Data. Data. Data.
- da adoção tardia de tecnologia pela nossa indústria em relação a outros setores,
- dos efeitos secundários do doloroso processo que foi a obtenção (ou tentativa de) de conformidade com a regulamentação GDPR (RGPD) e
- dos inúmeros incidentes de segurança informática, onde o alvo são primordialmente os dados, sejam eles de cartões de crédito ou dados pessoais.
- Dados do ciclo de compra
- Dados demográficos detalhados
- Dados de redes sociais originados durante a estadia (dependendo da legislação)
- Interações em tempo real com o staff que podem ser capturadas digitalmente
- Dados de comportamento (behavioural data)
3 Erros que urgem corrigir
1. Acabar com os silos de dados
Dados isolados que podiam ser relevantes para a compreensão e análise do negócio
Existem inúmeros fluxos de dados que simplesmente não capturamos embora tenhamos os mesmos ao nosso dispor. Penso que um excelente exemplo é o sistema de HSIA (acesso à internet) onde tantos se preocupam em tentar capturar o e-mail do cliente para futuras ações de e-mail marketing mas onde os dados (anonimizados) dos hábitos de navegação, horas, tipos de dispositivos, sistemas operativos, browsers etc se perdem no éter.
3. Disponibilização a terceiros
Existem inúmeros fluxos de dados que simplesmente não capturamos embora tenhamos os mesmos ao nosso dispor. Penso que um excelente exemplo é o sistema de HSIA (acesso à internet) onde tantos se preocupam em tentar capturar o e-mail do cliente para futuras ações de e-mail marketing mas onde os dados (anonimizados) dos hábitos de navegação, horas, tipos de dispositivos, sistemas operativos, browsers etc se perdem no éter.
Dimensão. Um fator questionável
Sendo um artigo de opinião, optei por não me focar nas inúmeras tecnologias que existem neste momento ao dispor das unidades hoteleiras de qualquer dimensão. O artigo seria extenso e não abordaria o cerne da estratégia da gestão de dados, da qual a tecnologia é apenas uma ferramenta de execução e não a “bala de prata“ que resolve todos os problemas.
Pequenos em dimensão, grandes em tecnologia
Grupo pequeno. Sim, é possível.
O que me leva a afirmar que este pequeno grupo baseado na Alemanha é excelente no uso de dados? A resposta é simples. Dão um bom uso às ferramentas que têm, capturam de forma consistente e sistemática os dados relevantes, tem políticas claríssimas de dados e equipas bem treinadas para o efeito. Alguns exemplos:
- Para os dados que são introduzidos no PMS existe uma rigorosa política de introdução e formatação de dados, os quais são revistos regularmente para garantir a relevância e exatidão dos mesmos
- Devido ao seu posicionamento como marca, as redes sociais são fundamentais, pelo que todas as interações nas mesmas são capturadas, registadas e processadas em plataforma de “social sentiment”
- Todos os colaboradores que interagem com o cliente são formados a registar digitalmente dados relevantes que advenham dessas interações
Alguns princípios fundamentais
1. Estratégia de dados – Quem
É responsabilidade da gestão sénior (administração, direção geral) patrocinar a iniciativa e alocar os recursos necessários à definição de uma estratégia de dados de forma a que estes sejam identificados, coletados e usados em prol da maximização do negócio.
Esta premissa assume que os mesmos sejam fidedignos, relevantes e que os recursos humanos que os usam, a todos os níveis, estejam devidamente formados na sua aquisição, manipulação e interpretação.
A execução da mesma é um esforço multidisciplinar que inclui entre outras as áreas da tecnologia, marketing e operações.
É importante realçar que ao nível do recursos de TI que a governança de dados, arquitetura, gestão de repositórios e outras disciplinas que constituem a componente técnica desta temática raramente existem nas competências das equipas internas de TI dos hotéis mais focadas para o suporte de primeira linha e gestão de redes. O recurso a outsourcing é sempre uma opção a ser seriamente considerada com um especial cuidado na escolha dos parceiros devido ao fator critico e risco para o negócio.
2. Conhecimento e propriedade são os desafios
O volume de dados existentes não é um problema perante a capacidade computacional existente nos dias de hoje. O desafio consiste em saber que dados temos e, acima de tudo, reclamar a propriedade legitima dos nossos dados, impedir a perda de dados relevantes ou que os mesmos estejam isolados em silos e, acima de tudo isto, que os mesmos não sejam disponibilizados gratuitamente a terceiros – muitas vezes sem o nosso conhecimento.
3. Olhar para amanhã. Ontem já foi
O uso dos dados (assumindo que os mesmos sejam corretos e relevantes) é conhecer o comportamento do consumidor, a performance do negócio para prever as tendências futuras.
Decerto que o termo “predictive analytics” não vos é estranho. É essa a função e a grande linha orientadora de todas as ferramentas de software que estão a inundar o mercado.
A era do relatório sobre dados passados já passou e a sua importância é relativa. Exceto para termos comparativos ou para alimentar os motores predictivos. As ferramentas de BI que nada mais fazem do que organizar dados históricos e apresentá-los num formato agradável sobre a forma de “dashboards” ou similar, pouco valor trazem no moderno mundo empresarial.
4. Partilhar dados sim, cautelosamente
Os modelos colaborativos de partilha de dados anonimizados para efeitos de “benchmarking” são benéficos, mas devem ser utilizados com cautela e analisados por peritos de forma a garantir que os nossos sistemas estão realmente a partilhar os dados que foram contratualizados.
Recentemente estive envolvido numa diligência (agora em foro judicial) onde um serviço que teoricamente, retirava dados anónimos sobre o total de nacionalidades hospedados por noite, para analise estatística sobre o destino, na verdade fazia uma exportação diária de todas as reservas e perfis de clientes criados no PMS desde a última auditoria da noite.
Pelo lado positivo, gostaria de referir uma iniciativa de um dos maiores fabricantes mundiais de HCM (gestão de capital humano), que através de um sistema de benchmarking devidamente anonimizado e alimentado por milhares de empresas (incluindo hotéis e outras empresas do setor turístico) permite aos gestores de talento e cultura ter uma perspetiva abrangente e em tempo real de, por exemplo, a competitividade dos salários que oferecem, se o nível de rotatividade de pessoal é mais alto ou mais baixo que a média da cidade, país ou indústria entre outros indicadores realmente valiosos para a gestão do capital humano.
Identificar
Todas as fontes de dados devem estar identificadas e devidamente catalogadas
Agregar
A natureza dispersa dos vários sistemas que constituem o ecossistema de um hotel/grupo hoteleiro obriga a que se agregue os dados (de forma seletiva ou integral) das várias fontes em repositórios centrais. A tendência atual é reduzir a complexidade da interconectividade entre sistemas usando um sistema de interligação em série (system bus) e usando como repositórios centrais sistemas baseados na cloud (Azure, AWS, Google Cloud)
Normalizar
Embora a qualidade dos dados deva ser garantida desde a introdução dos mesmos nos variados sistemas, existe sempre a necessidade de os normalizar, e só posteriormente disponibilizados aos utilizadores finais. Este processo vulgarmente conhecido por ETL (Extract, Transform, Load) ocorre ao nível dos repositórios centrais. Até à finalização desta fase o utilizador final não tem acesso aos dados.
Visualizar
Esta é a forma mais básica e mais antiga de consumir os dados pelos utilizadores finais. As ferramentas de visualização podem variar desde os clássicos relatórios, folhas de cálculo (p.ex Excel) ligadas a fontes de dados ou ferramentas de BI na sua utilização mais básica. Nesta função o utilizador apenas consome a informação não lhe sendo permitida qualquer manipulação da mesma
Usar/Manipular
Este estágio já mais evoluído do uso dos dados permite ao utilizador usar os mesmos para efetuar simulações, cenários alternativos, conjugações entre várias fontes de dados quer internas quer externas.
Prever
Este é o atual estágio mais sofisticado da atual ciência de dados onde a computação e o uso de algoritmos complexos e de inteligência artificial assume um papel central. Contrariamente ao cenário anterior (Usar/Manipular) a intervenção humana aqui é reduzida ou inexistente sendo a função computacional elaborar cenários futuros e/ou detetar tendências impossíveis de detetar em tempo útil pelo ser humano. Comercialmente este tipo de funcionalidades é designado por “Predictive Analytics” ou “Machine Learning based analytics” .
