Live project Master Ciset in Economia e gestione del turismo. Il progetto ha avuto come oggetto di studio l'intelligenza artificiale e la sua applicazione nel settore alberghiero.

1. Master in Economia e Gestione del Turismo
24ª EDIZIONE 2016-17
Venezia, 30.05.2017
BOOKINGUESS
Intelligenza artificiale per prevedere le cancellazioni e gestire l’overbooking
Studenti:
Chiara Congiu, Emilio De Cesare, Gianfranco Farina,
Chiara Fulgenzi, Veronica Pitton, Giulio Silvestrini.

2. Obiettivo: creare ed allenare un modello che, partendo dai dati di
storico di una struttura alberghiera, impari l’andamento delle
prenotazioni e sia in grado, successivamente, di fornire una
previsione per ogni singola prenotazione (indicando anche con quale
probabilità) indicando se questa verrà cancellata prima della data di
arrivo del cliente.
IL NOSTRO PROGETTO

3. Revenue Management: vendere il prodotto giusto, al cliente giusto, al giusto prezzo, nel
giusto momento e attraverso il giusto canale di distribuzione.
Il problema principale del revenue management è come allocare le camere in base alle
richieste che arrivano dai clienti massimizzando i ricavi.
Strumenti principali:
• pricing (influenzano direttamente il prezzo delle camere)
- determinazione/distribuzione della room rate ottimale, prezzo dinamico, minor
prezzo garantito.
• non-pricing (non influenzano direttamente il prezzo delle camere)
- lenght of stay control, assegnazione delle camere, garanzia della disponibilità delle
camere, overbooking
Vi è la possibilità che una certa percentuale di camere venga cancellata prima della data di
arrivo o che si manifestino dei no-show. Un elevato numero di cancellazioni
comporterebbe un tasso di occupazione basso e i ricavi della struttura non verrebbero
massimizzati. In questi casi l’overbooking viene utilizzato come protezione verso i
mancati ricavi.
1Nurşen Aydın, Ş. İlker Birbil, J. B. G. Frenk, Nilay Noyan (2013) Single-Leg Airline Revenue
Management with Overbooking. Transportation Science 47(4):560-583
CANCELLAZIONI, OVERBOOKING,
REVENUE MANAGEMENT

4. Strumenti attuali:
• stima cancellazioni attraverso dati di storico, tasso di cancellazione dell’anno
precedente ed esperienza dell’albergatore.
• modelli matematici - calcolo del livello ottimale di overbooking attraverso un modello
che tiene in considerazione solamente tre tipologie di camere (high, medium and
low)2 e la possibilità di fare upgrade o downgrade tra le varie camere.
Questi strumenti forniscono come risultato solamente il numero di prenotazioni che posso
accettare, per una determinata data, una volta superata la capacità ricettiva della struttura.
Innovazione del nostro modello:
• tiene in considerazione tutte le tipologie di camere dell’hotel.
• indica la probabilità di cancellazione di ogni singola prenotazione, questo consente
all’albergatore di andare in overbooking della giusta tipologia di camera.
2 STANISLAV H. IVANOV, Optimal overbooking limits for a hotel with three room types and with
upgrade and downgrade constraints, 2015
COME SI AFFRONTA IL PROBLEMA?

5. I.A. (intelligenza artificiale): l’abilità di una macchina di svolgere funzioni e ragionamenti
tipici della mente umana, facendo uso di algoritmi informatici.
Algoritmo: procedimento che risolve un determinato problema attraverso un numero
finito di passi elementari.
Che cos'è ML Studio?
• È un programma per il Machine Learning, una piattaforma elettronica per la
creazione di modelli machine learning.
• È una piattaforma in cloud su server Microsoft con un'interfaccia accessibile da
qualsiasi computer.
Come Funziona?
• Si inseriscono delle informazioni (es. da un foglio .xml) quali input per il programma.
• Gli algoritmi sono già precompilati dal personale Microsoft e l'utente deve scegliere
quali confrontare e quale applicare per l’analisi dei dati.
• Il programma restituisce, per ogni caso, la probabilità che l’evento
considerato si verifichi o meno, in termini percentuali.
I.A. E MICROSOFT AZURE
MACHINE LEARNING STUDIO

6. UTILIZZO AZURE ML STUDIO

7. • Per gli esperimenti sono stati presi in esame tre diverse strutture alberghiere.
• Richiesta e analisi dei dati.
• Predisposizione ed utilizzo di Microsoft Azure Machine Learning -> account dedicato
ad ogni singolo hotel.
• Esperimenti con ogni algoritmo fra quelli proposti da Azure.
• Scelta della combinazione dei due algoritmi migliori.
• Implementazione dei risultati e modifica dei dati utilizzati, secondo un processo di
“Trial&Error”.
• Verifica dei risultati ottenuti e confronto con i dati reali ai fini di valutare l’affidabilità
del modello.
• Raggiungimento dei risultati e valutazioni finali.
IL PROCESSO DI LAVORO

8. Maggiore possibilità di gestire:
• Overbooking, attraverso i risultati di probabilità di cancellazione ottenuti per ogni
singola prenotazione/camera.
Migliorare la gestione dell’overbooking consentendo di utilizzare al meglio le politiche
di pricing in base alla domanda, ottimizzando gli indici di:
• RevPAR, attraverso l’utilizzo di tariffe Rack Rate
• MdCu, per mezzo di Offerte last minute
QUALI VANTAGGI DARÀ
AGLI ALBERGATORI?

9. COME SARÀ INTEGRATA LA I.A.
probabilità di cancellazione > 80%
probabilità di cancellazione da 50% a 80%
probabilità di cancellazione da 0% a 50%

10. DISPONIBILITÀ IN TEMPO REALE
Modello di tabella che sarà disponibile per il R.M, all’interno del PMS o CM, dove potrà
consultare la disponibilità delle camere totali e per tipologia in tempo reale.

11. GRAZIE!
Domande?
Scriveteci:
bookinguess@gmail.com