Những cách đáng ngạc nhiên AI và Machine Learning có thể ảnh hưởng đến kế hoạch du lịch trong tương lai của bạn

Sắp xếp lại các chuyến bay và phân công lại hành khách trong thời gian gián đoạn thời tiết. Dự đoán và ngăn ngừa sự cố cơ học. Dự báo sự thay đổi giá vé trong những tháng và ngày trước chuyến bay. Trong thế giới du lịch hàng không, những nỗ lực này có điểm gì chung? Tất cả đòi hỏi phải phân tích phức tạp các bộ dữ liệu lớn, dữ liệu lớn - các bộ phận mà con người, thường tự trang bị cho con người.

Nhập trí tuệ nhân tạo và học máy. Trong khi các công nghệ trước đó cung cấp một số phương tiện để giải quyết các vấn đề phức tạp, AI và máy học nâng cao khả năng đó đến mức theo cấp số nhân. Khi chúng tôi cung cấp cho các thuật toán học máy một tập hợp các tham số liên quan đến một vấn đề - như dự báo thời tiết hoặc lịch sử giá vé - các thuật toán sẽ chạy qua tất cả các kết hợp có thể với tốc độ chưa từng có để đưa ra các giải pháp tối ưu.

Những tiến bộ gần đây trong công nghệ này không thể đến vào thời điểm tốt hơn. Dữ liệu được tạo và sao chép hàng năm trên thế giới đang tăng gấp đôi kích thước cứ sau 12 tháng, theo báo cáo của Deloitte, và dự kiến ​​sẽ đạt 44 zettabyte vào năm 2020. Các hãng hàng không thương mại là những người đóng góp chính cho vũ trụ dữ liệu đang phát triển này, và họ, cùng với với hàng triệu khách du lịch họ phục vụ mỗi năm, hứa hẹn sẽ là người hưởng lợi chính của học máy. Hãy cùng xem xét kỹ xem điều đó sẽ xảy ra như thế nào.

Lập kế hoạch và ứng phó với sự gián đoạn du lịch

Khi thời tiết xấu hoặc các sự kiện lớn khác buộc phải trì hoãn và hủy các chuyến bay đến hoặc rời một khu vực cụ thể, nó sẽ tạo ra hiệu ứng domino kéo dài vượt xa các sân bay của khu vực đó. Bởi vì một máy bay và phi hành đoàn thường được lên kế hoạch để phục vụ nhiều điểm đến, sự chậm trễ hoặc hủy bỏ riêng lẻ tại một sân bay thường gây ra nhiều sự chậm trễ và hủy bỏ tại các điểm khác. Ngoài ra, các quy tắc liên bang quản lý thời gian đường băng, cũng như các hãng hàng không cam kết của riêng mình về việc giữ khách hàng chờ đợi quá lâu trên máy bay trước và sau khi cất cánh, có thể khiến các hãng vận chuyển hủy bỏ ưu tiên.

Học máy có thể giúp giảm bớt những vấn đề này. Ví dụ, nó có thể giúp phân tích cả dữ liệu thời gian thực và dữ liệu lưu trữ có thể đưa ra dự đoán trước ngày hoặc tháng về việc tuyến đường nào sẽ tránh được sự chậm trễ của thời tiết và khi tuyến đường bị bao vây bởi thời tiết xấu sẽ trở lại rõ ràng. Thông tin như vậy có thể cho phép lập kế hoạch nhiều thông tin hơn bởi các hãng hàng không và hủy bỏ ít hơn. Một mô hình được phát triển bởi các nhà nghiên cứu MIT sẽ mở ra thêm 13% tuyến đường trong một kịch bản nhất định. Hamsa Balakrishnan, lãnh đạo nhóm nghiên cứu MIT, cũng là nhà khoa học trưởng tại Resilient Ops, một công ty khởi nghiệp có trụ sở tại Boston tập trung vào quản lý gián đoạn chủ động. Công ty sử dụng các thuật toán có tính đến các biến số như dự báo thời tiết, dữ liệu thời tiết lịch sử và hiệu suất chuyến bay lịch sử. Ma thuật thực sự xuất hiện khi các thuật toán học từ lịch sử có thể dự đoán tương lai dựa trên những gì mà xảy ra ngay bây giờ, thì Bal Balrrishnan nói với chúng ta. Bạn có thể bắt đầu suy nghĩ về những gì có khả năng xảy ra và xử lý nó một cách chủ động.

Giá động và dịch vụ cá nhân

Trong nhiều năm, các hãng hàng không đã cố gắng tìm ra điểm trung gian tốt nhất cho giá vé, đặt giá đủ thấp để thu hút người tiêu dùng và đủ cao để bảo vệ tỷ suất lợi nhuận. Nhưng điểm ngọt ngào đó có thể thay đổi dựa trên ngày, mùa, tuyến đường trong câu hỏi, và nhiều hơn nữa. Ở đây một lần nữa, học máy có thể cung cấp câu trả lời. Chẳng hạn, công ty khởi nghiệp FLYR có trụ sở tại San Francisco đã phát triển các mô hình để phân tích các bản ghi giá trị vé máy bay hàng năm và các dữ liệu khác để giúp các hãng hàng không phát triển giá động, xác định giá vé tối ưu cho từng tuyến, ngày và mùa. FLYR, một công ty danh mục đầu tư của JetBlue, cũng cung cấp các sản phẩm tiêu dùng, sử dụng các mô hình dự đoán giá để tạo ra những gì có thể được mô tả là bảo hiểm cho biến động giá vé - sản phẩm FareKeep của nó cho phép khách hàng được hoàn tiền khi giá vé giảm sau khi đặt vé. Giám đốc điều hành FLYR Jean Tripier cho biết, chúng tôi phát triển các sản phẩm phái sinh cho phép khách du lịch có được sự an tâm.

Khách du lịch cũng có thể an tâm khi họ tin rằng họ đang nhận được giá trị tốt nhất và dịch vụ được cá nhân hóa nhất. Học máy cũng có thể giúp đảm bảo rằng, ngay cả khi một hãng hàng không biết rất ít về khách hàng đang cân nhắc có nên bắt đầu giao dịch hay không. Các thuật toán có thể tạo ra dữ liệu lịch sử về khách du lịch có hồ sơ tương tự và sau đó cung cấp các đề xuất chuyến bay được cá nhân hóa dựa trên phân tích đó. Trong tương lai, các hãng hàng không và các nhà cung cấp du lịch khác thậm chí có thể cung cấp các gói, chẳng hạn như vé máy bay được kết hợp với các tiện nghi cụ thể trên chuyến bay phù hợp lý tưởng cho khách hàng cụ thể và trường hợp sử dụng. Các gói như vậy cũng có thể loại trừ các tiện nghi mà phân tích đã chỉ ra là không sử dụng cho khách du lịch cụ thể, do đó giảm chất thải.

Khách hàng đặt mua vé và các giao dịch mua khác, chẳng hạn như phim trên máy bay và các mặt hàng miễn thuế, cũng có thể cung cấp cho các hãng hàng không cái nhìn sâu sắc hơn về cách phục vụ tốt nhất cho họ. Các thuật toán học máy có thể sử dụng dữ liệu này để dự đoán các mô hình chi tiêu cho nhiều khách du lịch khác nhau. Đó chính xác là những gì công ty công nghệ thông tin Unisys đã làm, sử dụng một hãng hàng không dữ liệu lớn để dự báo ai sẽ mua vé và các sản phẩm liên quan đến du lịch hàng không khác trong những tháng tới. Phân tích như vậy có thể giúp các hãng hàng không tham gia với khách hàng và khách hàng tiềm năng bằng cách sử dụng các ưu đãi có nhiều khả năng được quan tâm và giá trị đối với họ.

Tối ưu hóa hiệu suất thiết bị: Quản lý cung ứng và bảo trì dự đoán

Trong thời đại Internet of Things, các cảm biến liên tục cung cấp dữ liệu cho biết tình trạng và hiệu suất của các máy móc và thiết bị khác nhau. Trên toàn cầu, các đội tàu hàng không được dự kiến ​​sẽ tạo ra 98 tỷ gigabyte dữ liệu mỗi năm vào năm 2026, theo công ty tư vấn quản lý Oliver Wyman. Các nhà sản xuất và hãng hàng không có thể làm gì với dữ liệu này? Với học máy - và sự giúp đỡ của các nhà vật lý, kỹ sư và chuyên gia khác - họ có thể xác định các mẫu trong dữ liệu cho biết loại điều kiện hoặc hiệu suất giảm nào có thể chỉ ra sự cố sắp xảy ra. Được trang bị thông tin đó, họ có thể tham gia bảo trì dự đoán, thực hiện các hành động phòng ngừa nhằm tránh thời gian ngừng hoạt động đáng kể (và sự chậm trễ chuyến bay) liên quan đến sửa chữa lớn. Học máy cũng có thể giải quyết một nguồn không hiệu quả khác: bảo trì thường xuyên không cần thiết gây ra nhiều thời gian chết hơn. Mặc dù sự khôn ngoan thông thường có thể đề xuất nó tốt nhất cho các bộ phận dịch vụ thường xuyên để tránh các vấn đề, lịch trình được tối ưu hóa bằng thuật toán sẽ có nghĩa là việc bảo trì xảy ra khi nó thực sự cần thiết.

Học máy có thể ảnh hưởng đến quản lý cung cấp là tốt. Thông qua học máy, các hãng hàng không có thể thực hiện phân tích trên các bộ phận họ sử dụng và thấy rằng tuổi thọ khác với các nhà sản xuất ước tính. Ngày nay, các dự đoán của nhà sản xuất dựa trên dữ liệu từ nhiều khách hàng làm việc trong các điều kiện hoàn toàn khác nhau, dẫn đến sự khác biệt lớn hơn so với việc sử dụng thực tế. Người vận chuyển có thể sử dụng các bộ phận lâu hơn so với khuyến nghị của nhà sản xuất, giảm chi phí đồng thời tránh các rủi ro liên quan đến việc lắp đặt các bộ phận mới, ít được thử nghiệm. Nhà phân tích Bob Mann, nhà phân tích ngành hàng không Bob cho biết, nếu bạn không thể bỏ đi thứ gì đó ở một chu kỳ hoặc giới hạn giờ nhất định, bạn có thể tiếp tục sử dụng nó. Sau đó, bạn không cần phải mua một cái mới hoặc cần rất nhiều phụ tùng. Bạn bắt đầu tiết kiệm tiền thật.

Ngày nay, chúng tôi chỉ nhận được một cái nhìn nhỏ về những gì AI và máy học có thể làm trong du lịch hàng không. Khi các công ty lớn và nhỏ phát triển các thuật toán tốt hơn và công nghệ khác, sự gián đoạn thời tiết sẽ trở nên dễ quản lý hơn, máy bay sẽ ở trên bầu trời lâu hơn và mất ít thời gian hơn để sửa chữa, giá cả sẽ đáp ứng nhu cầu của cả người vận chuyển và người tiêu dùng, và khách hàng sẽ tiếp cận tốt hơn đến những trải nghiệm họ thực sự muốn. Đối với tất cả các tính toán phức tạp và các mô hình tinh vi tạo nên máy học, tác động của nó đối với du lịch hàng không rất dễ giải thích: Nó sẽ dẫn đến một ngành công nghiệp lành mạnh hơn, mạnh mẽ hơn giúp mọi người đạt đến tầm cao mới.