机场大数据应用与商业模式拓展措施
2022-11-23徐云山东省机场管理集团有限公司
文/徐云(山东省机场管理集团有限公司)
近年来,以飞机为出行工具的旅客越来越多,机场也成为人流的聚集地。随着机场人流量的加大,很多商家嗅到了商机,因此机场从传统的交通运输场所逐渐向运输和商业综合性发展,商业资源价值也充分凸显出来。机场商业是当前商业中的重要组成部分,但是从当前机场商业发展情况来看,运输仍然是主流业务,在商业发展方面相对于其他商业模式来说仍存在很多的不足。因此需要对机场客流进行分析,加强对机场商业资源价值的重视,保证机场商业管理的科学性,提升机场商业价值。
一、机场大数据的应用现状和应用思想
机场大数据在机场商业运营中的应用有利于提升商业运营效率,查找商业运营问题,保证商业健康发展。但是从当前的机场大数据应用情况来看,其中仍然存在很多的不足,在应用思想方面虽然得到一定的启示和发展,但是仍然需要进一步完善。
(一)机场大数据应用现状
机场大数据可以通过智慧平台整合,形成有效的资源,并在相应的领域中进行合理配置,但是从当前机场大数据的应用情况来看,其中仍然存在很多的问题,难以凸显机场大数据的应用效果。机场商业可以从广义和狭义两个方面进行分析,广义方面指的是所有非航空收入的商业模式;从狭义方面分析则细化为多个不同的模块形式,主要以机场的行业零售和餐饮为主要的发展和整合对象[1]。通过对机场运营收入的对比研究来看,非航空收入基本可以达到与航空收入持平的效果,虽然不同时间有所浮动,但是浮动的幅度并不明显。而且部分机场的非航空收入已经远远大于航空收入。从以上分析可知,非航空收入对于机场商业发展具有重要的价值,需要探究非航空收入的商机,加强机场商业管理。
旅客在航空出行中会留下大量的数据信息,这些信息都可以作为航空业务部门运行的重要依据,有利于加强机场商业信息管理。但是从机场大数据的实际应用情况来看,由于大数据系统的影响,难以实现数据的统一性,而且在外力的影响下无法实现数据共享。比如,机场商业经营中,各部门间都保持独立性,缺乏协作意识。同时机场商业支付软件的功能单一,更新速度慢,容易造成信息不对称等方面的问题,导致商业信息管理受到限制。
(二)机场大数据应用思想
机场商业管理中的大数据管理能够实现信息的共享,提升机场商业盈利能力。因此在机场大数据系统的建设中,需要建设共享的数据体系,通过全感知信息的应用,保证机场信息能够实现同步互动,加强对数据管理范围的扩大,强调被服务对象的服务体验。并从不同角度对数据管理系统进行完善,提升数据管理系统的运行效率。机场大数据管理方法的应用转变了传统收支方式,机场收银功能也得到进一步完善,将消费者的服务作为管理的重要依据,对数据的维度进行拓展,提升机场商业营销的精准性。
机场大数据管理在机场商业中的应用还实现对数据服务对象范围的拓展,将机场的航空业务与商业结合,并通过与关联性租户的合作,提升机场运营主客体参与大数据管理的兴趣。通过大数据系统对商业信息的收集、整理、分配和共享,促进各部门间的联动作用,提升大数据的利用效率,构建以用户为核心的管理思维,促进机场商业的健康发展[2]。
二、机场商业大数据应用分析
机场商业大数据应用中需要科学选择数据来源,保证数据分析的科学性,同时利用大数据技术绘制消费者商业画像,保证对消费者特点的准确分析。
(一)合理选择数据来源
机场商业大数据应用前需要先做好大数据的选择,根据销售以及会员数据进行大数据分析。在大数据分析中,一般会选择商品的类别、会员信息以及付款方式等数据内容进行大数据整合与分类。数据的来源以进销存和客户关系信息为主。由于机场商业信息大部分都采用日清日结的方式,因此数据内容比较科学、可靠。同时销售数据中能够显示每一笔交易的具体情况和单品购买率等,数据的精准度比较强,有利于后续的数据研究。此外,大数据分析中,还需要加强对成员身份的收集和管理,与传统业务分析模式不同,客户分析中强调对个人行为的分析,因此在数据分析中需要将个体情况与行为结合,而个体的行为就往往会关联到其他人,可以形成关联性分析,通过各种ID的使用以及手机号等各种信息采集,对会员数据进行检查,降低会员数据分析难度[3]。
(二)大数据商业画像
机场商业大数据的分析,能够总结出机场商业的特征。首先,可以通过数据分析了解机场消费的潜力。比如在与上一年机场消费零售总额的对比中,出现持续增长,同时旅客量也持续提升的情况下,可以表明机场旅客的消费具有比较大的潜力;其次,选择产品消费类型比较集中的数据,可以将产品的销售额作为评定标准。通过大部分机场总结来看,服装配饰所占的销售比例最高,能够达到所有消费产品类型的三成左右,其次为食品和特产;再次,从产品的销售情况来看,女性产品的消费能力远远高于男性产品消费。同时女性消费中最集中的类型为时尚美妆、首饰以及手表;最后,从付款方式方面进行数据分析,当前大部分支付中都是以微信和银行卡为主要支付方式,其中大额消费中银行卡为主要支付方式,其次为微信,最后为现金。由此可见,机场的高金额的销售中,银行卡和现金仍然是主流的支付方式。
(三)机场会员数据分析
为了保证数据分析的精准性,了解不同群体的消费行为,需要对会员的数据情况进行分析。从现有的机场会员注册情况来看,会员主要集中在45岁以下,其中35周岁以下会员人数达到总会员人数的60%左右,男女会员的比例比较均衡。从会员的职业分析来看,白领和金融行业人员所占的比例最大;从学历分析来看,专科以上学历的人员成为会员的潜力最大;从会员的地域分布情况来看,与机场的距离具有一定的关联性,一般距离机场距离越近的行政区域会员的分布量也会越大。会员数据分析中,消费偏好是一项重要的分析标准,大部分消费都是以食品、化妆品以及小型电器为主。但是从消费的金额来看,会员高消费金额的发生率并不高,具有偶发性特点,而且高消费产品的黏性低,这与机场商业环境具有直接的关系。总体来说,机场会员的消费水平与社会其他商业的消费水平没有太大差距,而且从数据的对比来看,具有较大的上升空间和发展潜力。但是由于机场位置和功能的特殊性,使会员对机场商业的黏性比较低,无法与传统商场经营模式比拟。而且机场布局距离市区比较远,区位优势不明显。针对这个问题可以尝试采用电商的销售途径,消除机场的区域劣势,在机场会员管理中形成优质会员模式。
三、机场大数据的应用领域和策略
(一)机场大数据的运输管理应用
机场大数据管理对机场运输管理工作开展具有一定的指导作用,从机场航空运输业务的开展情况来看,主要是为旅客提供多元化、全方位的服务。从航空运输的发展特色来看,在运输管理服务中需要根据航空的起飞以及着陆情况设计不同的服务体验,满足消费者的消费需求和服务要求。旅客在接受机场的商业服务中对服务评价主要来源于自身的主观因素影响,因此消费者对航空服务的评价也会出现多样化的特点,但是总体来说评价的主要参考仍然是航班的按时和安全运行。此外,航空的候机环境、饮食、购物等也是重要的评价角度和标准。通过在客户评价中对大数据技术的应用,有利于管理人员对机场的航班运行情况进行掌握,并以客户的需求为基础,开展相应的服务工作[4]。在航空服务中打造科学的保障体系,保证航班的稳定运行效果。机场商业管理中通过大数据技术的应用,使机场的发展实现智能化,而且为各部门间的发展提供有效的平台,形成比较完善的管理体系,将旅客的需求作为发展的核心,打破传统单一的服务僵局,构建个性化的服务模式。
机场行业发展中,航空运输一直是主营业务模式,因此大数据技术的应用中也需要将航班的稳定运行作为大数据管理的核心内容。可以通过大数据平台构建一体化的管理模式,根据机场的商业运行情况不断优化和完善组织机制,提升机场运输管理效率。大数据模式在机场商业中的应用,有利于对机场商业中内外部环境中数据的收集,可以通过对旅客在机场航班各方面的数据信息提取和分析了解旅客的需要,探究商业发展动机,以此为基础提升商场经营活动效率。机场运营中对航班运行的影响因素比较多,需要加强对运营航班信息的关注,并保持各项数据间与行业的共享性,分析客户的旅行需求和体验要求,通过不断优化商业模式和服务方式,为旅客提供更满意的体验。并利用大数据技术加强市场调查,从中查找和挖掘机场商业经济发展影响因素,促进商业活动的健康发展,提升机场商业社会服务效率,促进航空运输管理工作的顺利开展。
(二)机场大数据的商业经营应用
机场运营中产生大量的数据,通过大数据技术的应用对机场商业发展规划和商业经营都具有非常重要的作用,可以通过对机场商业数据管理内容的分析,了解商业发展潜力和发展方向,提升数据管理效能。社会经济的快速发展,使大数据技术的应用越来越广泛,为商业经营提供了有效的依据,促进了社会经济的发展。从当前机场商业发展情况来看,机场商业管理中大数据管理理念的应用效果比较明显,能够保证机场商业行为规划的科学性,促进商业经营管理中各环节的有效衔接。在大数据的数据范围选择和应用中,需要保证数据内容的多样性,能够将招商、场地以及合同管理等经营管理内容进行整合。机场商业经营管理中,以零售为主要经营管理终端,其中需要严控的管理内容包括食品安全以及产品价格两个方面的管理,需要通过加强服务监督的方式,对客户的商业需求情况进行分析。
在商业经营的财务管理中,同样可以通过大数据的应用监督各个流程,提升财务管理效率和安全性。商业可以从自主经营角度研究,结合不同经营管理链条,建立商业经营管理中各环节的联系性,形成比较完善的联动管理模式,促进机场商业管理工作运行效率,为用户提供更舒适的服务体验,形成智慧型机场商业思维,为机场商业发展提供有效的支持。智慧机场大数据管理工作中,需要加强对商业经营应用效果的分析,并做好对各项数据的收集和整理,可以通过对商业经营中大数据平台的智能化分析,为后续工作开展提供相应的理论支持,构建科学的数据模型,提升大数据平台的管理效益和经营效果,促进消费者间的有效互动,有利于对机场经营中各种动态数据信息内容的掌控,促进机场商业经济的快速发展。
在机场商业大数据分析中,需要尝试引入高新技术,保证数据采集和分析的科学性和高效性。通过数据分析结果进行商品的布局和种类调整,为用户提供更舒适的购物体验,保证商业经营效率。比如,可以采用“画像”技术,通过科学技术手段对所有进入店铺的顾客特点进行研究和分析。包括顾客的性别、年龄等,客户“画像”有利于分析商业品牌定位是否科学。比如一个服装定位于中年稳重气质的品牌,但是在客户“画像”中发现客户的年龄段集中在29岁以下,说明该服装品牌的定位出现偏差,需要及时调整定位。同时还可以结合店铺进入客户在其他方面的喜好,比如饮食、兴趣等是否与年龄段相符进行判断,通过综合习惯分析了解数据的可靠性和真实性。或者通过客流量数据分析,了解客流量与运营间的关系,为了了解店铺的销售和库存情况,需要加强对库存以及流量等方面数据的定期分析,一般以月分析的方式为主,在数据的分析中,主要分析的内容包括高客流量的情况下成交率的变化情况以及低客流量的情况下成交率的变化情况,并结合高流量低成交以及低流量高成交的特殊情况原因进行分析[5]。一般来说主要原因如下:客流量多但是购买意愿不强,客流都为穿行流量;或者店铺的商品陈列方式不科学,无法吸引消费者,难以激发客户深入了解产品的兴趣;此外,客流量的大量增多,会导致服务人员的工作强度增大,服务质量和品质降低,导致客户的购买意愿不强。
针对以上问题可以采用热力图与动线图的方式科学设置商业经营规划。机场商业经营管理中可以通过热力图以及动线图的观察与分析,确定商业规划的合理性。比如在商业男性箱包类商品的销售中,通过热力图观察发现,男性箱包产品货架前段位置的浏览量比较多,后端位置的浏览量则明显减少,导致后端产品的关注度不足,无法发挥销售潜力[6]。因此可以通过合理调整陈设的方式促进客户流量对店内商品的深入浏览。在货架的调整中,将热销类产品放置在货架的前段,有利于商店的引流。同时在货架的中后端位置增加“爆款”“热销”等宣传帖,通过视觉上的吸引,引导客户向后端浏览。同时将男性的箱包陈列设置与女性的箱包陈列设置进行融合,形成情侣款模式,能够吸引男女不同类型客户的关注,并将这部分产品放置在货架的末端位置,达到更好的引流效果。通过这种产品的摆设方式应用,使客户在浏览商品的过程中能够被不同商品属性所吸引,防止客户出现浏览疲劳,只集中在前段区域。由此可见,通过在机场商业店铺中增加感知设备,有利于获取商业数据。并通过数据的对比分析,获取旅客更精细化和准确化的信息资料,为商业店铺内部调整,经营管理等提供有效的支持和指导。
四、结语
综上所述,机场大数据管理对机场商业潜能的开发以及发展具有重要作用,同时在机场商业中的应用维度越来越广泛。通过大数据技术的应用,有利于促进航空业务与商业间的发展,为机场商业管理工作开展提供有效的指导。通过大数据对机场商业模式和经营方式从不同的维度进行分析,了解其中存在的问题和不足,并引入先进的数据采集和分析设备,提升行业运行效果。通过对商业问题的诊断、改善和后期的验证,提升商业运行效率,及时调整商业运行方向,保证机场商业的健康发展。
相关链接
大数据包括结构化、半结构化和非结构化数据,非结构化数据越来越成为数据的主要部分。据IDC的调查报告显示:企业中80%的数据都是非结构化数据,这些数据每年都按指数增长60%。大数据就是互联网发展到现今阶段的一种表象或特征而已,没有必要神话它或对它保持敬畏之心,在以云计算为代表的技术创新大幕的衬托下,这些原本看起来很难收集和使用的数据开始容易被利用起来了,通过各行各业的不断创新,大数据会逐步为人类创造更多的价值。
另外,想要系统地认知大数据,必须要全面而细致的分解它,着手从三个层面来展开:
第一层面是理论,理论是认知的必经途径,也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性;从对大数据价值的探讨来深入解析大数据的珍贵所在;洞悉大数据的发展趋势;从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。
第二层面是技术,技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。
第三层面是实践,实践是大数据的最终价值体现。在这里分别从互联网的大数据,政府的大数据,企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。
大数据概念应用到IT操作工具产生的数据中,大数据可以使IT管理软件供应商解决广泛的业务决策。IT系统、应用和技术基础设施每天每秒都在产生数据。大数据非结构化或者结构数据都代表了“所有用户的行为、服务级别、安全、风险、欺诈行为等更多操作”的绝对记录。
大数据分析的产生在于IT管理,企业可以将实时数据流分析和历史相关数据相结合,然后大数据分析并发现它们所需的模型。反过来,帮助预测和预防未来运行中断和性能问题。进一步来讲,他们可以利用大数据了解使用模型以及地理趋势,进而加深大数据对重要用户的洞察力。