航空公司如何預測"不可預測"事件？

2015年07月23日

進行預測對於所有企業來說都是一件難事，然而，很多企業出於經營需要仍會定期對大量產品的需求進行預測。如零售商不僅要預測消費者們將購買多少男士襯衫，還要預測其將購買何種款式、顏色和尺寸，以及在哪里購買。而航空公司不僅要預測上千個航班在未來一年的需求量，通常還要針對各航班預測15個不同的價格點及20個甚至以上的始發地與目的地航線，此類預測數據的數量是驚人的。

零售企業需求預測分析結果顯示，某些產品的需求是"不可預測的"。分析手段無法利用歷史數據來找到任何可確認的需求模式。但所觀察到的需求的變化已超出了單點預測的範圍。

對於航空公司來說，也存在不可預測的需求，如特定航班高票價座位的需求可被視為是"不可預測的"。此類需求可能通常為零，但也可在重要的商務會議召開時達到5、10或更高。

處理不可預測需求有兩種基本方法：

1、集合法

從統計的角度來說通常需求量在較大的集合裏更具關聯性。比起預測100美元至120美元票價座位的需求，預測100美元至150美元票價座位的需求或許能形成更可靠的預測結果。"以航段為基礎"的預測體系通常將所有中轉乘客量集合在一起，而不是分開預測各始發地&目的地航段的量。

通常我們會自認進行更細緻的需求預測時會得出更精確的結果。然而，這可能會導致需求"不可預測"，這樣的結果將推翻統計模型。曾有一家航空公司表示其極精准的預測流程導致整體預測結果出現了大量的錯誤，並建議使用邏輯集合的方法。

注釋：收益管理系統同時基於統計"平均數據"和"預測差異"創建。因此需求的可預測性已默認植入到優化日程中。某票價較大的預測差異再加入較小的折扣範圍，與之後較高的價格點一對比，將導致收益管理系統遠離（甚至有可能忽略）變化較大的需求。這就是需求"不可預測"時的實際後果。

2、排除法

對於航空公司來說，團體乘客通常代表著"不可預測的"需求，因為"團體"代表著有"大量"需求，因此"平均值"預測便毫無意義。一個有25名乘客的團隊需要25個座位，而不是按概率計算出的3.5的平均值。因此航空公司常常在其基本預測流程中將團體需求分隔開來。多數航空針對基本需求進行預測計算時均將團體需求排除在外，然後在出現團體需求時將其添加到基本預測值中。

"團體"需求可能會被一些統計模型拋棄，因為這樣的"異常者"與歷史模式格格不入。然而最好是單獨確認此類需求量，並明確地將其與基本預測流程分隔開來。

對各產品需求的預測進行先後排序

為了預測"不可預測的"產品需求，消費品企業通常對大量產品進行先後排序。單位銷量較高的產品最重要，吸引了最大的注意力。銷量低的產品可能更具"不可預測性"，在企業規劃中的重要性也較弱。航空公司依賴大量的電腦模型，因此不需要進行明確的排序，而是通常讓自己的預測系統針對所有始發地&目的地航線的各種不同水準的票價進行統計分析。儘管多數航空公司收入管理系統預測需求時表現出了相當強的細節性，航空公司仍應加強對其產品或價格點"可預測性"的意識。

具體建議：

針對關鍵產品監測預測的準確性。具備始發地&目的地航線收入管理系統的航空公司將大量注意力投入到最大型的始發地&目的地航線（包括本土航線與中轉航線）上。航空公司需要監測其是否有能力在此層面上準確預測需求並定期對其預測流程做相應的調整。

瞭解較小票價範圍或始發地&目的地航線預測的重要性。應考慮將集合法作為實現更高準確度的一個手段。

分隔"大量"需求。"團體"需求是"不可預測"需求的絕佳實例，通常可在基本預測系統外做很好的處理。你的網路內可能還存在其他的"大量"需求，最好將此類需求從基本需求預測中隔離出來。

總之，"不可預測性"需要納入到航空公司收益管理的詞庫中，航空公司應對其收益管理系統的預測準確性進行適當監督。（作者：航旅同行 孫宗洵 ）

本文表達來自EyeforTravel的長期客座專欄作家湯姆·貝肯的意見。

新聞來源：微信