Contenido
Lo hemos repetido hasta la saciedad: la personalización es la clave. Y para eso hace falta contar con un personal muy atento y que esté a la entera disposición del huésped. Sin embargo, también hay que echar mano de la tecnología. Porque para eso está. Si bien algunos hoteleros pueden ser reacios a recurrir a los sistemas automatizados sobre su propio personal, el machine learning o aprendizaje automático presenta ventajas considerables para los hoteleros, sobre todo ahora que estamos inmersos en la era del big data.
Según Cloudera, que ha presentado un informe sobre la adopción del machine learning en España, Francia, Alemania y Reino Unido, el 87% de las grandes empresas ya ha invertido en machine learning o piensan hacerlo en los próximos dos años.
El informe indica además que el 35% de las grandes compañías ha desarrollado totalmente esta tecnología, mientras que otro 31% lo ha hecho en algunos departamentos concretos para funciones específicas.
Y un tercio ya ha visto ROI
Un tercio de las compañías que ha implementado el machine learning en sus procesos afirma que ya ha visto un retorno a la inversión. Sin embargo, las empresas están de acuerdo en que existe una barrera principal: faltan recursos y talento. De hecho, el 51% duda en implementar el machine learning, ya que no tienen la habilidad de implementarlo.
La mitad de las grandes empresas ha indicado que los datos están completamente embebidos en su organización, y que ya no serían capaces de trabajar sin ellos, mientras otro 36% indica que sí utiliza los datos, pero no de un modo transversal a la compañía. Además, el 49% de los negocios afirma que el departamento de tecnologías de la información es el responsable de maximizar el valor de los datos, y en el resto de los casos la responsabilidad descansa en los científicos de datos o en los propios usuarios.
El machine learning en los hoteles
La toma de decisiones automatizada se introdujo por primera vez en el sector hotelero de la mano del revenue management hace más de 20 años. Por aquel entonces, a los hoteleros todavía les preocupaba dejar en manos del software de revenue la toma de decisiones. Aun así, con el paso del tiempo, vieron los beneficios que traía esta automatización, optimizando los ingresos y haciendo el hotel mucho más rentable.
Porque, al fin y al cabo, ¿cómo no usar el poder de la automatización para llevar a cabo tareas rutinarias y lentas en torno al forecasting, la optimización y la toma de decisiones? Esto dejó tiempo libre al hotelero para experimentar en campañas de merketing y en mejorar la experiencia de los huéspedes.
Un forecasting más innovador
El machine learning lo que hace es utilizar algoritmos que aprende por la repetición de los datos, lo que permite a la tecnología obtener información más útil a partir de los datos disponibles. Por ejemplo, fuera del sector hotelero, el machine learning se utiliza para dirigir la publicidad al público idóneo. En los hoteles, el aprendizaje automático sirve para llevar a cabo un forecasting más innovador. Este tipo de tecnología nos ayudará a comprender mejor la relación entre precio y demanda, y a generar tarifas que se adapten y anticipen a las fluctuaciones del mercado.
Cualquier revenue manager que trabaje sin el soporte de una solución analítica de revenue management se encontrará abrumado por el gran volumen y la complejidad de los datos a analizar. El análisis predictivo de los datos, integrado en los sistemas avanzados de revenue management de hoy en día, ayudará a los hoteleros a descubrir tendencias emergentes y a identificar más oportunidades de negocio.
Pero el machine learning no sustituirá al humano. Esta tecnología puede ayudar en la organización y análisis de grandes cantidades de datos y gracias a los sistemas de revenue más sofisticados se llevan a cabo decisiones inteligentes basadas en estos datos. Si bien, la interacción humana todavía es necesaria, sobre todo para validar acciones y alertar a la tecnología de cosas que no pueden todavía anticipar o suponer.
El principal problema, la formación
Romain Picard, vicepresidente de Cloudera en el Sur de EMEA, ha indicado que “el primer problema es la falta de conocimiento entre los líderes, y es que la causa principal que hace al machine learning resistirse es un aspecto de percepciones, ya que los negocios aun no confían que en la capacidad de las máquinas de reemplazar al ser humano en las tomas de decisiones”. En este sentido, el 79% cree que las personas toman mejores decisiones.
Por otra parte, no hay una visión clara de en qué consiste y qué beneficios ofrece el machine learning. Los tomadores de decisiones asocian el machine learning con elementos de inteligencia artificial y automatización: el 44% ha indicado que tiene que ver con algoritmos computacionales, otros que es el proceso de crear sistemas independientes de la intervención humana, y un tercer bloque lo asocia a la inteligencia artificial.
Finalmente, hay una falta esencial de talento. Menos de una de cada tres compañías cuenta con un equipo estable de científicos de datos con habilidades en machine learning. Además, tan solo un 52% de ellos se mantienen actualizados con noticias relevantes y específicas del sector de las tecnologías de la información.
Adopción y uso del machine learning
La adopción del machine learning se encuentra en plena expansión, ya que un 47% de las empresas ya está invirtiendo y otro 40% espera hacerlo en los próximos dos años. De hecho, la única tecnología más extendida que el machine learning es el análisis de datos, con una inversión actual en el 54% de las grandes empresas.
El 69% de los directores de tecnologías de la información espera que el machine learning tenga una influencia relevante en sus departamentos, y un 31% espera que sea un fenómeno transformacional. Sin embargo, solo un 20% de los gerentes piensa que tendrá un impacto significativo en las divisiones de ventas, menos aún en el departamento de recursos humanos: 17%. Por tanto, habrá que apostar por esta nueva técnica y esperar para ver los resultados que brinda.
Imágenes cedidas: Shutterstock.com
