Rozwiązanie Amadeus Network Revenue Management wykorzystuje big data i nowoczesne algorytmy do tego, aby dostarczać liniom Finnair lepsze prognozy dotyczące popytu i zoptymalizować ich sieć połączeń.
Zmiany, które zaszły w branży lotniczej w ostatnich latach, zmusiły przewoźników do przekształcenia swojego podejścia do zarządzania przychodami. Klienci mają teraz większe możliwości niż kiedykolwiek, a presja na obniżanie cen jest ogromna. W związku z tym konieczny jest szczegółowy wgląd w popyt na poszczególne połączenia oraz odpowiednie wnioski analityczne, które pozwolą liniom lotniczym zmaksymalizować przychody i skutecznie konkurować w tych trudnych warunkach. Dlatego właśnie linie lotnicze Finnair wybrały rozwiązanie Amadeus Network Revenue Management. Obsługują one ponad 12 mln pasażerów rocznie, a nowe rozwiązanie pozwoli im dokładniej prognozować popyt ze strony klientów oraz zoptymalizować sieć połączeń. W tej umowie chodzi jednak nie tylko o technologię. Z liniami lotniczymi Finnair pracował zespół ekspertów z firmy Amadeus, aby pomóc im przeprowadzić transformację biznesową w zakresie całej sieci połączeń i pozwolić im w pełni wykorzystać swoje atuty w celu zwiększenia rentowności. Rozwiązanie Amadeus Network Revenue Management wykorzystuje big data pochodzące z różnych źródeł i stosuje nowoczesne algorytmy w celu przewidywania zachowań nabywczych klientów oraz ich chęci do zapłaty określonej ceny. Następnie na podstawie tych informacji dostarcza szybkich, dokładnych i inteligentnych rekomendacji co do najlepszej ceny i optymalnego pakietu oferty lotniczej. – W związku z rosnącą popularnością usług dodatkowych oraz coraz większą konkurencją w branży lotniczej linie Finnair potrzebowały rozwiązania, które rzeczywiście pomoże zoptymalizować zarządzanie przychodami za pomocą zaawansowanych funkcji, takich jak ochrona przed przejściem do tańszej oferty przez klientów i predykcyjne modelowanie zachowań klientów – powiedział Mika Stirkkinen, wiceprezes ds. zarządzania przychodami i cennikami w firmie Finnair.
