Fluggesellschaften bestehen aus unterschiedlichen Merkmalen, die sich in Produktionsverfahren, Kundengruppe, Streckennetze und weitere Einheiten unterteilen lassen. Des Weiteren werden Fluggesellschaften auf Grundlage ihrer Merkmale unterschiedlich typisiert. So kann eine Fluggesellschaft als Netzwerk-Carrier, Regionalfluggesellschaft, Cargo-Airline, Touristikfluggesellschaft oder Low-Cost-Carrier bezeichnet werden. Ein Luftverkehrskonzern kann unterschiedliche Typen von Fluggesellschaften betreiben und stellt somit eine Zusammenführung der unterschiedlichen Merkmalen von Fluggesellschaften dar (Maurer 2007, S. 30).

Die unterschiedlichen Typisierungen lassen Fluggesellschaften in unterschiedlichen Geschäftsfeldern tätig werden. Es lassen sich drei strategische Geschäftsfelder unterscheiden. Zum einen gibt es die Passage, welche Passagierprodukte darstellt, die Logistik, welche für Lufttransporte verantwortlich ist, und die Technik, die Technikprodukte anbietet. Weitere strategische Geschäftsfelder bilden Catering, Touristik und IT-Services (Maurer 2007, S. 102).

Im Folgenden wird sich in dieser Arbeit auf das Passagierprodukt bezogen, da dies in Anbetracht von Big Data-Analysen den geeignetsten Ansatzpunkt bietet. Auch wäre die Betrachtung weiterer Punkte möglich, würde allerdings die Detailebene zu stark erhöhen.

Flugroutenplanung

Bei der Generierung von Flugrouten, die eine Fluggesellschaft dem Kunden als Angebot anbietet, werden mehrere Prozesse durchlaufen. Dabei muss eine zeitliche Koordination der Flotte der Fluggesellschaft mit dem Personal erfolgen (Maurer 2007, S. 282).

Je nach Fluggesellschaft bzw. Konzern kann der Umfang eines solchen Produktes unterschiedlich groß sein. Im Falle des Lufthansa-Konzerns, welcher eine Vielzahl von Flugverbindungen bietet und ein großes Volumen von Crewmitgliedern hat, wird eine tiefgreifende Verwaltung benötigt (Lufthansa o. J.-b, o. J.-a). Werden Passagierdaten mit einbezogen, welche in der Vergangenheit generiert und hinterlegt wurden, könnten an dieser Stelle Big Data-Analysen wieder Anwendung finden.

Insbesondere Kundendaten, welche Informationen wie die Staatsangehörigkeit, das Flugdatum und den Ab- und Zielflughafen beinhalten, könnten für die Analyse einbezogen werden (Transat o. J.).

Big Data-Analysen in der Flugroutenplanung

Wie bereits genannt, stellt die Flugroutenplanung einen wichtigen Bestandteil der Fluggesellschaft dar. Umso wichtiger ist es, in diesem Punkt die Analysen zuverlässiger und genauer zu gestalten. Aufgrund der in Kap. 3.3.1 genannten Datenquellen lassen sich sowohl strukturierte als auch unstrukturierte Daten sammeln. Nach der Definition in Kap. 2.1 würden Suchanfragen nach Flugstrecken im Internet durch Reiseanbieter wie „fluege.de“ aufgrund der Eigenschaften als Suchmaschine als unstrukturierte Daten gelten, wodurch Textanalysen infrage kommen. Zu den strukturierten Daten können alte, von den Fluggesellschaften hinterlegte Passagierdaten gezählt werden.

Bei der Planung von Flugrouten ist es, wie in Kap. 3.3 beschrieben, wichtig, beliebte Flugstrecken zu identifizieren. Zwar wären Auswertungen in Echtzeit nicht das Ziel, jedoch wären vergleichsweise zu jetzigen Technologien bzw. Auswertungsverfahren schnellere Analysen dennoch ein Wettbewerbsvorteil.

Beispielsweise könnte ein Hadoop-System an diesem Punkt mit strukturierten und unstrukturierten Daten gefüllt werden. Big Data-Analysen könnten insbesondere Trends aus den Mustern mit den in der Vergangenheit gebuchten Tickets, Flügen und aktuellen Suchanfragen in Reiseanbietern herausfinden und diese visuell darstellen. Durch die Auswertung könnten Fluggesellschaften ihr Angebot weiter optimieren und beispielsweise eher weniger rentable Flugstrecken aus dem Programm streichen. Durch die damit gewonnenen Ressourcen könnten mehr Flüge zu beliebteren Zielen generiert werden.

Ähnlich wie in Kap. 3.1.1 beschrieben, indem Flugzeughersteller für die Zusammenstellung für Teams mithilfe von Big Data-Analysen eine optimale Teamkombination erstellen können, so können auch bei der Zusammenstellung der Crew an dieser Stelle Big Data- Analysen angewandt werden. Durch die Auswertung der Flugzeiten, des Erfahrungswerts bestimmter Routen von Piloten und der geografischen Erreichbarkeit der Mitarbeiter, könnten Crews so zusammengestellt werden, dass das leistungsfähigste Potenzial gewonnen werden könnte.

Aktuelle Technologien

Ein aktuelles Tool, welches Analysen auf Passagier- bzw. Buchungsverhalten durchführt, ist OAG Analytics. OAG Analytics bezieht Marketing Information Data Transfer, welche Daten aus dem Global Distribution System als auch justierten und nicht justierten Passagierbuchungen etc. entnehmen. Als Ergebnis werden nach der Analyse die top Flugrouten und beliebte Flughäfen ausgegeben. Das Weiteren werden auch weniger versorgte Flugrouten dargestellt.

An dieser Stelle lassen sich durchaus Parallelen zu den genannten Möglichkeiten von Big Data-Analysen in der Flugroutenplanung finden. Auch zeigt das bestehende Produkt, dass durchaus Bedarf und Nachfrage nach einer analytischen Routenplanung bestehen. Durch OAG kann es letztlich zu einem besseren Verständnis des Passagierverhaltens und deren Präferenz kommen (OAG o. J.).

Inwieweit sich OAG tatsächlich für die Flugroutenplanung nutzen lässt, sollte allerdings auch kritisch betrachtet werden. Da es sich hierbei nur um Angaben der Herstellerseite handelt, sollte hinterfragt werden, inwieweit die dargestellten Möglichkeiten ausgenutzt werden können bzw. tatsächlich die erwarteten Ergebnisse generieren. Des Weiteren wird wiederum nicht klar ersichtlich, ob es sich dabei um eine Big Data-Technologie handelt.

Nutzenpotenziale

In dieser Hinsicht würde der Fluggesellschaft Nutzen in wirtschaftlicher Sicht anfallen. Aufgrund des besseren Flugangebots würde die Wahrscheinlichkeit der erhöhten Flugbuchungen steigen, da das Interesse der potenziellen Passagiere geweckt werden würde. Daraus ließen sich höhere Gewinne generieren, welche den wirtschaftlichen Nutzen untermauern. Ein weiterer Punkt, der für die Wirtschaftlichkeit sprechen würde, wäre die Minimierung unbeliebter Routen, da dadurch weitere Kosteneinsparungen gewonnen werden könnten. Des Weiteren würde die Qualität des Fluges durch ein optimal zusammengestelltes Team verbessern werden. Auch in dieser Hinsicht würde damit die Flugsicherheit steigen, da ein potenziell besser interagierendes Team die Kontrolle über das Flugzeug übernehmen würde. Flüge, welche ausgebucht sind, würden tendenziell ebenfalls mehr Nutzen im ökologischen Zusammenhang bringen. Dies würde sich daraus erschließen, dass weniger unproduktive Routen geflogen werden. Big Data-Analysen würden in diesem Punkt somit zu einer generellen Effizienzsteigerung führen.