Participación de Alfredo Revuelta de Rojas, de Cognodata, en el SAS Forum

Los modelos predictivos y el big data, claves para optimizar los ingresos

El índice de acierto del nivel de ocupación hotelera puede rondar el 90%

Publicada 05/06/17 -Actualizada 03/07/18 22:58h
Los modelos predictivos y el big data, claves para optimizar los ingresos
  • La clave está en utilizar toda la información disponible que impacta en que un turista decida viajar a un lugar determinado
  • Conocer con antelación las condiciones meteorológicas con el fin de prever el nivel de ocupación es una de las principales preocupaciones de las empresas turísticas
  • Las nuevas técnicas de predicción ocupacional basadas en big data permiten incrementar los resultados anuales reduciendo costes y ajustando los precios del mercado en un determinado momento

Los modelos predictivos y el big data resultan claves en la optimización de los ingresos en el sector hotelero, según ha apuntado Alfredo Revuelta de Rojas, socio director Travel&leisure en Cognodata, en su ponencia ‘Optimización de los ingresos a través de la ocupación predictiva’ en el SAS Forum celebrado en Ifema.

Los avances en el análisis de información y en los modelos predictivos, además del aumento de la cantidad y calidad de la información, indica Revuelta, “han abierto un nuevo abanico de posibilidades para el negocio en el sector. Ahora el objetivo es mejorar la cuenta de resultados a través de la optimización de los ingresos”.

Además, añade, “gracias a la tecnología y más concretamente al big data se consigue un aumento considerable tanto de la capacidad de almacenamiento como de la velocidad de la ingente información que se obtiene de diferentes fuentes. La clave está en utilizar toda la información disponible que impacta en que un turista decida viajar a un lugar determinado, como puede ser la meteorología, su lugar de procedencia, el poder adquisitivo medio, los espectáculos y eventos en el entorno, la información ocupacional de la competencia o las búsquedas de alojamiento a través de internet”.

En este sentido, explica, “conocer con antelación las condiciones meteorológicas con el fin de prever el nivel de ocupación es una de las principales preocupaciones de las empresas turísticas. Técnicas avanzadas de Data Science están permitiendo a los líderes del sector adelantarse a la meteorología y predecir el nivel de ocupación en un determinado periodo de tiempo con un índice de acierto de cerca del 90%, aunque cuanto más alejada en el tiempo la predicción es menos consistente ya que la información se vuelve más volátil”.

Los modelos predictivos y el big data, claves para optimizar los ingresos

La predicción, por tanto, “se ajusta a la realidad y va a permitir a las compañías poner en marcha los mecanismos necesarios para optimizar los ingresos. De este modo, la respuesta que ofrecen las nuevas técnicas de predicción ocupacional basadas en big data permiten incrementar los resultados anuales a través de la reducción de costes y de los ajustes de los precios del mercado en un determinado momento”.

A través de la serie de datos “vemos la ocupación estimada en el periodo de tiempo que definamos, pudiendo desglosarla en el mix de canales que dispongamos y con un simple cuadro de mando tenemos la posibilidad de recalcular por habitación y canal la ocupación y precios a establecer en tiempo real”, como ha destacado Revuelta en su ponencia en el SAS Forum.

El SAS Forum, uno de los mayores eventos de analytics en España, referente para analistas y negocio, ha celebrado este año su foro anual con el lema ‘Experience your new possible’.

Para comentar, así como para ver ciertos contenidos de Hosteltur, inicia sesión o crea tu cuenta

Inicia sesión
Comentarios 0

Esta noticia no tiene comentarios.