在基本層面上，機器學習是一種基于過去事件預測未來結(jié)果的技術(shù)，它通過建立模型來學習過去的數(shù)據(jù)。機器學習可以幫助機場提高過程、不利條件或資源可用性的可預測性。

大數(shù)據(jù)分析是收集與分析大量數(shù)據(jù)集(稱為大數(shù)據(jù))的過程，旨在發(fā)現(xiàn)有用的隱藏模式及其他信息，如乘客選擇和市場趨勢。這可以幫助組織機構(gòu)做出更明智及面向乘客的業(yè)務決策。如果機場想增加其非航收入，大數(shù)據(jù)可能會有答案。

區(qū)塊鏈之所以成為“香餑餑”，是因為它圍繞數(shù)據(jù)創(chuàng)造了額外的信任。它可以創(chuàng)造單一的真相源。該技術(shù)可以幫助提高旅客信息的一致性，增強利益相關(guān)者之間的透明度或以一種可信賴的方式簡化信息共享。試想一下，區(qū)塊鏈在確定航班延誤的根本原因時可以提供更多的透明度和清晰度。

這些新興技術(shù)對支線機場而言具有巨大的潛力。當然，如果你的機場處于技術(shù)的前沿，它一定不會傷害你的形象!

這意味著數(shù)字化

這些技術(shù)有一個共同點。它們是數(shù)字化環(huán)境的巔峰。這意味著機場需要把其數(shù)據(jù)進行數(shù)字化。更重要的是，數(shù)據(jù)必須準確、一致并對所有合作伙伴來說都易于獲取。機場需要有開放、穩(wěn)固的系統(tǒng)，以取代單個應用的界限。

然而，目前的許多支線機場并沒有達到這種狀態(tài)。機場合作伙伴之間的數(shù)字信息共享水平仍然很低。不同的利益相關(guān)者使用的系統(tǒng)往往不兼容。除此之外，利益相關(guān)者填寫手寫表格并將其以傳真的形式發(fā)給合作伙伴。另外，電話溝通仍然很常見。

從基礎開始

這就是為什么我們認為支線機場最好從開放式體系結(jié)構(gòu)來投資數(shù)字化環(huán)境開始，以便所有合作方更準確、更高效和更數(shù)字化地共享信息。這是第一步。

只有所有合作方的基礎都是合理有序的，并且在彼此之間以數(shù)字方式共享準確且可訪問的數(shù)據(jù)，之后才可以考慮下一步，比如投資這些新技術(shù)。實施機器學習和區(qū)塊鏈需要很大的投資，而如果基礎不對，產(chǎn)生的效益就會很低。

由于利潤率面臨壓力以及投資預算緊張，我們認為最好退后一步，查看所有的因素并確?；A是正確的，從而讓你擁有正確的基礎設施，并確保鏈條上的每個人都了解數(shù)字共享的需求。

站在創(chuàng)新的前沿聽起來不錯，但如果它沒有帶來增長，它可能弊大于利。因為你的錢只能花一次!