El Big Data és un concepte molt clar en grans corporacions com Google, Movistar, Booking o ciutats com Barcelona però encara és difícil de veure en cadenes petites d’hotels i encara menys en hotels independents.

Són projectes complexes, costosos i que impliquen a molts departaments de l’empresa.

De fet s’hauria d’anomenar ‘Dades complexes’, ‘Dades sofisticades’ o ‘Dades creuades’.

Què és Big Data?

El ‘big data’ normalment es construeix a mida per cada empresa i es basa en creuar bases de dades de la pròpia empresa i en alguns casos també afegir bases de dades externes.

El gran valor del big data és obtenir informació que ara no tenim a l’abast, que el nostre ERP (PMS) o el nostre CRM no ens donen.

Els processos de tractament de dades de Big Data van molt més enllà de l’Excel.

Podem tenir milions de dades captades per les nostres antenes Wi-fi, però tot i ser milions, segueix essent ‘small data’: Un sol software, que capta alguns paràmetres i ens ofereix mètriques.

L’objectiu ideal és aconseguir patrons predictius que ens permetin anticipar-nos i millorar la política comercial, l’atenció al client o l’operativa interna.

És fonamental ‘la pregunta’ i el ROI esperat

Qualsevol projecte de Big Data ha de partir d’una ‘pregunta’ o ‘repte’ de l’area de negoci.

Aquesta pregunta ha de tenir associat un clar benefici i un retorn de la inversió que justifiqui l’esforç de tota la companyia i la despesa en nous recursos humans i tècnics.

En projectes big data no ens podem permetre parlar d’informació curiosa o addicional.

Les mètriques que ens doni un projecte de Big data, han d’impactar positiva i manifestament en el negoci, a nivell de vendes o de millora de l’operativa (costos)

Els projectes Big data són complexos

Aconseguir les fonts d’informació i assegurar-se de la fiabilitat de les dades, és una feina vital a l’inici de qualsevol projecte big data. Inclús les fonts internes de dades moltes vegades no són fiables.

Es requereixen professionals especialitzats i software específics. Amb els recursos actuals segur que no es pot treballar un projecte de Big Data.

Aquests nous professionals, en plantilla o externs, mai treballaran autònomament, ja que són fonamentals les dades internes.

Aquests professionals primer de tot s’hauran d’assegurar de la fiabilitat d’aquestes dades.

Hauran de treballar amb varis departaments de l’empresa per captar més dades i millorar les dades captades actualment.

Fonamental la visualització de les dades

Un cop aconseguides i processades les dades, és vital la manera com es mostren els resultats de l’anàlisis big data als responsables de negoci, en resposta a la ‘pregunta’ que en la fase prèvia varen llençar.

Ha de ser una interfície fàcil i intuïtiva per tal que puguin interactuar i prendre les millors decisions. Va molt més enllà de taules Excel, sinó que acostumen a ser gràfics i mapes interactius.

Objectiu: Temps real

Molts projectes de big data es basen en dades de l’històric, per ajustar les estratègies i operativa.

El repte és processar dades en temps real per tal que les nostres accions siguin encara més ajustades a la realitat.

Automatismes i persones

Encara que el món big data sembli un univers inhumà i automatitzat, exigeix un gran esforç dels directius i treballadors de l’empresa per definir les accions de millora que volem aconseguir, i sobretot un seguiment sobre els beneficis que genera, especialment en tot allò que té a veure amb la satisfacció del client.

El factor humà segueix essent fonamental.

Big data es basa en crear automatismes

- En captació i emmagatzematge de dades
- Processament de dades i visualització de resultats
- Algoritmes de presa de decisions i accions
- Mesures d’anàlisis i correctores

De fet existeixen software que ja fan big data per nosaltres.

Programes de RMS (revenue management system) tipus IDeAS o l’antic Pricematch els podriem definir com ‘Big Data’ ja que creuen dades de l’historic de reserves, dades futures ‘on the books’, calendari d’esdeveniments de la ciutat, preus de la competència, i ens donen el preu més alt per cada dia, segment i tipus d’habitació.

Un producte interessant també és el Demand 360º de Travelclick, que vindria ser un STR a futur. Hotels d’un mateix destí aporten dades ‘on the books’, que es fan anònimes i es barregen amb altres competidors del mateix set competitiu. Un hotel que participi, obtindrà dades de la seva competència ‘a futur’ de preu mig, ocupació per segments i canals de distribució. Aquesta seria una font externa molt potent per creuar amb el nostre RMS.

Actualment a Barcelona aquesta eina la fan servir hotels sobretot de cadenes internacionals i no pot ser operativa fins que participi un grup significatiu d’hotels d’un mateix set competitiu.

Aquests softwares van sorgir un dia a partir d’un repte Big Data: Volem aconseguir el preu més alt per cada dia, segment i tipus d’habitació.

L’area de domòtica també es pot definir com a big data, en el moment que ajustem la calefacció, els llums, els tendals al volum de persones de cada zona i fins i tot a la previsió d’ocupació de les sales.

Exemple: Si tenim monitoritzat el consum d’aigua de les habitacions, podem saber quantes persones tindrem esmorzant d’aquí 20 minuts i optimitzar l’operativa.

Exemple 2: Si tenim una camera contadora de persones a la recepció i una altra darrere el mostrador, podem fer que es dispari una crida automàtica de personal quan el rati recepcionista/hoste sobrepassi uns valors establerts.

Al final, Big Data es basa en creuar dades, per obtenir dades complexes.

Després la clau és crear algoritmes de resposta automàtica que suposin una millora pel client (millor atenció) o operatives.

En el cas de l’exemple 2, les dades que captem de les càmeres ens donen un rati hoste/recepcionista.

Quan parlem ‘d’algoritme’, ens referim a un protocol que executa accions pre-determinades.

El rati és una mètrica relativa. No és el mateix en hores de check-out que a les 12h de la nit. Si tenim un registre d’ubicació d’empleats, l’algoritme pot fer una crida segons perfil o segons proximitat.

Si no pot acudir cap empleat a reforçar la recepció, aquest sistema ens crearà una estadística de moments de ‘saturació’ que ens pot servir per tal que recursos humans reforci certs horaris.

Aquest és només un exemple hipotètic. La feina dels gestors és definir si la millora que s’aconsegueix en cada cas, justifica la complexitat i els costos dels sistemes que es muntin.

El cost de la configuració d’aquests automatismes, ha de ser inferior al benefici que generi de servei i satisfacció del client. Si un hotel té problemes en aquesta area i es veu perjudicat el seu rendiment econòmic, pot plantejar-se aquest repte.

Actualment estan començant a aparèixer eines big data de previsió de demanda en destinació tipus Snapshot, que informen sobre el volum de cerques a Google o mencions en xarxes socials sobre un destí o esdeveniment, o cerques i reserves de vols en temps real segons l’origen.

En aquest cas, afegir aquesta capa de dades a les nostres campanyes de marketing i al nostre algoritme per la fixació de preus d’habitacions ens hauria donar una politica de fixació de preus més efectiva i competitiva.

Exemple 3: Si una eina ens indica que les cerques des de Russia sobre ‘Primavera sound’ s’estan disparant, podem activar una campanya només pel mercat rus d’adwords amb la paraula clau ‘Hotel al costat del Primavera Sound’.

Factors clau del Big data

1. La direcció ha de creure en el projecte

- Ha d’assignar un lideratge clar (operacions, sistemes, negoci)

2. Direcció de negoci ha de definir:

- Una ‘pregunta’ clara

- Les mètriques que espera rebre

- Les accions correctives que aquestes mètriques dispararan.

- Les millores quantitatives que espera obtenir

- Els recursos interns i externs que està disposat a dedicar.

- La data on espera rebre aquestes mètriques  

- Les mètriques que ens donin, han de millorar el rendiment del negoci. No podem parlar d’informació curiosa o addicional. Ha d’impactar positiva i manifestament en el negoci, a nivell de vendes o de millora de l’operativa (costos)

- Fan falta perfils professionals especialitzats i fa falta especialistes que contractin i supervisin a aquests nous professionals. El director de sistemes o d’operacions en general tenen més nocions sobre el tema, però no necessàriament dominen tot el necessari.

Passos a realitzar en un projecte Big Data

Pas 1

• Definició d’objectius per part de l’area de negoci

Pas 2

• Auditoria interna de bases de dades
• Estudi legal sobre privacitat de dades personals
• Estudi sobre seguretat de les bases de dades davant de ciberatacs
• Definir costos del projecte i calcular el retorn de la inversió (ROI)

Pas 3:

Obtenir les fonts de dades

• Bases de dades existents
• Sensorització
• Captació manual de dades
• Captació automàtica
• Enquestes a l’usuari
• Fonts externes

• Open data: Bases de dades públiques o privades de lliure accés.
• Bases de dades de pagament.
• Acords per compartir dades amb altres operadors.

Pas 4:

Tractament de dades

• Validació de fiabilitat de dades.
• Emmagatzematge
• Creuament de dades
• Seguretat de dades personals d’usuaris i treballadors i seguretat per les dades sensibles de l’empresa.
  • Anonimitzar dades d’usuari
  • Prevenir ciberatacs.

Pas 5:

Visualització:

• Definir un sistema de taules, gràfics o mapes que sigui fàcil d’interactura pels diferents departaments implicats.
• Definir els diferents nivells d’accés a dades dels treballadors i directius implicats.

Pas 6:

Accions de millora derivades d’aquestes noves mètriques Big data.

• Definir protocols d’actuació
  1. Manuals: Les persones quan revisen les dades activen accions.
  2. Automàtics: Quan s’assoleixen certs valors, es disparen automàticament accions correctores.

Pas 7:

• Accions de seguiment i correcció de protocols i automatismes.
• Seguiment de les millores obtingudes i grau d’assoliment del ROI pre-definit.

Com a conclusió, big data són projectes complexos de creuament de dades per obtenir patrons predictius que ens permetin millorar la nostra acció comercial, d’atenció al client i operativa interna, idealment en temps real.