İçindekiler
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.
