько отношения с пассажирами перешли в плоскость больших данных?

КИРИЛЛ БОГДАНОВ: Основой всех текущих и будущих изменений при подходе к работе с клиентами являются технологии работы с большими данными. Благодаря Big Data у «Аэрофлота» появляются новые возможности ведения эффективного бизнеса. И здесь важным элементом становится персонализация услуг, когда во время полета пассажир получает персонализированные предложения, которые делают его поездку максимально комфортной. Большие данные о пользовательском опыте приходят из самых разных источников. Поиск информации о путешествии, заказ билетов, поисковые запросы насчет дополнительных услуг – любые действия в сети оставляют цифровые следы, которые могут быть проанализированы для формирования максимально персонализированного пакета услуг. Кроме того, работа с большими данными позволяет повысить лояльность клиентов, например, за счет быстрого ответа на обращения пассажиров. Так, в компании «Аэрофлот» была внедрена платформа жалоб и обращений, которая задействует все возможные каналы взаимодействия с авиакомпанией от социальных сетей до писем на почтовый ящик генерального директора.

Каковы главные тренды в разрезе Big Data сегодня в отрасли в целом и в «Аэрофлоте» в частности?

КИРИЛЛ БОГДАНОВ: В связи с ростом рынка и предложений как для отрасли в целом, так и для нашей компании в частности, на первое место встает работа с лояльностью клиентов. Повышение лояльности к компании невозможно при отсутствии отлаженной и оперативной реакции на оставленные пассажирами отзывы, жалобы и информационные запросы, поступающие из разных каналов коммуникаций. Поэтому на основе Big Data нами была создана единая платформа по обработке обращений пассажиров с возможностью их интеллектуальной классификации и маршрутизации.

Достаточно ли подготовлен персонал к работе с Big Data? Насколько актуальной становится введение должности CDO?

КИРИЛЛ БОГДАНОВ: Наша компания испытывает многовекторный «цифровой взлет», говорить о котором можно бесконечно. И работу в области применений технологий Big Data я отметил бы отдельно, потому что она открывает перспективу настоящей революции в обслуживании пассажиров. В связи с этим мы делаем поступательную переоценку кадровых приоритетов. Какие-то должности в связи с цифровизацией «уходят» на второй план, и на их месте возникают новые, для работы с вновь появляющимися задачами. В связи с активным внедрением проектов в области Big Data, искусственного интеллекта и машинного обучения, CDO сейчас выходит на первый план.

Что стало главной причиной необходимости создания платформы для обработки обращений клиентов компании?

КИРИЛЛ БОГДАНОВ: Платформа для обработки обращений клиентов компании была создана для повышения эффективности, скорости и качества обработки клиентских запросов, поступающих из разных источников. Она представляет собой эффективный инструмент, который объединил в себе различные системы и процессы обработки обращений клиентов, позволяющий в режиме online отслеживать ключевые тренды в социальных сетях, включая обратную связь о компании «Аэрофлот» от лидеров мнений (популярных блогеров, журналистов и пр.), и при необходимости использовать все доступные каналы коммуникаций для сохранения имиджа компании. В рамках проекта спроектированы и реализованы фундаментальные функции системы, позволяющие в дальнейшем гибко настраивать и оптимизировать алгоритмы ее работы. Наша конечная цель — снизить сроки обработки обращений, проактивно коммуницировать с клиентами в социальных сетях, постоянно улучшать клиентский опыт и выявлять точки улучшения или даже изменения бизнес-процессов компании на основании клиентских обращений.

В чем уникальность данного проекта?

КИРИЛЛ БОГДАНОВ: Сейчас именно в соцсетях аккумулируется поведенческий профиль клиента. В данном случае было осуществлено промышленное внедрение технологии Big Data для автоматизации и объединения процессов на стыке традиционных каналов общения с клиентами и социальных сервисов.

В части работы с клиентами «Аэрофлот» сделал шаг вперед, нарастив невероятно большой объем источников поступления обратной связи от клиентов для получения наиболее точной и достоверной картины взаимоотношений, своевременного реагирования на жалобы и обращения. Все это ведет к повышению уровня лояльности, и в конечном итоге к росту объема продаж компании.

Каков главный результат проекта и его перспективы?

КИРИЛЛ БОГДАНОВ: Благодаря унификации процесса обработки обращений клиентов увеличилась скорость их обработки и значительно сократилось время выдачи полного и подробного ответа клиенту, а за счет оперативного реагирования на наиболее резонансные информационные поводы, существенно повысилась лояльность потенциальных и существующих клиентов «Аэрофлота».

В перспективе мы планируем расширить языковую модель, перечень обрабатываемых каналов информации, а также выйти за рамки социальных сетей: начать получать информацию из чатов, форумов, двигаться в сторону интеграции с чат-ботом. Также хотим углубить технологию Machine Learning: после самообучения часть ответов пользователям система сможет предоставлять самостоятельно, без участия сотрудников компании.

Система уже введена в эксплуатацию и функционирует. Показала ли она свою эффективность?

КИРИЛЛ БОГДАНОВ: Система введена в эксплуатацию в декабре 2017 года. Оценка лояльности клиентов проводилась на выборке обращений из социальных сетей и из числа обращений, поступивших через «Единое окно». Спустя лишь месяц после внедрения скорость обработки «типовых» обращений увеличилась на 7%. В январе 2018 года в Америке из-за плохих погодных условий было отменено и задержано множество рейсов, в том числе и «Аэрофлота». От клиентов компании было огромное количество сообщений с вопросами и жалобами в социальных сетях, и именно тогда, благодаря платформе, удалось поддерживать непрерывный контакт с клиентами, отслеживать и выявлять все возникающие проблемы и оперативно их решать.

Кроме того, система автоматически определяет тональность и маршрутизирует по ответственным подразделениям более 40 тыс. обращений ежемесячно. Более 130 тыс. упоминаний в социальных сетях аккумулируются, по ним с использованием инструментов искусственного интеллекта проводится анализ с целью определения тональности и тематики наиболее волнующих пассажиров вопросов.

Какие еще проекты с использованием Big Data планирует компания в ближайшее время?

КИРИЛЛ БОГДАНОВ: В 2019 году цифровизация авиакомпании, в том числе внедрение облачных технологий и Big Data, остается приоритетным направлением для нас. Мы развиваем проекты с применением Big Data в части определения ценообразования пассажиропотоков, чтобы более точно прогнозировать загрузку авиарейсов. Следующее направление – предиктивные ремонты (ТОиР): мы задумываемся над тем, что самолёты, которые летают в определённые аэропорты, получают примерно одни и те же проблемы, и благодаря новым технологиям, заранее прогнозируем, когда понадобится та или иная запчасть, с учетом анализа погодных условий, качества взлётной полосы и других факторов.

Уже сегодня мы занимаем одно из ведущих мест среди авиакомпаний мира по цифровизации и планируем продолжать форсированное развитие в этом направлении. Как национальный перевозчик, «Аэрофлот» считает важным привлекать к сотрудничеству лучших отечественных специалистов, использовать их разработки.

Воздушная математика

Каковы ИТ-приоритеты у гражданских авиакомпаний? Насколько сильно они отличаются у российских и зарубежных авиаперевозчиков?

ДМИТРИЙ БУЛЕНКОВ: Гражданская авиация — одна из самых конкурентных индустрий в мире, поэтому приоритеты у всех компаний похожи. Главные направления — это обеспечение безопасности перелета и развитие удобных персонализированных сервисов для пассажира в плотном взаимодействиями с аэропортами. В главных приоритетах отличий между российскими и зарубежными авиаперевозчиками нет.

Какие важные задачи авиакомпании могут решать с помощью современных технологий? Для чего они могут использовать технологии Big Data?

ДМИТРИЙ БУЛЕНКОВ: В 2018 году главным трендом экономики становится цифровая трансформация, т.е. постепенный переход всех отраслей переходят на новые технологии. Не остается в стороне и авиация. Согласно прогнозу аналитиков, 67% компаний из аэрокосмической отрасли реализуют проекты на основе Big Data, ещё 10% планируют такие проекты. Что касается авиакомпаний, то здесь реализация проектов в настоящее время заявлена у 44% компаний, а планы на такие проекты анонсировали 25%. Это результаты исследования, которое провела в декабре 2017 года компания FlightGlobal относительно роли Big Data для аэрокосмических предприятий и авиакомпаний. Аналитики также выяснили мнение по поводу совместного использования данных по состоянию самолётов с производителями и компаниями, осуществляющими ремонт и техническое обслуживание (ТО).

До настоящего времени при инвестировании авиакомпаниями в смежные к авиации технологии (connected technologies) речь шла, прежде всего, об обеспечении спутниковой связи и Wi-Fi. Теперь же компании готовы извлекать выгоду из тех данных, которые они могут получать путем использования оборудования непосредственно на борту самолётов. Например, такие данные могут обеспечить им экономию в размере 1% от потребляемого топлива, что эквивалентно $50 тыс. на самолёт в год, подсчитали аналитики Honeywell.

Технологии Big Data сегодня применяются для выполнения ряда задач в сфере гражданской авиации. В первую очередь, это ремонт и техническое обслуживание, обеспечение экономии топлива, создание цифровых двойников, оптимизация операционной деятельности (включая прогнозирование задержек рейсов), формирование персональных предложений для пассажиров и т.д.

Более подробно мы рассказываем об этом на страницах нашего большого исследования «Воздушная математика». Большие данные в мире гражданской авиации.

Что, на ваш взгляд, сдерживает процесс цифровизации гражданской авиации?

ДМИТРИЙ БУЛЕНКОВ: Главный стопор в том, что пока не сформирована культура хранения данных и их обработки. Но в целом гражданская авиация является лидером цифровизации во многих странах мира.

Расскажите о наиболее интересных проектах в авиации, выполненных компанией «РАМАКС» за последние годы.

ДМИТРИЙ БУЛЕНКОВ: Это проекты в «Аэрофлоте». Я бы отметил проект NDC, реализацию проекта «Платформа обращений», проект «Налоговый мониторинг», а также развитие функционала сайта и мобильного приложения.

Проект создания прямой схемы дистрибуции авиауслуг по стандарту IATA NDC, реализованный Группой компаний «РАМАКС» для «Аэрофлота», получил премию CNews Awards-2018 в номинации «IT-проект года в транспортной отрасли». Благодаря введению стандарта NDC, «Аэрофлот» получил возможность прямых продаж авиабилетов с метапоисковых сайтов SkyScanner.com, Aviasales.ru, Momondo.com и др., что является значимой предпосылкой для увеличения прибыли за счет дополнительных каналов продаж.

Повышение лояльности клиентов невозможно при отсутствии оперативной реакции на оставленные пассажирами отзывы, жалобы и информационные запросы, поступающие из разных каналов коммуникаций (включая социальные сети). Поэтому в конце 2017 года компания «Аэрофлот» развернула у себя уникальную платформу по работе с обращениями клиентов, первым среди компаний транспортной отрасли использовав для этого алгоритмы предиктивной аналитики данных. Этот проект выполнен компанией «Интегро Текнолоджиз», которая входит в ГК «РАМАКС». В проекте были использованы технологии предиктивной аналитики на основе Big Data.

Благодаря «Платформе обращений», компания «Аэрофлот» полностью открыта для замечаний и предложений, а ее клиенты всегда уверены, что их пожелания будут услышаны и восприняты. Результаты проекта показали безусловную эффективность технологии, что подтверждается премией Global CIO в категории «Лучший проект в области CRM» и планами заказчика по расширению использования решения. Подробнее о проекте читайте на сайте Global CIO.

Проект внедрения витрины данных «Аэрофлота» для налогового мониторинга был выполнен с участием специалистов RAMAX Group, SAP Digital Business Services и PwC. Решение позволяет заказчику получать детальные расшифровки налоговой и бухгалтерской отчетности в режиме онлайн и оптимизировать коммуникации с налоговыми органами.

Проект полностью соответствует современным тенденциям по цифровизации бизнес-процессов и установлению открытых отношений с налоговыми органами. В январе этого года он признан лучшим проектом 2018 года и получил престижную премию Global CIO в номинации «Лучший цифровой проект в области ИТ по налогам и сборам»! В голосовании приняли участие более 2600 ИТ-директоров по всей России. Подробнее о проекте читайте на странице конкурса в Global CIO.

Давайте остановимся подробнее на проекте создания «Платформы обращений» в «Аэрофлоте». Для выполнения каких задач была внедрена эта система?

ДМИТРИЙ БУЛЕНКОВ: Для повышения эффективности, скорости и качества обработки клиентских обращений в социальных сетях было необходимо создать единую платформу по обработке обращений из разных каналов коммуникаций, их интеллектуальную классификацию и маршрутизацию. Также требовалось предоставить инструмент, позволяющий в режиме online отслеживать ключевые тренды в соцсетях, включая обратную связь об «Аэрофлоте» от лидеров мнений (популярных блогеров, журналистов и пр.) и при необходимости использовать все доступные каналы коммуникаций для сохранения имиджа компании.

Какова роль в этом проекте технологии Big Data?

ДМИТРИЙ БУЛЕНКОВ: В рамках проекта были спроектированы и реализованы фундаментальные функции системы, позволяющие в дальнейшем гибко настраивать и оптимизировать алгоритмы ее работы. Во-первых, внедрен процесс мониторинга упоминаний «Аэрофлота» в социальных сетях (весь русскоязычный сегмент, начиная с января 2014 года), отслеживания их тональности и динамики изменения вслед за различными информационными поводами. С помощью Machine Learning в режиме реального времени определялась категория и тональность конкретного упоминания, помогая определять приоритеты реагирования на обращения. Во-вторых, на основе накопленных данных были построены математические модели, позволяющие при получении обращения от клиента по любому каналу коммуникации, автоматически (с высокой долей вероятности) определить тему обращения, а также подразделение, ответственное за обработку и решение проблемы. Такой подход позволил снизить использование ресурсов. В процессе работы система анализирует «свежие» данные и непрерывно самообучается для повышения точности.

Объединив эти два блока, на основе Big Data удалось реализовать сквозной процесс, начиная с получения обращения в свободной форме в одной из социальных сетей, и заканчивая предоставлением клиенту исчерпывающего ответа, а руководству компании – подробного анализа причин произошедшего и единой отчетности по обращениям для принятия управленческих решений.

В целом, что представляет собой решение «Платформа обращений»? В чем его уникальность?

ДМИТРИЙ БУЛЕНКОВ: «Платформа обращений» — это Machine Learning-платформа для работы с Social Media. Она анализирует социальные профили и отслеживает клиентские отзывы, что особенно важно для нивелирования репутационных рисков у компаний, задействованных в сегменте B2C. Эта информация имеет ценность для руководства компании, коммерческого блока, департаментов маркетинга и PR и сервисов работы с клиентами компании в сегментах, таких как электронная коммерция, телекоммуникации, ритейл, логистика и т.д.

С помощью данного решения могут быть автоматически получены и проанализированы огромные объемы информации, генерируемые клиентами в социальных сетях. Платформа позволяет осуществлять сегментацию профилей на основании активности, демографических данных, предпочтений и т.д. За основу для предиктивной аналитики взяты технологии машинного обучения, которые в реальном времени выявляют направленность отзывов, их тональность, приоритет обработки и т.д. Система улучшает точность своей работы посредством непрерывного обучения.

Что касается уникальности, то в мировой авиации уже существуют CRM-проекты, но все они — без глобального сбора и анализа данных из социальных сетей. Однако, именно там сейчас аккумулируется поведенческий профиль клиента. В данном случае было осуществлено промышленное внедрение технологии Big Data для автоматизации и объединения процессов на стыке традиционных каналов общения с клиентами и социальных сервисов.

В части работы с клиентами «Аэрофлот» сделал шаг вперед, нарастив невероятно большой объем источников поступления обратной связи от клиентов для получения наиболее точной и достоверной картины взаимоотношений, своевременного реагирования на жалобы и обращения. Все это ведет к повышению уровня лояльности, и в конечном итоге к росту объема продаж компании.

С момента запуска «Платформы обращений» прошло чуть более года. Можно ли оценить итоги работы системы за этот период и её эффективность?

ДМИТРИЙ БУЛЕНКОВ: Система введена в эксплуатацию в декабре 2017 года. Оценка лояльности клиентов проводилась на выборке обращений из социальных сетей и из числа обращений, поступивших через «Единое окно». Скорость обработки «типовых» обращений увеличилась на 7% уже спустя месяц после начала опытно-промышленной эксплуатации. Также система позволяет на текущий момент автоматически определять тональность и маршрутизировать более 40 тыс. обращений ежемесячно. Более 130 тыс. упоминаний в социальных сетях собираются, по ним проводится аспектно-сантиментный анализ с целью определения наиболее волнующих пассажиров вопросов.

Можно зафиксировать, что система корректирует около 5% ошибочных тем обращений и самостоятельно определяет тему в 85% случаев.

За счет оперативного реагирования на наиболее резонансные информационные поводы, существенно повысилась лояльность потенциальных и существующих клиентов «Аэрофлота».

Как развивается этот проект, каковы его перспективы?

ДМИТРИЙ БУЛЕНКОВ: Первые результаты проекта показали безусловную эффективность технологии, что подтверждается планами заказчика по расширению ее использования.

Самый главный бизнес-результат — объединение жалоб из всех каналов обращений (e-mail, единое окно, представительства, офисы) и упоминаний из социальных сетей в единую платформу. Это позволило собрать в едином бизнес-процессе работу с обращениями, применить машинное обучение для автоматического разбора тематики обращения с целью последующей маршрутизации, а также вести мониторинг отзывов и обращений в социальных сетях в реальном времени.

В рамках проекта запланировано также выявление корреляций между уровнем удовлетворенности клиентов и CLTV (Customer Lifetime Value). Это будет реализовано на следующих этапах. Постепенное развитие проекта позволит сформировать структуру инновационной информационной системы будущего. Конечная цель заказчика — снизить сроки обработки обращений, проактивно коммуницировать с клиентами в социальных сетях, улучшить клиентский опыт.

Какие еще проекты в области Big Data вы планируете реализовать в ближайшее время? Какие новые решения можете предложить сегменту гражданской авиации?

ДМИТРИЙ БУЛЕНКОВ: Планируем подробней рассказать о реализованных проектах в конце года.

Примечания

  1. Insight from flightglobal: Big Data, the big picture
  2. The Year Airlines Seriously Start Investing in Connected Aerospace Technologies
  3. Evaluating the Economic Benefits of Connected Airline Operations
  4. Commercial aviation at forefront of innovation in artificial intelligence, digital twins, mobile applications, and unmanned aircraft
  5. Chatbots Market Growing at a CAGR of 35.2% During 2016 to 2021 — ReportsnReports
  6. EasyJet Talks Evolving Predictive Maintenance Operations at AEE
  7. Delta’s Maintenance Prognostics Will Continue On Newest Aircraft
  8. Honeywell und Cathay Pacific tests zu Big Data
  9. IBM’s Watson puts the AI in air travel
  10. How Southwest Airlines Chooses Big Impact Analytics Projects
  11. Thomas Cook Airlines Scandinavia Chooses Honeywell Software To Improve Fuel Efficiency
  12. JetBlue’s Venture Arm Invests in a Startup That Predicts Flight Delays
  13. Philippine Airlines Selects PROS to Optimize Global Revenue Strategies
  14. Hong Kong Airlines Purchases Sabre MIDT Network Plus Data
  15. Big Data At British Airways
  16. How machine learning is helping Virgin boost its frequent flyer business
  17. Finnair launches messenger chatbot
  18. Air New Zealand’s AI chatbot Oscar says g’day to Australia
  19. Jetstar launches Facebook Messenger chatbot «Jess»
  20. Aviget
  21. Osprey to provide Virgin Atlantic with AI security and operations solution
  22. Scandinavian Airlines Brings on Neustar to Measure Marketing’s Impact on Key Business Drivers
  23. Spafax hackathon finds new airline use-cases for AI
  24. Why airlines are finally poised to unlock Big Data to enhance the passenger experience
  25. How data analytics enhances the experience of air travel
  26. Why airlines are finally poised to unlock Big Data to enhance the passenger experience
  27. SITA’s BagJourney Assisting Industry with Bag Tracking