Привет, друзья! Сегодня команда Business Intelligence GlowByte поделится материалом от китайских партнеров из FanRuan — кейсом внедрения FineBI в авиации. Статья объемная (и «визуальная»), состоит из двух частей. В первой рассказывается о компании и проблемах, с которыми она столкнулась в работе с большими данными, во второй рассматриваются сценарии использования BI‑инструментов в авиации.
В настоящее время гражданская авиация переживает исторический и сложный момент. Эпидемия коронавирусной инфекции, риски в сфере безопасности, региональные конфликты — все это оказывает негативное влияние на бизнес. Поэтому у Xiamen Airlines появилась потребность срочно начать использовать огромные объемы накопившихся данных.
Краткое описание Xiamen Airlines
Авиакомпания Xiamen Airlines, член Skyteam, была основана 25 июля 1984 года со штаб‑квартирой в городе Сямынь, провинция Фуцзянь. Это одна из немногих авиакомпания, которая уже свыше 35 лет сохраняет прибыльность в авиаперевозках Китая. По состоянию на декабрь 2021 года парк Xiamen Airlines насчитывает 209 самолетов, который обслуживает более 400 внутренних и зарубежных маршрутов. Годовой пассажиропоток составляет почти 40 миллионов пассажиров. Xiamen Airlines входит в топ-30* по объему выручки, в топ-15* по объему пассажиропотока и в топ-10* по прибыльности.
*Среди более чем 270 авиакомпаний‑членов Международной ассоциации воздушного транспорта (IATA).
На протяжении многих лет авиакомпания Xiamen Airlines неустанно прилагала усилия для обеспечения авиационной безопасности и повышения качества обслуживания. Одно из достижений компании — 7 миллионов часов безопасных полетов и премия «5 звезд за безопасность». Xiamen Airlines семь лет подряд становилась «Лучшей авиакомпанией» по мнению китайских пассажиров. В декабре 2020 года APEX, всемирно известное агентство по оценке авиационных услуг, присвоило Xiamen Airlines звание «Международной авиакомпании 5 звезд».
Проблемы и задачи, с которыми столкнулась компания
Авиакомпания Xiamen Airlines накопила огромные объемы данных в процессе цифровизации, однако, как и у большинства компаний, эти данные не использовались должным образом и не приносили пользу. Xiamen Airlines столкнулась с четырьмя основными проблемами:
1. Разрозненные данные.
За 20-летний опыт цифровизации Xiamen Airlines накопила большое количество данных. Однако они были разбросаны по сотням тысяч таблиц в сотнях систем. Сотрудникам было трудно оперативно найти необходимые сведения, часто они даже не представляли, какие данные у них были.
2. Сложности с доступом к данным.
Некоторые данные нельзя было использовать из‑за существующих проблем с доступом. Из‑за стереотипов традиционного мышления подразделения компании не были готовы обмениваться данными между собой. Это приводило к большим трудозатратам, неясным правам и обязанностям, а также трудностям в обмене и использовании информации. Заявки на использование некоторых данных часто требовали многократного уточнения и подтверждения, и даже по прошествии длительного времени не всегда получалось достичь согласования.
3. Некачественные («грязные») данные.
Неправильный ввод данных, несовершенная модель данных и сложные операционные процессы — все это повлияло на качество данных. В каждой операционной системе есть некоторые «грязные» данные. При создании отчетов и визуализаций половина времени использовалась для проверки и очистки данных.
4. Недостаточный анализ данных.
Отсутствие системного подхода к данным, мощных инструментов для анализа и платформы для визуализации привело к тому, что данные использовались поверхностно: область применения была относительно узкая, интеграций и сценариев применения было недостаточно. В результате этого из «песка» данных было трудно собрать «замок», чтобы в полной мере использовать потенциал и ценность огромного количества данных.
Решение
В ходе проекта компания Xiamen Airlines провела исследование и внедрила решения по управлению данными на следующих четырех уровнях.
1. Подключение хранилищ данных и усовершенствование сбора данных
Подключив корпоративное хранилище данных, Xiamen Airlines постоянно совершенствует его технические решения, улучшает применяемые open‑source‑продукты, что значительно повышает способность хранилища к агрегации данных в крупномасштабных высокопоточных сценариях с низкой задержкой. В настоящее время к хранилищу данных Xiamen Airlines подключено более 200 бизнес‑систем, в которых ежедневно выполняется более 10 000 вычислительных задач в двух режимах — реального времени и автономном, синхронизируется более 3 миллиардов единиц данных, объединяется более 100 ТБ данных.
Опираясь на успешный опыт отрасли, собственные исследования и практику, Xiamen Airlines самостоятельно создала цифровую архитектуру с двумя основными возможностями — агрегацией данных и обслуживанием данных на основе характеристик потока данных авиакомпании, что позволило интегрировать разрозненные и фрагментированные массивы данных и нарушить статус‑кво изолированных данных.
2. Устранение барьеров для передачи данных и стандартизация каталогов данных
Авиакомпания создала в общей сложности 8 совместных проектных групп по управлению данными о полетах, авиационном обслуживании, транспортном контроле, маркетинге, финансах и других областях. Каждая проектная команда сформировала рабочую модель годового планирования, ежеквартального подведения итогов и ежемесячного продвижения. Им удалось создать эффективное управление данными, а также наладить процесс обмена опытом. Это сотрудничество сформировало глубокую интеграцию бизнеса с технологиями и позволило добиться хороших результатов.
Авиакомпания выпустила «Спецификацию целевого формирования ресурсов данных Xiamen Airlines», в которой предусматривается, что стандарт данных должен содержать полное описание данных по трем направлениям: операции, технологии и управление. Xiamen Airlines также провела более 20 специальных тренингов в области составления каталогов данных, знаний методов и инструментов управления данными. Сотрудники различных подразделений ознакомились с соответствующими требованиями, освоили навыки управления данными, узнали об их безопасном хранении, а также начали использовать в работе модели совместных проектных групп.
3. Контроль качества данных и формирование чистых данных
Xiamen Airlines разработала и внедрила 8 вспомогательных инструментов управления данными, в том числе «Систему управления стандартами данных», «Систему управления моделями данных» и «Систему управления основными данными», которые в значительной степени способствуют внедрению спецификаций управления данными и реализуют «процесс внедрения, стандартизацию операций и автоматизацию развертывания» всей цепочки управления данными, значительно снижая трудозатраты и повышая эффективность процесса.
Опираясь на успешный опыт «Эталонной архитектуры Open Group для коммерческой авиации» и «Путь данных Huawei», Xiamen Airlines разработала комплексную архитектуру данных компании, включающую четыре компонента:
каталог активов данных,
модель данных,
стандарт данных,
распространение данных.
Это было сделано для того, чтобы работники могли понимать всю картину данных предприятия, регулировать производство, хранение и использование данных с самого начала, когда создаются новые проекты, и уменьшать трудности управления на более позднем этапе. Создание архитектуры корпоративных данных дало возможность для управления данными на уровне источника, эффективного обмена данными и повышения гибкости бизнеса.
4. Поощрение обмена данными и распространение использования BI
В 2021 году Xiamen Airlines провела общекорпоративный «Конкурс инноваций в области данных», в котором команды использовали инструмент FineBI в качестве платформы для разработки «эффективных решений» и «золотых идей» для повышения эффективности безопасности полетов, обработки процессов и эксплуатации маршрутов. В конкурсе приняли участие в общей сложности 90 команд, 251 сотрудник из 25 подразделений.
Мероприятие позволило стереть границы между подразделениями компании, создать условия для обмена опытом и идеями. Это стало хорошей практикой продвижения и развития культуры управления данными в компании, что в свою очередь стало стимулом формирования экосистемы для инноваций в цифровой индустрии по принципу «совместного строительства, обмена информацией и взаимовыгодного сотрудничества».
Как BI-инструменты помогают авиации: 4 сценария на примере Xiamen Airlines и FineBI
В авиации существует множество факторов и ограничений, связанных с летной эксплуатацией: человеческий фактор, воздушные суда и их передвижения, аэропорты, погодные условия и т. д. Для функционирования авиакомпании важное значение имеет:
в полной мере собирать, анализировать и применять данные в сложной операционной среде в условиях ограничений,
своевременно докладывать лицам принимающим решения, о проблемах и прогнозах, выявленных в процессе анализа,
оперативно принимать верные решения для обеспечения безопасности и эффективности полетов, стабильного роста доходов компании, баланса между безопасностью и эффективностью.
В прошлом Xiamen Airlines использовала различные платформы для сбора, обработки и анализа данных. Благодаря FineReport и FineBI различные виды анализа были централизованы, а аварийные сигналы стали своевременно передаваться лицам, принимающим решения.
Цель: максимальное использование данных для обеспечения устойчивого роста компании.
Решение: 4 типичных сценария:
Анализ процесса летной эксплуатации.
Анализ эффективности полетов.
Платформа по профилактике и борьбе с эпидемиями.
Оптимизация и управление корпоративными процессами.
Сценарий 1: Анализ процесса летной эксплуатации
Проблемы и потребности бизнеса
Гражданская авиация всегда стремилась к тому, чтобы в полной мере использовать большие объемы накопленных данных для поиска возможностей сэкономить топливо при условии обеспечения безопасности полетов.
Xiamen Airlines существует уже более 35 лет и накопила большой объем операционных данных из различных систем, но не использовала инструменты для статистического анализа и обеспечения поддержки принятия оперативных решений в режиме реального времени.
В области анализа данных существовали следующие болевые точки:
1) В процессе анализа в большей степени использовались данные управления и производительности и практически не анализировались данные из отдела поддержки и эксплуатации.
2) Практика анализа данных была не распространена внутри компании. Большинство программ были написаны разработчиками, и операционные сотрудники не могли оперативно менять систему или подстраивать ее для своих задач.
3) Неудобный интерфейс. Для всех групп пользователей существовал единый интерфейс программы.
4) Отсутствие оценки качества данных.
Решение
1) Создание и функционирование больших данных
Создание и эксплуатация платформы big data для интеграции 12 хранилищ данных, в частности полетной эксплуатации, планов полета, информации о персонале, QAR, ACARS, данных о ценах на нефть, данных о затратах, метеорологических и разведывательных данных, информации о самолете и др. Создание 360-градусного «обзора полета», охватывающего траекторию, объем, расход топлива и другую информацию, необходимую для анализа.
2) Создание системы анализа всего процесса летной эксплуатации
Созданная в FineBI и FineReport система анализа позволила:
мониторить весь процесс использования топлива в полете,
уточнять и анализировать расход топлива на каждом этапе полета,
использовать потенциальные возможности для экономии топлива,
рассчитывать эффект экономии топлива,
обеспечивать поддержку точных данных для энергосбережения и сокращения выбросов.
3) Уточненные аналитические измерения и показатели
Для достижения контроля расхода и экономии топлива были разработаны операционные показатели, которые позволили проводить анализ общей ситуации с экономией топлива в компании, отслеживать тенденции изменения основных показателей расхода топлива, в частности почасовое потребление и на отрезке маршрута, а также подсчитывать профили экономии топлива и понимать эффекты такой экономии.
Благодаря анализу траектории полетов, изучению отклонений от маршрутов и тщательному анализу процедур захода и выхода из аэропорта удалось создать систему, которая:
своевременно находит оптимальную траекторию полета,
рекомендует необходимую высоту,
находит наилучшую процедуру захода и выхода пассажиров из самолета.
1) Этап ожидания трапа и вождения самолета
Посредством анализа различных аэропортов оценивается распределение использования источника питания, установленного на трапе, между различными положениями трапа. Проводится анализ аэропортов с низким уровнем доступа к трапу, поиск проблем и подготовка предложений по комплексному повышению коэффициента использования источника питания трапа.
Проводится подсчет количества рейсов, совершаемых по линии руления на стоянке рядом с аэропортом, и сравнивается с эксплуатационными данными: временем до разгона, расходом топлива до разгона.
2) Этап выруливания
Анализ времени взлета и посадки в различных аэропортах позволил принимать наилучшие решения по заправке самолетов, избегать риска задержек рейсов, вызванных длительностью посадки.
Анализ количества рейсов и аэропортов, где разные пилоты используют укороченные ВПП для взлета. Поощрение пилотов в использовании преимущественно сокращенных ВПП для взлета в условиях соблюдения требований безопасности и эксплуатационных ограничений для экономии энергии и сокращения выбросов.
3) Этап набора высоты
Анализ использования снижения тяги для различных аэропортов, самолетов и двигателей. Поиск новых возможностей и улучшений.
4) Этап крейсерского полета
Анализ планируемой и фактической высоты, расхода топлива и других факторов. Анализ причин, по которым необходимо увеличивать или уменьшать как летное время, так и расход топлива.
С помощью автоматического отбора беспосадочных рейсов производится подсчет их количества, расчет расстояния полета и экономии топлива и поиск потенциальных беспосадочных сегментов.
Оптимизация индекса стоимости оказывает прямое влияние на временные затраты и затраты на топливо, также существует много возможностей для снижения прямых эксплуатационных расходов.
5) Этап прилета/ вылета в аэропорт
Анализ процедур прилета, вылета и сравнение времени потребления топлива между различными аэропортами, а также оптимизация маршрутов прилета и вылета в целях экономии топлива.
6) Комплексный анализ маршрутов
Комплексный анализ маршрутов осуществляется путем настройки параметров объема расхода топлива, выбора даты маршрута и др. для автоматического расчета маршрута, соответствующего условиям, а также последующий анализ причин инцидентов на маршруте для принятия решений и внесения предложений.
Благодаря вышеуказанным исследованиям компания эффективно сократила большое количество затрат на топливо.
4) Создание платформы визуализации энергосбережения и сокращения выбросов
Для облегчения мониторинга показателей в режиме реального времени компания визуализировала ключевые данные.
Результаты
Благодаря точному контролю количества используемого топлива в 2022 году было достигнуто сокращение потребления топлива на 4,8% по сравнению с 2021 годом. По подсчетам специалистов, проект позволит экономить 2040 тонн топлива в год, сократить выбросы углекислого газа примерно на 6430 тонн и сэкономить 10 миллионов юаней на топливные расходы. (Примечание: в качестве основы использовались данные 231 300 рейсов за 2021 год.)
За счет оптимизации направления маршрута, процедур прилета/вылета в аэропорт, высоты полета и др. совокупный расход топлива в 2022 году снизился на 1,4% по сравнению с 2021 годом.
В целом проект позволяет экономить 19 670 тонн топлива в год, сокращает выбросы углекислого газа на 61 960 тонн, снижает топливные расходы примерно на 98,4 миллиона юаней.
Сценарий 2: Анализ эффективности полетов
Проблемы и потребности бизнеса
Основным субъектом, обеспечивающим безопасность авиации, является пилот. Пилоты, в свою очередь, обеспечивают безопасность опираясь на свои знания регламентов, постоянное обучение и работу над ошибками. Часто то, каким образом проводится работа над ошибками, зависит от инициативности, самоконтроля и мотивации пилотов. Компания проводит целенаправленное обучение для улучшения навыков и обеспечения безопасности при эксплуатации.
Решение
Для начинающих пилотов используется персонализированное обучение на основе данных. Для этого выбираются пять измеренных значений с высокой достоверностью и проверенные данные для оценки маневренности пилота. Вместе с данными о небезопасных инцидентах выбирается необходимое дополнительное обучение. Для пилотов с невысокой квалификацией, но с высокими показателями управления самолетом данные используются для их отбора в конкретную категорию и для улучшения летных навыков в плохую погоду.
Ценность сценария
Ценность первого случая заключается в обучении пилотов самостоятельно управлять воздушным судном, находить недостатки и проводить целенаправленную подготовку для улучшения своих способностей и обеспечения безопасности. Второго — содействие программе по выявлению специалистов с выдающимися навыками, улучшению летных возможностей и обеспечению эксплуатации самолета. Использование данных таким образом способствует обучению и безопасности.
Сценарий 3: Платформа по профилактике и борьбе с эпидемиями
Проблемы и потребности бизнеса
Авиация является важным международным транспортным каналом. С момента начала пандемии авиакомпания Xiamen Airlines настояла на непрерывности международных рейсов. В то же время она активно выполняла задачи по эвакуации китайских граждан, оказанию помощи и организации чартерных рейсов в интересах правительства, предприятий и учреждений.
На данный момент совершаются рейсы в 48 стран и 98 городов, из которых после пандемии было открыто почти 40 новых зарубежных пунктов назначения, включая Ирак, Афганистан, Африканский континент. Из‑за тесных контактов с внешним миром нагрузка по профилактике пандемии и контроль за ней была огромна, поэтому необходимо было срочно предложить единый мониторинг ситуации с пандемией как в стране, так и за рубежом в режиме реального времени. Также было необходимо оперативно отслеживать динамику заболеваемости среди персонала и статус полетов.
Решение
Руководствуясь различными нормативными документами Государственного совета, Управления гражданской авиации и местных органов власти, Xiamen Airlines стала первой в области профилактики пандемии и борьбы с ней. В ходе фактической эксплуатации компания сформулировала и улучшила план внедрения замкнутого цикла международных (региональных) рейсов, план работы для наземных операций.
Ценность сценария
Благодаря мониторингу данных по всей цепочке профилактических мероприятий и борьбы с пандемией была повышена эффективность дезинфекции и снижены затраты на персонал. Как результат — Сямынь (является третьим по величине пунктом пропуска для въезда из‑за границы) имеет показатель завоза больных ковидом на 50% ниже, чем в среднем по стране. На Национальной конференции по борьбе с эпидемией авиакомпания Xiamen Airlines получила две высшие награды за свой вклад.
Сценарий 4: Оптимизация и управление корпоративными процессами
Дашборд эффективности на уровне компании
Дашборды эффективности на уровне подразделения
Анализ процессов
Проблемы и потребности бизнеса
Преимущества и недостатки процесса напрямую связаны с эффективностью функционирования предприятия и управления им, что, в свою очередь, влияет на его конечную стоимость. Рациональные процессы отличают успешные компании от конкурентов и создают экономическое преимущество для первых. Нерациональные процессы увеличивают скрытые управленческие издержки предприятия, незаметно нанося ущерб конкурентному преимуществу компании.
Решение
Существует четыре типа людей, которые больше всего заботятся об эффективности процессов: руководители компаний, руководители подразделений, подразделения по оптимизации процессов и пользователи процессов. На основании этого проводится анализ по нескольким группам показателей. Рассмотрим их ниже.
1) Эффективность на уровне компании — учет общего объема задач, сравнение и концентрация внимания на изменениях тенденций:
с точки зрения общего объема задач показатели KPI акцентируют внимание на динамических изменениях;
с точки зрения структуры 57 шаблонных процессов в компании объединены в 9 категорий в соответствии с характером операций. Это помогает проводить структурный анализ;
с точки зрения тенденций анализируются изменения во внешней среде и накладываются на общие тенденции развития компании.
2) Сточки зрения административного регулирования проводятся сравнение и поиск недостатков, разрабатываются регламенты и правила:
сравнение показателей KPI между подразделениями (анализ эффективности помогает определить исключительных сотрудников, оптимизировать и мотивировать персонал), анализ среднего уровня эффективности компании;
с точки зрения тенденций проводится анализ количества ежегодных, ежемесячных и еженедельных операций, это позволяет получить справочные данные о рабочих привычках и условиях труда в рабочее время;
с точки зрения структуры компании анализируются процессы и ситуации, требующие большого количества времени, определяются причины таких ситуаций и предоставляются данные для их решения.
3) С точки зрения оптимизации рассматриваются слабые места процесса и проводится поиск вариантов для решения проблемы:
поиск отклонений: проводится анализ точечной диаграммы распределения категорий и конкретных примеров объектов отклонения;
вспомогательная корректировка: проводится целевой анализ количества операций, участников, фактического количества операций в процессе и ранжирования продолжительности процесса, указываются слабые звенья, представляются портреты слабых процессов. Путем наглядного сравнения с другими типами процессов выявляются проблемы процесса, что позволяет проводить постоянную оптимизацию.
с точки зрения использования процесса выделяются привычки, требующие большого количества времени, проводится их проверка, оказывается содействие в рациональном планировании, указываются наиболее трудоемкие задачи, создаются различные шаблоны процессов, и пользователям предоставляются визуальные основания для предварительного планирования.
Ценность сценария
Подход ориентирован на разные типы людей с различными требованиями к эффективности процессов, а именно на руководителей, оптимизаторов процессов и пользователей. Разработаны доски Kanban с четырех точек зрения управления компанией, подразделением, оптимизации и использования процессов. Инструмент используется для мониторинга эффективности процесса управления компанией и обеспечения поддержки данных для общего повышения эффективности работы.
После оптимизации процесса эффективность компании в 2022 году увеличилась на 6% по сравнению с 2021 годом, а избыточные процессы сократились на 23 пункта. Это помогает компании органично и эффективно расти и развиваться.
Заключение
В настоящее время гражданская авиация переживает исторический и сложный момент. Как мы упомянули в начале, эпидемия коронавирусной инфекции, риски в сфере безопасности, региональные конфликты оказывают негативное влияние на эту область. Поэтому Xiamen выбрала для себя путь эффективного использования больших данных для принятия решений.
FineBI — это мощный инструмент для анализа ценности данных и повышения их производительности. С момента внедрения FineBI в 2021 году авиакомпанией Xiamen Airlines инструмент начали использовать в области полетов и эксплуатации, маркетинге и финансах, авиационном обслуживании, HR и других подразделениях. Это побудило операционный персонал и ИТ‑специалистов нарушить устаревшие организационные и рабочие ритуалы, интегрировать инструмент и создать пространство для инноваций.
Благодаря развитию культуры обработки данных Xiamen Airlines сформировала атмосферу управления данными, а также создала экосистему совместных инноваций в цифровой индустрии «совместного строительства, обмена информацией и взаимовыгодного сотрудничества».
Xiamen Airlines продолжает фокусироваться на ценности анализа и управления данными, изучать ценность большего числа бизнес‑сценариев, а также применять на практике корпоративные приложения для обработки данных. Вступив на путь цифровой трансформации, Xiamen Airlines выступила новаторами в своей области и продолжает вносить вклад в развитие гражданской авиации.
