Interview "Predictive Analytics hilft, Nachfragespitzen für Flugtickets vorherzusehen"

Amadeus setzt zur Bedarfsvorhersage für Flüge auf neue Wege. Dabei nutzt der Anbieter dieselbe Technologie, die schon hilft, die Nachfrage für Pizza vorherzusagen. Wir haben mit dem zuständigen Manager über die neuen Ansätze beim Thema Predictive Analytics unterhalten.

Big Data soll helfen, die Ticketnachfrage vorherzusagen. © PredictHQ

Amadeus will die zukünftige Nachfrage auf bestimmten Flügen noch genauer vorhersagen. Dazu kooperiert der Anbeter jetzt mit dem australischen Predictive-Analytics-Unternehmen PredictHQ, das schon Booking.com und Domino’s Pizza mit Daten zu erwartbaren Auftragsspitzen versorgt. Wir haben mit dem zuständigen Manager bei Amadeus gesprochen.

airliners.de: Was ist bei Ihrem Predictive-Analytics-Ansatz anders als im klassischen Yield Management?
Benjamin Cany: Traditionelle Yield Management-Techniken beschränken die Möglichkeiten der Airlines auf reaktive Pricing-Strategien, die auf Faktoren wie der Anzahl der verfügbaren Sitze auf einem bestimmten Flug basieren. Das Event-Früherkennungs-Tool Aviation Rank greift auf Hunderte von Datenquellen einschließlich Amadeus-Daten zurück und ermöglicht es Fluggesellschaften, die Nachfrage genau vorherzusagen, proaktive Preisstrategien zu entwickeln und sich bisher unsichtbare Umsatzmöglichkeiten zu erschließen. Das System konzentriert sich auf Ereignisse und berücksichtigt auch andere Daten wie Feiertage, Ferien sowie eine Reihe von externen Faktoren wie die Wettervorhersage, die politische Situation und noch mehr.

Merken Airlines nicht selbst relativ frühzeitig, ob ein Flug gut gebucht sein wird oder eher nicht?
Das tun sie tatsächlich, doch Airlines versuchen auch zunehmend, herauszufinden, was die Treiber hinter Reisen sind. Dadurch können sie im Voraus die Nachfrage berechnen, anstatt erst hinterher auf diese zu reagieren. Events lösen einen Großteil dieser Nachfrage aus, und während wir alle wissen, wann die Fußballweltmeisterschaft stattfindet oder Weihnachten gefeiert wird, ist es weitaus schwieriger, jedes einzelne relevante Ereignis zu kennen, das eine signifikante Auswirkung auf die Flugbuchungen haben wird. So finden zum Beispiel allein in den USA mehr als 20.000 Fachkonferenzen pro Jahr statt, die jeweils bis zu 30.000 Teilnehmer anziehen.

© Amadeus

Benjamin Cany ist seit 2006 bei Amadeus und aktuell "Head of Offer Optimization". Er hat ein Ingenieursdiplom in Angewandter Mathematik der École Centrale Paris sowie einen Master of Philosophy in Nanotechnology Enterprise der University of Cambridge.

Früher mussten Revenue Manager externe Informationsquellen finden und eigenhändig auswerten, um solche Ereignisse zu erfassen – das ist ein unglaublich zeitaufwändiger Prozess, in dem unweigerlich auch Fehler passieren. Das gilt für allem für den Überblick über kleinere Events, die zusammengenommen dennoch viel zusätzliche, unerwartete Nachfrage für Airlines generieren können. Mit der Partnerschaft von Amadeus und Predict HQ vereinfachen wir Airlines die Planung, indem wir Informationen über lokale, nationale und internationale Events sowohl sammeln als auch zusammenfassen und verifizieren.

Arbeitet Ihr Projektpartner mit einem technologischen Ansatz zur Pflege der Daten oder ist er einfach ein Dienstleister für die Pflege?
Unser Partner Predict HQ bietet eine Demand Intelligence API, die Ereignisse aus Hunderten von Quellen aggregiert. Sie überprüft jedes Ereignis, reichert die Daten an und ordnet Ereignisse nach ihrer Wirkung. Die umfangreiche Verarbeitung macht die vollständige Datenschicht der Ereignisse zuverlässig. Amadeus hat sie in sein Altea Inventory-System integriert, um intelligentere Vorhersagemodelle für Fluggesellschaften zu entwickeln. Unsere Partnerschaft hilft den Fluggesellschaften, Nachfragespitzen vorherzusehen und zu erkennen, wo sie auftreten werden.

Geht es bei dem neuen Ansatz also lediglich um ein Outsourcing der Event-Pflege in die Yield-Management-Systeme?
Nicht im Geringsten, die integrierten Event-Daten sind erst der Anfang. Wir haben vielfältige verschiedene Anwendungsfälle, von der verbesserten Netzwerkplanung bis hin zu einer besseren Sichtbarkeit der Katalysatoren hinter den Menschenbewegung durch DMOs (Destination Marketing Organizations). Es geht jedoch nicht nur darum, neue Anwendungsfälle zu erschließen, sondern auch darum, unsere Datensätze zu konvergieren. Zudem ist vorgesehen, die datenwissenschaftlichen Fähigkeiten und die Ereignisverarbeitung von Predict HQ zu nutzen, um bisher nicht erhältliche Informationen zu erzeugen, die je nach Business, Herkunft, Zielort, Buchungskurve etc. eine größere Relevanz bieten.

Wie funktioniert die Vorhersage der Nachfrage auf bestimmten Routen genau?
Wir arbeiten mit mehr als zwei Milliarden Datenpunkten, um 20 Millionen Ereignisse in 30.000 Städten in einer einzigen API zu identifizieren. Wenn sie erst einmal identifiziert sind, werden der Einfluss und die Relevanz der Events evaluiert und in die Amadeus Revenue Management Platform eingegeben. Diese wird von vielen der weltweit führenden Airlines genutzt.
Die Tests mit SAS und Air Baltic waren aufregend und zeigten, wie diese Daten Airlines helfen können. Andere Predict-HQ-Kunden zeigen auf ähnliche Weise, was mit solchen Daten möglich ist – Booking.com nutzt sie, um im Voraus Preise festzulegen und um Kunden darüber zu informieren, ob sie während einer teureren Reisezeit unterwegs sind. Domino’s hingegen nutzt die Informationen, um zu kalkulieren, wann wie viele Pizza-Beläge an einem vorgegebenen Ort benötigt werden.

Gibt es einen Rückkanal, oder anders gefragt: Überprüft das System die prognostizierte Nachfrageauswirkung eines Events und lernt daraus?
Unser Partner sammelt Feedback aus Hunderten von Datenquellen und nutzt dann seine proprietären und einzigartigen datenwissenschaftlichen Modelle, um seinen Aviation Rank-Algorithmus zu verbessern. Die maschinellen Lernfähigkeiten haben zur Folge, dass das System weiter wächst und immer schneller wird. Das Team kombinierte Amadeus MIDT-Daten mit einer Reihe anderer Quellen, einschließlich verifizierter historischer Daten, und begann mit dem Aufbau der ursprünglichen Funktion, die die maschinellen Lernmodelle des Aviation Rank erreichen sollten.
Die Verwendung der Ereignisdaten von Predict HQ zusammen mit den Daten des Flugnetzes ermöglichte es, die Zeitreihen der historischen Flugnetzdaten zu zerlegen und die ungewöhnlichen Spitzen zu erkennen. Daraufhin konnte das Team die Merkmale derjenigen Ereignisse festlegen, die für die Entwicklung der Vorhersagemodelle von Aviation Rank erforderlich waren. Dies bedeutete Monate der Forschungs- und Entwicklungsarbeit, Hypothesenbildung und Überarbeitung von Annahmen.

Oft fliegen ja mehrere Fluggesellschaften. Inwiefern ist diese Aussage dann für eine bestimmte Airline relevant?
Predictive Analytics machen es möglich, an bestimmten Tagen Nachfragespitzen an bestimmten Orten vorherzusagen. Dennoch sind für jede Airline andere Daten relevant, weil unter anderem die Ziel-Märkte, deren Kaufkraft und bevorzugte Reisezeiten variieren.

Was ist für die Zukunft geplant, wollen Sie das System zusammen mit Ihrem Partner noch weiter ausbauen?
Wir erforschen bereits andere Einsatzgebiete für unsere Partnerschaft. Wir arbeiten zum Beispiel mit mehreren Fluggesellschaften zusammen, um eine richtungsweisende Nachfrage zu erzielen und es den Fluggesellschaften gleichzeitig zu ermöglichen, ihr maschinelles Lernen auf der Grundlage der Aviation Rank-Technologie zu entwickeln. Es ist einfach Fakt, dass Ereignisse aus der echten Welt das Reisen global beeinflussen. Diese Partnerschaft ist daher nur der Anfang dabei, unseren Kunden zu helfen, sich neue Umsatzpotenziale zu erschließen, die ihnen momentan noch verborgen sind.

Vielen Dank für das Gespräch.

Von: dh

Lesen Sie jetzt

Lesen Sie mehr über

Fluggesellschaften Management Technik Marketing IT Interview Amadeus