亏损分析框架

基于航空经营分析逻辑提取 · 面向AI问数系统的诊断框架

核心问题：今天亏了多少？为什么亏？是否能通过管理动作改善？

💰 日盈亏公式

日净利润 = Σ(各航班边际贡献) − 日固定成本

↓

航班边际贡献 = 航班收入 − 航班变动成本（航油 + 起降 + 变动维修 + 机组小时费）

↓

航班收入 = Σ(各舱位人数 × 各舱位不含票价)

航班航油成本 = 飞行小时 × 小时油耗 × 油价

日固定成本 = 日折旧/租赁 + 日管理费用 + 日维修固定分摊

🔍 逐层诊断：6步定位亏损原因

从总账到明细，逐层收窄问题范围

亏损确认总账层

当日净利润 = ？ 比预算多亏还是少亏？比去年同期呢？
输出：亏损额、与预算偏差、同比增/减亏

收入端 vs 成本端归因层

是收入少了还是成本高了？
当日收入同比变动 = 航班量变化 + 票价变化 + 客座率变化
当日成本同比变动 = 航油价格变化 + 航班量变化 + 其他变动成本
哪边影响更大？如果收入降XX万，成本升XX万，前者为主 → 收入问题；后者为主 → 成本问题

航司级排查航司层

如果是收入问题：当日各航司的座收、客座率、票价分别如何？哪家航司拖后腿最严重？
如果是成本问题：当日各航司的单位成本、航油成本、利用率如何？哪家航司成本失控？

航线/区域级排查航线层

问题航司确定后 → 按区域/基地拆解：
① 哪些区域的航线座收低于当日目标？
② 这些区域的客座率 vs 行业差距如何？
③ 这些区域的票价是否被竞品压制？

不保变航班筛查航班层

当日所有航班中，不保变航班（边际贡献为负）有多少？占比是否超过XX%目标？
大额不保变航班（负边＞XX元）占比是否超过XX%？
找出不保变航班清单 → 按航线/区域聚集特征分析 → 是普遍现象还是特定航线问题？

航油冲击评估成本层

当日油价 vs 去年同期油价 vs 预算油价
油价上涨对当日利润的影响 = 当日耗油量 × (当日油价 − 预算油价)
如果油价同比大幅上涨 → 剔除油价后，当日经营是否改善？

🌳 诊断树 — 从亏损到根因的完整路径

每个分支末端标注了需要检查的数据项

❌ 当日亏损确认

⬇

收入异常

成本异常

结构性放大

⬇

收入端分支

⬇

航班量少

客座率低

票价低

结构偏差

成本端分支

⬇

油价高

利用率低

起降费高

固定高

⬇

航班取消清单

OD客座率 vs 行业

各舱位票价

短航线占比

小时油耗

实际油价

飞行小时

飞机数

折旧/租

📋 支撑数据清单

回答"今天为什么亏"需要哪些表、什么粒度

#	数据表	粒度	关键字段	回答的问题
1	日报数据	航司 × 日	`日期` `航司` `收入` `变动成本` `固定成本` `净利润`	今天整体亏了多少？比预算/比同期
2	日收入明细	航司 × 日	`座收` `票价(含油)` `票价(不含油)` `客座率` `ASK` `航班量`	收入少了——是量少、价低、还是客座率低？
3	日成本明细	航司 × 日	`航油成本` `起降费` `维修费` `机组费` `固定分摊`	成本高了——哪项成本超了？
4	月油价表	日	`日期` `采购价` `预算价` `同比价`	油价上涨对亏损的贡献是多少？
5	日利用率	航司 × 日	`利用率` `可用运力` `可用天数`	飞机停在停车场还是在飞？固定成本摊薄了没
6	航班经营明细	航班 × 日	`航班号` `OD` `收入` `变动成本` `边际贡献` `客座率` `票价`	不保变航班哪些？大额负边哪些？集中在哪条线？
7	销售进度	航班 × D-30~D-0	`提前天数` `累计订座` `平均票价`	是否定价过高导致客流流失？是否提前降价填舱？
8	行业对标表	OD × 日	`我方票价/客座率` `行业票价/客座率` `差值`	是市场普遍差还是我们自己差？

📝 AI Prompt 模板：诊断"某一天"

直接喂给AI问数系统的Prompt

Prompt：

"请诊断X月X日航空集团亏损原因。

数据源：
1. 航司日经营表（日期、航司、收入、变动成本、固定成本、净利润）
2. 航班日明细表（航班号、OD、边际贡献、客座率、票价）
3. 行业对标表（OD级我方vs行业票价和客座率）
4. 航油价格表（当日采购价、预算价、同期价）

分析步骤：
① 当日总亏损？比预算多亏✓💰少亏✓？比去年同期增亏✓减亏✓？
② 拆收入端 vs 成本端：哪个是主因？（收入降了多少？成本升了多少？）
③ 如果收入是主因：各航司座收排名，最差的XX家航司分别是？
    → 这XX家航司是客座率低还是票价低？
    → 找出它们客座率低于行业≥XXpp的OD航线清单
④ 如果成本是主因：各航司单位成本排名，最差的XX家航司
    → 航油成本是否因油价上涨？剔除后经营是否改善？
    → 利用率是否低于XX小时目标？固定成本摊薄是否不足？
⑤ 不保变航班检查：占比是否＞XX%？大额负边（＞XX元）是否＞XX%？
    → 列出不保变航班TOPXX，按航线聚集分析

输出格式：
```
📆 日期：X月X日
💰 亏损：XXX万（vs预算XXX万，vs同期XXX万）

🔴 主因判断：[收入端/成本端]
├ 收入：同比+/-XX%，座收XX，票价XX，客座率XX%
├ 成本：同比+/-XX%，其中航油+XX%，利用率X.Xh
└ 不保变：XX个航班（占比XX%），主要集中[航线列表]

📌 亏损TOP航司：
1. XX航 亏损XX万 原因: 客座率低/票价低/成本高

🎯 改善建议：
- 建议取消XX航线XX班（不保变集中）
- 建议XX航线对标行业提价
- 建议XX航司提升利用率
```"

📌 案例：走一遍诊断

把实际数据代入诊断框架

案例：某天亏损诊断

Step 1 — 亏损确认
当日亏损确认（vs预算、vs同期）
Step 2 — 收入 vs 成本
收入端变化：航班量、票价、客座率
成本端变化：航油、其他变动成本、固定成本
结论：判断主因是收入端还是成本端
Step 3 — 航司排查
单机边际下滑最大的航司
客座率低于行业XXpp+的航司
Step 4 — 航线/航段
客座率低于行业且座收差于行业的航段及占比
主要集中区域
Step 5 — 不保变航班
需从航班明细中筛选负边航班，检查是否超过XX%红线
Step 6 — 航油评估
油价变动影响评估 → 剔除油价后经营是否改善
结论：