Num conhecido artigo publicado em 2012 na Harvard Business Review, os autores Tomas H. Davenport e D. J. Patil apontavam que data scientist seria “a profissão mais sexy do século XXI”. O agora popular diagrama de Drew Conway, retrata como estes profissionais têm de possuir um conjunto complexo de aptidões e características, que vão desde a informática, à matemática e estatística, não descurando um conhecimento extensivo do mercado de trabalho.

‍

A ciência de dados (data science) – ou ‘análise de dados’, como também é chamada por alguns – é uma evolução de uma área mais abrangente: o Business Intelligence, que por si só é um termo que se aplica a um vasto leque de arquiteturas, bases de dados, ferramentas de análise, aplicações e metodologias que permitem a descoberta e explicação de aspetos ‘escondidos’ ou desconhecidos nos dados, revelando informação de larga importância no processo de decisão. É esta transformação de dados em informação que permite a extração de conhecimento, a criação de perícia, e posterior transformação em sabedoria. Contudo, esta mudança requer das empresas uma mentalidade analítica e uma estratégia sobre como gerir os seus dados. Desta forma, as empresas precisam de ter não só uma política de administração e integração para assegurar como e onde são guardados, acedidos e consolidados os dados dos diferentes sistemas, mas também ter programas que assegurem a qualidade dos mesmos, de forma a garantir a sua validade.

‍

É esta transformação de dados em informação que permite a extração de conhecimento, a criação de perícia, e posterior transformação em sabedoria.

‍

Existem hoje em dia diversos exemplos de empresas que assentam os seus processos de tomada de decisão nos seus dados. Bernard Marr expõe-o na sua obra The Intelligent Company: Five Steps to Success with Evidence-Based Management, demonstrando que grandes nomes como a Google, Coca-Cola, Tesco, Yahoo, entre outras, dificilmente tomam alguma decisão estratégica que não esteja assente em dados.

‍

MAS O QUE TEM A VER ESTA DATA SCIENCE COM A HOTELARIA? TUDO E NADA!

‍

• NADA, porque hoje em dia, com exceção das grandes cadeias hoteleiras, grandes agências de viagens ou grandes operadores turísticos, praticamente nenhuma entidade no ramo da Hotelaria e Turismo emprega data science na gestão das suas operações do dia-a-dia.
• TUDO, porque todas as empresas deviam fazer uso dos seus dados! Um bom exemplo disso é a AirBnB que faz questão de integrar um data scientist em cada equipa de liderança. E a verdade é que as empresas que não se adaptarem a esta cultura de análise, perderão rapidamente competitividade com as que já o fazem.

Esta mentalidade que integra os factos na tomada de decisão não é, contudo, algo que se implemente de um só vez. É antes um processo que se desenvolve em alguns passos:

Passo 1 | DESCREVER

Inicialmente, as empresas começam por analisar o seu histórico de informação. Tendo um armazém centralizado de informação, com rápido acesso, os gestores depressa conseguem analisar o histórico de dados em diferentes vertentes, o que lhes permite tomar decisões mais rapidamente e, sobretudo, melhor fundamentadas.

Por exemplo:Ao estudar o investimento de marketing em publicidade para um pack especial de natal, um hotel pode analisar em termos demográficos de onde vêm o maior número de, direcionando melhor o orçamento disponível.

‍

Passo 2 | PREVER

Começam a construir-se modelos preditivos que fazem uso de todos os dados disponíveis para prever operações, antecipar e descobrir tendências.

Por exemplo:Um hotel pode construir um modelo para prever cancelamentos de reservas e com o mesmo diminuir a incerteza em termos de procura liquída, permitindo-lhe assim adotar melhores políticas de overbooking e cancelamento.

‍

Passo 3 | PERSPETIVAR

Neste último passo, também tido como de ‘otimização’ ou ‘construção de cenários’, as empresas começam a tirar real partido dos seus dados para construir cenários hipotéticos e otimizar as suas operações.

Por exemplo:Com base nos padrões de check-in e check-out, pode definir-se um horário mais adequado para os funcionários da receção.

‍

Nas próximas publicações continuarei a explorar a aplicação de data science na Hotelaria, revelando exemplos onde a mesma já é utilizada, abordando inclusive as tecnologias utilizadas e os desafios associados.