La industria de las aerolíneas se caracteriza por márgenes de beneficios extremadamente bajos y una sensibilidad excepcional a los factores políticos, económicos y sociales. Por tanto, la planificación lo es todo. Pero incluso ahora que las aerolíneas están sufriendo como nunca antes debido a la pandemia, la situación no era necesariamente fácil antes y los líderes de la industria estaban en la búsqueda de nuevas tecnologías.
El análisis predictivo impulsado por el aprendizaje profundo ha generado nuevas oportunidades para la optimización organizacional dentro de la industria de las aerolíneas. Aunque nadie podría haber previsto el impacto dramático que ha tenido el coronavirus para los viajes aéreos, los ejecutivos de las aerolíneas se están dando cuenta de que una mejor planificación no solo es importante, sino absolutamente esencial para la supervivencia.
Inteligencia predictiva de la demanda
Las aerolíneas han estado pronosticando la demanda durante mucho tiempo, así que esto no es nada nuevo. Sin embargo, lo novedoso es la precisión. El pronóstico de la demanda ha evolucionado significativamente en los últimos 20 años, pero el desarrollo real ha llegado con la inteligencia artificial, en particular con las técnicas de aprendizaje profundo. El uso de esta poderosa herramienta ha llevado la precisión de la previsión de la demanda a un nuevo nivel y está ahorrando a las organizaciones millones de euros.
Te explicamos, toda la planificación organizativa se basa en la demanda prospectiva: cuántos vuelos se deben tomar durante un período determinado, tamaño del avión y número de asientos que se esperan vender, cuánto equipaje por vuelo y cuánto pesa, cuánto personal hay requerido, comida y mercadería a bordo, etc. Eso significa que la precisión del pronóstico tiene importantes implicaciones financieras. Por lo tanto, las aerolíneas luchan por mejorar sus pronósticos, ya que cada porcentaje de precisión tiene un impacto significativo.
Al analizar datos históricos mediante sofisticadas técnicas de aprendizaje profundo, se pueden crear modelos de pronóstico que son mucho más precisos que los métodos tradicionales de la industria. Pero no se detiene ahí, ya que se puede introducir una cantidad de información externa en el modelo para mejorar aún más la precisión; feriados internacionales y nacionales, tasas de desempleo, tasas de interés, tipos de cambio, cambios de política e incluso eventos importantes como ferias comerciales.
Observemos lo siguiente, hay 32.000 exposiciones que se realizan anualmente con más de 300 millones de visitantes donde la mayoría llega por vía aérea. A nivel europeo, el mapeo de exposiciones por sí solo en el continente puede mejorar significativamente la precisión. Por ejemplo:
La Seafood Expo Global (que se ha celebrado habitualmente en Bruselas pero se ha trasladado a Barcelona) atrae a 2.000 empresas expositoras de 89 países y alrededor de 30.000 visitantes.
Motek Stuttgart, es el evento líder mundial en los campos de la automatización en la producción y el montaje, atrae a 1.000 expositores de 25 países y 35.000 visitantes de 81 países.
Solo las industrias del ocio, el pasatiempo y el entretenimiento tienen un total de 548 eventos en Europa cada año.
Eventos como este son un negocio importante para las aerolíneas y, obviamente, agregar estos datos externos al modelo de pronóstico mejorará significativamente la precisión y permitirá una mejor planificación. En momentos como estos, con una incertidumbre sin precedentes, la necesidad de claridad nunca ha sido tan grande, y algunas aerolíneas europeas ya están a la vanguardia ahorrando cantidades significativas de dinero utilizando sofisticada inteligencia de demanda predictiva.
Pero el uso de análisis predictivos se puede utilizar en casi todas las áreas de una aerolínea, y un área importante es la práctica sensible al cliente de overbooking de vuelos.
Predicción de Overbooking
Las aerolíneas venden asientos en exceso para evitar que se queden vacíos debido a que los pasajeros no se presentan o se pierden conexiones. Esto se ha practicado durante mucho tiempo, ya que les permite asegurarse de que los aviones estén a plena capacidad para maximizar las ganancias, lo cual es bastante comprensible considerando el modelo operativo de bajas ganancias.
Sin embargo, esto tiene un precio. Con frecuencia sucede que se presentan al vuelo más personas de las que anticipó la aerolínea, lo que significa que no se dispone de un asiento para todos. Esto crea una mala experiencia para el cliente ya que los pasajeros quedan frustrados al no poder tomar el vuelo. Del mismo modo, incluso si los vuelos no están sobrevendidos, es posible que todavía haya asientos vacíos. Este es el resultado de la subestimación de los pronósticos excesivos y, ciertamente, puede mejorarse con técnicas de pronóstico más precisas, como las que se discutieron aquí anteriormente. Pero mediante el uso de análisis predictivo avanzado, las aerolíneas pueden predecir la tasa de no presentación, lo que les permitirá hacer overbooking con mayor precisión.
Uno puede imaginar que el perfil de los pasajeros entre Londres y Berlín un martes por la mañana en febrero es diferente del perfil de los pasajeros entre Copenhague y Alicante un viernes de julio. Las personas viajan por diferentes motivos, ya sea negocios o placer, con diferentes cantidades de equipaje y muy diferentes cantidades de dinero gastadas en todo el viaje por adelantado.
Este simple ejemplo nos dice que el nivel de ausencia puede diferir mucho entre meses del año, días de la semana, hora del día, destinos, etc. Tal vez, el nivel de ausencia entre Londres y Berlín un martes de febrero es diferente dependiendo de si el vuelo es a las 7 am o a las 11 am. Probablemente lo sea, y la implementación del mecanismo Predictive Overbooking puede ayudar a las aerolíneas a realizar overbooking con mayor precisión; vender más asientos donde se predice una mayor ausencia de pasajeros, o menor overbooking donde se predice que la ausencia será menor. La precisión de esta tecnología es asombrosa, ya que tiene un modelo de predicción completamente diferente para todos y cada uno de los vuelos. Esto optimizará la capacidad, aumentará las ganancias y ciertamente reducirá el doloroso overbooking que frustra a los pasajeros al ser rechazados.
Como gran parte de esta tecnología es bastante nueva, muchas aerolíneas están lejos de utilizar todas las oportunidades que brinda el análisis predictivo. Pero si la pandemia le ha enseñado algo a la industria, esa es la importancia de los esfuerzos constantes para mantener la competitividad, lo que sin duda se refleja en el aumento del uso de la inteligencia artificial entre las principales aerolíneas europeas.
