Matemaattinen malli tukee päätöksentekoa Finnairin operaatiokeskuksessa

Lyhyesti

Asiakas

Finnair

Haaste: Finnair halusi parantaa asiakastyytyväisyyttä, sisäisiä työnkulkuja ja kustannustehokkuutta datan avulla.

Tulokset: Matemaattisia malleja ja ohjelmistotyökaluja, jotka paransivat asiakaskokemusta ja koko operaatiokeskuksen työnkulkua sekä saivat aikaan huomattavia kustannussäästöjä.

Hyödyt: Kehitettyjä malleja voidaan käyttää uusien sovellusten runkona, mikä tekee koko projektista kustannustehokkaan.

Nykypäivän kilpailluilla markkinoilla lentoyhtiöiden on yhä tärkeämpää saada täysin hyödynnettyä tietovarantojaan operatiivisessa päätöksenteossa parhaan mahdollisen palvelun tarjoamiseksi. Nitorin Data Science -asiantuntijat toimittivat Finnairille matemaattisia malleja ja ohjelmistotyökaluja, joiden ansiosta asiakaskokemus ja työnkulku operaatiokeskuksessa paranivat merkittävästi. Lisäksi aikaan saatiin huomattavia kustannussäästöjä.

Myöhästynyt lento voi aiheuttaa heijastusvaikutuksia useisiin muihinkin toimintoihin
Lentotoiminta on monimutkainen kokonaisuus. Lentojen pitäminen ajallaan, jatkolennoltaan myöhästyneiden matkustajien uudelleenohjaaminen ja ylipäänsä yllättäviin tilanteisiin reagoiminen ovat vain osa ongelmista, jotka Operations Controllereiden täytyy hoitaa. Myös sääolosuhteet, matkustusrajoitukset sekä henkilökunnan saatavuus täytyy ottaa huomioon.

Operaatioiden hallinnassa lentoyhtiöiden täytyy joka päivä tehdä lukuisia päätöksiä, joiden seuraukset saattavat riippua toisistaan ja joiden heijastusvaikutukset saattavat vaikuttaa moniin lentoihin.

MVP:stä tuotantovalmiiksi viidessä kuukaudessa
Projekti saatiin tuotantovalmiiksi noin viidessä kuukaudessa, minkä jälkeen se esiteltiin laajemmalle käyttäjäryhmälle. Tässä vaiheessa niin kutsuttua pienintä julkaisukelpoista tuotetta (MVP, minimum viable product) varten rakennetusta räätälöidystä raportointityökalusta luovuttiin ja tulokset esiteltiin Finnairin sisäisessä AWS-pilvipalveluna toteutetussa Business Intelligence -ympäristössä.

Siirtyminen laajempaan käyttäjäkuntaan sujui jouhevasti, vaikka palautteen määrä lisääntyikin huomattavasti. Palautteen keräämiseen ja säilyttämiseen luotiin erillisiä lomakkeita, mikä paransi niiden käsittelyä merkittävästi.

Matemaattinen malli työkalujen ja optimointiprosessien pohjana

Ydinmalli mahdollistaa useita erilaisia käyttötapauksia ja työkaluja
Nitorin ja Finnairin tiimit kehittivät yhdessä ydinliiketoiminnan matemaattisen mallin, jonka avulla voitiin vetää johtopäätöksiä ja nähdä tulevia hyötyjä. Vaikka mallia kehitettiin edelleen iteratiivisesti, se oli kuitenkin riittävän kehittynyt antaakseen tarkempia tietoja kuin aiemmat ratkaisut.

Koska alkuperäinen ongelma valittiin huolellisesti, ydinmalli loi mahdollisuuksia toisten työkalujen ja optimointiprosessien luomiseen ja siten liiketoiminnan tehokkuuden parantamiseen. Finnairin kanssa suunniteltiinkin useita uusia MVP:itä, jotka voitaisiin rakentaa tämän mallin pohjalle.

Vakiintunut teknologia mallien pohjana
Projektissa käytetty teknologia valittiin sen kehittyneisyyden, kyseessä olevaan ongelmaan soveltuvuuden sekä asiakkaiden tarpeiden pohjalta. Erityisesti käytettiin seuraavia yleisesti käytössä olevia avoimen lähdekoodin data-työkaluja:

Python-pohjaisia Pandas-työkaluja tiedon muuntamiseen ja numeeriseen tietojen käsittelyyn

R-kielen Shiny- sovellusympäristöä ja Streamlit- sovelluskehystä nopeaan käyttöliittymien prototyypittelyyn

Myöhemmin käyttäjille näkyvät osat siirrettiin asiakkaan BI-työkaluun, joka oli henkilöstölle jo tuttu ja mahdollisti helpomman integraation käyttäjänhallintajärjestelmiin.

Merkittäviä kustannussäästöjä ja parempaa asiakastyytyväisyyttä

Merkittäviä kustannussäästöjä ja parempaa asiakastyytyväisyyttä
Kehitetty sovellusten sarja otettiin päivittäiseen käyttöön sujuvasti. Tässä auttoi se, että loppukäyttäjille järjestettiin koulutuksia ja palautetta kerättiin jatkuvasti.

Työkaluista tiedottaminen koko organisaatiolle ja malleja koskevien kehitysehdotusten nopea toteuttaminen mahdollisti avainhenkilöiden osallistamisen kehitystyöhön sekä sen, että työkaluista saatiin hyöty irti nopeasti. Tämä paransi asiakastyytyväisyyttä ja sai aikaan merkittäviä kustannussäästöjä Finnarilla.

Operaatiokeskuksen auttaminen
Lentotoiminnassa hyvä yleiskuva lentojen tilanteesta auttaa priorisoimaan töitä. Kehitettyjen työkalujen avulla operaatiokeskuksen henkilöstö voi lukea ja visualisoida keskeisiä tietoja tärkeimmistä lennoista, mikä auttaa heitä päätöksenteossa.

MVP:stä tuotantovalmiiksi viidessä kuukaudessa

Sisäisistä työpajoista apua projektin käynnistyksessä
Finnair oli kerännyt ylätason listan tärkeistä liiketoiminnan ongelmista yhtiön sisäisissä työpajoissa. Ongelmat priorisoitiin Nitorin kanssa ja mahdollisia ratkaisuja mietittiin yksityiskohtaisemmin.

Yhdessä tunnistettiin hyödyllisin lähtöpiste: matemaattinen malli matkustajien matkan alusta loppuun korvaamaan aiemmin käytettyjä vähemmän tarkkoja ylätason indikaattoreita. Siten saataisiin luotua tarkempi kuva tulevista ja lähtevistä lennoista, mikä johtaisi helpompaan ja perustellumpaan päätöksentekoon.

MVP:n avulla sidosryhmät on helpompi sitouttaa
Kun oli päätetty, minkä ongelman kimppuun käytäisiin ensin, työryhmä alkoi luoda MVP:tä. Nitorin ja Finnairin tiimit tuottivat toistuvan testauksen kautta MVP:nä toimineen Python-sovelluksen ja R Shiny -visualisoinnin kahdessa kuukaudessa. Sen jälkeen työryhmä alkoi kerätä palautetta asiakaskunnan asiantuntijoilta ja sidosryhmiltä. Saadun palautteen pohjalta kävi selväksi, mihin asioihin jatkokehityksessä pitäisi keskittyä.

Iterointi ratkaisevaa sovelluksen kokonaisvaltaisen kehittämisen kannalta
Vaikka iteratiivinen kehitys jatkuu alun MVP-vaiheen jälkeenkin, varhainen iterointi on ratkaisevan tärkeää, sillä se parantaa sovellusta kokonaisvaltaisesti ja luo vankan perustan seuraavalle vaiheelle.