目前，在国内航空市场上，绝大部分服务是免费的，航企正在逐步寻求服务收费的方法。然而，现阶段的付费服务还不“叫座”，只有找到旅客*想要的服务，才是诉求。

　　正视数据，运用数据，航企大数据商业化的核心在于通过针对不同的旅客群体，制定不同的营销和服务的策略。大数据旅客的意愿是升舱而不是临时购票，在统计临时购票的旅客数量时会产生错误，忽略了旅客升舱的需求，而夸大了机场临时购票的需求。

　　让数据充分展示市场现实

　　大数据的应用，我们不应该去问“为什么”，而是让数据告诉我们“是什么”。大数据的特性，应该是完整性、混杂性和相关性的集合。

　　完整性，指的是大数据使用的是全体数据，而不是随机的样本数据。大数据的混杂性，在收集和分析大数据时，不需要片面追求数据的**性，而是可以把混杂的数据放在一起。例如，某些航空公司*早开始统计通过枢纽中转的旅客（O&D旅客）数量时，采用行业的标准统计规则：旅客多个航段的行程均在同一条订座记录中，在中转机场的停留时间不超过4个小时属于中转。经过这样的统计归类，国内航空公司在自己的基地城市承运的中转旅客占所有出港旅客的比例不会超过5%。后来，随着数据记录的数量越来越多，记录项目也越来越详细，航空公司开始采用旅客证件号码进行匹配，不再要求旅客行程都在同一条记录之内，并且把中转地的停留时间增加到24个小时。这样统计到的中转旅客量比之前增加了5倍，对这些旅客的需求行为分析得到的结论也更加准确。

　　而且，当航空公司收集到的相关数据越来越多，比方说从铁路部门获取到乘坐高铁的旅客信息，从旅行社获取到乘坐大巴的旅客信息，再把这些混杂的数据放在一起时，反而可以得到一个更加完整和**的中转旅客数据库，尤其对于航空公司的枢纽建设和中转产品设计具有帮助。

　　大数据的相关性，则可以采用“他山之石，可以攻玉”的方法来推导结论。以航空公司的枢纽建设为例，某航空公司想通过赠送周边城镇到枢纽机场的大巴车票的方式吸引旅客，但是无法测算有多少旅客将享受到这类免费车票，很难统计这项产品将要付出的成本以及吸烟旅客多，说明旅客对于超过2小时以上的航程忍耐度比较差，在飞行过程中容易烦躁；儿童旅客多，客舱的环境就会嘈杂，乘务员服务的难度就会提升；乘坐电瓶车的旅客多，反映出登机口距离安检口的距离比较远，或者是旅客到达机场的时间比较晚，这种情况可以通过优化不同航班之间的停机位加以改善。

　　数据的重复使用才能够发挥其潜在价值。例如航空公司不正常航班的旅客数据，在发生航班延误之后，这些数据被传递给呼叫中心、地面服务、乘务、配餐等部门，为旅客提供延误通知、后续改签、服务变更等一系列保障工作。之后，随着旅客*终成行，这些数据也就只剩下汇总的统计数据停留在经营报表之上，具体的旅客信息数据则不再有人使用。

　　然而，通过对已经发生过的受到航班延误影响的旅客数据进行分析，设计航班延误险的保险公司可以推算出提供多少金额的保单更加合适，航空公司可以测算付出多少成本为旅客购买保险更有价值。而专门针对受到延误困扰次数*多的旅客提供一些补偿服务，可以挽留旅客，提高他们对航空公司的品牌忠诚度，甚至航空公司还可以通过第三方公司公布的一些数据来获取商业价值。

　　大部分国外航空公司把资源投放在客户关系管理上，力求实现**旅客的价值提升。然而，对于国内航空公司而言，提高旅客的满意度才应该是首要的方向。这是因为很多国外的旅客服务已经是收费的项目，寻找愿意支付高票价的高价值旅客，才是航空公司争夺的关键点。而在国内，绝大部分服务是免费的，航空公司正在逐步寻求服务收费的方法，找到旅客*想要的服务。

　　针对国内航空公司的大数据应用，首先应该是拓展旅客服务，提高旅客的满意度。因此，航空公司去测算和衡量是否需要投放更多的服务资源来提升旅客满意度。

　　从上世纪90年代的投影电视，到现在的液晶屏、手持平板电脑等，机上的娱乐设备已经历多次更新换代，可旅客对其的投诉率仍然较高。这是因为旅客的构成和偏好也发生了变化，年轻人已经从对电视的痴迷转移到了互联网。从苹果公司IOS平台和安卓平台上获取的分析数据，对航空公司会更有帮助。

　　同时，航空公司可以借助大数据分析，实现精准营销。每年飞行次数*多的高频旅客群体，他们的购票行为特点非常鲜明，喜欢选择固定的渠道购票，购票时间距离出行的时间很接近，一般不提前购票，也很少提前办理值机手续，这些旅客中的绝大部分经常选择在起飞前*后30分钟才办理值机手续。这些旅客不在乎机票价格，更在意节省时间，为他们提供“易登机”的产品更能满足其需要。

　　不过，对于航空公司，涉及旅客隐私信息的数据，都应该是使用中的禁区；而数据结论也应该被禁止**定位到单一旅客的信息。