行业介绍

数据掌握情况较差

航空企业面临数据管理的主要痛点是数据不可知、数据不可控、数据不可取、数据不可联，企业的主要任务也由收集数据逐渐地向数据治理、数据驱动及数据应用等方向转换，其中以数据服务驱动的大数据治理是解决问题的关键。

行业知识深厚，实时性要求高

航空行业基础知识深厚，非本行业技术人员入行困难，造成了技术人员培养成本高、周期长的情况;另一方面，航空行业对数据的实时性要求高，技术实现难度与性能需求满足的情况较其他行业更高。

项目背景

2013年12月，某航司基站建设旨在开发利用“互联网+航空安全”优势，建设基于大数据的智能自动化飞行数据监控和分析系统，开展典型安全事件监控，开展行业安全趋势和风险分析，提升民航安全监测能力。

尚未考虑基于大数据思维的数据应用能力，基于大数据的数据建模、分析、应用、展示能力有待多面提高，尚未实现飞行品质监控数据的多元化分析，应进一步整合运行数据、机组信息、安全信息等多元化数据，开展专题研究，需要突破传统的数据分析开发框架，提升多源异构大数据的灵活多元数据模型分析应用。

项目需求及痛点

根据工程建设要求，开发一批亟待应用的新型数据分析模型，在基站开展测试运行和部署服务，完成涵盖航空公司、机型、航线、机场的安全风险监控模型建设，支持与基站的数据资源接口和应用系统集成，为民航飞行安全状况综合分析和评估提供分析服务。

项目解决方案

数据操作系统建设

建设一套覆盖数据同步、数据开发、数据治理到数据服务的—站式大数据操作系统，支持业界流行的大数据计算引擎，并可快速扩展。通过此系统打通数据孤岛,实现超大规模数据的资产化。系统要采用“开箱即用"的使用方式，让用户无需再关心底层集群的搭建和运维，提高数据开发和应用的效率。

数据分析模型系统集成

与之前工程中相关资源、环境、软件进行系统集成，具有相对独立的部署和运维功能，保障数据分析系统的硬件环境监管及安全管理。

数据分析模型开发、部署与应用

开发实现15个数据分析模型，包括可控飞行撞地分析、失控分析、冲/偏出跑道、航空公司风险分析、飞行员风险分析、不稳定进近分析、颠簸分析、TCAS-RA风险分析、着陆品质分析、高高原机场风险、机场风险分析、PBN运行质量监控、高低能量分析、航线风险分析。数据分析模型部署分为实验区和服务区，实验区提供模型分析试验工作，服务区提供正式的数据分析服务。