データサイエンスの専門家になるには、何年もの研究と複数の学位が必要です。ホテル業界の専門家にはない時間です。しかし、データサイエンスの基礎を理解することで、ほとんど勉強することなく、資産の利益を増やすことができます。スマートな収益管理システムのような最新のホテルテクノロジーにより、ホテルの所有者や収益管理者は、専門知識のレベルに関係なく、データサイエンスにアクセスでき、さらには簡単になります。
このガイドでは、データサイエンスが実際に何であるかを簡単に説明することから始めて、プロパティをより収益性の高い方法で運用するために適用されるデータサイエンスの要素について説明します。収益管理ツールが機械学習を利用して、データサイエンスのより技術的な側面をマネージャーにとって簡単にする方法を紹介します。データサイエンスを使用して顧客データ、価格動向、業界データを活用して利益を増やす方法を学ぶために読んでください。
データサイエンスとは何ですか？
データサイエンスは、データから情報を抽出する手法です。データサイエンスでは、プログラミングとデータマイニングを通じて大量のデータを分析し、組織にとって有用な洞察とインテリジェンスを明らかにします。
データサイエンスのライフサイクルには、一般的に受け入れられている5つのフェーズがあります。彼らです：
キャプチャ：データが取得または抽出されます（たとえば、Google Analyticsは、ホテルのWebサイトへのユニークな訪問者の数をログに記録します）。
維持：データはクリーンアップされ、データウェアハウスに保存されます（Google Analyticsは5年間のユニークビジター数を保存します）。
プロセス：データは分類、モデル化、クラスター化、および/または要約されます（Google Analyticsは、時間帯、地理的位置、および参照元によって一意の訪問者を再編成できます）。
分析：予測分析、回帰分析、定性分析などを通じて（Google Analyticsは、バウンス率がユニークな訪問者を失う原因となっている可能性がある場所を教えてくれます）。
伝達：洞察が報告され、ビジネスインテリジェンスと意思決定に使用されます（Google Analyticsの報告により、マーケティングキャンペーンがWebサイトにユニークな訪問者を追加しているかどうかを知ることができます）
ビッグデータの台頭により、データサイエンスはますます人気のある分野です。ビッグデータは、企業が毎日収集する大量の構造化データと非構造化データを表します。データサイエンティストはビッグデータを分析して、競合他社を打ち負かし、顧客について学び、ターゲットを絞ったマーケティングおよび価格設定キャンペーンを実行するための洞察をホテルに提供します。
データサイエンティストは何をしますか？
データサイエンスの説明が広範に聞こえるなら、それはそうだからです。データサイエンティストは、「Google検索ランキングとLinkedInの推奨事項の最適化から、Buzzfeedエディターが実行するヘッドラインへの影響」まで、データ関連の幅広いタスクを実行します」とハーバードビジネスレビューは書いています。
一般的に、データサイエンティストは、ビッグデータを分析するためにこのプロセスを実行します。
「まず、データサイエンティストは、堅牢な分析を実行するために強固なデータ基盤を築きます。次に、オンライン実験などを使用して、持続可能な成長を実現します。最後に、彼らは機械学習パイプラインとパーソナライズされたデータ製品を構築して、ビジネスと顧客をよりよく理解し、より良い意思決定を行います。言い換えれば、技術では、データサイエンスはインフラストラクチャ、テスト、意思決定のための機械学習、およびデータ製品に関するものです。」
データサイエンティストは高い需要があります。 LinkedInは、データサイエンティストを「2019年の最も有望な仕事」としてランク付けしました。データサイエンティストは、グラスドアのアメリカで最高の10の仕事のリストを上回りました。確かにIndeedの求人情報からのデータは、データサイエンティストが年間86,000ドルから123,000ドルの収入を得ることができることを示しています。
多くの場合、「データサイエンティスト」と「データアナリスト」という用語は同じ意味で使用されますが、これらの役割は少し異なります。データサイエンティストは、質問の作成に重点を置いています。データアナリストは、既存の一連の質問に答えることに焦点を当てています。たとえば、データサイエンティストは、統計モデルと予測分析を使用して未知数を推定しようとします。ホテルのCMS、PMS、マーケティングキャンペーンなどから既存のデータポイントをマイニングして、顧客の行動、運用効率、価格設定、需要予測などの分野に光を当てます。一方、データアナリストは、ビッグデータに飛び込んで、「第3四半期にRevPARが低下したのはなぜですか」などの特定の質問に答える場合があります。アナリストは、データサイエンティストよりも、問題の解決に重点を置いています。
データサイエンスは機械学習やデータ分析とどう違うのですか？
機械学習の分野をミックスに加えると、事態はさらに複雑になります。機械学習は、データを抽出し、将来の傾向を予測するためのアルゴリズムを導入します。機械学習はデータサイエンスのサブセットです。ビッグデータの台頭は、データサイエンティストがデータセットを手動で効率的に操作できなくなったことを意味します。機械学習はデータセットを自律的に処理するため、データサイエンティストは全体像に集中できます。
機械学習は日常生活で見ることができます。 Netflixは機械学習を使用して、視聴履歴に基づいて新しい番組や映画を推奨します。 Facebookは機械学習を使用して、ユーザーの行動データに基づいて、興味を予測し、友達を推薦し、フォローする可能性のあるページを通知します。 Amazonは機械学習を使用して、閲覧履歴と購入履歴に基づいて商品を推奨します。
機械学習は、ホスピタリティ業界、特に高度な収益管理システムでも大きな役割を果たします。 IDeaS G3のようなRMSは、統計的手法を使用した機械学習を利用して、最先端の予測と意思決定の最適化を実現します。 IDeaSのアルゴリズムは、競合他社のレート、検索の浸透、予約の傾向、最適化スコアからのデータを考慮して、継続的な価格設定モデルを強化します。このツールは、データサイエンティストが手動で実行しなければならなかったであろうタスクの多くを自動化できます。価格設定モデルは、情報を取得して、最新の情報に基づいて価格決定を継続的に更新します。
ホテルグループはどのようにデータサイエンスを活用できますか？
スマートプライシングは、データサイエンスが利益率に大きな違いをもたらすことができる1つの例にすぎません。歩留まり管理は、固定在庫供給に関する収益性を制御するための動的価格設定の使用を含む同様のプロセスです。利回り管理には注意が必要です。レートを高く設定しすぎると、需要が低下します。レートを高く設定しすぎると、ボリュームのために収益が犠牲になります。 IDeASは、以下を使用することでこれらの課題を克服できます。需要を予測するための機械学習。このツールは、プロパティおよび市場全体からの履歴データのパターンを調べます。次に、よりスマートなレート推奨の需要を予測します。これは、リアルタイムで自動的に適用され、在庫の価格を最適に保つことができます。 「IDeaSの収益管理システムは、最良の価格を決定するだけでなく、ホテルに部屋のタイプごとに歩留まりと分析的な価格を決定し、受け入れる最も収益性の高いグループビジネスを決定する力を提供します」とあるレビューアは書いています。
データサイエンスは、よりスマートな顧客セグメンテーションとマーケティングの自動化を推進することもできます。 Mailchimpのような典型的なマーケティングツールはセグメンテーションを自動化できません。つまり、プラットフォームは特定のゲストカテゴリに電子メールを送信するのに最適な時期を決定できません。データサイエンスを使用するプラットフォームのみが、最新性、頻度、金銭的価値、滞在期間などの既存のデータポイントを考慮して、適切なメッセージを適切なオーディエンスに完全にタイミングを合わせることができます。 「たとえば、ホテルが、部屋の夜だけを生成するゲストではなく、スパサービス、ゴルフ、レストランを利用する可能性が高いゲストをターゲットにした場合、収益と収益性を大幅に向上させることができます。残念ながら、多くの場合、個々のゲストやセグメントをターゲットにしない包括的なキャンペーンにお金が費やされ、彼らが最も反応する可能性が高いオファーがあります」と書いています。ある業界アナリスト。
データサイエンスのターゲットを絞ることで、スターウッドホテルは世界中の不動産ウェブサイトの翻訳サービスから最高の価値を引き出す方法を決定することができました。 Starwoodは、データサイエンティストに依頼して、ブランド化されたWebサイトの一部を特定の言語に翻訳するために時間とリソースを費やす価値があるかどうかを判断しました。彼らは、2年間の収益と、市場レベルでの継続的な翻訳コスト全体を比較検討したモデルを使用しました。スキフトによれば、この公式は巨大なビジネス結果をもたらしました–最大97％多くの収益。
Skiftの例が最終的に証明しているように、Webサイトからマイニングされたデータを使用して、さまざまなユーザーエクスペリエンス変数を実験することにより、コンバージョン率を向上させることができます。データサイエンスのアプローチにより、コンバージョン率の最適化を成功させることができます。実験を通じて、マネージャーは、さまざまなランディングページ構成をテストし、データを分析して、繰り返すために影響を与えるメトリックを学習できます。見出しから「今すぐ予約」ボタンのサイズまで、Webサイトのエクスペリエンスの各側面をテストして、すべてのデザインの詳細が変換のために準備されていることを確認します。
最後に、競合他社のRevPARからのマーケットインテリジェンスデータ、占有率、およびSTRからイベントデータおよびレートパリティデータまでの平均日次レートは、部屋の価格設定方法を最適化するために重要です。料金の同等性は、ホテルのブランドWebサイトで見積もられた価格と、OTAで見積もられた価格との差です。このデータセットは、契約していないOTAやその他のサードパーティによって隠されていることがよくあります。レートショッピングツールは、直接の競合他社がどのように部屋の価格を設定しているかを示すことにより、この問題を軽減するのに役立ちます。
ホテルでデータサイエンスを採用するためにデータサイエンティストである必要はありません
データサイエンティストになるには、何年ものトレーニングが必要です。代わりに、IDeaS収益ソリューションは、収益管理を改善するための戦略的アドバイスと技術ツールを即座に提供できます。データサイエンティストのチームから学び、ソフトウェアを使用して、そうでなければ博士号を取得する分析を実行します。達成するために。ここにいくつかあります収益管理ソフトウェアが提供できる機能：
部屋タイプごとの需要ベースの価格設定：スイートの需要が増加すると、ダブルルームの価格も引き上げることなく、スイートの価格を自動的に引き上げます。
仮想収益管理サービス：割り当てられた業界の収益専門家に、スタッフに直接働きかけて収益戦略を加速させます
継続的な価格設定：このツールは、検索の普及率、競合他社の割合、予約の傾向、評判のスコアをマイニングして、需要を予測し、新しいデータが入ってくると継続的に更新します
レートの公開：チャネル全体でレートを一貫して正確に更新し、手動で更新することなく、最小の取得コストで最高の予約値を実現します。
限られたデータでの作業：データセットが限られている場合、IDeaSは既存のホテルのデータを複製して、需要のベースラインを提供し、ゲストの行動を予測できます。
ホテル経営者として、データサイエンスの基礎を理解することが重要です。実際のデータサイエンスは、すべてのデータニーズに対応するソリューションを提供できる専任のデータサイエンスチームを持つIDeaSのような会社に任せてください。
