.png)
At SnapShot, we believe the value of data is so great that we couldn't resist translating our Data Usage Phases in Hospitality Industry Article in German for our German speak audience. We hope you enjoy!
Daten stellen beim Betrieb eines Hotels ein wichtiges Instrument dar und werden in große und kleine Datenmengen sowie in strukturierte und unstrukturierte Daten unterteilt. Aufgrund des Einsatzes von PMS, POS-Systemen, Bewertungs-Plattformen für Gäste, OTAs, Prognose- und Budgetierungstools usw. werden täglich so viele Daten produziert und empfangen, dass alle zukünftigen Technologien mit Sicherheit auf Daten und Integrationen angewiesen sein werden.
Die Wichtigkeit von Daten ist offensichtlich, jedoch sind sie im Wesentlichen wertlos, wenn sie nicht ordnungsgemäß gespeichert, auf intelligente Art verbunden und zugänglich gemacht werden. Im Zuge der technologischen Weiterentwicklung werden Daten zu einem wesentlichen Vermögenswert der Organisation, wobei es entlang des Datenpfads vier Hauptphasen gibt.
Hotels generieren täglich Daten aus Zehntausenden von Datenpunkten, die aus verschiedenen internen und externen Quellen stammen (Vorgänge, Finanzen, Bewertungen usw.). Ohne Integration zwischen den verschiedenen Systemen findet die Datennutzung jedoch lediglich in ihrer grundlegendsten Form statt – d. h. grundlegende KPI-Berichte, Excel und stundenlange manuelle Arbeit. Es kann keine Datenaggregation stattfinden und Datensilos werden unvermeidlich.
Diese Daten werden dazu verwendet, um allgemeine Aussagen über die Geschäftstätigkeit eines Hotels zu tätigen, ohne Einsichten oder Erklärungen darüber zu erhalten, warum bestimmte KPI-Zahlen und Leistungstrends aufgetreten sind. Um die Abhängigkeit von Datensätzen besser zu verstehen, ist mindestens eine grundlegende Integration erforderlich, bevor die nächste Phase erreicht wird.
Hotels in Phase 1 führen in der Regel eine grundlegende Berichterstattung über ihr PMS-System mit anderen Tools durch. Durch die Integration von PMS-Daten in andere Systeme sparen Hotels Zeit im laufenden Betrieb, sie können jedoch weiterhin keine sofortige Berichtsaggregation über mehrere Datenquellen hinweg erstellen.
Die Anerkennung der Notwendigkeit, alle Daten an einem einzigen Ort zu speichern, könnte die meisten Probleme und Herausforderungen der Hotels in dieser Phase lösen, was nach wie vor als reaktive Entscheidungsfindung betrachtet wird.
In Phase 2 werden Verbindungen zwischen mehreren Datenpunkten hergestellt, und hier kommen Data Lakes ins Spiel. Data Lakes sind im Wesentlichen eine zentralisierte Datenkopie, bei der alle Rohdaten in einen zentralen Ort in der Cloud kopiert werden, an dem auf sie zugegriffen werden kann. Data Lakes transportieren sowohl strukturierte, als auch unstrukturierte Daten aus verschiedenen Systemen in ein System – an einen einzigen Ort, an dem die Daten gespeichert werden, bis sie benötigt und später zur Verwendung aufbereitet werden. Hotels in Phase 2 sind sich der Data Lakes bewusst und verfügen über Datenwissenschaftler, die kundenspezifische Analysen aus den unstrukturierten Daten erstellen können.
Data Lakes sind der erste Schritt auf dem Weg von einem reaktiven zu einem proaktiven Ansatz, da sie in der Lage sind, die Abhängigkeit Ihrer Preis-Auslastung aus Vertriebskanälen, dem Benchmarking und dem Pricing zu analysieren. Auf diese Weise können Sie den Grund für Ihre aktuelle Geschäftsleistung ermitteln und neue Verbesserungsstrategien implementieren.
Ohne Datenharmonisierung ist der Aufbau von Echtzeitanalysen basierend auf mehreren, unterschiedlichen Datenquellen, insbesondere für umfangreiche externe Daten, eine Herausforderung. Wenn Data Lakes Möglichkeiten für die Erstellung von KPI-Dashboards und Tools für die Nachverfolgung von Umsatz, Website-Traffic, Ratenvariationen, POS-Analysen und mehr bieten, werden vorhersagende Analysen und BI-Lösungen zur nächsten Ebene der Datennutzung.
Eine weiter fortgeschrittene Form der Datenanalyse und -integration sind Data Hubs – eine standardisierte Methode zur Sammlung der Daten, bei der die Daten beim Eintritt in den Hub harmonisiert und durch Standarddefinitionen über mehrere Betriebe, Datenquellen usw. hinweg wiederverwendet werden.
Ein großer Vorteil besteht darin, dass ein Hotelier, der aufgrund der offenen APIs und der Datenharmonisierung benutzerdefinierte Daten abrufen möchte, dies effizient durch Standardabfragen erledigen kann. So entsteht ein Netzwerkeffekt, bei dem die gesamte Branche, auch bei verschiedener Systemnutzung, mehrere Datenquellen integrieren und die Datenausgabe standardisieren kann.
Data Hubs ermöglichen die Umstrukturierung von Daten in benutzerdefinierte Formate und den einfachen Zugriff aus mehreren Datenquellen in ein einheitliches Format, das dann eine mehrdimensionale Analyse ermöglicht. Ein Hotel könnte beispielsweise die Daten seines PMS mit seinem POS kombinieren, um festzustellen, welche Marktsegmente den Umsatz einer bestimmten F&B-Ausgabestelle am stärksten beeinflussen und seinen Service entsprechend anpassen.
Data Hubs eröffnen weitere Möglichkeiten für das Data Mining (einschließlich umfangreicher externer Datenquellen) und voraussagende prädiktiver Analysen mit dem Endziel, proaktiv zu sein und die Bedürfnisse aktueller und zukünftiger Kunden zu antizipieren. So könnten Flughafenhotels beispielsweise öffentliche Wetter- mit Flugdaten kombinieren und diesen Algorithmus verwenden, um Reisende mit stornierten Flügen anzusprechen und sie in neue Kunden zu verwandeln.
Datenvisualisierung, Trends und Korrelationen sind bereits mit der Data-Hub-Technologie möglich, aber es ist die nächste Phase, in der die Hotellerie noch Nachholbedarf hat.
Artificial Intelligence (AI) ist in vielen Branchen zu einem gängigen Begriff geworden, wenn es um die Zukunft der Technologie geht. In Bezug auf Daten ermöglicht AI eine intelligente Strukturierung und bessere Verwaltung durch diejenigen Personen, die versuchen, die Daten zu analysieren.
Wenn Daten auf Plattformen wie der Hospitality-Plattform von SnapShot bereits ordnungsgemäß erfasst, gespeichert und analysiert wurden, sind prädiktive Analysen natürlich die nächste Phase, in die sich Data Hubs entwickeln werden, da die Basis bereits vorhanden ist.
Wenn die Hotelbranche die von Unternehmen wie Google und Facebook verwendeten AI-Technologien in ihre Datenanalysetechnologie implementieren würde, könnten Hotels nicht nur den menschlichen Aufwand für die Erstellung von Datenberichten und den manuellen Vergleich der Leistung verschiedener Hotelbetriebe beseitigen, sondern sich auch darauf konzentrieren, strategische Entscheidungen zu treffen bzw. Schlussfolgerungen zu ziehen, um ihre Kunden vollständig zu besitzen.
So ermöglicht Kunden etwa das verstärkende Lernen, das einen Teil des maschinellen Lernens darstellt, historische Daten aus den Aktivitäten ihrer Kunden zu verwenden, um diese besser zu verstehen und vorherzusagen, wie sie auf bestimmte Marketingkampagnen reagieren werden. Stellen Sie sich nur einmal vor, wie viel bei der Ansprache von Stammkunden in Marketingkampagnen eingespart werden könnte, wenn diese Technologie auf Hotels angewendet würde. Letztendlich würden Daten aus dem Recherche-Teil der Buchung eines Hotelzimmers entnommen und nicht nur aus der endgültigen Buchung. Die Hotelbranche wird schon bald lernen, wie viel mehr Daten gesammelt und analysiert werden müssen, um mit der Konkurrenz mitzuhalten oder sie schnell zu überbieten, egal ob es sich dabei um konkurrierende Hotelgruppen oder um OTAs oder gar um Google handelt.
