Projet automatique

Lisez-nous | Écoutes nous | Regarde nous | Rejoignez live Events | Désactiver les annonces | En ligne |

Cliquez sur votre langue pour traduire cet article:

Afrikaans Afrikaans Albanian Albanian Amharic Amharic Arabic Arabic Armenian Armenian Azerbaijani Azerbaijani Basque Basque Belarusian Belarusian Bengali Bengali Bosnian Bosnian Bulgarian Bulgarian Catalan Catalan Cebuano Cebuano Chichewa Chichewa Chinese (Simplified) Chinese (Simplified) Chinese (Traditional) Chinese (Traditional) Corsican Corsican Croatian Croatian Czech Czech Danish Danish Dutch Dutch English English Esperanto Esperanto Estonian Estonian Filipino Filipino Finnish Finnish French French Frisian Frisian Galician Galician Georgian Georgian German German Greek Greek Gujarati Gujarati Haitian Creole Haitian Creole Hausa Hausa Hawaiian Hawaiian Hebrew Hebrew Hindi Hindi Hmong Hmong Hungarian Hungarian Icelandic Icelandic Igbo Igbo Indonesian Indonesian Irish Irish Italian Italian Japanese Japanese Javanese Javanese Kannada Kannada Kazakh Kazakh Khmer Khmer Korean Korean Kurdish (Kurmanji) Kurdish (Kurmanji) Kyrgyz Kyrgyz Lao Lao Latin Latin Latvian Latvian Lithuanian Lithuanian Luxembourgish Luxembourgish Macedonian Macedonian Malagasy Malagasy Malay Malay Malayalam Malayalam Maltese Maltese Maori Maori Marathi Marathi Mongolian Mongolian Myanmar (Burmese) Myanmar (Burmese) Nepali Nepali Norwegian Norwegian Pashto Pashto Persian Persian Polish Polish Portuguese Portuguese Punjabi Punjabi Romanian Romanian Russian Russian Samoan Samoan Scottish Gaelic Scottish Gaelic Serbian Serbian Sesotho Sesotho Shona Shona Sindhi Sindhi Sinhala Sinhala Slovak Slovak Slovenian Slovenian Somali Somali Spanish Spanish Sudanese Sudanese Swahili Swahili Swedish Swedish Tajik Tajik Tamil Tamil Telugu Telugu Thai Thai Turkish Turkish Ukrainian Ukrainian Urdu Urdu Uzbek Uzbek Vietnamese Vietnamese Welsh Welsh Xhosa Xhosa Yiddish Yiddish Yoruba Yoruba Zulu Zulu

Données. Catastrophe ou découverte?

de data
de data
Écrit par éditeur

Si vous n'êtes pas un génie des mathématiques ou que vous avez suivi vos cours d'analyse quantitative au MIT, l'accent mis actuellement sur le Big Data délivre soit une migraine, soit un souhait pour les jours où l'analyse de feuilles de calcul signifiait

Si vous n'êtes pas un génie des mathématiques ou si vous n'avez pas suivi vos cours d'analyse quantitative au MIT, l'accent mis actuellement sur le Big Data est soit une migraine, soit un souhait pour l'époque où l'analyse des feuilles de calcul signifiait une promotion.

Lors d'une récente conférence Eye for Travel Analytics, des experts de Hilton, Wyndham, Priceline.com, United Airlines, Travelocity International, Novatel, Highgate Hotels et de nombreux autres gourous ont lancé d'énormes quantités de données quantitatives à des centaines de dirigeants d'entreprise chargés de la conception. , en développant et en analysant leurs campagnes marketing et le développement des affaires. Tout le monde a du mal à se tenir au courant de l'impératif de mesure actuel - non seulement pour recueillir les données, mais aussi pour en tirer un sens.

Spectacles de données
Il n'y a pas de problème pour collecter les données, car des dizaines d'entreprises sont créées pour le faire à un coût gratuit ou symbolique; le problème est de déterminer quelles données doivent être collectées, leur validité et ce qu'il faut en faire. Le défi encore plus grand est d'amener la haute direction à prendre l'information au sérieux et à l'utiliser pour développer, modifier et / ou changer des stratégies.

En ce moment, le segment de la recherche marketing de l'industrie semble être comme un chien avec un os - le chien aime vraiment l'os et est heureux de partager le prix avec son propriétaire - cependant, les os de chien ne sont pas utiles ou attrayants pour le propriétaire et ne sont beaux que pour le chien. En d'autres termes, les gourous de la recherche marketing sont heureux comme des palourdes avec toutes ces informations - mais ils ne peuvent même pas les donner.

Pourquoi
Une étude récente de The Relevancy Group révèle que moins de la moitié des spécialistes du marketing ont accès au tableau de bord aux mesures critiques nécessaires pour conduire les programmes d'optimisation. Ce rapport de 2012 a déterminé qu'un tiers des spécialistes du marketing envoyaient des e-mails sans connaître le taux de placement de la boîte de réception de délivrabilité et sans comprendre l'importance de ces informations.

Pour aggraver les choses, Gilmartin (1,2013er avril 1998), dans son examen de la recherche de Wolfe en XNUMX, a découvert que nous supposons à tort que les consommateurs décident de manière rationnelle et que les requêtes qui forcent des réponses rationnelles sont erronées. La recherche actuelle ne tient pas compte des changements subtils dans les valeurs et les visions du monde et ignore les changements dans la cartographie mentale qui se produisent avec l'âge.

La recherche en sciences du cerveau a remis en question le comportement des consommateurs. On a supposé que les gens énoncent avec précision leurs valeurs, leurs besoins et leurs motivations; Cependant, la recherche révèle que ce n'est pas vrai et qu'en réalité, les consommateurs ne sont pas conscients de la qualité. La prise de conscience que les gens ne comprennent pas leurs motivations remet en question les principes de base de la recherche. Selon les recherches de Massy, ​​Frank et Lodahl, «les statistiques multivariées qui décrivent les traits de personnalité ne peuvent représenter plus de 7% du comportement d'achat.

Une autre fausse hypothèse est la croyance que les consommateurs prennent des décisions d'achat en fonction de leur intérêt personnel et de la raison d'utiliser dans la sélection des produits. La recherche sur le cerveau montre que la raison joue un rôle moins important dans les décisions personnelles puisque les consommateurs ne choisissent pas rationnellement; toute recherche qui force des réponses rationnelles sera incorrecte, selon Kevin J. Clancy et Robert S. Shulman (Révolution marketing).

Smart Travel Analytics offre un aperçu
Bien que les principes de base des données soient réévalués, la recherche offre - au minimum - la possibilité de réfléchir à où nous avons été, où nous en sommes et la possibilité de réfléchir à la prochaine étape. Comprendre que les données ne sont pas parfaites ne doit pas signifier qu'elles sont éliminées en tant qu'outil de marketing - ce que cela suggère, c'est qu'elles soient utilisées dans le cadre d'un arsenal qui tente de fournir un portail vers le futur (ce qui est inconnu).

Leçons partagées chez Eye for Travel
1. PWC a constaté les gains de Rev PAR (occupation x ADR = Rev PAR) les plus importants dans les catégories d'hôtels de luxe, haut de gamme et haut de gamme. Il y a des signes de reprise dans l'industrie de l'hébergement - en particulier dans le niveau supérieur des chaînes, et il y a également place pour une croissance continue.

2. Smith Travel Research classe les hôtels par marques qui incluent:

- Chaînes de luxe: Fairmont, Four Seasons, ICH, Mandarin Oriental, Ritz Carlton, St. Regis et Waldorf
–73.1 pour cent d'occupation; ADR US $ 274.11. Résultat: Rev PAR US $ 208.28

- Propriétés haut de gamme: Hilton, Marriott, Hyatt, Sheraton, Westin et Wyndham
–70.7 pour cent d'occupation; 154 USD ADR. Résultat: Rev PAR US $ 109

- Hôtels haut de gamme: Courtyard by Marriott, Crowne Plaza, Four Points, Hilton Garden Inn et Radisson
–70.8 pour cent d'occupation; 116.51 USD ADR. Résultat: Rev PAR US $ 82.46

- Hôtels de milieu de gamme supérieur: Comfort Inn, Holliday Inn, Fairfield Inn et Hampton Inn & Suites
–62.9 pour cent d'occupation; 97.21 USD ADR. Résultat: Rev PAR US $ 61.14

- Milieu de gamme: Best Western, Holiday Inn Express, La Quinta Inn & Suites, plus Wingate
–54.7 pour cent d'occupation; 74.30 USD ADR. Résultat: Rev PAR US $ 40.67

- Économie: Days Inn, Motel 6, Red Roof Inn et Super 8
–54.3 pour cent d'occupation; 52.34 USD ADR. Résultat: Rev PAR US $ 28.41

-Propriétés indépendantes: Fontainebleau, Hotel Gansevoort, Watergate et Hotel Bel-Air
–61.3 pour cent d'occupation; 105.81 USD ADR. Résultat: Rev PAR US $ 64.88

3. Peter Lim. Groupe d'hôtels Wyndham.

Wyndham compte plus de 7,000 66 hôtels dans 15 pays représentant XNUMX marques. L'une des mesures de Lims est utilisée pour prioriser les efforts de développement international dans le monde entier. En collectant des données sur les Amériques, l'Europe, le Moyen-Orient / Afrique et l'Asie-Pacifique, il se concentre sur la prévision du chiffre d'affaires EBITDA (Bénéfice avant amortissement et dépréciation des impôts sur le revenu) afin de donner la priorité aux efforts de développement mondial.

4. Martin Stolfa, Hilton Worldwide. Modèle de maturité analytique.

- Étape 1. La haute direction a un intérêt limité pour l'analyse.

- Étape 2. La gestion du «secteur d'activité» est le moteur de l'analyse.

- Étape 3. Les cadres supérieurs s'engagent à effectuer des analyses et à aligner les ressources pour prendre en charge les données.

- Étape 4. L'ensemble de l'organisation est capable d'analyse et est en cours de développement en tant que priorité d'entreprise.

- Étape 5. L'ensemble de l'organisation bénéficie d'analyses à l'échelle de l'entreprise et l'amélioration continue devient le mantra.

5. Thomas H. Davenport et DJ Patil. L'Organisation de l'Intelligence des Données.

- Les données sont partout et basées sur des silos - mais doivent être utilisées de manière stratégique dans les organisations

- Données considérées comme un élément du référentiel

- La collecte de données comprend:

- Client (c.-à-d. Comportement, préférences, aspirations, achat et cycle de vie)

- Première ligne (c.-à-d. Services personnalisés, état de préparation de la situation et réponse à l'offre)

- Technologues (c.-à-d. Stockage, catalogue de produits, systèmes de fidélisation, systèmes de tarification / d'inventaire)

- Les données collectées et analysées conduisent à un positionnement tarifaire, à une évitement des mauvais services et à une maintenance prédictive

GIGO. Garbage in. Déchets sortis.
L'acquisition et la fonctionnalité des données sont confrontées à de nombreux défis, et séparer le bon grain de l'ivraie n'est qu'une partie du processus. La sélection des pépites d'or à partir de sources fiables peut améliorer les résultats; par conséquent, l'exigence de garantir des données de qualité peut être décourageante.

Directeur, conservateur ou gérant
Au fur et à mesure que la quantité de données collectées et analysées augmente et que de nouveaux logiciels émergent, trouver le talent pour gérer le processus est une autre tâche formidable. Le Big Data nécessite des considérations de gestion spécifiques:

1. Qualité. Les informations sont-elles exactes, complètes et fiables?

2. Contrôle. Existe-t-il une politique de confidentialité en place pour les données sensibles; qui est autorisé à consulter et à utiliser les informations et quelles utilisations sont acceptables?

3. Propriété. Qui possède les données et qui prend la décision finale quant à leur disposition?

En ce moment, il semble que l'industrie se trouve au stade de la chasse / collecte de l'analyse. Il serait maintenant approprié de mettre en place les meilleures pratiques pour garantir l'exactitude et la sagesse de son utilisation.