Durch Business Analytics den Gast individuell ansprechen

Kerstin SteinbergData & Tech, Digitalisierung & Tourismus1 Comment

Predictive Analytics Blog Artikel

Anhand von Data Mining, Predictive Analytics und Machine Learning können wir Trends abschätzen und Prognosen stellen, wie Kunden sich (nicht) verhalten werden.

Predictive Analytics, Business Intelligence, Business Analytics sind Begriffe, die überall fallen, wo es um Big Data geht. Big Data – was ist das eigentlich? Jeder spricht darüber. Doch worin unterscheiden sich diese und wie können sie eingesetzt werden. Wir beantworten diese Fragen und erklären wie MountLytics sich dieser bedienen wird.

Business Intelligence (BI) und Business Analytics (BA) werden oft synonym verwendet. BI wird häufig allgemein als Begriff für die Datenanalyse in Unternehmen verwendet. Es gibt jedoch Unterschiede in der Fragestellung und Methodik.

Wie unterscheiden sich Business Intelligence (BI) und Business Analytics

Mittels Business Intelligence (BI) werden Unternehmensdaten gesammelt und ausgewertet. Sie dienen der Analyse von Geschehnissen in der Vergangenheit und bewerten deren Auswirkungen auf die Gegenwart, z.B. Dashboards, KPIs, Anzeigen von Über- und Unterschreitungen von Metriken, Auswertungen zum Monats- oder Quartalsende oder Soll-Ist-Vergleiche, die operative oder strategische Entscheidungen unterstützen können.

Business Analytics setzt da an, wo Business Intelligence aufhört. Mittels Analyse-Tools wird der Blick In Richtung Zukunft gerichtet und Auswirkungen sowie Folgen von Ereignissen evaluiert. BA durchsucht Datensätze nach Auffälligkeiten und Mustern und stellt Vorhersagen auf. Es werden mögliche Szenarien durchgespielt und nächste Handlungsschritte aufgezeigt, frei nach dem Motto „Was passiert wenn“. Es werden z.B. A/B-Tests mit mehreren Variablen durchgespielt oder Wechselwirkungen und Zusammenhänge analysiert (Data Mining).

Teildisziplinen im Business Analytics (BA)

Predictive Analytics ist eine Teildisziplin von Business Analytics und trifft Vorhersage über zukünftige Ereignisse.

Dabei besteht eine enge Verbindung mit Data Mining. Häufig werden Predictive Analytics und Data Mining sogar synonym verwendet.

Muster und Trends verstehen mittels Data Mining

Data Mining versucht, mit Hilfe statistischer und mathematischer Verfahren verborgene Muster und Zusammenhänge in großen Datenmengen zu erkennen, z.B. Daten Clustering, um verschiedene Gruppen zu bilden (z.B. Kunden nach Einkommensstufen) oder Abhängigkeiten von Variablen in der Regressionsanalyse (z.B. Zimmerreservierung abhängig vom Zimmerpreis und Einkommen der Kunden), Abhängigkeiten von Datensätzen in der Assoziations-Analyse (z.B: wenn ein Gast ein Doppelzimmer bucht, nimmt dieser auch das Frühstück).

Der Fokus liegt auf dem Finden neuer Muster und Trends, die bereits in den bestehenden Daten vorliegen.

Durch Predictive Analytics Prognosen stellen

Predictive Analytics nutzt Methoden wie Machine Learning und auf Algorithmen basierende Analyseverfahren, um aus vorhandenen Daten Prognosen oder Entscheidungen abzuleiten, z.B. werden einem Hotel basierend auf historischen Gästedaten, Gäste vorhersagt, die künftig ebenfalls ihre Zimmerreservierung stornieren könnten

Predictive Analytics wird mittlerweile in einigen Branchen eingesetzt. Zum Beispiel bei Stromanbietern für Lastprognosen, um den Strombedarf vorauszusagen, oder bei Banken, die die Wahrscheinlichkeit bemessen, ob ein  Kunde die zukünftigen Ratenzahlungen eines Kredits nicht leisten kann oder Vorhersagen von notwendigen Wartungen an Maschinen mittels Sensoren basierend auf Fehlermustern.

Customer Relationship Management für Hoteliers zukunftsfähig aufstellen

MountLytics Ziel ist es, das Hoteliers ihr Customer Relationship Management (CRM) durch den Einsatz von Business Analytics aussteuern. Damit sollten Hotels die Kommunikation mit dem Gast bis ins letzte Detail individualisieren können. Mit MountLytics soll jeder Gast zu unterschiedlichen Zeitpunkten völlig individuelle Kommunikationen erhalten.

Mittels Data Mining wird MountLytics Kunden nach Merkmalen gruppieren, z.B. Reisegrund, Einkommensstufen, Reisehäufigkeit oder Abhängigkeiten analysieren, wie Reisende die einen bestimmten Zimmertyp buchen, kaufen ebenfalls ein Room-Upgrade  bezogen auf die Einkommensgruppe oder Gäste mit einer bestimmten Aufenthaltsdauer kaufen Ad-on-Services, wie Cross-Selling von City Tours oder Upselling wie Fahrradverleih.

Durch Machine Learning können Vorhersagen getroffen werden, wann Gäste wieder reisen werden oder wird das Buchungsverhalten analysiert, um Gästen weitere Add-on-Services vorzuschlagen, wie Massage oder die Wahrscheinlichkeit zu bemessen, ob Kunden stornieren werden.

Kundenbeziehung aufbauen und Gästezufriedenheit erhöhen

MountLytics möchte der digitale Gastgeber an der Seite des Hoteliers sein und so höchst-individualisierte, einzigartige Erlebnisse für die Gäste kreieren. Mit diesem Ziel streben wir nach einer hohen Gästezufriedenheit, einer Erleichterung und Verbesserung von Arbeitsprozessen und Steigerung des Umsatzes des Hoteliers.

One Comment on “Durch Business Analytics den Gast individuell ansprechen”

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.