如何用機器學習預測超售，避免美聯航“暴力趕客”悲劇

應付不可預測地改變計劃的乘客是航空公司麵臨的許多後勤挑戰之一：個人的行程常有意外，而當個人行程累計，飛機上很可能隻有一半的乘客。這讓航空公司不滿，造成了額外的汙染，也是美聯航等航空公司超售的主要原因。

不幸的是，航空公司處理他們麵對的困難時並不總是很優雅，正如美聯航“暴力驅客”的故事那樣。一個特定的航班被超量預訂，沒有人想放棄他們的機票來換取航班信用積分。在所有可能的選擇中，美國聯合航空公司決定強製執法，將一名倒黴的乘客拖下飛機。 這個事件的視頻最後被發布到了YouTube上，引發了海嘯般的反應。

事實上航空公司的超售有著很好的理由：它具有良好的經濟意義。飛機上有多少座位就隻銷售多少座位不僅不利於企業，而且對環境也不好，對乘客也不利。

上邊的漫畫說明：很多人想買機票去某些地方。飛機有一百個座位所以隻出售100個座位。但是一些人改變了他們的主意。他們被收取高額的改簽費用，否則就會失去整張機票。飛機上隻有一半的乘客讓航空公司不滿，造成了額外的汙染，也讓他們提高了票價。

航空公司應該如何使用大數據？

航空公司依靠大數據，收集有關所有客戶及其行為的海量數據和信息。他們知道你什麼時候飛，你往哪裏飛，你喜歡什麼座位，你家在哪裏，還有其他更多的信息。航空公司應該（有時確實這麼做了）使用數據科學來最大限度地提高您的舒適度，幸福度，最終將盈利最大化。使客戶更快樂對企業有利。航空公司應該使用機器學習來解決問題。機器學習隻是使用曆史數據來構建一個可以對未來事件做出預測的模型。例如，既然我的航空公司過去已經飛了數以千計的班次，我的數據應該告訴我明天航班被超額預定的可能性。

估算不來乘機的人數

也許航空公司要解決的最簡單的問題是估算不來乘機的人數。解決這個問題最簡單的辦法就是把曆史上沒來乘機的人數統計出來，然後取平均值。更複雜的解決方案可能會隨季節調整； 例如，冬季月份可能意味著道路狀況會導致更多的乘客缺席。最複雜的方法可能包括分析交通和天氣數據以預測取消預定和放棄座位的概率。有趣的是，在過去幾年，我見過的超售情況的次數確實有所下降，所以航空公司在這方麵的做法可能越來越複雜了。

估計航空公司超售時能提供的福利

即使是最複雜的模型，係統中也總會有一些不可預測性。幸運的是，隻有在您找不到願意乘坐稍後航班的人的情況下，超額預訂才會成為一個麻煩。航空公司通常會提供飛行券甚至現金來激勵人們乘坐稍後的航班。

然而，在這次事件中，這個方法沒有奏效。航空公司可以支付一大筆錢（超過1000美元的現金）給乘客，從而說服他們搭乘稍後的航班。我不能想象那架飛機上沒有一個人願意為了1000美元放棄座位。我的猜測隻能是航空公司補償的不夠罷了。

機器學習可以很容易地用於預測願意以特定的補償率放棄座位的人數。那麼這個優化問題就變得很簡單了。

確定需要主管出麵的情況

鑒於機場發生的事故數量之多，每個航空公司都應該有一個自動係統，以便在出現某些情況時向主管發出警報。例如，如果登機口的工作人員無法找到超售航班上願意放棄座位的乘客，則應將信息自動發送給主管。如果乘客已經登上飛機，但其中有些乘客不得不被趕下去，則應立即自動通知主管。

完全免除改簽費用

當然，就三大航空公司來說，有足夠的數據可以估算出變更航班的人數。 如果任何一家公司收回這項政策——這個政策真的是過去的糟粕——他們就會極大地超越競爭對手。退一萬步來說，憑什麼不取消超售航班的改簽費用？

確定為什麼人們不想放棄自己的座位

雖然能夠識別那些可能會提供座位的乘客會很有用，但是了解客戶為什麼這麼做會更有價值。這一點數據科學也可以做到。征信機構一直在通知客戶為什麼他們的信用評級多年來總是下降——主要是通過監管。同樣的技術也應該用來幫助航空公司了解客戶為什麼做出那樣的選擇。（據我所知，DataRobot是唯一可以使這些原因代碼用於所有現成模型的機器學習平台）

隨時更新這些模型

航空公司建立的預測模型都不會持續很長時間，因為世界在不斷變化。人們會改變，他們的習慣會改變，住所也會改變。這意味著這些模型會比其他類型的模型老化得更快。能夠快速地迭代現有的模型進行改進和更新是保持領先的關鍵。 

那麼他們為什麼不這樣做呢？

事實是，做數據科學很困難。因為很難找到同時有數學技巧和編碼能力的人，並且他們還要清楚怎麼才能做好航空公司業務。不僅如此，商界人士和管理人員也很難在自己的業務中找出利用這項技術真正的商業機會。如果他們不理解，他們就不會優先考慮它，所以也就不會做這件事。我看到這種情況發生在數百家公司裏，航空公司也沒有什麼不同。

自動化才是解決方案

在大多數情況下，手工編碼的預測模型是一種過時的建模方法。像DataRobot這樣的工具可以讓商業分析師像數據科學家一樣能夠在短時間內順利地建立預測模型。這意味著積壓的項目可以盡快的完成，能夠避免上述事故的人工智能將得以建立，而且競爭對手會疑惑究竟哪裏出了錯。自動化正是每年建立幾個模型和每年執行幾百個人工智能解決方案的區別所在。它也是把你的客戶從飛機上拖下來和把你大筆的錢存到銀行之間的區別。

原文發布時間為：2017-04-17

本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號