保障效率--用好大数据.docx

悻山说：航材故事会系列之J用好大数据”这年代，你要是不跟人说“大数据“，你都不好意思说自己是干销售的。飞机这个高科技产品，飞行这个绝对的技术活，时时处处涌现着各种数据。获得这些数据并不是太难的事情，问题是如何看待和运用这些数据。如果使用不当，“大数据”不仅不能帮到你，还可能会害到你。在我们航材圈，总有几个老板的逻辑，会时不时冒出来指导你的工作。客户以前买过的，现在还会买客户以前采购过的数量，今年还会买这么多在A地发生的销售，也很可能在B地发生这些逻辑再冠以"大数据''的名头，就变得非常唬人。我相信只要是做销售的，或多或少都被老板按这些套路要求过。在很多情况下，尤其是那些与飞机数量和飞行小时线性相关的消耗件上，这些逻辑都是对的。但在更多的情况下，这样的逻辑完全不符合事实。飞机上的消耗品，比如发动机火花塞，点火器，各种漉芯，灯泡等等，都会随着飞行小时的增加而消耗掉，所以飞机只要飞，那么这些消耗品的消耗规律就与机队大小和飞行时长几乎线性相关，这类产品的计划与采购是简单明了的。然而，这部分零件虽然价值不菲，但所占比例仅是很小一部分。其他零件虽也有损坏失效的一定规律，但比起线性关系就复杂得多了。因此，只能按照厂家提供的平均无故障时间做简单推论。这时，甲方的计划和乙方得销售都会寻求“大数据”的支持。但是，针对航材而言，使用大数据经常会有两个误区。第一，就是数据不够大。这不是说数据不够多，而是样本不够多。与汽车或者火车相比，飞机的复杂程度要高很多，但使用时间却相对较少。最好的机型也只有一万架左右的保有量，与动辄百万量级的汽车保有量相比，飞机在某个区域内飞行的数量太少，所构成统计的样本不足够多。第二，影响数据的随机因素太多。天气，气候，航线，人为，政策法规等等，都时刻影响到飞机的运营，所形成的数据就难以规律性地体现零件故障或者失效的原因和时间。还有一个民航业比较特殊的情况，就是服务通告。一旦一种故障的形成具有一定普遍意义，立刻就会有服务通告出现对其进行修正。这样一来，这种错误或者失效的规律又消失了。前期数据统计的结果又无法预测后面的情况。有一次，某供应商调取某大型航空公司的两年采购数据，发现某机型的客舱窗户遮光板有大量消耗，而且每个月车间都有相对固定的领料记录，而生产厂的库存却经常不够用，使得车间经常报缺料。于是，这个供应商便想法设法囤积了大量遮光板来应对。当然，在一段时间内，他们不仅解决了遮光板短缺问题，也赚到了足够的利润。当他们维续网货扩大规模时，车间却突然停止领料再也没了需求。经过调查他们才发现，之所以产生大量的需求，并不是以前的遮光板大量损坏，而是根据飞机租赁和退租的要求，要把客舱所有遮光板的色差调整一致。之前所有的需求，都是为了执行退租检。现在飞机退完了，自然没了需要。这下他们屯的货几乎全砸手里了。这样的故事似乎更应该归咎于信息不对等。然而这样的失误也一样会发生在AViall这样的公司身上。那一年，AViaII代理了普惠发动机的JT9D发动机全球的售后零件，当时中国国内还有国货航的747货机在使用这一款发动机，亚洲还有AMECO,台湾，新加坡至少三家维修厂修理这一款发动机。根据当时的测算，AViaIl不仅买了大量的库存，还完成了全球的布局。但是，随着新飞机的推出，国货航很快将飞机连同备用发动机卖给了友和道通，友和道通没飞多久因为欧洲的经济危机也停掉了飞欧洲的航线。很快，AMECO,台湾和新加坡放弃了JT9D的修理能力，瞬间全球只剩下以色列一家MRO了。全球的客户像商量好了似的淘汰了这一款发动机。AViaIl备的货也砸手里了。就是由于类似于这些故事的随机因素太多，大数据在航材领域的应用并不是特别见效果。我也多次咨询波音的数据分析专家，给愿意使用大数据工具的同行一些建议：尽量利用大数据做定性分析而不是定量分析尽量使用大数据做航材族群的测算而不是单个航材的测算关注数据产生的背后原因并及时调整算法必须说，大数据对于长期趋势的预测和推断还是有很大的准确性的。只要我们不是机械地使用大数据来指导工作，它一定会在很多方面帮到我们，我们应该用好它。