VINCI 机场 管理 70 个机场 于 14 个国家, 欢迎 每年 3.2 亿人次, 并生成 45 亿欧元的收入. .面对不断增加的运营和环境限制，运营商正求助于 artificial intelligence 来优化其性能。VINCI Airports 运营总监 Benoît Forest 回顾了一次成功的转型。.
谁是伯努瓦-福雷斯特？
Benoît Forest 在担任 Data 主管近三年后，他于 2025 年 1 月被任命为 VINCI Airports 运营总监。他在集团内拥有九年多的工作经验，负责指导公司的 data 转型，包括在 15 个国家部署智能 Data 枢纽项目，创建涵盖 VINCI 机场所有战略领域（交通、商业、运营、财务、环境）的 10 个使用案例，以及整合预测分析技术。.
他拥有法国国家汽车制造中心（CNAM）的管理控制学位，并结合了在 VINCI Autoroutes 公司机场和高速公路部门获得的财务和运营专业知识。.
挑战：统一管理复杂的 data 网络
VINCI Airports 运营着从日本到智利的各种网络。每个平台都有自己的 IT 系统、当地限制因素和运营特点。虽然这种多样性是力量的源泉，但也使集团层面的决策变得更加复杂。.
他们的业务模式基于两个互补的杠杆：
- 航空费用 (向航空公司收取的基础设施使用费（占收入的 50%
- 商业收入 (30%-40%) 旅客消费，特别是免税店、餐厅和停车场的消费所带来的收益
这种双重模式提出了一个关键要求：了解、理解并 预测客流. .其他一切都在此基础上进行：团队规模、商业产品的校准、财务预测、服务质量、投资轨迹和去碳化战略。.
挑战 收集和处理分散的、非标准化的、筒仓式的 data 在集团的各个机场 建立统一的交通流视图. .这就是与 Artefact 和谷歌云。其结果是构建了一个 global Data Factory 能够联合网络 data，对其进行结构化处理，并将其用于决策。.
作为性能杠杆设计的 data 基础设施
为了应对全集团管理的挑战，VINCI Airports 选择了基于以下技术的统一、可扩展和安全的 data 架构 谷歌云计算平台, 该系统的目的是为每个机场的每个业务部门提供更好地了解、预测和行动的手段，其依据是 在不同层面进行综合、背景化和分析 data.
该小组与 Artefact 合作，在 2023 年建立了 Data Factory，它能够：
- 收集 data 来自 14 个国家异构系统的数据
- 控制 data 的质量和完整性 通过自动保障措施
- 协调 data 结构 以便在不同平台之间进行可靠的比较
这种方法避免了传统 IT 统一带来的负担。借助 cloud，机场可以保留其本地工具，但将其 data 暴露在一个共同的基础上，在此基础上对其进行清理和结构化，然后用于为仪表板、AI 模型、绩效分析等提供信息。.
谷歌云平台：强大的架构
为了便于扩展，谷歌云平台架构依赖于经过验证的组件，这些组件专为容量、分析速度和安全性而设计：
- BigQuery 用于存储和分析海量数据 data
- Vertex AI 用于训练和部署预测模型
- 云润 + 流光 为业务团队提供简单、快速和互动的界面
- 云存储 用于集中管理模型和版本
- 云构建 用于工作流程的持续集成和流畅部署
提升机场性能的三个关键用例
1) 在源头：客流预测
客流量是公司的关键 data。通过预测，我们可以
- 指导长期战略 (投资、开通新航线、财务预测）
- 扩大日常运作规模 (安全、接待、行李处理）
- 管理商业产品 基于乘客特征
VINCI Airports 和 Artefact 因此设计了 根据每个管理级别的需求量身定制的多尺度预测模型, 提供：
- 集团管理的综合视图, ，以及年度流量预测
- 每周或每日运行视图 预测活动高峰
- 每个机场的当地景观, 与行为 data 相互参照
这些模型基于交通历史、外生变量和微弱信号。通过这些模型可以模拟交通轨迹，将人工预测与算法预测进行比较，并优化权衡。.
2) 提高机场运营效率
借助 data，VINCI 机场现在可以 预测拥堵点 并提前调整其资源。例如，通过扫描登机牌，可以预测乘客何时到达安检站。通过将 data 与线路处理能力进行交叉比对、, 团队可实时调整人员配置水平 以确保等候时间少于 10 分钟。在安全方面，旅客在行李安检处通过 X 光机，以检测任何潜在威胁。.
3) 优化旅游产品的销售策略
通过分析客流量和购买情况，VINCI Airports 可以更好地了解谁在何时、何地、何种情况下消费了什么。.
转机的英国乘客与乘坐国内航班的法国乘客的行为并不相同。早上 6 点 15 分飞往里斯本的航班与度假出发飞往蓬塔卡纳的航班所产生的平均购物篮大小是不一样的。.
通过分析结账处扫描的登机牌并与流量 data 进行交叉比对，该小组 确定消费模式 并可建议机场零售商根据旅客特征和目的地调整产品供应。.
成功因素：从实施到业务采用
从项目一开始就让团队参与进来
Artefact 在项目的最初阶段就为 VINCI Airports 提供了支持，采取了以下措施 与业务人员合作的方法 从项目启动之初就开始。要在人工智能和预测模型之间取得适当的平衡，加强业务支持是绝对必要的。.
“业务团队入职的时机非常重要。必须从第一天开始。这可以确保 data 科学家了解业务关切，并将高度业务需求纳入解决方案的设计中。” - Benoît Forest，VINCI 机场运营总监
这样就更容易开发与实际业务挑战（交通、安全、零售、金融等）相一致的具体用例，并确保其长期采用。.
Data 质量，企业信任的关键
最初，VINCI Airports 团队认为 data governance 是次要的。很快，在贝努瓦-福雷斯特的帮助下，他们意识到这实际上是最基本的。因为如果模型因 data 质量不佳而出现故障，业务信任度就会迅速降低。.
VINCI Airports 和 Artefact 实施了一系列技术保障措施，以确保上游 data 的可靠性：
- 检测丢失的文件 (例如，“未收到前一天的流量 ”等警报）
- 结构控制 以确保模式随着时间的推移保持稳定
- 完整性测试 (机场的异常偏差会触发自动警报）。
这些自动检查完全在谷歌云平台内进行，可防止无声漂移，确保生产中模型的稳定性。.
“我认为，这个项目的成功在于理解了战略性业务挑战、确定了范围、部署了解决方案、提供了培训，现在业务团队每天都在使用这个工具”。” - Benoît Forest，VINCI 机场运营总监
持续测量预测性能
VINCI Airports 实施了运营后评估流程。评估小组将模型预测结果与实际情况进行比较。目的是找出差异，了解其原因，并调整模型，以逐步提高其准确性。这种效率得益于 AI 的部署。.
进一步使用 AI：预测系统化
随着 data 环境的稳定，VINCI 开始进入第二阶段：向系统化预测过渡。团队对模型进行了训练，以完善交通轨迹、预测活动高峰并丰富对乘客行为的理解。.
该方法基于不同的粒度：
- 年度战略预测, 这对财务部门很有用。.
- 每周或每日预测 用于业务管理。.
- 术后分析, 将模型预测的结果与实际发生的结果进行比较
“AI使我们能够从本地直觉转变为共享知识，而不是取代团队，而是为他们提供节省时间和专注于决策的手段”。” - Benoît Forest，VINCI 机场运营总监
用于综合 data 分析的生成式 AI 的兴起
作为正在进行的项目的一部分，VINCI Airports 目前正在通过三个使用案例探索生成式 AI 的潜力：
- 安全 GPT:集成到仪表板中的助手
- 与我的 data 对话:对话式 database 查询
- 文件情报:复杂内容（程序、审计、reports）的自动提取和合成
这些发展是必要的，也是 Benoît Forest 团队面临的 2025 年挑战。这些丰富的信息仍主要通过实时可视化仪表盘（Power BI）来实现。虽然这些工具很有效，但仍然很死板，需要不断开发才能发展。.
因此，我们的目标是 允许每位员工通过自主 AI 代理与所有 data 直接交互, 它能够回答复杂的问题，并使分析工作远远超出传统仪表盘的现有能力。.
