Содержание к диссертации
Введение
1. Анализ существующих принципов построения систем управления авиаперевозками 9
1.1. Анализ особенностей современного рынка авиаперевозок 9
1.2. Концепция построения системы управления авиаперевозками авиакомпании 15
1.3. Система информации, используемой для моделирования и оптимизации бизнес-процессов в авиакомпании 23
1.4. Влияние качества аналитической информации на эффективность управления авиаперевозками 31
1.5. Постановка задач диссертационных исследований 39
2. Методы, модели и алгоритмы измерения операционных доходов от авиаперевозок 43
2.1. Анализ общей структуры доходов от выполнения авиаперевозок 43
2.2. Модели учета пространственно-временного разделения доходов рейсов и доходов продаж 49
2.3. Методы и алгоритмы измерения операционных доходов от авиаперевозок 55
2.4. Статистические алгоритмы повышения точности измерения доходов 60
2.5. Разработка комплекса моделей формирования доходной части бюджета авиаперевозок 63
Выводы 73
3. Методы, модели и алгоритмы измерения операционных расходов и рентабельности рейсов 74
3.1. Анализ общей структуры операционных затрат авиакомпании 74
3.2. Методы и алгоритмы измерения прямых затрат рейсов 80
3.3. Разработка регрессионных моделей для статистического оценивания косвенных затрат 87
3.4. Модели и алгоритмы оценивания рентабельности рейсов 89
3.5. Гарантированное статистическое оценивание рентабельности авиаперевозок 93
Выводы 99
4. Разработка моделей прогнозирования производственно-экономических показателей авиаперевозок 100
4.1. Оперативный прогноз объёмов пассажирских перевозок на основе статистической обработки временных рядов 100
4.2. Алгоритмы прогнозирования доходов и доходных ставок 105
4.3. Разработка регрессионных моделей для прогнозирования доходов от продаж 109
4.4. Идентификация функции спроса для задач долгосрочного прогнозирования 114
4.5. Алгоритмы долгосрочного прогнозирования затрат на основе уравнений регрессии 118
4.6. Сценарная модель прогнозирования развития авиакомпании 120
Выводы 130
5. Разработка моделей оптимизации бизнес-процессов 132
5.1. Модели оптимального планирования загрузки рейсов с учетом эластичности функции спроса 132
5.2. Модели оптимального планирования авиаперевозок по сети маршрутов 136
5.3. Модели оптимизации цены авиаперевозок 140
5.4. Модели гибкого управления тарифами авиаперевозок 146
5.5. Модели оптимальной коммерческой загрузки двухплечевых рейсов 149
Выводы 155
6. Разработка информационного обеспечения основных бизнес-процессов авиакомпании 157
6.1. Разработка концепции единого информационного пространства для поддержки основных бизнес-процессов авиакомпании 157
6.2. Консолидация данных в рамках единого информационного пространства 161
6.3. Методы повышения достоверности первичной информации 174
6.4. Выбор оптимальной программно- технологической платформы для создания аналитических систем 184
6.5. Разработка информационной технологии генерации динамических отчетов о финансовых результатах авиаперевозок 190
Выводы 195
7. Информационно-аналитические системы и средства поддержки бизнес-процессов управления авиаперевозками 197
7.1. Информационно-аналитическая система расчета рентабельности рейсов 197
7.2. Информационно-аналитическая система планирования бюджета авиаперевозок 210
7.3. Информационно-аналитическая система мониторинга авиаперевозок 220
7.4. Информационно-справочная система ведения договоров с агентами 222
7.5. Информационная система для анализа Code Share рейсов 226
7.6. Автоматизированный ситуационный анализ критических рейсов 230
Общие результаты и выводы 235
Литература 237
Приложения 1-8 251
- Концепция построения системы управления авиаперевозками авиакомпании
- Модели учета пространственно-временного разделения доходов рейсов и доходов продаж
- Методы и алгоритмы измерения прямых затрат рейсов
- Разработка регрессионных моделей для прогнозирования доходов от продаж
Введение к работе
Важнейшим условием успешной деятельности современных авиакомпаний является обеспечение её подразделений эффективным инструментом всестороннего анализа и прогнозирования как состояния самих авиакомпаний, так и мирового рынка авиаперевозок с последующим принятием управленческих решений на основе получаемой аналитической информации.
В качестве такого инструмента в настоящее время в авиакомпаниях используются информационно-аналитические системы (ИАС) - специальный класс компьютерных систем, в которых для анализа и синтеза управленческих решений широко применяются методы математической статистики, экономико-математические и оптимизационные модели и т.п. Обладая высокой разрешающей способностью в плане детализации анализа бизнес-процессов авиакомпании как производственной структуры, такие системы позволяют осуществлять мониторинг анализ их всесторонних показателей, правильно позиционируя поставляемый на рынок собственный продукт - авиаперевозки относительно компаний-конкурентов.
В условиях рыночной экономики корпоративная цель и стратегия управления авиаперевозками может быть сформулирована как максимизация прибыли от выполнения авиаперевозок на основе использования современных принципов маркетинга, экономико-математических методов и моделей, а также новых информационных технологий в сфере авиабизнеса при заданных ограничениях на маршрутную сеть, параметры парка воздушных судов (ВС) и презентационные ресурсы (PR, реклама и т.п.). В свою очередь корпоративная цель и стратегия авиакомпании определяют политику, реализуемую в виде комплекса постоянно осуществляемых мер и решений, обеспечивающих выполнение следующих основных требований:
достижение планируемых доходов от авиаперевозок;
обеспечение стабильной прибыли;
обеспечение рентабельности авиаперевозок;
повышение конкурентоспособности; ч увеличение доли рынка.
Вполне очевидно, что успешное решение именно этих задач, обеспечивающих доминирующее положение авиакомпании на рынке авиаперевозок с учетом конкурентного окружения, невозможно без применения информационно-аналитических систем.
Ключевыми проблемами управления авиаперевозками является формирование оптимальных планов продаж, бюджета авиаперевозок, а также постоянный контроль их выполнения. Методологической базой решения этих проблем являются прогнозы рынка, а также наличие информационных систем, осуществляющих мониторинг его параметров. Здесь следует отметить ряд следующих важных моментов.
До сих пор в сфере авиабизнеса для прогнозирования параметров авиаперевозок широко используются методы экспертных оценок, точность которых остается недостаточной для принятия эффективных решений. Сложность данной задачи объясняется тем, что потоки доходов от продаж авиаперевозок и доходов от их выполнения (доходы рейсов) разнесены как в пространстве, так и во времени, что создает определенные трудности в процессе идентификации их моделей. В результате в большинстве российских авиакомпаний до сих пор отсутствует единая методология исчисления доходов от продаж, хотя статистика именно этих показателей должна служить основой для прогнозирования и последующего планирования доходной части бюджета авиакомпании. Часто не совсем корректное использование показателей доходов от выполняемых рейсов и доходов от продаж (выручки) приводит к значительным методическим ошибкам в процессе формировании бюджета авиаперевозок, делая его либо необоснованно заниженным, либо заранее не выполнимым. Неполнота и недостоверность исходной статистики, используемой в расчетах показателей авиаперевозок, только усугубляет сложившуюся ситуацию.
Отсюда возникает вторая важная проблема - проблема корректного измерения и контроля показателей авиаперевозок, т.е. проблема мониторинга выполнения планов по авиаперевозкам, обеспечивающего получение оперативной и достоверной информации из всех пунктов продаж авиакомпании. Своевременное получение такой информации -важнейший фактор максимизации доходов авиакомпании. Специалист-управленец не может ждать, когда кем-то будет подготовлен очередной периодический отчет в соответствии с заданным регламентом, так как необходимость в конкретной аналитической информации по показателям перевозок может возникнуть в любой момент времени, чтобы быстро отреагировать на динамику изменения коньюктуры рынка.
Для поддержки процессов управления авиаперевозками, контроля и анализа их эффективности в последнее время за рубежом начали широко использоваться системы Revenue Management System, Sale Support Tool, Quasar, Profecy и др. Для быстрого нахождения и извлечения необходимых данных используются специальные технологии {Data Mining, Knowledge Discovery, MIDT Processing и т.п.). Однако эти системы носят
локальный характер, их трудно интегрировать в единую корпоративную систему управления, они эффективны только лишь на этапах первичного сбора и анализа данных.
Вопросам повышения эффективности информационно-аналитического обеспечения процессов управления авиаперевозками посвящено много работ отечественных авторов, в качестве основных из которых следует отметить труды Леонтьева Р.Г., Правдина Н.Н., Румянцевой З.П., Негрея В.Я., Курочкина Е.П., Макарова Е.В. и др.
Вместе с тем, эффективные решения по созданию методов аналитической поддержки процессов управления авиаперевозками, опирающихся на системный подход, широкое использование математико-статистических моделей в сочетании со сквозной автоматизированной сетевой технологией, сводящей к минимуму ручную обработку исходной статистики, до сих пор не созданы.
Для реализации этих требований создаваемые ИАС должны удовлетворять ряду условий, основными из которых являются:
адекватный математический аппарат, учитывающий вышеперечисленные особенности отдельных показателей и критериев эффективности перевозок;
правильно выбранная концептуальная основа (архитектура системы);
эффективная программная реализация проекта и т.п.
Разработанный для ИАС адекватный математический аппарат должен обеспечивать высокую точность алгоритмов обработки информации в задачах анализа и прогнозирования параметров авиаперевозок. А правильно выбранная и реализованная программно-технологическая платформа позволила бы решать аналитические задачи с минимальными затратами времени, т.е. практически в реальном масштабе времени. При этом архитектура системы должна строиться по принципу открытых систем, обеспечивающему возможность её дальнейшего наращивания и интеграции на основе унификации и стандартизации её отдельных функциональных компонент. Ускоренные процессы электронизации функций управления авиаперевозками с применением TCP/IP протоколов и связанное с этим интенсивное накопление положительного опыта во многих авиакомпаниях мира делает предпочтительным при выборе программно-технологической платформы системы использовать трехзвенные технологии типа «клиент-сервер» в среде Internet/Intranet. Вместе с тем ИАС должна максимально использовать ранее созданные в авиакомпании технологии, сохранять уже сделанные финансовые вложения в развитие информационной инфраструктуры, в разработанные приложения и в квалификацию персонала.
В данной работе исследуется комплекс методов, моделей и алгоритмов решения новых наукоёмких и приоритетных задач, лежащих в основе информационно-аналитической поддержки процессов управления авиаперевозками, основными из которых являются:
Измерение основных производственно-экономических показателей авиаперевозок (операционных доходов, затрат и рентабельности перевозок).
Статистическое прогнозирование пассажиропотоков, а также финансовых результатов авиаперевозок.
Моделирование сценариев развития авиакомпании.
Оптимизация процессов управления авиаперевозками.
Повышение точности измерения финансовых результатов перевозок.
Стратегическое планирование доходов от перевозок и доходов от продаж и т.п.
Для успешного решения упомянутого комплекса задач необходимо провести системный анализ существующих методов и технологий измерения основных показателей авиаперевозок, выявить их основные недостатки, снижающие эффективность информационно-аналитической поддержки принятия управленческих решений, наметить пути их устранения. На основе проведенного анализа должны быть сформулированы функциональные спецификации для создаваемых новых аналитических инструментов.
Результаты решения отмеченных задач могли бы послужить основой построения эффективной системы управления авиаперевозками. Изложенное выше дает основания считать выбранную тему диссертационных исследований актуальной для науки и практики управления авиакомпаний.
Концепция построения системы управления авиаперевозками авиакомпании
Результирующий эффект от внедрения и освоения этих направлений деятельности может дать авиакомпании такие преимущества, как повышение скорости и гибкости реакции на изменение конъюнктуры рынка, снижение риска ошибок при принятии решений, рост доходов от продаж, повышение рентабельности авиаперевозок, повышение конкурентного потенциала, увеличение доли рынка, снижение риска ошибок при принятии решений.
Общие принципы построения системы управления авиаперевозками можно пояснить с помощью функциональной схемы, представленной на рис. 1.5. Как следует из схемы, отправными моментами в задачах планирования авиаперевозок являются результаты маркетинговых исследований рынка, прогнозы спроса на авиаперевозки в различных сегментах или географических регионах рынка, на основе которых осуществляется формирование оптимальной маршрутной сети и стратегии авиаперевозок в виде конкретного расписания на сезонную (зима-лето) навигацию. Разработанная стратегия авиаперевозок включает в себя статистические оценки прогнозов доходов, затрат и рентабельности по каждой линии сети. В качестве критериев оптимизации для маршрутной сети чаще всего используют показатель операционной прибыли авиакомпании, либо рентабельность выполняемых рейсов, а для оптимальной расстановки ВС по линиям - операционные затраты. В общем контуре управления этап формирования стратегии авиаперевозок является наиболее важным и ответственным, так как здесь по сути формируется закон управления, стратегическая цель, представляемая в виде функции времени (расписание), от точности определения которой зависит эффективность всех последующих бизнес-процессов, реализующих перевозки. И если на этапе формирования цели допускаются ошибки, то они ни как не могут быть исправлены за счет последующих этапов, т.е. в таких случаях должна быть скорректирована сама стратегическая цель - расписание.
На основе выработанной стратегии авиаперевозок формируется стратегия основной коммерческой деятельности авиакомпании - стратегия продаж, в процессе которой определяются доминирующие сегменты и регионы мировых рынков авиаперевозок, выбирается соответствующая тарифная политика, а также каналы продаж. Способы организации коммерческой деятельности зависят от выбранной стратегии авиакомпании. Например, при выборе сегмента деловых пассажиров продажу целесообразно осуществлять через сеть собственных агентств, или использовать каналы IATA (BSP, ARC). Если же речь идет о сегменте неделовых пассажирских перевозок, незаменимыми являются услуги туристических агентств и фирм [111, 114]. При ориентации на рынок грузовых перевозок продажу целесообразно осуществлять через грузовые посреднические фирмы.
При наличии права свободной продажи своих перевозочных документов на территории иностранного государства авиакомпания может организовать продажу авиаперевозок через сеть своих представительств [60].
После того, как сформированы стратегии авиаперевозок и продаж, авиакомпания приступает к этапу планирования, который включает в себя два выполняемых в строгой последовательности подэтапа: подэтап планирования производственных показателей и подэтап планирования продаж. Расчет производственных показателей плана включает в себя: количество рейсов; количество посадок; летные часы; предложенные места; летные км; предложенные кресло-км; предложенные тонно-км; количество пассажиров; перевезенные тонны (груз, почта, багаж); ожидаемые пассажиро-км; ожидаемые тонно-км. Экономические расчеты планируемых производственных показателей позволяют решить важную задачу - анализ физической реализуемости выбранной стратегии авиаперевозок, оценку реального ресурса самолетно-моторного парка, перевозочных мощностей и экономического потенциала авиакомпании, которые могут обеспечить надежное выполнение намеченной стратегии авиаперевозок - расписания и достижение планируемых показателей доходов, затрат и рентабельности выполняемых рейсов [105,109]. Процесс планирования производственных показателей носит итеративный характер, причем число итераций зависит от точности измерения и прогнозирования параметров конъюнктуры рынка авиаперевозок. [49,56,58]. Найденные значения планируемых производственных показателей являются основой выполнения подэтапа планирования продаж авиаперевозок. Семантика данного подэтапа заключается в получении ответа на вопрос, сколько необходимо продать билетов, перевести грузов и получить такие доходы, которые соответствовали бы прогнозируемым в стратегии авиаперевозок контрольным цифрам. Учитывая тот факт, что бизнес-процессы продаж и выполнение рейсов разделены в пространстве и во времени, нахождение условий соответствия доходов от продаж представляет достаточно не тривиальную и самостоятельную задачу, которая решается в главе 2. В результате решения задачи планирования продаж пассажирских перевозок определяются следующие основные показатели: суммарные ожидаемые доходы от продаж по авиакомпании; ожидаемые доходы от продаж МВЛ и ВВЛ; ожидаемые доходы от продаж по различным каналам; ожидаемые доходы от продаж по отдельным пунктам; величина комиссии по различным каналам продаж; планируемые затраты на содержание представительств; эффективность отдельных каналов продаж; эффективность агентской сети и т.п. Формирование планов продаж и доходной части бюджета осуществляется с разбивкой по кварталам и по месяцам, за счет чего обеспечивается возможность их эффективного и надежного контроля. Реализация продаж авиаперевозок осуществляется посредством использования собственных каналов продаж (представительства, Internet-продажи, Call-центры, Центральные международные агентства и т.п.), через арендуемые каналы (BSP, ARC, ТКП), а также формируемую сеть агентов [110].
Модели учета пространственно-временного разделения доходов рейсов и доходов продаж
Основой для прогнозирования и последующего планирования доходной части бюджета авиакомпании является статистика доходов от выполняемых авиаперевозок. Процессы планирования доходов должны быть оптимальными, т.е. максимизирующими доходы авиаперевозок, но вместе с тем строго удовлетворять условиям их физической реализуемости. Однако часто не совсем корректное использование показателей доходов от выполняемых рейсов и доходов от продаж приводит к значительным методическим ошибкам в процессе формировании бюджета авиаперевозок, делая его либо необоснованно заниженным, либо заранее не выполнимым. Неполнота и недостоверность исходной статистики, используемой в расчетах показателей авиаперевозок, только усугубляет сложившуюся ситуацию [5].
Принципиальным отличием предлагаемого подхода является то, что с целью исключения методических ошибок доходная часть бюджета авиаперевозок должна формироваться на основе статистики продаж билетов. В соответствии с этим принципом при решении задач анализа и прогнозирования доходов от продаж определяющую роль должны играть подразделения, непосредственно отвечающие за продажи авиаперевозок. С другой стороны для принятия решений по управлению авиаперевозками (оценка качества загрузки, эффективности применяемых тарифов, рентабельности рейсов, линий, маршрутной сети и т.п.) требуются доходы, которые были бы привязаны к рейсу, линии и т.п. По характеру проявления эти доходы являются виртуальными, т.е. они никогда не реализуются в конкретном денежном выражении, никогда не подтверждаются никакими финансовыми документами.
Критерием достоверности предлагаемого подхода к расчету доходной части бюджета авиакомпании будет являться сходимость при определенных условиях оценок доходов, определяемых, исходя из продаж, с оценками доходов от выполненных рейсов. Тем самым снимаются многие вопросы относительно расхождений оценок доходов от продаж и доходов, ожидаемых от выполненных рейсов. В основу предлагаемого подхода положены следующие основные принципы [1]: 1. В каждом рассматриваемом периоде времени в авиакомпании одновременно существует два независимых друг от друга потока: поток выручки от продаж билетов в рассматриваемом периоде на рейсы, которые будут выполняться в будущие периоды времени (реальный доходы); поток доходов, привязанных к рейсам, выполняемым в данном периоде, продажа билетов на которые осуществлялась в моменты, предшествующие их вылету (это виртуальные доходы, т.к. они никогда не материализуются в денежном выражении). 2. С целью исключения методических ошибок доходная часть бюджета должна планироваться на основе статистики продаж билетов, т. к. они создают реальный доход - выручку в условиях реальной конъюнктуры рынков авиаперевозок. 3. Поток доходов, привязанных к рейсам, должен выполнять важную роль обратной связи в контуре оперативного управления авиаперевозками, позволяя оценивать качество бронирования, эффективность применяемых тарифов, рентабельность рейсов, линий и т. п. 4. Критерием достоверности результатов расчета доходной части бюджета является сходимость при определенных условиях оценок планируемой выручки от продаж к оценкам доходов, привязанных к рейсам, которые будут выполняться в соответствии с проданными на них билетами.
Задача определения условий сходимости заключается в разработке синтаксически и семантически корректных (математически формализуемых и ясных по логике и смыслу) моделей, которые обеспечили бы тождественность перехода от оценокдов, привязанных к рейсам, к оценкам выручки. Условие тождественности в свою очередь открывает простой и наглядный способ повышения точности прогнозов доходов бюджета на планируемый период, основанный на их калибровке по моделям сходимости, а также за счет последующей верификации получаемых результатов по выручке, взятой из платежного баланса. Компьютерные технологии, поддерживающие модели сходимости доходов, позволяют существенно сократить сроки формирования доходной части бюджета авиаперевозок.
Методы и алгоритмы измерения прямых затрат рейсов
Задача прогнозирования объёмов пассажирских перевозок и доходов является «стержневой» основой для решения многих задач оптимизации воздушно-транспортной системы по критериям, непосредственно связанным с интегральным показателем рентабельности (доходы, затраты, прибыль), поскольку оптимальность планов, получаемых при решении этих задач, зависит прежде всего от точности прогнозов. Поэтому вопросам разработки методов прогнозирования объёмов воздушных перевозок и ожидаемых доходов от их выполнения уделяется первостепенное значение [91,121,144, 157J.
В основу прогнозирования объёмов пассажирских перевозок и доходов должен быть положен комплексный подход, базирующийся на системном анализе всех взаимодействующих между собой факторов. Одновременно в этом прогнозе должны быть учтены и согласованы спрос и возможность его удовлетворения. Поэтому прогнозируемые значения объёмов и доходов от пассажирских перевозок должны быть основой для разработки требований, предъявляемых к самолетному парку, формированию сети воздушных линий, строительству и реконструкции аэропортов.
В зависимости от интервалов предсказания на воздушном транспорте существует следующая классификация прогнозов: краткосрочные (от месяца до 1-2 лет), среднесрочные (4-7 лет) и долгосрочные (10-15 лет) [109]. Для решения оперативных задач оптимизации перевозочных процессов в основном используются краткосрочные прогнозы, поскольку эти задачи, а именно: увеличение частоты движения самолетов по расписанию, выполнение дополнительных рейсов, замена на воздушной линии одного типа самолета на другой, изменение выполнения рейсов по времени отправления, введение на воздушных линиях дополнительных промежуточных посадок, открытие новых воздушных линий, расстановка по этим линиям самолетного парка, составление и корректировка расписания - осуществляются в эксплуатационных условиях без дополнительных капитальных затрат. Особенности методологии прогнозирования технико-экономических показателей авиаперевозок в своей основе заключаются в следующем: 1. Прогнозирование объёмов пассажирских перевозок и доходов рейсов представляет собой типичную задачу прогнозирования нестационарных статистических временных рядов (см. раздел 1.2). 2. Поведение отдельных рейсов в статистическом смысле носит индивидуальный характер, вследствие чего решение задачи идентификации структур и параметров моделей для каждого из рейсов требует соответствующего индивидуального подхода. 3. В основу аналитического конструирования алгоритмов прогнозирования перевозок должен быть положен критерий точности как необходимое условие принятия эффективных управленческих решений. 4. Минимальный диапазон надежного по точности прогнозирования должен охватывать пределы от месяца до 1,5-2 года (для задач оперативного управления перевозками, включая планирования маршрутной сети). Из математических моделей, используемых для задач данного класса, наибольшее распространение получили методы анализа одномерных временных рядов. В отличие от многих других методов (эконометрических, методов экспертных оценок, комплексных методов и т.п.), они не требуют обширной информации, поскольку базируются на информации, содержащейся в отдельных временных рядах. Используемые в этих методах математические модели, как правило, имеют весьма ясный смысл и несложные формулировки. В то же время точность прогноза, получаемая с помощью анализа одномерных временных рядов, в большинстве случаев может быть приемлемой [18,22,121,144,180, 186]. Для обеспечения необходимой для последующего принятия решения результирующей точности прогнозов необходимо принимать во внимание следующие факторы. 1. Так как объёмные показатели пассажирских перевозок и доходов зависят от количества планируемых рейсов, вводимых в дистрибьютерную систему, то нестабильность расписания рейсов наиболее существенно по сравнению с другими случайными факторами влияет на точность их прогнозов. 2. С целью исключения влияния нестабильности расписания целесообразным является прогнозирование среднего количества пассажиров, приходящихся на один рейс. Использование приведенного к одному рейсу прогноза позволяет легко пересчитывать предсказываемое количество пассажиров на любое заданное количество рейсов. 3. Получаемые результаты прогноза необходимо периодически тестировать и осуществлять их верификацию путём сравнения предсказываемых значений с фактическими. Алгоритмы прогнозирования объёмов пассажирских перевозок. Проведенные автором исследования показали, что достаточно точные прогнозы пассажирских перевозок обеспечивают модели экстраполяции трендов с учетом сезонных колебаний [18,22,48,121]. Модели трендов с учетом сезонных колебаний имеют вид: Y(t) = T{t) + S(t) + err ( аддитивная форма), Y(t) = T(t) S(t) + err ( мультипликативная форма), где Y(t) - предсказываемое значение в момент t; T(t) - тренд из выбираемый из параметрического семейства; S(t) — периодическая компонента ( сезонная волна ) с известным целочисленным периодом; err - ошибка аппроксимации. В зависимости от временного ряда (рейса) оптимизация прогнозных оценок по критерию точности может быть осуществлена на основе перебора ряда моделей тренда из следующего фиксированного набора: Линейный T(t) = A t + В + err; Экспоненциальный T(t) = ехр(А t + В) + err; Параболический T(t) = А іл2 + B t + C+ err; Логарифмический T(t) = A Ln(t + b) + C+ err; Логистический T(t) = A/(I + exp(B - C t)) + err; Степенной T(t) =A (t + B)AC+ err. Кроме перечисленных выше алгоритмов для задач краткосрочного прогнозирования известны применения рядов Фурье, адаптивных процедур Брауна (скользящее среднее, геометрическое, параболическое, экспоненциальное сглаживание и т.п., модели Бокса-Дженкинса и АРИСС) [118,120].
Все эти методы дают достаточно удовлетворительные по точности оценки прогноза для статистически установившихся процессов (например, из года в год повторяющиеся сезонные волны, этнические потоки пассажиров и т.п.) при сохранении условия однородности исходной статистики и нормального закона распределения её отдельных значений. Однако на практике эти условия не выполняются, в статистических рядах встречаются разрывы, выбросы и исчезновения данных, вследствие чего ошибки результирующих прогнозов могут резко возрастать. Их подавление, в свою очередь, требует дополнительных трудоёмких усилий по предварительной подготовки исходных данных, их фильтрации, интерполяции, восстановления временных рядов с последующим тестированием и т.п., в результате чего теряется оперативность получения выходных данных.
С целью устранения отмеченных недостатков в работе предложен комбинированный алгоритм прогнозирования, сочетающий наряду со свойствами сглаживания адаптивных алгоритмов возможности одновременного восстановления статистических рядов достаточно наглядным и простым способом.
Разработка регрессионных моделей для прогнозирования доходов от продаж
Проанализируем процесс возникновение ошибок при некорректном ведении географических справочников. Эти справочники должны быть едиными в авиакомпании и должны иметь единую кодировку, принятую в IATA. Так как эти справочники ведутся вручную в каждой БД, то они порой дают неоднозначную трактовку получаемой информации. Например, существует две базы данных о результатах перевозок БД ПЭД, основанием которой являются полетные задания, и БД Аэростат, формируемая автоматически из системы бронирования Gabriel. В различных подразделениях ведутся справочники стран, городов, аэропортов, рейсов и привязки рейсов к регионам. Первый слой ошибок - это когда в одном городе существует несколько аэропортов, и в базу данных статистики попадает код города вместо кода аэропорта.
Такая ошибка очень часто встречается в БД ПЭД, так как для производственных задач авиакомпании важны расстояния между городами, а различия между аэропортами не важны. Зато это очень важно для оценки показателей экономической эффективности, т.к. ставки и сборы, взимаемые с авиакомпании, зависят от аэропортов в одном и том же городе. Поэтому для ведения БД ПЭД следует брать справочник, формирующийся автоматически из системы Gabriel. Что касается регионов, то за основу этого справочника следует брать справочник БД ПЭД, так как именно эти регионы имеют официальный статус, а регионы, используемые в БД "Аэростат" привязаны не к территориальным образованиям, а к подразделениям, курирующим то, или иное направление. Такое несоответствие приводит к различным показателям качества полетов по различным регионам.
Большое количество ошибок возникает из-за неправильного ввода расстояний между пунктами полета. Если в системе Gabriel вводятся расстояния между парой городов без учета артодромии, то в БД ПЭД учитываются расстояния, определенные штурманскими расчетами. Поэтому эти расстояния являются более точными и необходимо использовать их как справочные данные, регламентирующие полетные расстояния. Конечно, т.к. эти расстояния вводятся вручную, возникает конфликт случайных и методических ошибок. В этой ситуации необходимо разрабатывать дополнительные тесты на проверку корректности ввода и сравнения с другими источниками данных.
Особое место в общем списке занимают ошибки, связанные с некорректным ведением справочника рейсов. Один справочник ведется в БД оперативной статистики (Аэростат) на основе системы Gabriel, другой - в системе БД ПЭД. Увязать эти данные порой бывает очень трудно, так как номера рейсов, которые даются рейсу при вылете не совпадают с номерами, присвоенными в системе бронирования Gabriel. Это особенно касается дополнительных и чартерных рейсов. Например, если компания исчерпала квоту на полеты в данный аэропорт, то вводимый как дополнительный в Gabriel рейс, зафиксируется в полетном задании как чартерный во избежании неприятностей в пункте посадки. Отсюда ошибки в идентификации рейса, т.е. результаты регулярных полетов будут существенно занижены, зато чартерные программы покажут улучшенные характеристики. Нарушение идентификации чартерных рейсов приводят к тому, что некоторые рейсы вообще невозможно идентифицировать, а значит и рассчитать его показатели. В данном случае для формирования номера в центре управления полетами необходимо использовать в качестве ориентира справочник рейсов, который внесен в систему бронирования, тогда разработчики и пользователи смогут найти соответствие между расписанием и фактически отлетевшим рейсом.
При формировании производственных показателей рейсов существенное значение приобретают справочники код-шеринговых рейсов, т.к. в настоящее время компания взяла курс на расширение альянсов с другими компаниями и развитие Code Share. Неправильная трактовка код-шеринговых соглашений приводит к некорректному определению пассажиропотока и, как следствие, неправильному расчету показателей загрузки. Поэтому для правильного учета код-шеринговых рейсов необходимо ведение нового справочника и подключение его к уже созданным базам данных.
Важное место в увеличении точности в статистике производственных показателей отводится корректному ведению справочника воздушных судов. В настоящее время широко используется справочник, характеризующий каждый тип ВС, но сейчас все чаще и чаще один и тот же тип ВС имеет разные характеристики. Например, аэробусы А320 поставляются и в трех- и в двух-салонной компоновке. Поэтому при автоматизированном формировании численности экипажа и максимального взлетного веса на основании справочников возникают ошибки и количественные и качественные. Таким образом, для уменьшения ошибок необходимо формировать справочник ВС с привязкой к бортовому номеру.
Рассмотрим ошибки, возникающие при оценке финансовых показателей авиаперевозок. Как следует из рис. 6.14, основное значение для минимизации ошибок имеет корректное ведение как справочника рейсов, так и справочника агентов. В настоящее время справочник агентов формируется на основании поступающих в ДУДВП отчетов представительств. Это приводит к тому, что при получении отчета от агента, ему присваивается код и, если это возможно, определяется представитель, которому он отчитывается, т.е. в справочник агентов заносится код представительства как owner. Если таких данных нет, то в справочник не заносится ничего. Это приводит к тому, что отчет по странам будет некорректным ввиду неточности определения страны пребывания агента. Если не известна категория агента, то некорректным будет отчет по каналам продаж. Некорректным будет и определение правильности начисления комиссионных агентом. Пример искажения информации вследствие некачественного ведения справочника агентов представлен на рис.6.15.
Похожие диссертации на Повышение эффективности функционирования авиакомпании на основе информационно-аналитической поддержки бизнес-процессов
