İçindekiler
Bir süredir, big data’nın (dev veri) gelişi ve big data’nın konaklama sektörü ve özellikle Gelir Yönetimi Sistemleri’ne (RMS) uygulanması iş dünyasındaki en büyük dedikodu olarak yerini almış durumda. Tarihsel açıdan bakıldığında iki veya daha fazla yıllık detaylı rezervasyon verisi dahil olmak üzere, oda türlerinin çeşitlerinden müşteri segmentlerine ve kalış sürelerinin uzunluğuna kadar kullanılan tüm bu verilerle Gelir Yönetim Sistemleri zaten konaklama sektörü içerisindeki en büyük verinin sahibiydi.
Bu veriyle RMS analizleri; milyarlarca fiyatlama, müsaitlik durumu ve rezervasyon kararları üreterek RMS optimizasyonunda kullanılmak üzere milyarlarca tahmin üretti. Bu demek oluyor ki; Big Data kavramı “Big Data” olarak bilinmezken bile RMS içerisinde var olmuştur.
Big Datanın Anlamlılığı Sorunsalı: Rekabetçi Duruşunuz Hakkında Düşünün
Daha fazla veri sadece RMS analizleri fiyat-talep oranlarını iyileştiriyorsa iyidir. Size özel iş karmanız ve fiyatlandırma stratejiniz için kontrol sağlar ve optimizasyon sürecini geliştirir. Gelir yöneticilerinin uzun süredir bildiği bir yöntem, tüm rakiplerini birleştirmek yerine öncelikli rakiplerini birleştirmektir. Kendi bulundukları pazar bölümü her zaman akıllı fiyatlama stratejisi içerisinde olamayabilir. Gelir Yönetimi Sistemleri, tüm rakip fiyat bilgilerini eşit ağırlıklı kullanmak yerine analizler yaparak hangi rekabetçi özelliklerin gerçekten müşterinin alma isteği ile ilgili olduğu tanımlar.
Konaklama Sektöründe Müşteri Merkezli Verinin Kullanımı
Kullanıcı tarafından oluşturulmuş içeriğin otel gelir stratejilerini nasıl yeniden şekillendirdiğinden yukarıda bahsetmiştik. İtibarla bağlantılı dev veri yönetiminin önemi, konuk ağırlama sektöründe hızla büyümektedir. Oteller için online itibar verilerine ulaşım zaman içerisinde kolaylaşmıştır ve günümüzde bir otelin itibar ve fiyatını gösteren pek çok RMS sağlayıcısı vardır. Hatta bu verinin karar sonrası destek olarak kullanılmasındansa, talep modellemesi ve optimizasyon süreçleriyle birleştirilmesi daha iyidir. Talebi öngörmek müşteri merkezli verinin nasıl kullanılacağına harika bir örnektir.
Big Data’yı Dahil Ederken Tamamlanmayan Ancak Kayıt Altına Alınan Rezervasyonlar (Regrets) ile Reddedilen İşler (Denials): Basitçe Güvenilmezler
Gelir optimizasyonu için rezervasyona dönüşmemiş ancak kaydı tutulan rezervasyon aramaları ile reddedilen işlerin kayıtlarının kullanımı son zamanlarda önemli bir aldatıcılığa sebep oldu. “Regrets” ve “denials” arasında önemli bir fark var. Regrets bulunmazlığa, denials ise fiyat ve diğer faktörlere bağlıdır. Pek çok rezervasyon sistemi regrets ve denials arasındaki farkı otomatik olarak yakalayamaz. Otelin web sitesi verilerini kullandıklarını iddia eden RMS sağlayıcıları var; fakat otelin web sitesi kısa süreli konaklamalar için yapılan rezervasyonların sadece %27’sini oluşturuyor ve böylece bu veri, talep tahmini için güvenilmez hale geliyor.
Otelin web sitesinden alınan bu kısmi veri; sadece toptan satış, grup satışı, şirket anlaşmalı işler ve talep açısından yeterli önemi olmayan, niteliksiz, kısa süreli kalış taleplerini kullanır. Görüntüleme ve rezervasyon oranlarının ne kadar yüksek olduğu gerçekliklerine ilaveten, internet sitelerinin karşılıklı kullanımı veya alıcı başına düşen çoklu ziyaretlerden elde edilen veriler olmadan öngörüde bulunmak tam anlamıyla güvenilir değildir. Bu durum, önde gelen veri bilimcilerinin regrets ve denials sonuçlarını neden “kirli veriler” olarak gördüklerinin başlıca nedendir.
Serinin ikinci bölümünde “Gelir Yönetiminde Big Data Kullanımı”na başka bir açıdan bakacağız. Özellikle kâr’a karşı gelir maksimizasyonunu, iklim ve hava yolu verilerinin kullanımını, her gelir yöneticisinin gelir yönetimi analizlerinde big data kullanmak istediklerinde sorması gereken üç soruyu detaylı şekilde tartışıyor olacağız.
İkinci bölümde, Gelir Yönetimi Sistemleri’nde (RMS) farklı big data türlerinin kullanımını, yani oda dışında hava durumu ve havayolu ile ilgili dataların gelir yönetimi karar sistemlerine entegrasyonunu değerlendireceğiz.
Big data kullanarak gelirinizi ve kârınızı nasıl maksimize edebilirsiniz?
Gelir Yönetimi Sistemleri (RMS) analizlerinde bir başka veri kaynağı kârlılık bilgisidir. Bu durum çeşitli müşteri segmentlerinden gelen kârlılık bilgisini oluşturmak için yan gelirleri ve maliyet verisini elde ederek çözümlenebilir. Yan gelirler; yiyecek içecek, golf ve spa gelirlerinden, casino işleten otellerdeki oyuncunun teorik kaybına kadar sıralanabilir. Kârlılık maksimize edilmek istendiğinde maliyet veya marj verileri tüm müşteri segmentlerinde gerekli olacaktır. Çünkü bazı müşteri segmentleri, ekstra gelir sağlarken, çeşitli ek maliyetlere de sebep olabilir.
Hava durumu ve havayolu verilerini birleştirilerek talep tahmininde bulunmak doğru mu?
Oldukça geniş ölçümler olan hava durumu ve hava yolu verileri sıklıkla ve geniş çapta ölçülüyor. İklim ve havayolu verilerini dahil etmenin tahmin performansını güvenilir biçimde artırması hala doğrulanmayı bekliyor. RMS talep modeline, iklim ve havayolu verileri girdi olarak alındığında, verilerin ani etkisi, belirli bir pazar veya otele atandığında kısa süreli talebi artırabilir. Başka bir deyişle, iklim ve havayolu verileri seyahat modelleri üzerinde geniş ölçüde etkili olabilir, ancak iş amaçlı rezervasyonlarla ilişkisi zayıftır. Ayrıca, hava durumunun kendisinin bir tahmin olduğunu düşünürsek talep tahmin modeline bir başka muhtemel hata kaynağı girmektedir. Kısacası, RMS uzmanları bunlar gibi veri türlerinin nasıl daha iyi gelir sağladığını hala kanıtlamak durumundadır.
RMS’deki büyük veri ilavesi için tek çözüm istatistiksel ilişki
Amaç; ister fiyat esnekliği tahminlerini artırmak olsun, ister optimizasyon algoritmaları ile hedefi (karlılık, gelir vs.) değiştirmek olsun, veya misafirlerin otelleri seçerken kullanacakları bilgiyi eklemek olsun, bir çok durumda, RMS’le kaynaşması istenen big datanın çoğu, taleple ilişkili veridir. Yani tahmin doğruluğunu artırmayı varsayan veridir. Deneyimlerimiz göstermektedir ki, tahminsel veri öğeleri RMS’in tahmin doğruluğunu arttırmasına olanak sağlamaktadır. Öncelikli olarak geçmiş verinin ve tahmin edilmiş gerçeklerin istatistiksel bir perspektiften bir araya geldiğini garantiler. Gelir yönetim karar sistemlerindeki büyük veri kullanımına gelince, her bir yeni veri kaynağına dikkatle yaklaşmak ve bu üç soruyu sormak çok önemli:
- Mevcut durumda kullanılan veri içerisinde henüz sağlanmayan yeni bir bilgiyi sağlıyor mu?
- Sorun hakkında yeni bir düşünme biçimi sunarak aldığınız kararların niteliğini değiştiriyor mu?
- Tahmin çeşitliliğini azaltmak veya tepkisel bir fiyatlandırma stratejisine sahip olmak gibi koymuş olduğunuz performans standartlarınızı karşılıyor mu?
Bu soruları nasıl cevaplandırdığınız en az işinizin ihtiyaçları kadar kendine özgü olacaktır. Doğru gelir yönetim sistemi tüm bu benzersiz iş ihtiyaçlarınızı temin etmek zorundadır.
