Mehr erfahren
Machen Sie sich mit Microsoft und HSO fit für KI
Spairliner wird dank HSO zum Überflieger
"HSO hilft uns, mithilfe von Daten und maschinellem Lernen die nötigen Erkenntnisse zu gewinnen, um die richtigen Tarife festzulegen."
Maschinelles Lernen für bessere Tarifvorschläge
Nach einer bestimmten Anzahl von Flugstunden ist es an der Zeit, Öl, Reifen und andere Flugzeugteile zu wechseln. Die Fluggesellschaften haben dafür Wartungsverträge mit Firmen wie zum Beispiel Spairlines abgeschlossen. Hier kommt die Frage auf, wie man in diesen Verträgen realistische Preise festlegen kann. Bei dieser Herausforderung hat HSO die Antworten. Jonathan Mayer, Head of Innovation, Data & Quality bei Spairliners: "HSO unterstützt uns mithilfe von Daten und maschinellem Lernen, die nötigen Erkenntnisse zu gewinnen, um die richtigen Preise festzulegen.
Bevor Spairlines mit HSO zusammengearbeitet hatte, haben sie die Kosten der Wartungsverträge von Fluggesellschaften berechnen und teilweise schätzen müssen. Spairliners stützte den Preis auf die Anzahl der Flugstunden und schätzte die erforderliche Wartung auf dieser Grundlage. Aufgrund der unvollständigen Daten war diese Schätzung nicht genau. Infolgedessen gab es keine einheitliche Preispolitik, was sich auf die Planung und das Bestandsmanagement auswirkte. "Da wir bei der Implementierung eines CRM-Systems gute Erfahrungen mit HSO gemacht hatten und das Unternehmen auf Daten und Analytik spezialisiert ist, war dies der richtige Zeitpunkt, um HSO auch für dieses Thema hinzuzuziehen", sagt Jonathan.
Von der Strategie zum Dashboard
"Wir begannen die Zusammenarbeit mit HSO, um eine Bestandsaufnahme der großen Datenmengen in allen Systemen zu machen und zu sehen, wie wir sie besser nutzen können. Ziel ist es, eine datengesteuerte Arbeitsweise zu erreichen, die es uns unter anderem ermöglichen wird, die Vertragspreise genau festzulegen."
Aufbereitung der Daten für zuverlässige Ergebnisse
Irene Reijntjes, Data-Science-Beraterin bei HSO, erläutert, wie die Datenqualität bewertet wird: "Nur mit Daten von guter Qualität kann man zuverlässige Vorhersagen treffen. HSO hat eine Methode entwickelt, um die Datenlandschaft und deren Qualität zu prüfen und gezielt zu optimieren. Zum Beispiel durch die Prüfung auf doppelte Datensätze und Konsistenz der Werte innerhalb eines Datensatzes oder zwischen verschiedenen Datensätzen."
Nach der Überprüfung der Daten konnte das Team mit der Umsetzung der Architektur, der Dashboards und der Berichte fortfahren. Irene erklärt, was genau sie für Spairliners erstellt haben: "Die Lösung, die wir erstellten, wurde in Databricks erstellt. Alles, was Spairliners jetzt tun muss, ist, Eingabedateien im richtigen Format vorzubereiten, die unter anderem aus Flottenspezifikationen bestehen.
Dieser Input wird in Databricks verarbeitet. Anschließend verwenden wir Machine Learning, um die zu erwartenden Wartungsarbeiten und die damit verbundenen Kosten vorherzusagen. Die Ergebnisse werden in einem Data Warehouse gespeichert und mit Power BI visualisiert. So erhält der Nutzer einen schnellen und klaren Einblick in den für eine bestimmte Fluggesellschaft erforderlichen Wartungsumfang und die damit verbundenen Kosten.
"Dank der Lösung von HSO machen wir uns weder mit zu niedrigen Preisen etwas vor, noch verlangen wir zu viel von unseren Kunden."
Planen und Optimieren
Jonathan sieht in der Lösung von HSO eine Bereicherung für das Geschäftsmodell von Spairliners. "Inzwischen haben wir eine aktualisierte Arbeitsweise, die uns dabei hilft, fundierte Preise festzulegen. Das ist ein gutes Gefühl, da es sicherstellt, dass wir keine Verluste eingehen und wir unseren Kunden die Preiszusammenstellung leicht erklären können. HSO hat stets ein offenes Ohr für unser Team und arbeitet eng mit ihm zusammen. Auf diese Weise optimieren sie das Tool kontinuierlich für unsere Bedürfnisse.
In diesem Optimierungsprozess sieht Irene noch viele weitere Möglichkeiten, um Spairliners voranzubringen. " Corona beeinflusste die verwendeten Daten. Die Modelle, die vorhersagen, wie viele Wartungsarbeiten anfallen werden, basieren auf historischen Daten. Wegen der Corona Pandemie fielen die Flugstunden niedriger aus als früher, und das spiegelte sich in den Daten wider. Die Muster in den Daten haben sich dadurch stark verändert, sodass es wichtig ist, die Lösung entsprechend anzupassen. Wir freuen uns, mit Spairliners die Initiative zu ergreifen, um zu sehen, wie wir das gemeinsam umsetzen können."
Kundenprojekte
Kundenberichte über Daten, KI und maschinelles Lernen