American Airlines prend son envol avec la transformation analytique

Dans le sillage de la pandémie de COVID-19, les compagnies aériennes ont été aux prises avec le mauvais temps, moins de contrôleurs aériens et une pénurie de pilotes, ce qui a entraîné un nombre sans précédent d’annulations en 2022. Selon Reutersplus de 100 000 vols aux États-Unis ont été annulés entre janvier et juillet, en hausse de 11 % par rapport aux niveaux d’avant la pandémie.

American Airlines, la plus grande compagnie aérienne au monde, se tourne vers les données et l’analyse pour minimiser les perturbations et rationaliser les opérations dans le but d’offrir aux voyageurs une expérience plus fluide.

« Sans contact, sans couture, sans stress. Nous avons toujours eu cette vision, mais elle a été difficile à concrétiser avec les systèmes et l’infrastructure existants dont nous disposons », déclare Maya Leibman, vice-présidente exécutive sortante et CIO d’American Airlines. « Au fur et à mesure que nous nous modernisons, nous progressons de plus en plus vers notre vision. À l’avenir, les aéroports s’appelleront peut-être simplement Sky-Stops parce que, tout comme votre arrêt de bus moyen, ils ne nécessiteront pas plus d’effort ou de stress que de simplement se présenter et monter à bord.

Leibman, qui a démissionné le 1er septembre en faveur du nouveau vice-président exécutif et directeur du numérique et de l’information (CDIO) Ganesh Jayaram, a conduit une transformation majeure de la compagnie aérienne de 86 ans pour adopter la prise de décision basée sur les données.

« Nous suivons ce parcours de transformation depuis quelques années maintenant, et avant la pandémie, nous avons mis en place un état d’esprit produit en restructurant nos équipes autour de notre nouvelle taxonomie de produits », déclare Leibman. « C’était un énorme changement pour nos équipes. Mais comme nous avions jeté les bases en 2019 d’une culture DevOps orientée produit, nous avons pu réorienter et redéfinir nos priorités pour résoudre rapidement les problèmes des clients liés à la pandémie, par exemple en facilitant l’utilisation des crédits de voyage des vols annulés. ”

Leibman note qu’American Airlines opère toutes les heures de chaque jour. Il a toujours des avions dans les airs autour du monde.

« Nous sommes une industrie où notre produit est consommé au fur et à mesure qu’il est produit », dit-elle. « Le plus grand défi consiste à transformer ces données en informations exploitables sur lesquelles il est possible d’agir facilement et de manière transparente en temps réel dans cet environnement 24-7-365. »

Passer au cloud

Heureusement, Leibman a eu un as de son côté. Poonam Mohan, vice-président de la technologie d’entreprise chez American Airlines, supervise de nombreuses initiatives d’IA et d’analyse de données de la compagnie aérienne et a joué un rôle fondamental dans la mise en œuvre de la vision de Leibman.

« Nous avons déplacé nos principales plates-formes de données vers le cloud et mis en place des hubs de données pour les clients et les opérations », déclare Mohan. « Ces systèmes permettent d’utiliser les données en temps réel de bon nombre des pièces mobiles massives de la plus grande compagnie aérienne du monde, non seulement pour comprendre comment les événements nous ont affectés dans le passé, mais aussi pour nous permettre d’améliorer les résultats des clients et opérationnels au fur et à mesure qu’ils se produisent. »

Mohan note que son équipe a simultanément créé des frameworks DataOps qui ont amélioré la capacité de la compagnie aérienne à ingérer et à consommer de nouvelles sources de données en quelques heures plutôt qu’en quelques semaines.

American Airlines s’est associée à Microsoft pour utiliser Azure comme plate-forme cloud préférée pour ses applications aériennes et ses charges de travail clés. Les partenaires appliquent l’IA, l’apprentissage automatique et l’analyse de données à tous les aspects des opérations de l’entreprise, de la réduction du temps de taxi (économisant ainsi des milliers de gallons de kérosène par an et donnant aux clients en correspondance plus de temps pour effectuer leur prochain vol) à la mise en place de véritables – des informations horaires à portée de main du personnel de maintenance, des équipes au sol, des pilotes, des agents de bord et des agents de porte.

«Lorsque la pandémie a commencé, tout à coup, nous avons annulé des milliers de vols alors que des interdictions de voyager étaient mises en œuvre. En conséquence, nous remboursions beaucoup de clients dont les projets de voyage avaient été annulés en raison de la pandémie. Pour gérer le volume incroyable auquel nos agents du service client étaient confrontés, nous avons utilisé l’apprentissage automatique et l’ingestion et le traitement automatisés pour aider à gérer le volume et pour que nos clients traitent leurs remboursements plus rapidement », explique Mohan à titre d’exemple.

En ce qui concerne les temps de roulage, un programme de déclenchement intelligent déployé au hub de Dallas-Fort Worth (DFW) de la compagnie aérienne fournit une analyse en temps réel des points de données tels que les informations d’itinéraire et de piste pour attribuer automatiquement la porte disponible la plus proche aux avions à l’arrivée, réduisant le besoin d’intervention manuelle des planificateurs de portail. Le programme réduit actuellement le temps de taxi d’environ 10 heures par jour.

La compagnie aérienne migre et centralise ses charges de travail opérationnelles stratégiques – y compris son entrepôt de données et plusieurs applications héritées – dans un hub d’opérations sur Azure, ce qui, selon elle, l’aidera à réduire ses coûts, à augmenter son efficacité et son évolutivité, et à progresser vers ses objectifs de durabilité.

« Nous nous concentrons sur l’automatisation dans chaque fonction de l’entreprise », déclare Mohan. « L’automatisation robotique des processus nous a permis d’automatiser un grand nombre de processus manuels répétitifs dans les domaines des finances, de la fidélité, de la gestion des revenus, des réservations et des ressources humaines, pour n’en nommer que quelques-uns. La combinaison de l’automatisation et de l’apprentissage automatique pour le traitement du langage naturel est très efficace pour aider à résoudre de nombreux problèmes rencontrés par les clients. »

L’importance de la culture

Mohan note également que l’entreprise vient d’effleurer la façon dont Double digitale et l’IA peut aider ses opérations et améliorer l’expérience de voyage des clients. Deux de ses programmes ML les plus récents, lancés ce printemps, incluent HEAT (abréviation de Hub Efficiency Analytics Tool) et le programme de déclenchement intelligent susmentionné.

HEAT a déjà joué un rôle clé lors d’orages violents. Il analyse plusieurs points de données, y compris les conditions météorologiques, les facteurs de charge, les connexions des clients, la disponibilité des portes et le contrôle du trafic aérien pour aider American Airlines à ajuster les heures de départ et d’arrivée sur des centaines de vols de manière coordonnée.

« Jusqu’à présent, nous avons été satisfaits des résultats car cela a réduit le nombre d’annulations lors d’un événement météorologique », a déclaré Mohan. « Bien que les clients puissent être retardés, nous sommes en mesure de les amener à leurs destinations au lieu d’annuler leurs vols. »

En ce qui concerne le programme de blocage intelligent à DFW, Mohan dit qu’en mars, American Airlines a pu économiser près de deux minutes par vol en temps de taxi, ce qui totalise 10 heures par jour.

« Nous avons réduit de 50 % les cas où la séparation des portes est supérieure à 25 minutes », déclare-t-elle. « Cela est directement lié au scénario auquel nous devons tous faire face : notre vol arrive en fait tôt mais nous nous asseyons ensuite sur le tarmac en attendant que notre porte soit dégagée. Répartir le temps entre le départ du vol précédent et l’arrivée du suivant réduit ce scénario frustrant.

Mohan dit que le programme a également aidé la compagnie aérienne à réduire de 50 % le nombre de changements de porte « à proximité ». Ces événements sont particulièrement gênants pour les clients qui doivent alors se dépêcher vers un nouvel emplacement dans l’aéroport.

Pour conduire tous ces changements dans l’ensemble de l’informatique et de l’entreprise au sens large, il a fallu créer et maintenir la bonne culture. Leibman note qu’elle dispose d’une équipe entière dédiée à la transformation de la livraison au sein de l’entreprise. L’objectif principal de cette équipe est de développer la culture de l’entreprise autour de l’apprentissage continu et d’inciter les partenaires commerciaux à adopter DevOps et les pratiques basées sur les produits. En interne, ils ont développé un environnement de coaching immersif appelé « le Hangar », pour créer un espace permettant aux équipes de produits de travailler en étroite collaboration avec les coachs.

« Nous avons également créé une plate-forme d’expérience de développement, appelée Developer Runway, pour créer une expérience fluide permettant à nos développeurs de créer et de fournir des applications », déclare Leibman.

La plateforme permet aux équipes de créer et d’exposer leurs services. Les équipes de l’organisation technologique travaillent directement avec la plate-forme Runway et la communauté des développeurs est alors en mesure de tirer parti de ce qui est exposé sur la plate-forme pour simplifier leur expérience de livraison.

« Ce qui est difficile dans une grande entreprise, c’est que les gens aiment la cohérence, les normes et la prévisibilité, donc les processus sont construits autour de ces choses et c’est comme une barrière qui empêche l’innovation », dit Leibman. « Nous ne pouvons pas embaucher des gens et les mettre dans un tout petit enclos parce qu’ils n’obtiendront jamais ce pour quoi nous les avons embauchés. En tant que dirigeants, nous devons avoir le jugement nécessaire pour comprendre que même si nous avons besoin de normes et de cohérence, nous ne pouvons pas l’avoir au détriment des gens qui réfléchissent au mieux, déploient leurs ailes et produisent de nouvelles approches innovantes – pas seulement à ce que nous faisons, mais comment nous le faisons.