Copa Airlines bringt Daten auf Reiseflughöhe

Zusammenfassung des Anwendungsfalls

In diesem Anwendungsfall erfahren Sie, wie Panamas nationale Fluggesellschaft Copa Airlines Alteryx einsetzt, damit wichtige Geschäftsabteilungen wie Pricing, Revenue Management und Central Reservation Control erfolgreicher arbeiten können. Die Teams haben die Berichtsanalysen automatisiert und optimiert, die Fehlerquote bei der Eingabe von Tarifen erheblich reduziert und Flüge vorhergesagt, bei denen die Gefahr besteht, dass sie ausverkauft sind, um nur einige der operativen Vorteile zu nennen. Copa hat ein hohes Produktivitätswachstum verzeichnet, da sie manuelle Arbeit drastisch reduziert und die Flexibilität ihrer Entscheidungsprozesse verbessert haben.

Beschreiben Sie die geschäftlichen Herausforderungen oder Probleme, die Sie lösen mussten.

Dateneinblicke

Copa Airlines fliegt 80 Städte in 32 Ländern in Nord-, Mittel- und Südamerika an. 2014 mussten die Analystinnen und Analysten von Copa Airlines Hunderte von Dateien manuell herunterladen und sie in Excel einfügen. Alteryx hat ihre Datenkultur komplett verändert. Eine der ersten Herausforderungen, mit denen sich Nuria Saavedra, Intelligence Analyst bei Copa, im Unternehmen konfrontiert sah, war es, Berichte schneller zu erstellen, ohne dass dabei die Genauigkeit darunter litt. „In unserer Abteilung müssen wir das richtige Produkt zum richtigen Zeitpunkt zum richtigen Preis an den richtigen Kunden bringen“, erklärt Saavedra.

Zu den Aufgaben von Saavedra gehört es, für wichtige Entscheidungen das Kundenverhalten zu analysieren und den zukünftigen Buchungsbedarf zu prognostizieren. „Unsere Analysten im Revenue Management benötigen die Daten bis 8 Uhr morgens, um jeden Tag die Verfügbarkeit für jeden Flug zu verwalten. Das Team muss jeden Morgen 115 Millionen Zeilen an Daten analysieren“, sagt sie.

Automatisierung der Preisgestaltung

Das Team für Pricing und Revenue Management von Copa ist für die Strategie und Einreichung von Tarifen für rund 5.000 verschiedene Märkte weltweit verantwortlich. Früher war dies ein langwieriger Prozess, da jede Analystin bzw. jeder Analyst für jeden Markt, für den sie/er verantwortlich war, verschiedene Regeln und Strategien auf eine Reihe von Excel-Dateien anwenden musste. Darüber hinaus mussten sie sicherstellen, dass es keine Fehler bei der Flugpreisermittlung gab.

„Je nach Markt müssen wir manchmal unsere Preise senken, um konkurrenzfähig zu sein, und manchmal können wir einen Aufschlag berechnen. Wir wollten sehr agil und effektiv sein und unsere eigene Strategie verfolgen“, so Isacar Racine, Senior Intelligence Analyst bei Copa. Er wollte eine Anwendung haben, mit der die Tarifdaten der Wettbewerber analysiert und die Strategien des Pricing-Teams angewendet werden könnten, um die Tarife von Copa schneller und zuverlässiger festzulegen und kostspielige Fehler zu vermeiden.

Ausverkaufte Flüge vorhersagen

Copa bemerkte, dass einige Flüge zu schnell ausverkauft wurden. Dadurch verpassten sie die Gelegenheit, Sitzplätze an Last-Minute-Passagiere zu verkaufen, die bereit sind, mehr zu bezahlen. Sie wollten daher zügig etwas entwickeln, mit dem sie herausfinden konnten, welche Flüge Gefahr laufen, ausverkauft zu werden. „Wir haben ein Team, das mit R und Python arbeitet und das Projekt mit diesen Sprachen hätte entwickeln können, doch wir brauchten sehr schnell etwas. Wir hatten bereits mit Alteryx gearbeitet und wussten, dass es Millionen über Millionen an Zeilen verarbeiten kann“, so Racine.

Beschreiben Sie Ihre aktuelle Lösung

Dateneinblicke

Um das Problem zu lösen, analysierte Nuria Saavedra die Buchungen von Jahr zu Jahr. Sie nutzte die Flugdaten, also wie häufig Passagiere im Vergleich zu den Buchungen tatsächlich geflogen sind, die Buchungsdaten, also was gebucht wurde, und die Bedarfsdaten, die eine Schätzung der Nachfrage darstellen, die Copa bei jedem Flug erwarten sollte.

Die Flugdaten und die Buchungsdaten stammen aus derselben Datenquelle und befinden sich auf derselben Aggregationsebene, aber die Bedarfsdaten stammen aus einer völlig anderen Quelle. „Wir haben viele Verknüpfen-Tools für Buchungsdaten und Flugdaten verwendet und diese dann in die Bedarfsdaten integriert. Da es sich um meinen ersten Bericht in Alteryx handelte, habe ich einfache Werkzeuge wie Filter, Formeln und die Aggregatfunktion verwendet“, erklärt Saavedra.

„Es ist eine ständige Optimierung. Später habe ich festgestellt, dass ich nicht viele Verknüpfen-Tools zum Zusammenfassen der Daten benötige, sondern auch nur ein Multi-Formel-Tool verwenden konnte. Als ich das geändert habe, hat sich die Leistung verbessert. Man kann ständig lernen und etwas verbessern. Letzten Endes sollte man nichts verkomplizieren: Es gibt immer eine einfachere Möglichkeit, etwas zu tun“, sagt sie abschließend.

Automatisierung der Preisgestaltung

Isacar Racine und sein Team teilten das Projekt zur Preisgestaltung von Copa in Module auf, und mit Alteryx Designer konnten sie ihre Preisgestaltungsprobleme mithilfe von Makros lösen. Sie entwickelten fünf Module: Transformieren, Genehmigen, Strategien, Validieren und Berichten. Als Nächstes baten sie das Pricing-Team, jedes Modul zu testen, passten sie dann an und stellten sie erneut bereit. „Auf diese Weise konnten wir Fehler leicht erkennen und wussten immer, wie wir bei dem Projekt vorankamen“, sagt Racine.

Im Modul „Transformieren“ konnte sichergestellt werden, dass die Tarife einwandfrei sind und den richtigen Datensatz und Datentyp haben. Jede Fluggesellschaft hat unterschiedliche Codes für ihre Tarife. Deshalb übersetzte das Team im Modul „Genehmigen“ die Tarife anderer Fluggesellschaften in die bei Copa verwendete Sprache, damit sie übereinstimmten. Danach wurden im Modul „Strategien“ die Strategien, die das Pricing-Team für jeden Markt hatte, auf die von der Anwendung verarbeiteten Tarife angewendet. Im Modul „Validieren“ wurde geprüft, ob die für die einzelnen Märkte festgelegten Regeln eingehalten wurden. Schließlich sendet die Anwendung im Modul „Berichten“ die Ergebnisse per E-Mail an das Pricing-Team und an den Koordinator des jeweiligen Marktes.

„Ein Analyst konnte am Modul ‚Strategie‘ arbeiten und ein anderer am Modul ‚Validieren‘. Immer wenn jemand am Modul ‚Transformieren‘ arbeitete, kannte er die Ergebnisse, weshalb es möglich war, dass eine Person parallel am Modul ‚Genehmigen‘ arbeiten konnte“, fügt Racine hinzu.

„Das Modul ‚Strategien‘ ist der wichtigste Teil des Projekts. Wir haben sichergestellt, dass dieses Makro sehr klar war, falls es von jemandem geändert werden muss. Das Test-Tool war auch deshalb wichtig, weil wir wollten, dass es im Falle eines falschen Tarifs auf einem Markt eine Fehlermeldung ausgibt, wenn etwas schief läuft“, erklärt er. Jetzt muss ihr Preisanalyst nur den Workflow auf dem Server ausführen und gibt den Output auf der Grundlage der zuvor festgelegten Strategie aus.

Ausverkaufte Flüge vorhersagen

Im Buchungssystem von Copa steht jeder Flug 330 Tage vor Abflug zur Verfügung. Um die zukünftige Nachfrage vorhersagen zu können, musste das Team die gesamte Buchungskurve des Fluges kennen. „Unser Umsatzmanagementsystem hat verschiedene Variablen für alle unsere Flüge, wie z. B. Angebotspreis, verbleibende Plätze und Buchungsgeschwindigkeit. Mithilfe des Alteryx Predictive Package haben wir die Modelle auf die Daten angewendet, um herauszufinden, welche Variablen die höchste Vorhersagekraft haben. Wir haben verschiedene Modelle getestet. Anstatt benutzerdefinierte Codes selbst schreiben zu müssen, war die Vorgehensweise so einfach wie Drag & Drop“, fügt Racine hinzu.

Das Team von Racine entwickelte ein Makro, welches das Ergebnis des zuvor entwickelten Algorithmus mit einer Tabelle an die jeweiligen Analystinnen und Analysten schickte, in der die Flüge aufgeführt sind, die Gefahr laufen, ausverkauft zu werden. Die Analysten und Analystinnen nahmen dann die erforderlichen Anpassungen vor, um zu verhindern, dass die Flüge ausverkauft werden. Auf diese Weise stellten sie sicher, dass ihnen keine Einnahmen von Last-Minute-Passagieren entgingen.

Beschreiben Sie Ihre erreichten Vorteile

Alteryx half Copa Airlines nicht nur dabei, verpasste Umsätze wiederzuerlangen, sondern revolutionierte auch die Art und Weise, wie das Unternehmen mit seinen Daten umging. „Die Vorteile von Alteryx waren so groß, dass er sich innerhalb von Copa wie ein Virus verbreitete. Nachdem wir anfingen es zu verwenden, taten es uns auch andere Teams gleich“, so Nuria Saavedra. Isacar Racine gefiel insbesondere die Flexibilität von Alteryx. „Als ich mit der Entwicklung dieser Anwendung begann, hatte ich keinerlei Erfahrung mit Preisgestaltung. Man sollte keine Angst haben, Fehler zu machen“, fügt er hinzu. Für die Analystinnen und Analysten war die Verwendung des Alteryx Predictive Package einfach. „Es war unseren Analysten vertraut, weil es den Modellen in R oder Python ähnlich ist“, so Racine.

„Das Datenvolumen war für Alteryx kein Problem. Wir stellen diese Daten auf dem Alteryx Server bereit und es dauert 1 Stunde und 30 Minuten, bis mehr als 300 Millionen Reihen zukünftiger Flüge verarbeitet werden. Wenn unsere Analysten jetzt bei der Arbeit eintreffen, haben sie bereits eine E-Mail, in der steht, welche Flüge bald ausverkauft sind. Sie können dann sehr schnell reagieren.“