Durante la primera edición del Innovation Summit del Instituto Tecnológico Hotelero, que se celebra esta semana, la directora de Ventas para IDeaS Revenue Solutions, Patricia Diana Jens, realizó una ponencia sobre la importancia de los datos en el revenue management hotelero.
En su opinión, «estamos expuestos a demasiada información, por eso es fundamental descubrir qué parte de esa información es verdaderamente importante para el negocio del hotel».
Así, definió volumen, variedad y velocidad son las tres “uves” del Big Data en Revenue Management.
Con el objetivo de poner orden en el uso de grandes cantidades de datos, Patricia Diana describió cuatro fases o etapas por las que pueden pasar los hoteles:
1 – El análisis de registros históricos que definen tendencias, como los datos que extraemos del PMS. Son los datos descriptivos del pasado, como los que se refieren a la reputación online. El 95 por ciento de los hoteles hace análitica descriptiva.
2 – Fase de diagnóstico. Los hoteles hacen ya un cierto benchmarking, ven qué hace la competencia, lo ponen en contexto y toman decisiones. Un ejemplo son los datos que se obtienen de consultoras como STR, que ofrecen el posicionamiento competitivo del hotel respecto a la competencia en RevPar, ocupación y precio.
3 – La analísitica predictiva, el forescasting, está hecho por modelos matemáticos, no por los revenue managers. En esta fase utilizamos los datos históricos para prever la demanda.
4 – La analítica prescriptiva mezcla el forecast con big data y datos de mercado que ofrezcan una idea mucho más global. Podríamos saber dónde está la demanda que busca hoteles en Madrid, para qué fechas, desde qué ubicación y de qué tipo de clientes se trata. Esto permite conectar con el departamento de marketing y de ecommerce para lanzar campañas destinadas a determinados días y segmentos de público.
Big Data, Small Data, Clean Data
En opinión de Patricia Diana, la situación en muchos hoteles que muchos de los datos que utilizamos para el revenue management se han introducido manualmente, lo cual implica un pequeño riesgo de error o fallos de codificación.
Una vez que tenemos este ‘clean data’, los hoteleros son capaces de crear informes basados en analítica descriptiva, se configuran cuadros de mando, establecen alertas, etc.
A partir de aquí entra la tecnología para establecer análisis estadístico, forecasting y optimización. Estas últimas son las decisiones que hacen que un hotel pueda obtener ventaja respecto a su competencia.
«El revenue manager debe dedicar el 20 por ciento del tiempo a analizar los datos y el 80 por ciento del tiempo a resolver los problema, gracias al uso de la tecnología, que permite obtener y ordenar todos estos datos. Una tecnología que debe estar integrada para facilitar una única fuente que recoja los datos del PMS, los precios de la competencia, la reputación online y la demanda de mercado».
