一旦 AI Studio 的力量开始增强，汉莎航空的讨论就转向了公司数据科学平台的现代化，将所有不同的项目置于一个虚拟屋顶下，从而提高其数据科学团队的缓存和效率，并将他们的活动更贴近业务需求。

数据科学家和数据工程师常常苦于不得不花太多时间维护他们的项目，而没有足够的时间证明他们的业务价值。在汉莎航空公司，也存在上述情况，而且还因为可扩展性有限、无法访问公共软件更新以及需要改进安全性而变得更加复杂。该公司需要的是一个数据科学管道内的工具，用于监控、构建和扩展模型。

IBM® Data Science and AI Elite 和 IBM Software Services 团队与汉莎航空一起参加了为期两天的 Enterprise Design Thinking Workshop™，以建立一个数据科学平台，该平台将提供一个单一的环境，数据科学家可以在该环境中尝试新技术，并快速推出具有监控和建模功能的模型。

数据科学平台允许数据科学家使用新的数据源。或者，由于是开放源码，他们可以更加协作地工作，或使用自己喜欢的语言，或利用 IBM® Watson Studio 中的其他数据科学功能，如 AutoAI 和用于模型开发和部署的 IBM Watson Machine Learning 技术。与 IBM Watson OpenScale 解决方案（用于缓解运行时偏差和飘移）一起，所有产品均可在 IBM 公共云上以平台即服务 (PaaS) 和软件即服务 (SaaS) 选项的形式提供，或通过 IBM® Cloud Pak for Data 平台作为微服务在任何云上提供。

在为期 10 周的合作中，Data Science and AI Elite 团队建立了一个新的运营工作流程，以支持使用 IBM Watson Studio 和 IBM Watson Machine Learning 解决方案开发新的数据科学项目，从而在公共云上使用 PaaS 和 SaaS 创建一个开放平台。这为汉莎航空提供了可扩展性和灵活性，可以处理关键任务工作负载，并加速这些项目在生产中的部署。

汉莎航空数据科学家与 Data Science and AI Elite 团队合作，制作了三个用例原型，以帮助航空公司更智能、更高效地运营，帮助避免延误、更好地预测登机时间并避免值机柜台排长队。

在不到两年的时间里，该航空公司迅速从 AI 概念验证 (PoC) 发展到将数据科学项目进一步扩展到组织内部，突破了在模型中包含多少测试数据等限制。汉莎航空之所以能做到这一点，要归功于与 IBM 的合作，这种合作带来了深厚的专业知识以及 IBM 的规范性方法 (AI Ladder) 中固有的解决方案，同时航空公司还将 AI 服务迁移到了 IBM® Cloud。

汉莎航空的数据科学团队现在可以在 IBM Watson Studio 中开发新的用例，同时对旧用例进行改进。除了这三个用例外，汉莎航空的数据科学家现在还可以推动其他项目，主要是进一步提高乘客体验或支持员工的运营或战略决策。

汉莎航空（ibm.com 外部链接）成立于 1953 年，总部位于科隆，是德国最大的航空公司。该航空公司拥有近 14 万名员工，为全球 220 个目的地提供服务，2019 年收入达 360 亿欧元。