share
July 10, 2018

10076

在"大数据"这一概念获得现象级别的爆发之前,酒店业早就开始将行业数据整合到收益技术和策略之中。虽然大数据被认为是智慧决策的核心,但对许多酒店而言,要真正有效利用大数据似乎是一项不可能完成的任务。

对每一家酒店而言,识别出正确类别的智慧数据是关键的第一步。在最高层面上,分析收益管理技术传统上由四种类别的数据支持,即描述性数据、诊断性数据、预测性数据和规范性数据。每一种类别的数据都对应着一种输出结果。

10076b

描述性分析利用的数据与标准酒店报告相似,大量此类数据汇总,能让酒店了解过去发生的情况。描述性分析让酒店运营者在对未来做决策时有了过往的详细数据作为依据。描述性分析数据属于"后见之明",让酒店能够解读其历史业绩。

酒店技术系统还会使用诊断性数据,通过收集历史数据来理解实际发生的结果,从而评估酒店相对于所在市场的业绩表现。此类分析方法还能帮助酒店对比自己与竞争酒店的业绩,比如生成STR报告。与描述性数据相似的是,诊断性分析也是一种"后见之明",因为它利用的也是过往的业绩数据。

如今大多数的收益管理解决方案利用的是预测性数据,帮助酒店预测未来的入住率和收益。此类预测能够帮助精确管理定价和库存,让不同的业务达到理想的组合平衡状态。然而,因为预测性分析是从基于历史记录的预测模型衍生出来的,遇到全新的市场条件或活动类别时,就缺少了数据支撑。预测性分析属于"先见之明",因为此类分析利用数据预测未来的结果,帮助酒店发现收益机会。

近些年,规范性数据逐渐大放异彩。规范性分析不仅利用历史数据,还会利用未来数据,让酒店得以突破传统的预测方式。规范性分析利用先进的市场信息,能够理解什么是最理想的结果,以及实现这种结果需要怎样的战略决策。规范性分析不仅让酒店管理者有"先见之明",更让他们真正做到"深入洞悉"。

虽然大数据将继续成为酒店业收益管理工作的核心主题,但不少酒店已经开始将焦点从数据的"大"转移到数据的"智慧"上来。当今世界每分每秒都在产生无以计数的不同数据,酒店需要优化数据,才能洞察有意义的信息,从而落实正确的行动。将前瞻性的需求智慧预测与历史数据和外部数据来源相结合,才能实现最佳收益业绩和最大的盈利能力。