22
2014
12

收益管理系统给中国航空公司带来了什么?

我国民航从2004年引进收益管理系统到现在已经十余年时间了,然而,我们看到的却是收益管理系统在国内航线的管理中相继放弃的事实,难道在国外所向披靡的管理利刃就这样在国内因“水土不服”而一无是处吗?我认为系统的设计思想对我们具体航班的管理是有很强的启发与指导意义的,简而言之,收益管理系统除了给我们带来了一个近乎荒废的系统外,还带来了一些宝贝,这些宝贝包括:两个模块、三个思想、一套定量评价指标和一个反思。

1、两个模块

收益管理系统赖以运行的最核心是2个模块,即预测模块和优化模块。

(1)预测模块:

a.预测起飞日各航班、各航段、各子等级的座位需求,或者各O&D、各POS、各子等级在每一时期内的座位需求。

b.预测订了座位的旅客中有多少人会实际登机,多少人会取消订座。

c.预测每个航班使用电脑系统所能产生的额外收益。

收益管理系统会运用线性回归、对数回归、ESP模型等多种预测模型同时预测,并自动选用最好的预测结果,以保证预测的准确性。而且,系统通常经过数学模型计算,预测非限定状态下的旅客需求,即没有座位数限制的情况下所能达到的旅客需求。其目的是获取潜在的市场需求,以便于更准确地优化。

在过去的航班管理中往往有两种趋向:其一是对历史数据的迷信,完全按照去年甚至前几年的流量波动来预测流量从而调整舱位结构;另一种是按照当前的情况来,假设流量稳定并以此来调整后期的舱位结构。目前这两种管理方法在某些航空公司中仍然有沿用的影子。但是收益管理的引进及收益管理思想的宣贯让A公司明白了预测的重要性,目前、过去都是过去时,都只能作为参考,只有航班所属的那个时点的情况才是最重要的。这一思想使得A公司成为本行业内公认的收益管理做的最好的公司,直接的结果就是成为我国盈利能力最强的航空公司。

(2)优化模块:

a. 座位分配模块:根据EMSR值或Bid Price决定,有限的座位应该如何分配到各个子等级上才能产生最大收益。

b. 超售模块:确定准确的超售数额,以平衡或减少虚耗造成的损失和拒载造成的损失。

c.舱位调整模块:如果系统预测高等舱位将有空位,低等舱位供不应求,它在航班开放时便缩小高等舱的开放座位数,放大低等舱的可售座位数。

d. 虚占座位数评估模块:如果系统预测到代理人虚占座位的规律,优化模块会根据最大的概率相应地放大子等级的座位开放数,以对冲虚占座位造成的虚耗损失。

e. 航段优化模块:如果多航段航班的某一航段求大于供,系统会决定把票卖给哪些航段的哪些旅客才能获得最大收益。

f.节假日和特殊日期航班管理模块,根据系统对这些特殊航班的需求预测,预先对他们的座位进行优化处理,以最大限度的减少贱卖。

g. 团体评估模块:评估每个航班上的散客置换价格,以决定应让团体付多少钱才不至于亏本。由于团队的特殊性,绝大部分航空公司使用单独的团队收益管理系统来处理团队。

作为国航这样一家以国际航线为主的航空公司,收益管理系统在国际航线的成功应用为其未来拓展到国内航线奠定了一定的基础。目前,收益管理系统的上述中的与国际航班相关的国内联程的OD模块、团队管理模块也已上线。

从上述介绍可见,收益管理系统的核心是预测,下面我们专门来详细看看系统究竟是如果来做预测的?

宇宙由有序和无序组成。从宏观的方面看,日月星辰的运转都是有序的,而从量子力学的观点看,微观世界全由概率统治,任何东西的存在或发生都是介于可能和不可能之间。市场也不例外,既是无序的,又是有规律可循的。通过数据分析,可以在表面上无序的市场中找出秩序或规律,并根据这些规律,来预测将来的市场需求。

收益管理中所讲的预测主要是对航线旅客需求量、舱位需求等微观变量的预测,因此属于微观预测的范畴。主要是根据旅客运输量及其舱位等在过去的发展变化统计数据来发现淡旺波动的过程和规律,再参照最近采集的运输量及舱位等的变化统计数据推断可能出现和正在出现的各种可能性,运用现代管理学、数学和统计学方法,对旅客运输量及其相关舱位等变量未来可能出现的趋势和可能达到的水平做出科学推测。

舱位开放水平及数量的依据是优化的结果,优化的依据是预测的结果,因此动态定价水平的高低主要在于预测水平的高低。有研究表明,预测误差的降低将为使用收益管理系统的航空公司带来源源不断的收入增长。而系统预测的目的是要准确的得知起飞当天各个不同主舱位的旅客需求量。借此才可能有效地安排手中有限的座位资源,使其达到最大的收入。下面举例说明PROS的预测原理。

表1:PROS预测算法举例

DCP#589810127131012
DCP#238085758790789580?

系统从起飞前360天开始采集,此时为DCP#1,即第一个数据采集点,在航班起飞前几小时为DCP#23,所预测的目的是DCP#23。

预测数据:在同一预测池中的历史航班DCP#5与DCP#23的数据为表中黑色部分,及未来某一航班在DCP#5的订座数据,来预测其DCP#23的预订数据。即预测计算所用的数据如下图所示:

图1:预测模块所采用的数据

 即用到了相似航班的历史数据,也要使用未来航班的目前订座数据。

2、预测模型:

系统会分别采用以下模型运算:

(1)加法模型:

在表2.1的情况下:

对历史航班DCP#5的数据求平均=(8+9+8+10+12+7+13+10)/8=9.6

对历史航班DCP#23的数据求平均=(80+85+75+87+90+78+95+80)/8=83.75

也就是说,历史上相似日期的航班,从DCP#5到临近起飞,大概会增加(83.75-9.6)=74.15个订座。据此估计新航班临近起飞的订座数=(12+74)=86

(2)乘法模型:

从之前的计算可见:DCP#5到DCP#23,订座数大概增加的倍数=(83.75/9.6)=8.72,如果据此推断,未来航班增长同样的倍数,则其DCP#23的订座数=8.72*12=104.64

(3)线性回归:

由历史数据拟合回归直线为:Y=25+4.5X

将X=12带入直线方程,则Y=79

(4)对数回归:

由历史数据计算对数方程为:Y=28+50*lnX

将X=12带入对数方程,则Y=152

(5)指数平滑移动模型(ESP):

表2:PROS预测算法中的ESP算法

DCP#58981012713
DCP#2380857587907895
DIF72766777787182
系数0.250.25*0.750.25*0.75*0.750.25*0.75*0.75*0.75……  
DIF*系数17.515.3759.988.226.093.733.2

最终得到Y=70+X,将X=12代入,Y=82

(6)MEAN模型:

使用这个模型完全基于历史航班的最终订座数,而不考虑在Pro-DCP的订座。

最终预测结果=历史数据平均发生值=79.83

……

PROS系统用到的预测模型总共有以下八种:

表3:PRSO系统预测算法整理

在每一个DCP点,系统采集到新的订座数据后,在对数据进行特殊处理后,都将进行一次回归分析,对全部模型做解后选择误差最小的模型来预测这个航班在DCP#23点的最终订座。航班起飞前系统共采集22次订座数据(DCP#1到DCP#22),就要做22次回归分析,不断修订DCP#23点的最终订座。

如果航班的订座趋势不发生变化,那么对未来的每个航班来说,预测结果都是有效的。但,事实并非如此……订座趋势可能会被外界的各种变化所左右。这时候,用户就需要设置参数,对PROS的预测施加影响。

EMSR的引入使得我们有了对某个座位好坏的评判标准,从而为舱位优化提供了定量化的科学依据。

预期边际座位值EMSR指的是,一个座位的价值等于该座位的票价乘以其出售的可能性。

EMSR = 票价× 座位出售的可能性(概率)

系统会计算每个座位的EMSR,并将其作为座位好坏的评判标准。

EMSR的计算公式中票价是确定的,问题的关键在于如何计算座位出售的可能性。下面依然举例说明:

假设某一航班所在的淡旺季的同一周期的某一子舱位历史数据如下:

表4:PROS系统优化算法举例

DCP#2342532132604933484470

(1)计算平均值=452/10=45.2

(2)方差=差额平方相加=1837.6/(10-1)=204.17

(3)标准差SD=204.17开方=14.28

(4)得到对应的正态分布图:

图2:PROS系统优化中的概率计算图

由公式:EMSR=价格*概率,则各座位数的EMSR可以算出:

表5:PROS 系统优化算法举例计算过程

座位3173145597387
概率100%9784501630
价格1100110011001100110011001100
EMSR110010670092400550001760033000

系统会计算所有子舱位的EMSR值,然后把所有的EMSR放一起排序,根据航班的布局数确定各子舱位的AU值并上载到销售系统。

2、三个思想

(1)超售的思想

收益管理系统与思想的引进让我们认识到的另外一个重要理念是目前仍在国内有所争议的超售问题。收益管理系统是通过对DCP#23与DCP#24点即航班起飞前几小时的订座数与航班起飞后几小时的成行数的比对来算出航班大概的NO-SHOW率从而确定超售数的。我们撇开具体的运算不讲,单超售的思想正在为现在的中国民航带来可观的收益。

超售的做法起源于美国。在上世纪六十年代,美国的航空公司不敢公开超售,因为政府禁止,美国公众也认为超售和拒载是不道德的做法。虽然统计数据显示,当时美国民航业的No-show人数接近十分之一,航空公司只敢偷偷超售。

遇到超售的旅客一般都比较暴躁,但这对于Julian Simon来说则不然,当这位经济学家在1968年遭遇超售后反而产生了一个奇特的想法,在之后的几年里,他不断写文章并向航空公司的高层写信推销他的想法:悬赏来征求自愿改签的客人。诺贝尔经济奖得主W.Vickrey 教授也著文支持,但航空公司的高层认为行不通。一直到1978 年,经济学家Alfred Khan做了美国民航局的局长,情况才发生了转变:他从政策层面鼓励超售,这为航空公司带来了一场超售革命。

现在,美国已经形成了一套完善的超售制度并得到了多数人的认可:航空公司可以超售并征集自愿改签旅客,如果自愿改签的人数不够,则可以根据办理登记手续的优先顺序,强行拒载旅客,并向旅客支付事前规定的补偿。一般的补偿标准是:改在一个小时之内的其他航班的,无须赔偿;推后1-3小时的,赔偿不超过200美元;推后3-6小时,赔偿不超过400美元;推后6小时以上,赔偿不超过600美元。

现在,全美每年大概有一百多万人被拒载,平均到每天大概是三千人的规模;而每年全美运送旅客5 亿多人次;平均算下来拒载的比例在万分之二十左右。绝大多数旅客会自愿改签,没有人因此提起的诉讼,媒体也很少报道。

其实如果我们站在中立的立场上全面思考超售问题时会发现:超售是互利共赢的。在为航空公司减少座位浪费、提升收益的同时,超售也为临时有急事的旅客提供了乘机的机会;而且航空公司因此而提高了收益,自然会相应地降低旅客的自愿改签等费用和票价水平,会有更多的旅客因此受益。

然后这一情况在中国则恰恰相反:我们经常可以看到媒体关于超售后提起诉讼的报道,当团体中部分旅客被拉下后常常导致整团拒绝登机并全部要求赔偿,甚至冲击机场秩序的事件。为什么同样的问题会有完全不同的结果?我认为除了国民素质的区别外,最关键的问题还是在于对拒载的处理:相比美国,中国的事前征集自愿者的广播似乎是无效的,因为广播之后,往往没有旅客愿意自愿改签,其中有一定的原因是中国人的面子观严重,但我认为另一层原因是国内航空公司补偿额通常也就200-300元人民币的样子,与美国的200-400美元相差甚远,这一补偿标准也远远低于航空公司多销售客票的价格;另外值机人员对于超售的处理手法也有待加强,目前来看,整个操作过程并不透明,甚至常常把最后办手续的旅客拒载,而这些客人很可能是急着走的客人。

相比美国,中国民航的市场化可谓刚刚起步,从最初需要开证明才能买机票到现在绝大多数航班的敞开销售且供过于求的状态的时间还不长,坐飞机在一定程度上甚至会被视为一种身份的象征。于是身份感所带来的虚荣感再加上航空公司目前补偿标准低、无事前通知与旅客征集等错误的做法,对此,作为收益管理人员,我们必须直面现状,在处理超售上应该持一种相对于美国更为谨慎的态度。除了按照系统要求输入既定的超售补偿标准和NO-SHOW损失等数值外,必须限定一个最大的超售数,目前在实践上往往为航班布局的5%,在旺季更常常会缩小到1-2个。

(2)水分的思想

水分(DC:decrement)是与超售不同的理念,是为了克服座位的虚占和虚耗的一种优化方法,是通过增大AU(Max),实现远期多接受,避免临近取消造成的浪费。

水分与超售有着不同的目的:DC针对的是航班过程的分析,是对航班从DCP1-DCP23全过程的跟踪 ;OB则是通过对DCP23和DCP24的比较,预测起飞当天旅客成行的情况。虽然DC与OB的效果都是放大物理布局进行销售,但二者并不等同。DC并不是一个常量,而是一个变化的过程,越临近起飞值越小,直到DCP23点,全部取消。增加的过程也要递近递减……否则,航班就会在临近起飞的时候,仍然开放很大AU数,会造成超售的风险。

(3)高度重视数据分析的思想

中国民航从空军转型而来,带着很强的行政色彩,安全、规模等因素甚至远高于对效益的考虑,在98年各公司不惜一切代价抢占市场份额、扩大规模的行为正是源于这样的考虑,连年的亏损并不会对公司领导层产生多大的影响,安全事故或者恶性事件却很可能让一切瞬间改变,所以在历史上,效益并没有得到足够的重视。

可是后来市场化进程越发明显,公司的效益日益成为国资委等部门的重要考核标准。突如其来的改变下该如何适应?效益的计算有一套严密的会计制度体系,一套数据化的定量体系,但这些都是事后的。如何在事前对定量运行数据进行控制?如何通过对历史数据的分析找到可行的收益提升的方案?收益管理系统的引进与分析使得我们眼前一亮:原来是应该用这样的方法来做预测、优化。收益管理系统对定量数据分析的高度重视引起了国内航空公司对数据的高度重视,也指引着我们数据挖掘的方向。

3、一套定量评价指标

在航线舱位控制的过程中始终纠结着要客座率还是要价格水平的问题。通过文章开头对收益的测算我们明白价格水平对于效益有着更重的影响,那么我们是否该坐视外航低价抢客而导致客座率的流失?或者说我们应该在多大程度上,为了市场价格的稳定来容忍客座率的降低?这个问题曾经困扰着实践,于是有人提出了旺季要价格、淡季抢人头的思想,这一思想指导了相当长时期的实践工作。这一思想的大方向是对的,但是究竟在怎样的程度上守价格?怎样的程度上抢人头?评判的依据是什么?随着收益管理系统的引进和收益管理思想的了解,我国民航终于建立起了一套定量评价的指标并用这一指标来评判操作的得失。这一套指标的核心是RASK(座公里收入水平)及由其衍生出的边际贡献及边际贡献率,这些指标与客座率、价格水平等的定义及相互关系如下:

(1)座公里收入水平(RASK- Revenue per Available Seat Kilometers)

座公里收入水平=正加班客运运输收入÷可供客公里

(2)客公里收入水平(RRPK- Revenue per Revenue Passenger Kilometers)

客公里收入水平=正加班客运运输收入÷旅客客公里

(3)客座利用率=旅客人数/航班可供座位数=客公里数/可供座公里数

通过以上公式可以推知前三项指标的关系:

座公里收入水平=客公里收入水平×客座率

座收=RASK×里程=航班总收入÷航班布局

(4)边际贡献与边际贡献率

边际贡献是指航线扣除税金后的收入总额抵减变动成本后的差额。边际贡献越大,表明其弥补固定成本的能力越强。

边际贡献=客运总收入+货运总收入-变动成本-税金

边际贡献率指航线边际贡献总额除以该航线扣除税金后收入总额的百分比,也等于该航线每单位收入边际贡献的大小。边际贡献率高的航线,创利能力大。

边际贡献率=边际贡献÷(客运总收入+货运总收入-税金)

至此,无论淡旺季,我们有了唯一的评判标准--座公里收入水平,通过对座公里收入水平的波动因素分析可以回顾操作中的得失;通过座公里收入水平与成本数据的处理,我们可以看到航班飞行的价值所在——边际贡献,并成为了决定航班执行与否的短期因素之一。

4、一个反思

从开放之初的迷茫,到收益管理系统的全面引进,又到系统在国内航线的全面搁浅,中国民航收益管理的发展进程似乎和我国很多行业都有着诸多的相似性:我们渴望实现跨越式发展,但是我们真的可以顺利跨越吗?这好比参加一场跳水比赛,我们为10米台选手精彩的表演所折服,我们希望自己做的一样优秀甚至更优秀,但是,如果我们所处的环境就是一个三米板的水平,同样技术动作的模仿恐怕非但达不到既定目标,而只会把自己撞得头破血流。痛定思痛过后,我们会发现十米台的一些手法我们是可以用的。除此之外我们还发现,我们过去看似粗浅的对经济学、对管理学、对市场营销的原理的基本认识也许对于现阶段的我们的实际工作更为可靠。于是,我们渐渐总结出了国内航线自己舱位控制与优化的策略与措施,但是反思过去,收益管理系统引进之初花费大量的美金期望买到的难道就是这些吗?理念的获得是否可以通过更理智与低廉的渠道?再展望未来,我们如何营造自己的十米台?如何跳出世界的、民族的水平?

(转自民航资源网

« 上一篇下一篇 »

相关文章: