Dias atrás realizamos pela HSMAI mais um roundtable do grupo de Revenue Managers Sêniors das principais redes, hotéis de luxo e resorts do país. Abaixo compartilho alguns insights do debate, que foi sobre DATA SCIENCE. Comente abaixo sua opinião sobre a análise de dados da hotelaria brasileira:
1) Ainda hoje, os hotéis levam muito tempo tratando dados manualmente ‘dentro de casa’. Tem muita ‘sujeira’. A parte do tempo que é trabalhada para desenvolver um modelo que agregue ao negócio é pequena. Não deveria ser. Alguns sistemas não entregam, mas existem muitas oportunidades de negócios.
2) Momentos em que cada empresa se encontra:
- Data Aware – Data Proficient – Data Savvy – Data Driven
- 2.a) AWARE – A cultura de dados é secundário. Dados não são guardados para posterior decisões. Input manual.
- 2.b) PROFICIENT – dados inseridos nas mesmas plataformas e da mesma forma em todo o hotel, mas sem estarem integrados com os outros departamentos.
- 2.c) SAVVY – dados inseridos e validados automaticamente, com uma qualidade alta, e integrados ao longo dos vários departamentos do hotel. Aqui, dados financeiros estão misturados com reservas.
- 2.d) DRIVEN – O negócio do hotel e os seus dados alimentam-se mutuamente. Os dados são de qualidade, e se extrai muitas informações aqui. Nesse estágio é onde habita o Total Revenue Managment. Colaboradores trabalham com IA no dia a dia. Insights tirados dos dados são bem mais profundos.
3) Desafios para o hotel do futuro:
- O próprio cliente é dono da informação que é colocada no banco de dados. Hoje, ainda temos uma pessoa entre o dado do cliente e o serviço. Enquanto for assim, o erro de dados inseridos no sistema seguirá acontecendo.
- É preciso oferecer benefícios aos clientes para ter seus dados de forma consistente. Para isso, é necessário envolver setores que estão mais imaturos em termos de dados como A&B, Governança, etc.
4) A qualidade da distribuição é uma preocupação hoje. O preço que está entrando para o caixa do hotel é muito diferente da tarifa publicada.
5) Houve um descontrole completo da distribuição pós pandemia. Exemplo: 9,6 de 10 hóspedes que procuram hotel no Trivago encontram preços mais baratos em alguns intermediários específicos (que centralizam essa ação), em comparação aos sites dos próprios hotéis. Não existe nenhum outro país no mundo com tanta disparidade como no Brasil. Estamos falando de 96%. E o tamanho dessa disparidade é em torno de 14% no preço.
6) Não existe como falar de dados sem uma grande organização da informação. A arquitetura de dados da Aviva, hoje, é uma área estratégica no negócio.
7) Para resorts, por exemplo, o próximo passo será saber o horário, o tipo e o local que o hóspede toma uma caipirinha. Isso facilitará a ativação de diversas ações, e ter um entendimento maior do comportamento do hóspede, acompanhando toda a experiência dele durante a hospedagem.
8) Principais aplicações de Big Data em Revenue Management e Distribuição.
- Customização total de experiências
- Refinamento da precificação com base na curva de demanda por canal de distribuição.
- Otimização de overbooking inteligente para aumentar ocupação.
- Tomadas de decisões mais rápidas e redução de erros estratégicos.
- Criação de visões automatizadas que facilitam elaboração de análises para ganho de tempo em ação.
- Diversificação da estratégia por nicho de mercado/cliente, maximização de diversos pontos de vendas e maior controle de custos de canais.
- Tomadas de decisões mais rápidas e redução de erros estratégicos.
9) A grande barreira para implantação de dados é, em primeiro lugar, profissionais qualificados. Em segundo, tecnologias adequadas disponíveis no mercado.
5 níveis de maturidade da Data Science nas empresas:
Leia também:
Published by