Gartner, en su glosario de TI , define Big Data como “conjuntos de datos de gran volumen, velocidad y/o variedad, que requieren formas innovadoras y rentables de procesamiento de la información, permitiendo una visión amplificada para la toma de decisiones y la automatización de procesos” (traducción libre) .

La definición de las 3 V, como es ampliamente conocida, se debe al volumen (la cantidad de datos), la velocidad (la velocidad de entrada y salida ) y la variedad (diversidad de tipos y fuentes de datos). Y como era de esperar, estas 3 V también están presentes en los datos a los que tienen acceso los hoteles.

Los hoteles almacenan inmensas cantidades de datos en sus sistemas internos: PMS ( Sistema de gestión de propiedades ) , CRS ( Gestión de relaciones con el cliente ) o ERP ( Planificación de recursos empresariales ). Los hoteles tienen acceso a un embudo de adquisición de huéspedes mediante el análisis de las estadísticas de su sitio web. Los hoteles tienen acceso al impacto de las campañas/publicidad a través de herramientas como Adwords o Facebook. Por no hablar de otras fuentes de datos públicos, que también pueden ser sumamente importantes para los hoteles, como comentarios y reseñas , meteorología, inteligencia competitiva (precios y reputación social), tipos de cambio de divisas, entre muchas otras fuentes.

Es comprensible que los hoteles quieran aprovechar el Big Data , utilizando las enormes cantidades de información a su disposición para construir mejores modelos descriptivos y así comprender patrones, tendencias o anomalías , por segmentos de huéspedes y otras dimensiones, para mejorar la segmentación de huéspedes . o simplemente , para identificar relaciones desconocidas . Sin embargo, el verdadero potencial del Big Data reside en el análisis predictivo , es decir, en el desarrollo de modelos predictivos, como la demanda de alojamiento y la previsión de ingresos, reservas con alta probabilidad de cancelación, huéspedes que pueden regresar al hotel, huéspedes dispuestos a aceptar reubicación u otras alternativas en situaciones de overbooking , entre muchas otras.

Sin embargo, aún quedan cuestiones que deben abordarse antes de que estos datos se conviertan en información y posteriormente en conocimiento sobre el cual se puedan tomar medidas. A saber:

1) CALIDAD DE LOS DATOS

Es común que los datos no alcancen lo deseado en términos de calidad, con valores faltantes, duplicados o incorrectos. Por ejemplo, es común encontrar múltiples perfiles para un mismo huésped en hoteles; o encontrar huéspedes cuyo perfil tenga varios campos sin completar o información incorrecta, como direcciones incompletas, números de teléfono desactualizados o segmentación clasificada incorrectamente. Sin una buena calidad de los datos es imposible extraer información fiable de ellos .

2) CAPACIDAD TÉCNICA

Para procesar oportunamente grandes volúmenes de datos de diferentes fuentes, no solo se requiere una buena capacidad de cómputo, sino también capacidad de almacenamiento . Esto se traduce en una inversión considerable en infraestructuras técnicas para extraer, transformar y procesar datos.

3) RECURSOS HUMANOS

Nada de esto se puede conseguir sin colaboradores dedicados a esta tarea, como analistas de datos , científicos de datos o al menos gestores con buenas habilidades de análisis , imprescindibles para ejecutar modelos, comprender los análisis y tomar decisiones en base a ellos.

Estas son limitaciones que pueden superarse invirtiendo en recursos internos o contratándolos externamente. Lo importante es que la estrategia para aprovechar el Big Data esté bien trazada.

Aún así, implementar una estrategia de Big Data resulta caro , lo que no facilita el acceso a muchos hoteles. Actualmente, estos costes sólo están al alcance de algunas cadenas hoteleras multinacionales, pero lo cierto es que con la disponibilidad de soluciones estándar , más accesibles y basadas en la nube , el mercado se está regulando, acabando obligando a bajar los precios, contribuyendo a que Las pequeñas cadenas o marcas, así como las unidades independientes, pueden aprovechar el Big Data.  

Y es por esta misma razón que quien no se suba al tren del Big Data probablemente perderá su nivel de competitividad ante la competencia más expedita.

‍