BI aplicações hotelaria exemplos práticos
•
1 like•554 views
Apresentação realizada na Universidade Europeia em 30/03/2016, no âmbito de uma cadeira de mestrado de Business Intelligence.
Recommended
Recommended
More Related Content
Similar to BI aplicações hotelaria exemplos práticos
Similar to BI aplicações hotelaria exemplos práticos (20)
Recently uploaded
Recently uploaded (20)
BI aplicações hotelaria exemplos práticos
- 1. APLICAÇÃO DE BUSINESS INTELLIGENCE EM HOTELARIA - Exemplos Práticos - 3 0 . M a r ’ 1 6
- 2. O QUE É?
- 3. “an umbrella term that combines architectures, tools, databases, analytical tools, applications, and methodologies” Fonte: Turban et.al (2010) BUSINESS INTELLIGENCE
- 6. BUSINESS ANALYSIS compreender e decompor sistemas perceber relações e interações identificar padrões, tendências e anomalias visualização de dados
- 7. FONTES DE DADOS Property Managment Systems (PMS) Website Analytics Reputação social online Preços online Eventos Contabilidade e Recursos Humanos Customer Relationship Management IOT (Wifi, câmaras vídeo, TV, etc.) Cotações cambiais Meteorologia
- 8. PMS
- 9. PMS
- 10. PMS
- 11. ANÁLISE DE REPUTACÃO SOCIAL GLOBAL REVIEW INDEX (Reviewpro) DISTRIBUIÇÃO COMENTÁRIOS TRIPADVISOR RANKING
- 12. ANÁLISE DE REPUTACÃO SOCIAL
- 14. ANÁLISE PREÇOS “COMPETITIVE SET”
- 17. PMS Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Dom Sab Sex Qui Qua Ter Seg Dom Sab Sex Qui Qua Ter Seg Dom Sab Sex Qui Qua Ter Seg 201320142015 2 4 6 2 4 6 2 4 6 2 4 6 2 4 6 2 4 6 2 4 6 2 4 6 2 4 6 2 4 6 2 4 6 2 4 6 Semana do mês Weekday 0 25 50 75 100 Racio (%) Racio de cancelamentos por dia chegada
- 18. PMS Contrato Grupo Passante Passante−Peq.Grupo Não Sim Não Sim Sem Dep. Pagt. Total Pagt. Parcial Sem Dep. Pagt. Total Pagt. Parcial Tipo depósito Clienterepetente Classificação Não canceladas Canceladas Cancelamentos por tipo de cliente, repetência e tipo de depósito
- 19. PMS Complementary Corporate Direct Groups Offline TA/TO Online TA Undefined 0 2.000 4.000 6.000 0 2.000 4.000 6.000 0 2.000 4.000 6.000 0 2.000 4.000 6.000 CorporateDirectTA/TOUndefined Não canceladas Canc. Não canceladas Canc. Não canceladas Canc. Não canceladas Canc. Não canceladas Canc. Não canceladas Canc. Não canceladas Canc. Classificação Frequencia(númerodereservas) Classificação Não canceladas Canceladas Reservas por canal de distribuição e segmento mercado
- 20. Permitem tirar partido dos dados para efetuar previsões com grau de elevada probabilidade PREDICTIVE ANALYTICS
- 21. MODELO PREVISÃO CANCELAMENTOS PREVISTO ATUAL Cancelada Não Cancelada Cancelada 1 020 530 Não Cancelada 222 8 093 92,5% PRECISÃO
- 22. O QUE FAZER COM ESTA INFORMAÇÃO ATUAR SOBRE RESERVAS CALCULAR A PROCURA LÍQUIDA MELHORAR FORECASTS MELHORAR POLÍTICAS CANCELAMENTO DIMINUIR CUSTOS ASSOCIADOS OVERBOOKINGS
- 24. OBRIGADO! Nuno António n.antonio@itbase.pt 3 0 . M a r ’ 1 6