Освоение прогнозной аналитики в отельной индустрии. Часть 2
Технологии, лежащие в основе процесса расчёта ценовых рекомендаций
Современная многоклиентская программа RMS может быть больше, чем просто инструмент бизнес-аналитики. Новые технологии позволяют пойти дальше чем просто хранение данных, а перейти к прогнозной аналитике и автоматизации процесса для осуществления ценовой стратегии в отеле.
Такой функционал может быть разработан на основе облачных решений, таких как Amazon Web Services и общей базы данных, например, MongoDB. Сервисы должны использоваться в связке для сокращения избыточности данных. Совместно используемая инфраструктура позволяет значительно экономить как на этапе капиталовложений, так и в обслуживание сервисов.
Данные бронирований могут извлекаться в режиме реального времени – при этом персональные данные гостей не используются. Весь набор данных доступен как для прошлых заездов, так и для бронирований на будущие периоды.
Достаточно сложной представляется задача 100% извлечения данных из PMS отелей. Опыт хранения и обработки данных очень важен для интеграции первоначально загруженных данных и догружаемых обновлений, используя детальный и простой формат выгрузки данных из PMS.
Применяя такой простой формат способа хранения и обработки данных, не требующий материализованное представления, технология позволяет идти в ногу с требованиями рынка и использовать распределение по сегментам в режиме настоящего времени. Отчеты с данными должны регулярно генерироваться в PMS. Такие отчеты должны включать и историю бронирований и информацию о новых резервациях.
Новейшие источники данных о спросе, такие как трафик сайтов отеля и информация об интенсивности бронирований на будущие периоды, в результате позволяют моделировать увеличение спроса.
Прогнозирование создает картину будущего поведения гостей, основываясь на кривых бронирований в прошлом и нетрадиционных источниках данных (трафик, конверсия), оценке потребительской ценности, далее, используя линейные модели или другие эконометрические методы, рассчитать оптимальную стоимость для продажи номерного фонда.
Совмещая прогнозирование на основе данных Big Data и алгоритмы расчета цены, программы расчета ценовых рекомендаций позволяют использовать более развернутую и полную стратегию управления доходом, чем характерные для отельной индустрии в настоящее время. Когда интеграция осуществиться с большим числом основных отельных систем, новые технологии дадут больше чем бизнес-аналитика, а именно: полную прогнозную аналитику и даже предписывающую аналитику (определение предпочтительного курса действий путем расчета ожидаемых будущих результатов и альтернативных вариантов решения).
Также немаловажно создание так называемой экосистемы - единой системы трансляции измененных тарифов не только на официальном сайте отеля, но и во всех каналах продаж: ОТА, GDS, и иные партнеры.
Такой подход даст возможность применения новой методологии, которая позволяет превзойти традиционную статичную политику формирования цены. Используя динамичную политику ценообразования, где изменение тарифов основываются на расчете прогноза постоянно изменяющегося спроса, отельеры могут изменять цены с учетом спроса в режиме реального времени, не закрывать каналы бронирований даже в период высокого спроса, а распределять тарифы по сегментам клиентских групп, каналов, категориям номеров и датам. Новые технологии дают возможность отельеру оптимизировать каждое бронирование, тем самым получить больший доход, что было недоступно долгое время.
Источник: www.cbronline.com/ Перевод HotelAdvisors, Hospitality Management & Consulting