Na rozdrożu Big Data - Amadeus Data -Raport.pdf · 6 Na rozdrożu Big Data: zwrot w kierunku...

Na rozdrożu Big Data:zwrot w kierunku inteligentniejszych doświadczeń z podróżowania

Thomas H. DavenportProfesor wizytujący w Harvard Business School

Amadeus IT Group kładzie duży nacisk na minimalizację emisji dwutlenku węgla. Niniejszy raport został wydrukowany na papierze z certyfikatem FSC, zgodnym z najwyższymi na rynku standardami społecznymi i środowiskowymi.

© 2013 Amadeus IT GroupProjekt: Design Chambers www.thedesignchambers.co.ukDruk: Rivington Press Ltd www.rivprint.com

Na rozdrożu Big Data: zwrot w kierunku inteligentniejszych doświadczeń z podróżowania 1

Spis treści

Biografia autora 2

Słowo wstępne 3

Streszczenie 4

Wprowadzenie 5

Elementy składowe Big Data 6

Korzyści płynące z wykorzystania Big Data w branży turystycznej 10

Wyzwania stojące przed branżą turystyczną w związku z Big Data 14

Wykorzystanie i możliwości Big Data w procesach typowych dla branży turystycznej 16

Podsumowanie i zalecenia 25

Lista firm, które wzięły udział w badaniu 26

Źródła i sugerowana dalsza lektura 27

Informacje o firmie Amadeus 28

2 Na rozdrożu Big Data: zwrot w kierunku inteligentniejszych doświadczeń z podróżowania

Thomas H. Davenport jest profesorem wizytującym w Harvard Business School. Jest też wybitnym profesorem na wydziale technologii informatycznych i zarządzania informacją w Babson College, pracownikiem naukowym Center for Digital Business przy MIT, współzałożycielem ośrodka International Institute for Analytics i starszym doradcą Deloitte Analytics. Jest autorem, współautorem lub redaktorem pięciu książek na temat analiz i podejmowania decyzji, w tym bestsellera zatytułowanego „Competing on Analytics”. Napisał i zredagował 11 książek dotyczących innych zagadnień związanych z informacjami i zarządzaniem. Opublikował również ponad 100 artykułów w takich czasopismach jak Harvard Business Review, Sloan Management Review, Financial Times i wiele innych. Jego strona internetowa jest dostępna pod adresem www.tomdavenport.com

Wszelkie opinie przedstawione w niniejszym dokumencie są przekonaniami autora i nie muszą być opiniami firmy Amadeus IT Group.

Biografia autora


Big Data zmienia branżę z korzyścią dla wszystkich

Nie można chyba przecenić potencjału transformacyjnego wielkich zbiorów danych w branży tury-stycznej.

To zapewne największa od kilkudziesięciu lat szansa dla całego sektora na wykorzystanie zmieniają-cej się struktury danych i maksymalizację ich użycia. Big Data może przyczynić się do wprowadzenia dużych zmian we wszystkich firmach z branży turystycznej, umożliwiając im zarówno usprawnienie własnej działalności, jak i udoskonalenie doświadczeń swoich klientów. Jednak tak jak w przypadku każdej „pokoleniowej” zmiany technologicznej, możliwości wiążą się z potencjalnymi problemami, co oznacza oczywiście wiele wyzwań w aspekcie konkurencyjności i kreatywności, które branża musi wziąć pod uwagę.

Firma Amadeus dąży do lepszego zrozumienia wpływu najważniejszych trendów pojawiających się w sektorze turystycznym i ożywienia dyskusji na temat zagadnień o największym potencjale.

Prezentowane niezależne badanie, którego autorem jest profesor Thomas H. Davenport, dowodzi, że w kwestii Big Data branża stoi na rozdrożu: duże, złożone i nieusystematyzowane zbiory danych za-czynają zmieniać jej kształt, a w związku z tym podejmowanie inicjatyw w tej dziedzinie staje się dziś priorytetem dla wielu firm.

Co sprawia, że wielkie zbiory danych odgrywają tak dużą rolę? Po pierwsze, dostarczają one informacji, dzięki którym przedsiębiorstwa mogą zapewnić klientom inteligentniejsze możliwości podróżowania niż kiedykolwiek dotąd. Usystematyzowane dane były dotychczas dzielone na odrębne zbiory, np. sys-temy czy firmy. Wykorzystanie zarówno nieusystematyzowanych, jak i usystematyzowanych informa-cji pozwala jednak uzyskać spójniejszy wgląd w sytuację całej branży, umożliwiając firmom z sektora turystycznego optymalizację procesów, wdrażanie innowacji i budowanie lepszych relacji z klientami.

Po drugie, Big Data może pomóc zwiększyć elastyczność podróżowania oraz skoncentrować się na potrzebach i preferencjach pasażerów. To ponowne powiązanie podróży z przyjemnością stanowi klu-czową kwestię dla poprawienia doświadczeń pasażerów.

Jak podkreślono w prezentowanym badaniu, Big Data może być podstawą większych innowacji w całej branży. Wymaga to jednak pomysłów na wielką skalę, a także odwagi do ich realizacji. Zarządzanie danymi i ich analizowanie nie jest już wyłącznie problemem działów IT, stało się bowiem kwestią definiującą działalność całych firm.

Oczywiście Big Data stawia też przed branżą turystyczną liczne wyzwania, takie jak złożoność tech-nologiczna, dokładność danych i prawa do ich użytkowania, zgranie aspektów biznesowych i techno-logicznych oraz konieczność współpracy ze specjalistami w dziedzinie informacji. Będą to kluczowe wyzwania, którym należy sprostać, jeśli chcemy wykorzystać pełne możliwości Big Data.

Potencjalne korzyści są tak duże, że branża powinna czuć się zmotywowana do pracy nad osiągnię-ciem tego celu. Wielkie zbiory danych oznaczają wielkie szanse – nie tylko teraz, lecz także w przy-szłych dziesięcioleciach.

Firma Amadeus ma nadzieję, że będzie mogła wesprzeć branżę turystyczną w ewolucji pod znakiem Big Data.

Herve CouturierDyrektor ds. badań i rozwoju w Amadeus IT Group

Słowo wstępne


W niniejszym, niezależnym badaniu przeanalizowano wpływ dużych ilości nieusystematyzowanych danych – określanych mianem Big Data – na globalną branżę turystyczną. W raporcie zarysowano potencjał Big Data w zakresie wprowadzenia zmian w firmach z tego sektora i wrażeniach podróżujących. Analizy oparto na opiniach czołowych ekspertów branżowych, którzy nie-rzadko zajmują kierownicze stanowiska w największych przedsiębiorstwach z branży turystycznej na świecie.

Badanie wykazało, że w kwestii Big Data firmy z sektora turystycznego stoją na rozdrożu. Wielkie zbiory da-nych mają do odegrania kluczową rolę w usprawnieniu podróżowania i dostosowaniu usług do indywidualnych potrzeb klientów z korzyścią zarówno dla firm z branży turystycznej, jak i pasażerów. Wykorzystanie potencjału tych zasobów w sektorze turystycznym w dalszym ciągu ogranicza się jednak do pierwszych wdrożeń. Prezen-towane badanie zachęca całą branżę do przyjrzenia się nowym technologiom Big Data, które mogą otworzyć przed przedsiębiorstwami olbrzymie możliwości.

Big Data oferuje istotne korzyści wszyst-kim firmom z branży turystycznej

W badaniu przeanalizowano korzyści płynące z wykorzy-stania Big Data przez przedstawicieli branży turystycznej i podróżujących. Obejmują one:

• Lepsze wsparcie w procesie podejmowania decyzji

• Nowe produkty i usługi

• Lepsze relacje z klientami

• Tańsze i szybsze przetwarzanie danych

Z Big Data korzystają już pierwsze firmy z branży turystycznej

Autor badania przyjrzał się różnorodnym sposobom wykorzystania Big Data przez pierwsze firmy z branży turystycznej, koncentrując się przy tym na takich aspek-tach jak:

• Optymalizacja zarządzania przychodami

• Personalizacja usług turystycznych

• Transformacja podróży służbowych

• Optymalizacja operacji wewnętrznych

• Poprawa wyników finansowych

Aby w pełni wykorzystać potencjał Big Data, trzeba sprostać pewnym wyzwa-niom

Badanie wskazuje na wyzwania techniczne i operacyjne związane z wykorzystaniem Big Data w branży, takie jak:

• Stworzenie zintegrowanego źródła danych

• Praca w hybrydowym środowisku technologicznym

• Brak pracowników wyspecjalizowanych w dziedzinie danych (to problem we wszystkich sektorach wyko-rzystujących technologię Big Data)

• Utrzymanie przewagi nad konkurencją

Maksymalizacja możliwości oferowa-nych przez Big Data wymaga podjęcia działań

Badanie przedstawia również szereg zaleceń dla firm z branży turystycznej, które przygotowują się do pracy z Big Data:

• Badanie wielkich zbiorów danych

• Stworzenie strategii w zakresie Big Data

• Niepoprzestawanie na samej technologii Big Data, lecz także uwzględnienie koniecznych zmian w proce-sach biznesowych i operacyjnych

• Gromadzenie kompetencji w dziedzinie Big Data

• Współpraca z partnerami

W treści raportu zaprezentowano przykłady wdrożeń technologii Big Data.

Streszczenie


Koncepcja Big Data pojawiła się w pierwszym dziesięcio-leciu XXI wieku. Idea ta obejmowała szereg atrybutów danych — zbyt dużych ilościowo, zbyt mocno nieusys-tematyzowanych i zbyt szybko podlegających zmianom, aby można było w ich przypadku zastosować tradycyjne metody zarządzania danymi. Pierwsze przedsiębiorstwa, które zdecydowały się na wdrożenie tych technologii, to firmy internetowe i startupy. U podstaw takich firm jak Google, eBay, LinkedIn czy Facebook od samego początku leżały prawdopodobnie wielkie zbiory danych. Działały one na olbrzymich ilościach informacji w nowych, nie do końca usystematyzowanych formatach, takich jak ciągi kliknięć, dzienniki serwerów WWW, relacje w sieciach społecznościowych i wyniki kontrolowanych ekspery-mentów. Firmy te nie miały więc innego wyboru, jak tylko wdrożyć nowe technologie i sposoby zarządzania tymi danymi.

Również w branży turystycznej większość przedsię-biorstw od wielu lat ma dostęp do olbrzymich ilości danych. Każda rezerwacja biletu lotniczego czy kolejo-wego, pobytu w hotelu czy wypożyczenia samochodu pozostawia po sobie ślad w postaci informacji. Razem tworzą one setki terabajtów lub petabajtów usystematy-zowanych danych transakcyjnych zapisanych w tradycyj-nych bazach danych, stanowiących wedle każdej definicji wielkie zbiory danych, czyli Big Data.

Big Data to jednak nie tylko objętość. Chodzi tu również o różnorodność danych i szybkość napływu informacji. Coraz częściej kwestie związane z organizacją podróży są omawiane w dyskusjach internetowych na forach i blogach, oceniane pozytywnie lub negatywnie w serwi-sach społecznościowych oraz chwalone lub krytykowane w rozmowach z call center. Dane napływają tu znacznie szybciej niż tradycyjne, usystematyzowane informacje. Aby zrozumieć doświadczenia klientów, firma musi więc dodać do swojego repertuaru nowe formy danych.

Jeśli branża turystyczna chce wykorzystać Big Data, musi uwzględnić przy tym nieusystematyzowane dane w różnych formach oraz dane, które nieprzerwanie napływają. Musi też przekształcić nieusystematyzowane informacje do postaci, w której będzie można poddać je badaniom, a potem nieprzerwanie je analizować. Co najważniejsze, opierając się na pozyskanych danych firmy muszą podejmować decyzje i działania w czasie rzeczywistym. Takie działania są już podejmowane w kanałach branżowych online, w tym w internetowych biurach podróży, wyszukiwarkach metadanych oraz niektórych firmach dostarczających informacje o dystry-bucji usług turystycznych. Inne przedsiębiorstwa, takie jak linie lotnicze czy hotele, są na wcześniejszym etapie rozwoju w kierunku Big Data, jednak również one w co-raz większym stopniu korzystają z dużych wolumenów usystematyzowanych danych generowanych wewnątrz ich organizacji.

Wykorzystanie informacji zawsze stanowiło cenny kapi-tał branży turystycznej – jako jedna z pierwszych zaczęła ona posługiwać się danymi w celu uzyskania przewagi nad konkurencją. Linie lotnicze zapoczątkowały analizy optymalizacji cen, podobne narzędzia z powodzeniem wdrożyły również hotele. Przewoźnicy zoptymalizowali też szczegóły planowania pracy załóg i tras. Branża tury-styczna jako jedna z pierwszych stworzyła i wykorzystała programy lojalnościowe.

Dziś sektor turystyczny stoi na rozdrożu w kwestii Big Data. Inne branże prześcignęły turystykę w zakresie wy-korzystania danych w programach analitycznych i opty-malizacji wyników. Mimo innowacji wprowadzanych przez niektóre internetowe firmy z branży turystycznej, doświadczenia pasażerów często nie są ani spersonalizo-wane, ani wyjątkowe. Koncepcja Big Data może stać się potężną siłą przekształcającą branżę. Pierwsze wdrażają-ce ją firmy prowadzą już ważne inicjatywy w tej dzie-dzinie. Big Data może wywrzeć na turystykę największy wpływ od czasu wprowadzenia internetowych rezerwacji online.

W prezentowanym raporcie po przedstawieniu kompo-nentów Big Data opisujemy szczegółowo, jak zasoby tego typu mogą zmienić branżę turystyczną i w jaki sposób ko-rzystają z nich pierwsze firmy, które zdecydowały się na wdrożenie tej technologii. Zastanawiamy się również, jak można poprawić obsługę klienta i efektywność operacyj-ną w poszczególnych sektorach branży. Przedstawiamy zarówno sytuację obecną, jak i prawdopodobny przyszły scenariusz dla Big Data w turystyce. W całym dokumen-cie prezentujemy również przykłady wdrożeń technologii Big Data, które są już w toku.

Wprowadzenie

Informacje na temat badania

Aby przyjrzeć się koncepcji Big Data w branży tu-rystycznej, przeprowadzono ankiety z udziałem przedstawicieli tego sektora, w tym kierownictwa linii lotniczych, hoteli, przewoźników kolejowych, internetowych biur podróży i firm zajmujących się za-rządzaniem podróżami. W badaniu wzięło udział 21 przedsiębiorstw. Wszystkie ankiety przeprowadzono telefonicznie, a ich opisy zostały przekazane uczestni-kom do zatwierdzenia.

Podczas prac nad prezentowanym raportem wyko-rzystano również szereg źródeł internetowych oraz wcześniejsze badania i teksty autora dotyczące Big Data i analiz.

Firma Amadeus jest sponsorem badania, nie wywie-rała jednak wpływu na jego strukturę ani zawartość. Amadeus był jednym z uczestników przeprowadzonej ankiety.


W świecie Big Data nowością są nie tylko same dane, ale także wiele technologii do zarządzania nimi i ich analizowania (patrz Schemat 1). W przypadku wielkich zbiorów danych nowością jest przede wszystkim fakt, że nie można ich skutecznie wykorzystać za pomocą tradycyjnego oprogramowania baz danych ani pojedyn-czych serwerów. Tradycyjne, relacyjne bazy porządkują dane w równe wiersze i kolumny. Natomiast wielkie zbiory danych, czyli Big Data, obejmują szereg zróżnico-

wanych formatów. Dlatego pojawiła się nowa generacja narzędzi i inteligentnych programów do przetwarzania rozproszonego, które umożliwiają ich obsługę. Użytkow-nicy Big Data często stosują platformę Hadoop – zestaw oprogramowania open source opartego na platformie MapReduce do dzielenia danych na wiele komputerów. Jeśli chodzi o branżę turystyczną, kilka firm korzysta już z platformy Hadoop, zwykle jednak na zasadzie wstęp-nych prób.

Elementy składowe Big Data

Schemat 1Big Data

Big Data

Inteligentne oprogramowanie

• Uczenie maszynowe• Przetwarzanie języka natural-

nego• Testy A/B

Skalowanie infrastruktury

• Rozproszenie na dużą skalę• Skalowalność liniowa• Standardowy sprzęt dostępny

na rynku

Wielkie zbiory danych

• Nieusystematyzowane lub częściowo usystematyzowane

• Nieprzerwany napływ infor-macji

• Wolumeny sięgające wielu tera- i petabajtów


Wolumen wielkich zbiorów danych sprawia, że nie można przetworzyć ich szybko na jednym komputerze – niezależnie od tego, jak bardzo byłby on zaawansowany. Na szczęście wzrost znaczenia Big Data zbiega się ze wzrostem popularności niedrogich serwerów opartych na standardowym, dostępnym masowo sprzęcie, udo-stępniających wiele procesorów (czasem nawet tysiące). Jeden proces przetwarzania danych można podzielić na wiele takich niedrogich serwerów, a potem połączyć wyniki ich pracy.

Te nowe technologie nie są jedynymi, które firmy muszą wziąć pod uwagę w związku z Big Data. Środowisko to uległo znacznej zmianie w ciągu ostatnich kilku lat, przy czym można spodziewać się, że to jeszcze nie koniec. Powstały nowe formy baz danych (np. tzw. bazy „ko-lumnowe” lub „pionowe”), nowe języki programowania (szczególnie popularne w przypadku Big Data są interak-tywne języki skryptowe, takie jak Python, Pig czy Hive) i nowe architektury sprzętowe do przetwarzania danych (np. specjalne urządzenia do obsługi Big Data i analiz przeprowadzanych w pamięci operacyjnej).

Istnieje jeszcze jeden kluczowy aspekt środowisk tech-nologicznych Big Data, odróżniający je od tradycyjnego zarządzania informacjami. Dawniej celem analizy da-nych było posegregowanie informacji do odrębnej puli w celu ich przeanalizowania — zwykle hurtowni danych (która zawierała różnorodne zbiory danych dotyczą-cych różnych obszarów i tematów) lub zbiorczej bazy danych (która zawierała zwykle mniejszą ilość danych związanych z konkretnym zastosowaniem lub obszarem biznesowym, np. kwestią lojalności klientów). Wolumen i tempo napływu danych — należy pamiętać, że jest to szybki strumień informacji, który nigdy się nie zatrzymu-je — sprawił jednak, że każda metoda segregacji szybko staje się bezużyteczna.

Dlatego w środowisku technologicznym Big Data wiele firm korzysta z platformy Hadoop i podobnych techno-logii, aby przez krótki czas przechowywać duże ilości informacji, a potem zwalniać miejsce dla nowych partii. Trwałość danych wystarcza jedynie do przeprowadze-nia określonych (często elementarnych) analiz na ich podstawie. Takie podejście do zarządzania danymi nie zastąpi zapewne „korporacyjnej hurtowni danych”, ma jednak szansę co najmniej ją uzupełnić.

Należy też zwrócić uwagę na aspekt, który w przypadku Big Data nie jest nowością — chodzi o sposób anali-zowania danych. Opisane dotychczas technologie są stosowane do przechowywania wielkich wolumenów danych lub przekształcania ich z formatu nieusystema-tyzowanego lub usystematyzowanego tylko w pewnym stopniu na typowe wiersze i kolumny liczb. Po przekon-wertowaniu danych do tego formatu mogą one być analizowane w taki sposób, jak każdy inny zbiór danych, choć o większej objętości.

Takie metody konwersji nieusystematyzowanych danych w usystematyzowane liczby również nie są całkiem nowe. Odkąd zaczęliśmy analizować choćby tekst, głos i dane wideo, musimy konwertować je na liczby umoż-liwiające przeprowadzanie analiz. Liczby mogą infor-mować na przykład, jak często w określonych danych występuje konkretny łańcuch słów lub pikseli albo czy dany tekst lub głos reprezentuje nastawienie pozytywne czy negatywne. Jedynym aspektem, który jest nowością w tym przypadku, jest szybkość i koszt takiej konwersji. Należy jednak pamiętać, że żadna konwersja danych nie będzie użyteczna do momentu podsumowania, prze-analizowania i skorelowania danych za pomocą narzędzi analitycznych.

Narzędzia stosowane przez firmy do analizy wielkich zbiorów danych nie różnią się od rozwiązań używanych w przeszłości — dotyczy to nie tylko branży turystycznej. Obejmują one podstawowe przetwarzanie statystycz-ne za pomocą programów zastrzeżonych (SAS, SPSS) lub open source (R). Zamiast tradycyjnego podejścia do analiz statystycznych opartego na hipotezach, w ramach którego analityk lub decydent stawia hipotezę, a potem testuje dane pod jej kątem, w analizie Big Data częściej stosowane jest jednak podejście nazywane „uczeniem maszynowym”.

Metoda ta, określana również „automatycznym modelo-waniem”, dopasowuje do danych szeroką gamę modeli, aby uzyskać maksymalną zgodność. Zaletą uczenia maszynowego jest możliwość bardzo szybkiego gene-rowania modeli wyjaśniających i przewidujących relacje w szybko napływających danych. Wadą takich systemów jest z kolei fakt, że prowadzą one zwykle do wyników, które dość trudno jest zinterpretować i objaśnić. Wiemy tylko, że program komputerowy stwierdził, iż określone


zmienne są ważne w modelu, możemy mieć jednak problem ze zrozumieniem, dlaczego. Mimo to tempo napływu i wolumen informacji w wielkich zbiorach danych sprawia, że w niektórych sytuacjach zastosowa-nie uczenia maszynowego jest kluczowe. Metoda ta jest szczególnie popularna w środowisku internetowych biur podróży, w którym firmy, takie jak Orbitz i KAYAK szybko opracowują w ten sposób modele predykcyjne, pozwala-jące stwierdzić, które spersonalizowane wyniki wyszuki-wania hoteli i rankingi pokazać klientom (patrz analiza przypadku firmy KAYAK).

Ta nowa — choć nie zawsze — technologia oznacza do-brą i złą wiadomość dla branży turystycznej. Dobra wia-domość jest taka, że wiele technologii związanych z Big Data to rozwiązania bezpłatne (oprogramowanie open source) lub niedrogie (serwer działający na standardo-wym, powszechnie dostępnym sprzęcie). Technologia ta jest też często dostępna w chmurze i może być kupowa-na w wybranym zakresie w stosunkowo niskiej cenie. Zła wiadomość jest natomiast taka, że technologie związane z Big Data wiążą się ze stosunkowo dużym na-kładem pracy przy ich projektowaniu i programowaniu. Wymagają również wiele uwagi ze strony specjalistów ds. technologii, a czasem nawet kierownictwa wyższego szczebla. Dawniej większość firm przechowywała dane w taki sam sposób – w relacyjnej bazie danych w syste-mie mainframe. Dziś i w najbliższej przyszłości można wybierać spośród wielu rozwiązań, a samo dokonanie wyboru wymaga sporo planowania i analiz.


Analiza przypadku:

KAYAK

KAYAK to wyszukiwarka oferty lotniczej i hotelowej, którą niedawno przejęła firma Priceline. Przedsiębiorstwo intensywnie korzysta z Big Data i analiz zarówno podczas podejmowania decyzji wewnętrznych, jak i wyszukiwania ofert dla klientów. Stosuje przy tym szeroką gamę technologii. Firma wykonuje miliard wyszukiwań w ciągu roku, ma więc mnóstwo danych do analiz. W przypadku ofert wyszukiwanych przez klientów, wymagane jest znacznie więcej analiz w zakresie wyszukiwania i rankingów hoteli. W przeciwieństwie do wyników dla linii lotniczych, które są zwykle wyświetlane według cen, rankingi hoteli uwzględniają takie zmienne, jak odległość od punktu podanego przez klienta, wyposażenie oraz cena w porównaniu z innymi opcjami.

Podczas wyszukiwania lotów KAYAK stosuje modele analityczne, aby mieć pewność, że ceny wyświetlane przez wyszukiwarkę zgadzają się z cenami podanymi na stronach interneto-wych, ponieważ czasem pojawiają się tu pewne problemy z synchronizacją między źródłami danych. Niedawno firma KAYAK wprowadziła też prognozy cen biletów lotniczych, które przewidują, czy cena określonego lotu wzrośnie, czy też spadnie w ciągu najbliższych sied-miu dni. Wyszukiwarka wyświetla również poziom ufności statystycznej związany z progno-zą.

W swoich operacjach wewnętrznych KAYAK w dużej mierze wykorzystuje randomizowane testy decyzji podejmowanych przez firmę w związku z jej stroną WWW (to tzw. testy A/B). Każdego dnia od 30 do 50% użytkowników bierze udział w jakimś typie testu. Są one jedy-nym sposobem na określenie związku przyczynowo-skutkowego, pozwalającego stwierdzić, które elementy strony prowadzą do uzyskania lepszych wyników.

KAYAK stosuje szeroką gamę narzędzi i funkcji związanych z Big Data. Ze względu na ilość danych przetwarzanych i analizowanych przez firmę, intensywnie korzysta ona z platformy Hadoop, która okazała się znacznie szybsza i tańsza niż alternatywne technologie. Gdy Gior-gos Zacharia, kierownik ds. badań w firmie KAYAK, rozpoczynał swoją pracę w tym przed-siębiorstwie, stworzenie szkoleniowego zestawu danych dla algorytmu do personalizacji trwało od trzech do czterech dni. Dziś, dzięki klastrowi Hadoop, potrzeba na to zaledwie kilku minut. Firma obsługuje wielkie zbiory danych za pomocą języków skryptowych oraz różnorodnych statystycznych narzędzi open source do przeprowadzania analiz.

KAYAK dysponuje również doświadczoną grupą specjalistów ds. pracy z danymi. Kilku z nich, jak choćby Giorgos Zacharia, ma stopień naukowy doktora. Sam Zacharia zdobył doktorat w dziedzinie informatyki na MIT i trzy inne tytuły na tej uczelni. Również prezes firmy Steve Hafner kładzie duży nacisk na analizy – zarządza całym przedsiębiorstwem za pomocą szczegółowego arkusza kalkulacyjnego.


Jakie są korzyści płynące z zastosowania wielkich zbio-rów danych w branży turystycznej? Istnieje kilka poten-cjalnych profitów, przy czym większość z nich oprócz technologii Big Data wymaga również wprowadzenia zmian biznesowych. Korzyści te są podobne do zalet wcześniejszych technologii informatycznych, jednak konkretne aplikacje do pracy z wielkimi zbiorami danych są oczywiście inne niż w przeszłości. Oto najistotniejsze korzyści:

Lepsze wsparcie w procesie podejmowania decyzji. Wiele firm z branży turystycznej korzysta z Big Data nie tylko w celu przyspieszenia procesu podejmowania decyzji i przetwarzania danych, lecz także z myślą o optymali-zacji decyzji podejmowanych wewnętrznie i w związku z klientami. Nierzadko firmy czerpią również korzyści z szybszego przetwarzania wielkich zbiorów danych za pomocą nowych technologii. W wielu przypadkach istot-ne są dane wewnętrzne. Systemy zawierają na przykład zróżnicowane dane klientów, które można wykorzystać do optymalizacji procesów marketingowych i obsługi (patrz analiza przypadku firmy British Airways).

Wielkie zbiory danych zewnętrznych umożliwiają z kolei udoskonalenie innych procesów decyzyjnych w branży turystycznej, pozwalając na zwiększenie efektywności i bezpieczeństwa. Prognozowanie popytu ze strony konsumentów można na przykład poprawić dzięki ana-lizie danych makroekonomicznych i pogodowych. Kilku ankietowanych członków kadry kierowniczej linii lot-niczych wskazało na możliwość zastosowania prewen-cyjnego serwisu samolotów, silników i innych urządzeń bazując na danych z czujników, choć nie korzystają oni jeszcze z takich rozwiązań. Firmy takie jak GE pracują już jednak nad większymi projektami, których celem jest analizowanie danych z czujników na potrzeby konserwa-cji i serwisowania silników odrzutowych i lokomotyw. Za jakiś czas zostaną one zapewne wdrożone przez klien-tów GE z branży turystycznej i mogą nie tylko obniżyć koszty serwisowe, ale także zwiększyć bezpieczeństwo.

Noweproduktyiusługidlaklientów. Jedną z najbardziej atrakcyjnych korzyści płynących z zastosowania Big Data jest możliwość tworzenia nowych produktów i usług dla klientów. Również poza branżą turystyczną zaleta ta jest intensywnie wykorzystywana przez takie firmy, jak Google, LinkedIn czy Facebook. W sektorze turystycznym najbardziej prawdopodobnymi twórcami produktów i usług opartych na danych są internetowe biura po-dróży, wyszukiwarki turystyczne i wiodący dostawcy technologii. Firma Amadeus stworzyła na przykład dla swoich klientów funkcje Featured Results („polecane wyniki”) i Extreme Search („wyszukiwanie ekstremal-ne”), aby zoptymalizować wyniki wyszukiwania. Interne-towa wyszukiwarka Hipmunk opracowała z kolei nowe funkcje, takie jak Agony Index („indeks uciążliwości”) do oceny lotów czy Ecstasy Index („indeks wygody”) do wy-szukiwania hoteli. W wyszukiwarce metadanych KAYAK wprowadzono natomiast funkcję przewidywania cen (patrz analizy przypadków obu firm).

Dystrybucja usług turystycznych to jeden z aspek-tów branży, który wymaga najwięcej danych, dlatego można się spodziewać, że Big Data pozwoli stworzyć wiele produktów i usług powiązanych z tym procesem. Nie można też jednak wykluczyć, że produkty i usługi bazujące na danych, stworzone z myślą o procesach operacyjnych firm z branży, będą oferowane przez do-stawców zewnętrznych. Sprzedawcy części zamiennych do samolotów mogą świadczyć usługi serwisu prewen-cyjnego. Dostawcy systemów do zarządzania energią dla branży hotelarskiej mogą gromadzić i monitorować dane budynków inteligentnych, a na ich podstawie opty-malizować zużycie energii. Dostawcy usług zarządzania podróżami mogą natomiast oferować nowe, oparte na danych produkty i usługi dla klientów indywidualnych i przedsiębiorstw.

Korzyści płynące z wykorzystania Big Data w branży turystycznej


Analiza przypadku:

Amadeus

W miarę jak podróże stają się coraz popularniejsze i bardziej złożone, klienci potrzebują więcej pomocy przy poruszaniu się wśród dostępnych propozycji. Dlatego firma Amadeus skoncentrowała się na uproszczeniu procesu wyszukiwania i dostarczeniu swoim klientom rozwiązań, które pozwolą im prezentować konsumentom opcje dopasowane do ich prefe-rencji – innowacyjne produkty i usługi oparte na Big Data. Jedną z takich ofert jest funkcja Extreme Search („wyszukiwanie ekstremalne”), w której klient wprowadza takie informacje, jak budżet, liczba uczestników, czas przeznaczony na wycieczkę i minimalna temperatura w miejscu docelowym. Funkcja Extreme Search podaje propozycje wycieczek spełniających określone kryteria. Amadeus analizuje również życzenia klientów i współpracuje z tourope-ratorami, aby zintegrować powiązane usługi w pakiety.

Firma Amadeus stworzyła też dla swoich klientów usługę o nazwie Featured Results („pole-cane wyniki”). W związku z coraz istotniejszym wyzwaniem biznesowym, jakim jest szybko rosnący wskaźnik „look to book”, czyli liczba zapytań internetowych przypadających na każdą rezerwację biletu lotniczego, firma Amadeus chciała umożliwić dystrybutorom usług turystycznych kierowanie do klientów atrakcyjnych ofert. Wykorzystując informacje z róż-nych baz danych funkcja Featured Results prezentuje cztery możliwe plany podróży, które mogą szczególnie zainteresować klienta.

Dział IT w firmie Amadeus wdraża również technologie dla operacji wewnętrznych – niere-lacyjne bazy danych, narzędzia open source do zarządzania danymi i rozproszone architek-tury serwerów zainstalowanych na standardowym, powszechnie dostępnym sprzęcie – aby obniżyć koszty i skrócić czas reakcji na zapytania konsumentów.

Amadeus współpracuje też ze swoimi klientami – czyli firmami z branży turystycznej – nad udoskonaleniem procesu podejmowania decyzji. Firma pracuje na przykład z liniami lotni-czymi nad optymalizacją ich stron internetowych poprzez testowanie różnych wersji i okre-ślanie preferencji klientów w zakresie poszczególnych kanałów rezerwacji, porównywanie stanowisk automatycznych z wydajnością pracowników na lotniskach, a także analizowanie czasów nadawania bagażu i wielu innych kwestii.


BigDatapomagafirmomzbranżyturystycznejwbudo-waniubardziejowocnychrelacjizklientami. Relacje z klientami były w przeszłości podzielone i rozłożone na wiele systemów i baz danych. Agregacja danych powin-na więc pomóc w ukształtowaniu lepszej współpracy z klientami i wygenerowaniu większych przychodów dzięki lepiej ukierunkowanym produktom i usługom. Przez analizę predykcyjną dla każdego pasażera moż-na określić ulubione lokalizacje docelowe, preferencje w zakresie noclegów i wyżywienia, potrzeby dotyczące usług dodatkowych oraz doświadczenia turystyczne. Internetowe usługi analityczne, takie jak prognozowanie cen i rankingi popularności, mogą zwiększyć prawdopo-dobieństwo dokonania zakupu.

Najbardziej zaawansowane metody targetowania obej-mują różne formy reklam w Internecie. Biura podróży online, agregatorzy i strony z recenzjami – wszystkie te podmioty pracują nad targetowaniem reklam bazu-jąc na zachowaniach klientów. Większość dostawców z branży turystycznej zamieszcza swoje reklamy inter-netowe, korzystając z jakiegoś pośrednika, np. serwisu Criteo lub Facebook. W przypadku serwisu Criteo zauwa-żono, że gdy wyświetlana jest spersonalizowana rekla-ma dostosowana do klienta, klikalność banerów wzrasta ośmiokrotnie w stosunku do reklamy nieukierunkowa-nej, a konsumenci osiem razy częściej przechodzą przez reklamę do kupna biletu lub pakietu. Criteo korzysta z algorytmu zbiorczego filtrowania, który umożliwia firmie przewidywanie najbardziej atrakcyjnego pakietu wycieczkowego, trasy przelotu lub hotelu.

Stosunkową nowością w segmencie reklam interneto-wych w branży turystycznej jest reklama w mediach społecznościowych. Portale, takie jak Facebook, mają nie tylko bardzo dużą liczbę użytkowników, ale także są w stanie targetować reklamy w sieciach społecznościo-wych (patrz analiza przypadku serwisu Facebook).

Tańszeiszybszeprzetwarzaniedanych. Nowe generacje technologii informatycznych zawsze były wdrażane mię-dzy innymi dlatego, że oferują lepszy stosunek ceny do wydajności. Biorąc pod uwagę olbrzymie ilości danych, jakie muszą przetworzyć firmy z sektora turystycznego, oraz stosunkowo niskie marże w branży, dążenie do uzyskania tańszych i szybszych technologii do obsługi Big Data jest oczywiste. Klastry serwerów stworzone ze standardowych, powszechnie dostępnych komputerów z zainstalowaną platformą Hadoop lub innym oprogra-mowaniem open source mogą przetwarzać dane przy kosztach od 15 do 20 razy niższych niż poprzednie gene-racje technologii hurtowni danych.

Dla branży turystycznej takie teoretyczne korzyści nie są łatwe do wdrożenia – przynajmniej poza działalnością online. Przykładowo, linie lotnicze i sieci hoteli stosują Big Data w swojej działalności operacyjnej, a architektu-ry oparte na platformie Hadoop nie są tak niezawodne i bezpieczne jak poprzednie generacje technologii. Co więcej, integracja architektur bazujących na platformie Hadoop z istniejącymi architekturami technologicznymi starszej generacji może być trudna. Mimo to niektóre duże firmy z sektora turystycznego, takie jak Air France--KLM, rozpoczęły eksperymenty z tymi technologiami i zamierzają wykorzystać je w aplikacjach produkcyj-nych.

Poszukiwaniewielorakichkorzyści. Wiele firm dąży od wydobycia z Big Data jednej, określonej korzyści, jednak istnieją też firmy, które chcą wykorzystać wszystkie atu-ty tych zasobów – i to nierzadko równocześnie. Era Big Data dopiero się rozpoczyna. W przypadku większości linii lotniczych jest więc jeszcze zbyt wcześnie na realiza-cję wieloaspektowych inicjatyw w tej dziedzinie. Jednak najodważniejsze sieci hoteli już podejmują kroki w tym zakresie (patrz analiza przypadku firmy Marriott).


Analiza przypadku:

Facebook

W 2012 r. firma Facebook skoncentrowała się na kilku konkretnych branżach, w tym na branży turystycznej, w celu udostępnienia reklamodawcom z tego sektora możliwości targetowania reklam i marketingu społecznościowego w serwisie. Z platformy reklamo-wej Facebooka korzystają internetowe biura podróży, instytucje turystyczne, linie lotnicze i hotele. Wrażenia z podróży są często opisywane przez turystów w sieciach społecznościo-wych, dlatego marketing w tych serwisach jest dla branży turystycznej w oczywisty sposób atrakcyjny.

Facebook ma ponad 1,1 mld użytkowników. Każda analiza ich danych dotyczy więc bez wąt-pienia Big Data. Algorytmy targetowania uwzględniają słowa kluczowe w profilach użyt-kowników i inne hasła społecznościowe. Są przy tym nieprzerwanie dostosowywane pod kątem lepszego targetowania. Facebook optymalizuje też targetowanie za pomocą danych innych firm, takich jak Axciom czy Epsilon. Ostatnio Facebook opracował nowe narzędzie o nazwie Custom Audiences, które umożliwia przedsiębiorstwom z sektora turystycznego używanie własnych list obecnych lub potencjalnych klientów i kierowanie do nich reklam w serwisie, z uwzględnieniem zasad ochrony prywatności. Inne nowe narzędzie to Facebook Exchange, które pozwala reklamodawcom uczestniczyć w aukcjach i zamieszczać reklamy odpowiednio dostosowane do oczekiwań klienta w czasie rzeczywistym.

Jedną z firm z branży turystycznej, które intensywnie korzystają z usług reklamowych na Facebooku, jest MGM Resorts. Firma stworzyła w serwisie swój profil, przygotowała ukie-runkowane oferty dla swoich „znajomych” i korzysta z funkcji Custom Audiences i Facebook Exchange, a także z historii sponsorowanych na kanale aktualności znajomych użytkowni-ków, którzy przyjęli złożone im oferty. MGM szacuje, że zwrot z wydatków na reklamę za pośrednictwem zróżnicowanych produktów reklamowych i narzędzi Facebooka jest od 3 do 15 razy większy.

Lee McCabe, dyrektor ds. branży turystycznej w dziale globalnego marketingu branżowego w firmie Facebook, stwierdził, że największą przeszkodą na drodze do wykorzystania Face-booka przez branżę turystyczną są kwestie organizacyjne. Zauważa on, że:

Gdy firmy traktują marketing społecznościowy jako odrębne za-gadnienie i łączą go jedynie z działaniami PR, jego skuteczność jest ograniczona. Klienci, którzy odnoszą największe sukcesy, integrują marketing społecznościowy z innymi narzędziami handlowymi i marketingowymi, takimi jak CRM, wizerunek marki i reklama.


Wiele konkretnych wyzwań związanych z Big Data w branży turystycznej wynika z faktu, że firmy od wielu lat obsługują swoje najważniejsze procesy za pomo-cą systemów informatycznych. Jedną z konsekwencji tej sytuacji jest fragmentacja kluczowych danych i ich rozmieszczenie w różnych działach i jednostkach. Przy-kładowo, dane linii lotniczych dotyczące wrażeń pasaże-rów są podzielone między bazy danych dotyczące lotu, bagażu, programów lojalnościowych i reklamacji oraz źródła zewnętrzne, takie jak media społecznościowe. Aby podejmować skuteczne decyzje o sposobie promo-wania ofert dla klientów i odbudowywać wizerunek fir-my po awariach, linie lotnicze muszą połączyć wszystkie te informacje w jedną hurtownię danych i zastosować jeden zestaw algorytmów. Wymagałoby to znacznych inwestycji, choć niektóre firmy z branży, takie jak British Airways, zdecydowały się na taki projekt.

Stworzenie zintegrowanego źródła danych dotyczących klientów jest nie tylko drogie, ale także trudne, nieza-leżnie od wielkości dostępnego budżetu. Oczywiście wyzwaniem będzie tu również uwzględnienie kwestii ochrony prywatności. Każdy z klientów ma zwykle kilka różnych tożsamości w poszczególnych systemach. Szcze-gólnie trudno jest połączyć dane z serwisów interneto-wych lub z mediów społecznościowych z danymi z wewnętrznych systemów transakcyjnych. Wyspecjali-zowane firmy dostarczające dane mogą jednak pomóc w zakresie integracji.

Innym skutkiem wieloletniego korzystania z systemów informatycznych w dużych firmach o ugruntowanej pozycji w branży turystycznej jest fakt, że architektury technologii Big Data będą musiały współdziałać z dotychczasowym sprzętem, oprogramowaniem i ba-zami danych. Starsze narzędzia i zawarte w nich dane są w dalszym ciągu niezbędne i będą przydatne podczas analizowania i optymalizacji działalności firmy oraz relacji z klientami. Technologie Big Data mogą być je-dynymi rozwiązaniami w przypadku startupów i przed-siębiorstw działających wyłącznie w Internecie. Duże firmy będą jednak musiały pracować przez dłuższy czas w środowisku hybrydowym. Prowadzi to do problemów związanych ze spójnością architektury informatycznej i wydajnym funkcjonowaniem wszystkich nowych i sta-rych systemów.

Ponadto wiele firm z branży turystycznej stosuje działa-jące w czasie rzeczywistym architektury TPF (Transaction Processing Facility), które nie mogą działać na platformie Hadoop ani w innych środowiskach open source. Zostały one stworzone przez IBM w latach 60. i 70. XX w. i są nie-przerwanie udoskonalane. Niektóre przedsiębiorstwa, takie jak Amadeus (patrz analiza przypadku firmy Ama-deus), wycofują systemy TPF z eksploatacji, a zamiast

nich wdrażają rozwiązania open source, jednak wiele linii lotniczych i część hoteli w dalszym ciągu korzysta z rozwiązań TPF. Systemów tych nie można połączyć z platformą do obsługi Big Data – musiałyby zostać cał-kowicie zastąpione nowym rozwiązaniem.

Na Schemacie 2 przedstawiono zmiany niezbędne do przeprowadzenia podczas migracji na platformę tech-nologiczną do obsługi Big Data, która byłaby w stanie przetwarzać petabajty i więcej informacji. TPF to przy-kład tradycyjnego środowiska OLTP (Online Transaction Processing) z architekturą SMP (Symmetric Multi-Pro-cessing – przetwarzanie symetryczne), która obejmuje wiele procesorów używających pamięci głównej – tak jak to było przez dziesięciolecia w komputerach mainfra-me. Większość nowoczesnych systemów analitycznych korzysta z dużej hurtowni danych (która w dalszym ciągu opiera się na modelu relacyjnej bazy danych) i przetwarzania równoległego na dużą skalę (Massively Parallel Processing — MPP) na danych podzielonych mię-dzy procesory i pamięć masową na części, które można z powrotem złożyć w jedną całość. Nieusystematyzo-wane wielkie zbiory danych są często przechowywane w rozproszonym środowisku OLTP (DOLTP) z użyciem modelu NoSQL, w którym do tworzenia zapytań i po-bierania danych przechowywanych w tabelach relacyj-nych stosowany jest nie tylko język SQL. Przetwarzanie wielkich zbiorów danych odbywa się często za pomocą architektury przedstawionej w dolnej części Schematu 2. Platforma MapReduce korzysta z rozproszonych mecha-nizmów analitycznych, aby rozłożyć problem na frag-menty, przetworzyć go za pomocą wielu rozproszonych procesorów i urządzeń pamięci masowej, a następnie ponownie złożyć w całość po zakończeniu pracy nad danym zagadnieniem. Hadoop to najbardziej popularna wersja tej platformy.

Inne wyzwania związane z Big Data nie są typowe dla branży turystycznej, stanowią jednak przeszkody dla przedsiębiorstw z tego sektora, które chcą realizować inicjatywy w tej dziedzinie. Jednym z takich wyzwań jest niedobór pracowników specjalizujących się w pracy z Big Data. Bywają oni nazywani „badaczami danych” (ang. data scientists). Dysponują nie tylko umiejętnościami w dziedzinie zarządzania danymi i programowania, ale także potrafią analizować dane i rozumieją problemy związane z procesami biznesowymi. W przeszłości nie istniały dedykowane programy na uczelniach dla takich specjalistów, dlatego wiele osób zajmujących się tą dzie-dziną ma inne – najczęściej techniczne wykształcenie i doktorat. Znalezienie takich osób jest trudne, zwłasz-cza że nierzadko wolą one pracować w firmach interne-towych i przedsiębiorstwach realizujących interesujące je przedsięwzięcia niż w dużych instytucjach turystycz-nych o ugruntowanej pozycji.

Wyzwania stojące przed branżą turystyczną w związku z Big Data


Choć w największych firmach z branży pracują specjaliści z doświadczeniem analitycznym, np. w obszarze zarzą-dzania przychodami, mogą oni nie znać metod analizy wielkich zbiorów danych. Analizy te obejmują często uczenie maszynowe, analizy wizualne i przetwarzanie tekstu – a więc umiejętności, których raczej nie stosuje się na przykład w zarządzaniu przychodami.

Ostatnim wyzwaniem dla firm z sektora turystycznego, a także ogólnie dla wszystkich przedsiębiorstw, jest utrzymanie trwałej przewagi nad konkurencją pozyska-nej dzięki Big Data.

Niektóre amerykańskie linie lotnicze szybko zdobyły przewagę w takich dziedzinach, jak zarządzanie przycho-dami czy analiza lojalności klienta. Dziś takie programy są jednak powszechne w całej branży lotniczej, a także w hotelach i wśród przewoźników kolejowych. Utrzyma-nie przewagi nad konkurencją wymaga nieprzerwanej innowacyjności, unikalnych danych i eksperymentowa-nia z nowymi technologiami.

Niewielki wolumen Dane usystematyzowane

OLTP RDBMS

• Model relacyjny• Przechowywanie

bazujące na wierszach• Architektura SMP

OLTP NoSQL

• Model nierelacyjny• Przechowywanie bazujące na

kluczach/wartościach lub kolumnach• Fragmentacja danych

Hurtownie danych

• Model relacyjny• Przechowywanie w oparciu o wiersze

lub kolumny• Architektura MPP• Fragmentacja danych

Rozproszone systemy analityczne (MapReduce)

• Model nierelacyjny• Przechowywanie nieusystematyzowane

lub w oparciu o kolumny

DużywolumenDane nieusystematyzowane

1TB

1PB

100T

B

Schemat 2Środowisko bazy danych


Niniejszy rozdział będzie dotyczył tego, w jaki sposób najwięksi gracze z branży turystycznej korzystają dziś z Big Data. Zagadnienie to zostało podzielone według najważniejszych procesów, takich jak: zarządzanie przy-chodami, dystrybucja, zarządzanie podróżami, operacje wewnętrzne oraz zarządzanie wynikami finansowymi. Wiele segmentów branży dopiero rozpoczyna swoją przygodę z Big Data, dlatego w rozdziale tym znajdą się nie tylko informacje dotyczące aktualnego wyko-rzystania tych zasobów, lecz także niektóre możliwości zastosowania Big Data w ramach określonego procesu w najbliższej przyszłości.

Zarządzanie przychodami

Zarządzanieprzychodami. W branży turystycznej zopty-malizowany cennik dla oferowanych produktów z ogra-niczonym terminem użyteczności, takich jak miejsca w samolocie czy pokoje hotelowe, to jeden z najpopular-niejszych obszarów zastosowania analiz. W przeszłości dane stosowane przez aplikacje do zarządzania przycho-dami miały stosunkowo niewielki wolumen i cechowały się usystematyzowaniem. Pojawił się jednak trend włą-czania w proces zarządzania przychodami coraz więk-szych ilości danych, również ze źródeł zewnętrznych. W analizie przypadku firmy Marriott wymieniamy kilka nowych źródeł danych, takich jak wydatki na żywność i napoje, które są uwzględniane w systemach zarządza-nia przychodami.

Systemy do zarządzania przychodami w liniach lotni-czych są powszechnie używane w całej branży. Może się nawet wydawać, że ze względu na ich popularność zdo-bycie przewagi nad konkurencją lub większego udziału w rynku będzie tu raczej trudne. Linie lotnicze znalazły jednak sposoby na wykorzystanie potencjału Big Data. Oto kilka przykładów:

• Firmie Swiss International Airlines udało się osiągnąć znaczny wzrost przychodów i marż dzięki systemowi do zarządzania przychodami, zwłaszcza na rynku europejskim, na którym brak umów „code-share” (dzielenia jednego kodu lotu przez kilka linii lotni-czych) i sojuszy umożliwia większą elastyczność cenową. Sukces przewoźnika w zakresie zarządzania przychodami to efekt dwóch rozwiązań, które firma opracowała na początku 2003 r. Z jednej strony dwa procesy organizacyjne, które wchodzą w skład zarzą-dzania przychodami – zarządzanie cenami i wydajno-ścią – połączono w jeden zintegrowany proces. Tym samym firma wprowadziła do swojego algorytmu zarządzania przychodami wszystkie istotne aspekty cenników. Z drugiej strony przedsiębiorstwo zadbało

o możliwość szybkiego zmieniania cen. Nowa cena jest wprowadzana do narzędzia internetowego i natychmiast widoczna dla klientów we wszystkich kanałach. Natomiast gdy linie otrzymają zamówienie na bilet lotniczy od biura podróży lub ze strony inter-netowej, w czasie rzeczywistym podejmują natych-miastową decyzję co do naliczanej ceny i informują o dostępności rezerwacji.

• Holding Air France-KLM korzysta ze swoich możliwo-ści, aby stworzyć nowy, całościowy system zarządza-nia przychodami. Prace nad rozwiązaniem weszły w etap końcowy. System obejmuje znacznie więcej danych niż poprzednie narzędzia, w tym wszystkie istotne informacje dotyczące pasażerów z ostat-nich dwóch lat. Rozwiązanie oblicza i optymalizuje przychody dla planów podróży zdefiniowanych przez miejsce wylotu i port docelowy, opierając ceny na profilach pasażerów. Szacuje również prawdopodo-bieństwo anulowania rezerwacji lub niestawienia się do odprawy, aby określić, jak duży overbooking jest dopuszczalny. Rozwiązanie opiera się na systemie operacyjnym do obsługi Big Data – Hadoop – i jest to pierwsze większe wykorzystanie tej technologii w tym przedsiębiorstwie. Z wcześniejszych testów wynikało, że ze względu na ilość danych i funkcjo-nalność systemu tradycyjne technologie byłyby tu całkiem niepraktyczne. Pierwsze analizy wskazują na znaczną poprawę wydajności zarządzania przy-chodami w porównaniu z systemami stosowanymi dotychczas.

• Również Lufthansa testuje technologię Big Data w swoim systemie do zarządzania przychodami. Obecnie firma jest na etapie weryfikacji koncepcji z wykorzystaniem technologii przetwarzania w pa-mięci operacyjnej „in-memory” (system SAP HANA). Technologia „in-memory” umożliwia firmom wpro-wadzanie większej ilości danych i funkcji aplikacji do pamięci operacyjnej zamiast zapisywać je na dysku, co znacznie zwiększa wydajność aplikacji. Obliczenia optymalizujące przychody można wtedy przeprowa-dzać w czasie rzeczywistym, a nie w trybie wsado-wym

• Frontier Airlines, stosunkowo niewielki przewoźnik z siedzibą w Denver w amerykańskim stanie Colora-do, musi sprawnie zarządzać swoimi przychodami, aby stawić czoła konkurencji znacznie większych linii lotniczych. Gregory Aretakis, który kieruje zarządzaniem przychodami, a także kilkoma innymi obszarami w tej firmie, przekonuje, że na przewagę nad konkurencją składają się „posiadane informacje, możliwości naszego mózgu i zdolność wyczuwania informacji, a także umiejętność zrozumienia konku-rencji”. Jego grupa próbuje stworzyć krótkotermi-

Wykorzystanie i możliwości Big Data w procesach typowych dla branży turystycznej


nowe, atrakcyjne cenowo wykorzystując wiedzę na temat terminów, które nie interesują konkurencji. Przedsiębiorstwo wyznacza nowe ceny, które obo-wiązują jedynie przez krótki czas, zanim konkurencja je dostrzeże i zdąży na nie zareagować.

W przyszłości można się spodziewać, że algorytmy za-rządzania przychodami będą uwzględniać liczne, nowe źródła danych i na ich podstawie podejmować decyzje w czasie rzeczywistym. Dane te mogą obejmować szereg czynników zewnętrznych wpływających na popyt ze strony klientów, takich jak pogoda, ceny innych towarów i usług oraz zaufanie klienta. Cenniki mogą w większym stopniu uwzględniać zachowania poszczególnych kon-sumentów, takie jak lojalność i wartość w okresie całej relacji, kupowane wcześniej usługi dodatkowe i aktyw-ność zakupowa w Internecie. Również w takim przypad-ku rozszerzonego wykorzystania danych konsumentów istotne będą kwestie ochrony prywatności.

Tradycyjne cenniki będą łączone z alternatywnymi sposobami pozbywania się zapasów zbliżających się do końca swojego terminu użyteczności, takimi jak nie-standardowe oferty dla klientów i aukcje. Niektóre linie lotnicze już teraz stosują oprogramowanie do licytowa-nia dostępnych miejsc, jeśli prognozują, że nie sprzeda-dzą wszystkich biletów za pośrednictwem tradycyjnych metod cenowych.

Dystrybucja

Dystrybucja od dawna jest obszarem branży, w którym komputery, dane i analizy są najbardziej zaawansowa-ne. Będzie również zapewne dziedziną, na którą wielkie zbiory danych wywrą największy wpływ.

Jednym z kluczowych trendów, widocznych w procesie dystrybucji, jest personalizacja. Niektóre oferty dystry-bucyjne określonych dostawców zostały już częściowo spersonalizowane, bazując na lojalności i dotychcza-sowych zachowaniach klientów, choć większość ofert jest w najlepszym razie umiarkowanie dopasowana do ich oczekiwań. W niektórych wyszukiwarkach interne-towych algorytm wyszukiwania buduje się na podsta-wie dotychczasowej aktywności użytkownika. Istnieje jednak wiele sposobów na zwiększenie stopnia perso-nalizacji, które mogą zostać pozytywnie odebrane przez podróżujących:

• Personalizacja bazująca na zachowaniach klienta lub ich braku („Przez 12 tygodni z rzędu mieliśmy przyjemność towarzyszyć Ci podczas lotu z Dallas do Chicago. Szkoda, że nie było Cię z nami tym razem!”)

• Personalizacja oparta na relacjach w mediach spo-łecznościowych („Kilku Twoich znajomych z Face-booka odwiedziło niedawno Bermudy, mamy więc dla Ciebie 20-procentową zniżkę na wycieczkę w te rejony”)

• Personalizacja w zakresie sprzedaży usług dodat-kowych („Wiemy, że należysz do gości naszej zna-komitej restauracji, dlatego oferujemy Ci kupon na bezpłatną przystawkę do wykorzystania podczas przyszłotygodniowej wizyty w tym lokalu”)

• Personalizacja obejmująca całą podróż, a nie tylko jej część („Mamy nadzieję, że Twój przyszłotygodniowy lot do Phoenix będzie przyjemny. Może zainteresuje Cię nocleg w hotelu Scottsdale Princess za 199 USD? Przejazd limuzyną w cenie!”)

• Personalizacja powiązana z lokalizacją („Widzimy, że właśnie przyjechałeś na lotnisko we Frankfurcie, a zmierzasz do Heidelbergu. Czy wiesz, że dostępne jest połączenie kolejowe Deutsche Bahn, którym możesz dotrzeć na miejsce w ciągu 45 minut?”)

• Personalizacja związana z zakłóceniami w planie podróży („Z przykrością stwierdzamy, że prawdo-podobnie spóźnisz się na swój samolot. Czy chcesz zarezerwować miejsce w pierwszej klasie na następ-ny lot o 15:15?”)

Oczywiście obecnie nikt jeszcze nie personalizuje swojej obsługi klienta w takim stopniu , mimo że z technicznego punktu widzenia byłoby to możliwe. Należy tu zauważyć, że choć taki poziom personalizacji budzi powszechne zainteresowanie mediów czy urzę-dów regulacyjnych, może być również odebrany przez konsumentów jako naruszający ich poczucie dobrego smaku, o ile sami nie wyrażą na to zgody, a sam przekaz nosić będzie wszelkie znamiona przejrzystości i delikat-ności. Biorąc pod uwagę fakt, że pasażerowie podczas podróży są widzami/słuchaczami mimo woli, interesują-cą opcją są również spersonalizowane oferty produktów i rozrywek w trakcie lotu/przejazdu oraz oferty dotyczą-cej dalszej podróży i dostępnych udogodnień.

W przypadku ofert dystrybucyjnych i wyników wyszuki-wania wyświetlanych podczas podróży – a często nawet wtedy, gdy klienci są w domu – kanał mobilny staje się tym preferowanym. Dla generacji Y kanały mobilne i społecznościowe są tymi, które dominują w ich życiu. Jak wynika z badania przeprowadzonego w tej grupie przez portale Tnooz i American Express Insights, cechuje się ona następującymi atrybutami:

• Zanim jej przedstawiciele dokonają zakupu, odwie-dzają 10,4 źródeł informacji online


• 75% ma profil w serwisie społecznościowym

• 83% śpi z telefonem komórkowym obok łóżka

• 84% twierdzi, że treść zamieszczona przez użytkow-ników ma realny wpływ na ich decyzje dotyczące wyjazdów

• 57% aktualizuje swój profil w mediach społeczno-ściowych każdego dnia podróży

Sugeruje to, że strategia dystrybucji, która nie kładzie nacisku na kanały społecznościowe i mobilne – oraz na analizę pozyskanych dzięki nim wielkich zbiorów danych – nie odniesie sukcesu.

Dostawcy usług turystycznych mogą oferować perso-nalizację na podstawie własnych danych dotyczących klientów, a także skorzystać z pomocy innych firm, które gromadzą informacje związane z podróżami, obejmując przy tym wiele wycieczek, przejazdów i dostawców. Fir-ma Sojern współpracuje na przykład z licznymi dostaw-cami danych o podróżach, aby tworzyć ponad 100 mln profili podróżujących i miliardy punktów danych ich za-miarów, czyli cyfrowego przedstawienia planu odbycia przez klienta podróży do określonej lokalizacji.

Analiza przypadku:

British Airways

W obliczu konkurencji tanich przewoźników z jednej strony i krajowych linii lotniczych wspieranych przez władze państwowe z drugiej, linie British Airways (BA) skoncentrowały się na wypracowaniu przewagi nad rywalami, wykorzystując w pełni informacje na temat klientów. Firma zgromadziła znaczną ilość danych w swoim programie lojalnościowym Executive Club i na swojej stronie internetowej, a następnie włączyła zebrane informacje do hurtowni danych klientów z myślą o przeprowadzeniu analiz. Niedawno przedsiębiorstwo zdecydowało się wykorzystać Big Data w swoim programie „Know Me”. Dzięki niemu BA chce zrozumieć konsumentów lepiej niż jakikolwiek inny przewoźnik i z korzyścią dla klienta wykorzystać wiedzę pozyskaną dzięki dziesiątkom milionów punktów kontaktu.

Zespół analityczny BA udoskonala swój program dotyczący Big Data przy wsparciu firmy Opera Solutions, specjalizującej się w analizie takich zasobów. Przewoźnik zestawia dane z decyzjami podejmowanymi przez klientów. Program „Know Me” obejmuje przy tym trzy filary:

• Osobiste uznanie – ten aspekt programu „Know Me” przewiduje docenianie klientów za lojalność wobec BA i wyrażanie wdzięczności w formie określonych korzyści i działań.

• Doskonała jakość usług i praca nad wizerunkiem – BA będzie monitorować świadczone przez siebie usługi i starać się, aby zawsze były one na wysokim poziomie. W związku z tym, że podczas lotów zdarzają się problemy, BA chce również zrozumieć, z jakimi trud-nościami borykają się klienci, i dołożyć wszelkich starań, aby wywierać na pasażerach pozytywne wrażenia ogólne.

• Oferty, które inspirują i motywują – klienci BA to zapracowani ludzie, którzy nie mają czasu na niepotrzebne im oferty. Ten filar programu analizuje więc dane dotyczące klien-tów, aby tworzyć dla nich odpowiednie, ukierunkowane propozycje. BA chce, aby klienci postrzegali „Know Me” bardziej jako usługę niż program marketingowy.

Informacje wspomagające realizację tych celów są zintegrowane w wielu systemach i stoso-wane w czasie rzeczywistym w trakcie interakcji z klientami podczas odprawy i w salonikach lotniskowych. Nawet w samolotach BA personel jest wyposażony w iPady, na których może wyświetlić informacje dotyczące klienta i autoryzowane oferty. Niektóre aspekty programu „Know Me” zostały już wdrożone, prace nad innymi wciąż trwają. Pierwsze wyniki są bardzo pozytywne – klienci są zadowoleni, że BA rozumie ich potrzeby związane z podróżami sa-molotem.


Analiza przypadku:

Marriott

Marriott to jedna z pierwszych sieci hoteli, które zaczęły korzystać z analiz w zarządzaniu przychodami już ok. 25 lat temu. Zarządzanie przychodami to proces, za pomocą którego hotel określa optymalną cenę za swoje pokoje – czyli „produkty” w tej branży. Jeśli hotel po-trafi przewidzieć optymalną cenę, w ramach której jest w stanie zapełnić wszystkie pokoje, zarobi więcej pieniędzy. A jeśli firma zarządzająca hotelami, takimi jak Marriott, umie prze-konać właścicieli nieruchomości, że wygenerują wyższe przychody pod szyldem tej marki niż u konkurencji, chętnie będą nawiązywać z nią współpracę.

Aby zoptymalizować swoje możliwości w dziedzinie zarządzania przychodami, sieć Marriott połączyła dwa odrębne systemy, udostępniła narzędzia do zarządzania przychodami w In-ternecie oraz poprawiła algorytmy zarządzania przychodami. Przyspieszyła także działanie systemu, aby umożliwić częstszą optymalizację przychodów, i rozszerzyła zarządzanie przychodami na restauracje, catering i sale konferencyjne. Z funkcji tych korzysta globalny zespół korporacyjnych, regionalnych i lokalnych liderów zajmujących się przychodami, któ-rzy dysponują narzędziami pozwalającymi im mierzyć efektywność podejmowanych decyzji i zmieniać rekomendacje systemu, jeśli pojawią się czynniki lokalne, których nie można było przewidzieć.

Marriott stosuje też metody analityczne w zakresie ofert składanych swoim częstym go-ściom. Próbuje przewidzieć, z jakim prawdopodobieństwem zatrzymają się oni w Marriotcie lub przejdą do konkurencji. Firma była jednym z pierwszych przedsiębiorstw, które wdrożyły analizy internetowe. Stosuje też testy A/B i testy wielowymiarowe w celu zoptymalizowa-nia swojej strony internetowej. Sieć Marriott od kilku lat eksperymentuje również z liczny-mi opcjami personalizacji dla internautów wchodzących na jej stronę WWW, skierowaną zarówno do lojalnych klientów, jak i szerszej grupy użytkowników. To jej pierwsze kroki w świecie Big Data.

Ostatnio sieć Marriott zaczęła analizować wielkie zbiory danych bazujące na dziennikach aktywności na swojej stronie internetowej, aby stworzyć zaawansowany model atrybucji do celów marketingowych. Firma chce sprawdzić, które działania handlowe i marketingowe rzeczywiście przyczyniają się do zwiększenia sprzedaży.


Analiza przypadku:

Hipmunk

Hipmunk to internetowe biuro podróży, którego współzałożycielem jest Steve Huffman, jeden z twórców serwisu Reddit. Opierając się na szeregu różnych kryteriów, strona przeszu-kuje i segreguje loty, opcje noclegowe, apartamenty i pokoje do wynajęcia, a także połącze-nia kolejowe w Ameryce. Wykorzystuje Big Data zarówno do tworzenia ofert skierowanych do klientów, jak i w ramach operacji wewnętrznych, w sposób typowy dla innowacyjnych kultur start-upów internetowych z branży turystycznej.

W obszarze ukierunkowanym na klienta serwis Hipmunk stworzył zastrzeżone algorytmy klasyfikowania lotów i hoteli według określonych kryteriów i cen. Linie lotnicze są na przy-kład segregowane według tzw. Agony Index („indeksu uciążliwości”), który uwzględnia czas trwania lotu i liczbę przesiadek. W przypadku rankingów hoteli Hipmunk stosuje algorytm Ecstasy Index („indeks wygody”), który łączy cenę noclegu, udogodnienia i oceny klientów. Takie kryteria stosowane do tworzenia rankingów wyróżniają Hipmunk na tle wielu innych wyszukiwarek.

W obszarze operacji wewnętrznych najważniejszym zastosowaniem Big Data jest prze-prowadzanie testów, aby zrozumieć zachowania użytkowników na stronie internetowej. Hipmunk rejestruje każde kliknięcie użytkownika i cały ciąg klikniętych stron. Pozwala to wyjść poza zwykłe testy A/B i zrozumieć pełne środowisko internetowe, które wpływa na zachowania internautów. Firma przeprowadziła na przykład eksperymenty, aby stwierdzić, jak duże powinny być wyświetlane ceny podróży – okazało się, że dla pozyskiwania klientów jest to stosunkowo nieistotny czynnik.

Niektóre eksperymenty prowadzą do niewielkich zmian, takich jak nieznaczne zwiększenie określonego przycisku na stronie WWW. Inne prowadzą do sporych przełomów, jak choćby odkrycie, że klasa użytkowników, która wykonywała jedno wyszukiwanie i nigdy nie rezer-wowała lotu, była w rzeczywistości złośliwym botem hakerów. Serwis Hipmunk zaangażo-wał się w testy na tyle, że stworzył własne oprogramowanie do testowania, jednak na rynku istnieją też przydatne rozwiązania komercyjne.


Zarządzanie podróżami służbowymi

Zarządzaniepodróżamisłużbowymi – biznes związany z rezerwowaniem podróży służbowych pracowników korporacji czy dużych organizacji nie korzystał dotych-czas zbyt powszechnie z wielkich zbiorów danych. Jednak istniejące możliwości korzystania z danych i ich analiza mogą przekształcić cały ten proces. Niektóre firmy zajmujące się zarządzaniem podróżami zaczynają przyglądać się dostępnym rozwiązaniom. Przedstawiciel wyższej kadry kierowniczej w jednej z największych glo-balnych firm z tego segmentu skomentował w wywia-dzie rosnącą popularność technologii Big Data w nastę-pujących słowach:

Klienci, którzy przykładają do analiz największą wagę, są coraz bardziej za-interesowani nie tylko generowaniem raportów dotyczących przeszłości, ale także modelami predykcyjnymi i progno-zami zachowań swoich pracowników. Nie wiemy, jak szybko nastąpi wdrożenie wielkich zbiorów danych, widać jednak, że są one niezbędne do skutecznego za-rządzania podróżami służbowymi.

W jaki sposób wielkie zbiory danych mogą wpłynąć na zarządzanie podróżami? Wyobraźmy sobie następujący scenariusz z przyszłości:

Jest marzec 2016 r. Lynda Peters, architekt rozwiązań informatycznych w firmie ubezpieczeniowej Tranquilife, zamierza pojechać na konferencję biznesową. Po zareje-strowaniu się na wydarzenie, wszelkie aspekty logistycz-ne – miasto, hotel, terminy rozpoczęcia i zakończenia – są automatycznie pobierane przez aplikację zawierającą harmonogram pracy Lyndy. Następnie informacje te są przesyłane – również automatycznie – do wybranego przez Tranquilife systemu zarządzania podróżami. Bez jakichkolwiek działań ze strony Lyndy otrzymuje ona proponowany plan podróży zawierający następujące elementy:

• Lot ulubioną linią lotniczą, z uwzględnieniem aktuali-zacji w programie lojalnościowym

• Rezerwację pokoju hotelowego na wszystkie noclegi w czasie trwania konferencji

• Rezerwację samosterującego samochodu z wypo-życzalni przy lotnisku (hotel, w którym odbywa się konferencja, znajduje się w odległości kilkudziesięciu kilometrów, a aplikacja do zarządzania podróżami porównała aktualne koszty przejazdu taksówką, limuzyną i wynajęcia samochodu dla tej odległości)

• Rezerwację w najlepszej włoskiej restauracji w mie-ście (to ulubiony typ restauracji Lyndy) na wolny wieczór w trakcie konferencji, a także trzy propozycje osób towarzyszących (i trzy propozycje alternatyw-ne) spośród cenionych przez Lyndę członków jej sieci społecznościowej, a zarazem uczestników konferen-cji. Aby zaprosić wybrane osoby, Lynda musi jedynie dotknąć ekranu swojego tabletu

Wypożyczony przez Lyndę samosterujący samochód zawozi ją bez problemu do hotelu. System do zarządza-nia podróżami przesłał mu wcześniej jej adres docelowy, preferowaną temperaturę klimatyzacji i ulubioną stację radiową. Jedynym zastrzeżeniem zgłoszonym przez Lyn-dę co do wypożyczanego auta był fakt, że przestarzałe regulacje zmusiły ją do siedzenia w fotelu kierowcy, co ograniczało jej dostęp do tabletu.

W drodze na konferencję Lynda zauważa na swoim tablecie, że jedna z osób zaproszonych na jej kolację nie będzie w stanie wziąć udziału w konferencji. Aplikacja do zarządzania podróżami zaleca więc zaproszenie pierwszej osoby z listy alternatywnej.

Konferencja jest udana. Po powrocie do pracy Lynda otrzymuje z systemu do zarządzania podróżami wiado-mość e-mail z informacją, że wszystkie jej wydatki po-dróżne – nawet szacunkowe napiwki w hotelu – zostały przekazane do pokrycia przez firmę.

Być może takie funkcje staną się rzeczywistością nieco później niż w 2016 r., jednak nie są one całkiem nie-realne. Google opisuje samosterujący samochód jako projekt z dziedziny Big Data, tym bardziej warto więc uwzględnić go w tym scenariuszu. A choć branża tury-styczna nie poczyniła większych postępów w kierunku usprawnienia podróży za pośrednictwem różnych środ-ków transportu, niektóre organizacje, w tym lotniska, zamierzają zająć się tą kwestią (patrz analiza przypadku lotniska w Monachium).


Analiza przypadku:

Lotnisko w Monachium

Port lotniczy w Monachium to drugie najbardziej ruchliwe lotnisko w Niemczech i centrum przesiadkowe Lufthansy. Celem kierownictwa lotniska jest usprawnienie podróży pasa-żerów. Jako że są oni klientami linii lotniczych i w zasadzie nie są znani lotnisku, a niemal połowa przychodów portu pochodzi ze sprzedaży detalicznej, żywności i napojów oraz parkingów, lotnisko uznało, że przydałoby mu się więcej informacji o pasażerach, aby móc im zapewnić zindywidualizowaną obsługę. W ten sposób mógłby powstać program lojalno-ściowy dla klientów lotniska.

Port lotniczy w Monachium pełni funkcję zarówno centrum lotniczego, jak i centrum usług kolejowych i motoryzacyjnych. Michael Zaddach, dyrektor ds. informatycznych na lotnisku w Monachium, dąży do zintegrowania informacji dotyczących planów podróży obejmują-cych różne środki transportu. Lotnisko ma nadzieję, że będzie w stanie zaoferować pasa-żerom nawigację od drzwi ich domu do samego terminalu lub z terminalu do kolejnego środka transportu. Inicjatywy te są w planach, jednak nie zostały jeszcze wdrożone.

Każda podróż, która rozpoczyna się w porcie lotniczym, kończy się oczywiście na innym lotnisku. Dziś każdy port lotniczy tworzy własne aplikacje na smartfony. Lotnisko w Mo-nachium chciałoby opracować rozwiązania, które mogłyby być stosowane w innych mia-stach lub środkach transportu. W tym celu wspólnie z innymi portami lotniczymi pracuje nad stworzeniem standardów informacji o pasażerach i podróżach. Lotnisko współpracuje również z Lufthansą i firmą Amadeus, aby przyjrzeć się metodom udostępniania danych statystycznych.


Operacje wewnętrzne

Inną kategorią zastosowania Big Data w branży tury-stycznej jest efektywniejsza i wydajniejsza realizacja operacji wewnętrznych. Tak jak w przypadku innych przykładów, wykorzystanie danych i analiz w operacjach wewnętrznych nie jest niczym nowym. Linie lotnicze jako pierwsze stosowały analizy do określania tras, harmonogramu pracy załogi i podejmowania decyzji dotyczących logistyki serwisowej. Z kolei hotele jako pierwsze instalowały systemy do zarządzania energią. Nie można jednak zaprzeczyć, że dostępność wielkich zbiorów danych doprowadzi do powstania nowej gene-racji aplikacji pozwalających zmienić działalność całych przedsiębiorstw.

Pierwszą transformację działalności opartą na Big Data przyniosą być może czujniki zainstalowane w dużych urządzeniach transportowych. GE umieszcza na przy-kład dużo czujników w silnikach odrzutowych, licząc na to, że pochodzące z nich dane umożliwią zwiększenie wydajności działania i terminowości serwisu. Koncern ma nadzieję, że zarejestrowane dane pozwolą mu zop-tymalizować własne kontrakty serwisowe i działalność swoich klientów z branży turystycznej. Nawet niewielkie korzyści zapewniają duży zwrot, gdy są wdrażane na dużą skalę. GE szacuje, że obniżenie zużycia paliwa o 1% dzięki wielkim zbiorom danych dotyczących silników samolotów przyniosłoby w branży lotów komercyjnych oszczędności na poziomie 30 mld USD w ciągu 15 lat.

Zużycie energii jest z kolei ważnym aspektem zastoso-wania Big Data w hotelach. Dzięki rosnącej popularności inteligentnych sieci energetycznych i nowych dostaw-ców usług do zarządzania zużyciem energii, pojawiają się nowe możliwości. Dwa hotele San Francisco Inter-continental korzystają już na przykład z narzędzi firmy Stem, młodego przedsiębiorstwa zajmującego się Big Data na potrzeby zarządzania zużyciem energii. Opro-gramowanie Stem gromadzi dane z ponad 50 różnych źródeł – w tym dane pogodowe, ceny energii elek-trycznej i zużycie energii przez budynek – aby stworzyć kompleksowy profil energetyczny obiektu. Za pomocą opartego na chmurze predykcyjnego algorytmu anali-tycznego oprogramowanie może określić, czy zasilanie pochodzi z sieci, czy z modułu akumulatora. Kierownic-two hoteli Intercontinental liczy na obniżenie kosztów energii o 10-15%.

Choć branża turystyczna rozpoczęła korzystanie z analiz do tworzenia planów pracy załóg, istnieją inne obszary analiz w dziedzinie kadr, które nie zostały jeszcze prze-badane. Niektóre inne branże próbują na przykład do-pasować cechy charakteru pracowników do zadania (np. sprzedaż) albo przypuszczalnych lub zaobserwowanych cech klienta (np. trudny lub rozgniewany). Innym celem jest identyfikowanie atrybutów potencjalnych pracowni-ków, co do których istnieje największe prawdopodobień-stwo osiągnięcia wysokiej wydajności, lub wskazywanie osób, które zapewne odejdą z firmy. Turystyka to branża zorientowana na usługi, dlatego można się spodziewać, że tego typu analizy poprawią poziomy usług i zadowo-lenie klientów.

Zarządzanie wynikami finansowymi i inwestycjami

Ostatnim procesem, w którym można wykorzystać wielkie zbiory danych i analizy, jest zarządzanie wynika-mi finansowymi i ocena inwestycji. Branża turystyczna – w szczególności hotele i kurorty – jako jedna z pierw-szych wdrożyła analizy do oceny czynników wpływają-cych na wyniki finansowe. Dotychczas wolumen danych wykorzystywanych w tych projektach był stosunkowo niewielki, a same dane – usystematyzowane. Możliwe jednak, że w istniejące modele można będzie włączyć inne źródła Big Data.

W połowie lat 90. XX w. badacze naukowi i kierownicy firm z branży usługowej zaczęli przyglądać się modelowi typu service-profit chain (obsługa-zyski). Model ten su-geruje, że gdy firma inwestuje w satysfakcję i szkolenia pracowników, lepiej obsługują oni klientów. Ci z kolei rewanżują się wyższym poziomem zadowolenia i więk-szymi zakupami, co prowadzi do pozyskania większych zasobów inwestycyjnych – każda korzyść generuje tym samym kolejne.

Jeden z badaczy, Gary Loveman, został prezesem firmy Harrah’s Entertainment (obecnie Caesars Entertain-ment) i wdrożył w niej łańcuch obsługa-zyski i inne projekty analityczne, aby zapewnić firmie pozycję największego przedsiębiorstwa gier hazardowych na świecie. Firma Caesars uważnie monitorowała zadowo-lenie pracowników i klientów, skoncentrowała się też w dużej mierze na lojalności. Za pomocą tych zmiennych przedsiębiorstwo było w stanie precyzyjnie przewidzieć wzrost swojego udziału w rynku, przychodów i zysków, a nawet cenę swoich akcji.


Mniej więcej w tym samym czasie, gdy opublikowano koncepcję łańcucha obsługa-zyski, inni badacze zaczęli pisać o „zrównoważonej karcie wyników” (ang. balancedscorecard), zgodnie z którą firmy powinny starać się zro-zumieć, które czynniki wpływają na wydajność organiza-cyjną, i ujmować je w raportach w formie prostej karty wyników. Niektóre z pomiarów objętych raportowaniem przypominają te z łańcucha obsługa-zyski, zwłaszcza w przypadku firm usługowych.

Hotele Hilton należały do odważniejszych użytkowni-ków zrównoważonej karty wyników – trafiły nawet do zestawienia „Balanced Scorecard Hall of Fame” jako firma promująca tę koncepcję. Jeden z przełomowych rezultatów był tu podobny do sytuacji firmy Caesars. Poprzez kilkuletnią korelację czynników na karcie firmie udało się wskazać istotne współzależności między zadowoleniem klientów a zachowaniem lojalnych gości. Analiza danych z 42 hoteli Hilton zebranych w ciągu pięciu lat wykazała, że 5-procentowy wzrost lojalności klientów w określonym roku prowadzi w typowej nieru-chomości do wzrostu o średnio 1,1% w kolejnym roku. Tego typu pomiary i relacje mogą być bardzo przydatne dla kierownictwa podczas planowania sposobów na stopniowe zwiększanie wyników finansowych. Wraz z rosnącą dostępnością wielkich zbiorów danych ze źródeł zewnętrznych, firmy z branży turystycznej mogą zacząć stosować inne narzędzia do pomiaru popytu ze strony klientów, aby udoskonalić swoje modele predyk-cyjne.

Kolejny zestaw technik analitycznych można wykorzy-stać do określenia, które typy inwestycji są opłacalne. Podejście to, nazywane testami randomizowanymi lub metodą „testuj i ucz się”, polega na inwestowaniu w grupach testowych, lecz nie w grupach kontrolnych. Branża hotelarska dobrze nadaje się do wykorzystania tej metody ze względu na wiele odrębnych lokalizacji, które mogą posłużyć jako obiekty testowe i kontrolne. Sektor ten rozpoczął również wdrażanie tej koncepcji w szerszym zakresie. Metoda ta umożliwia testowanie takich inwestycji jak zmiany wyglądu, obiekty konferen-cyjne, nowe formaty restauracji, a nawet kolory ścian — a wszystko to na stosunkowo niewielką skalę. Pełne wdrożenie testowanych elementów następuje tylko wtedy, gdy grupa testowa wypadnie znacznie lepiej niż grupa kontrolna. Dyrektor ds. marketingu w grupie Intercontinental Hotels (IHG) stwierdził:

Nasz zespół kierowniczy nie ma proble-mów z obsługą systemu Test and Learn i ma do niego pełne zaufanie w procesie podejmowania decyzji. Dzięki temu pod-nieśliśmy tempo wprowadzania inno-wacji w IHG i korzystamy ze spójnej plat-formy do realizowania dużych inwestycji w całej firmie.

Z informacji firmy Applied Predictive Technologies, dostawcy oprogramowania Test and Learn, wynika, że z narzędzi tych korzysta 13 z 25 największych marek hoteli na świecie.

Opisane techniki testów randomizowanych to takie same metody jak narzędzia stosowane do testowania różnych wersji stron internetowych, znanych w tym ob-szarze jako „testy A/B”. W przyszłości, gdy technologie Big Data nabiorą dojrzałości, zobaczymy zapewne testy różnorodnych kombinacji działań marketingowych i inwestycji.


Koncepcja Big Data już teraz wywiera znaczny wpływ na kluczowe procesy w branży turystycznej – to jednak do-piero początek. Niektóre sektory i firmy testują lub używają już wielkich zbiorów danych w systemach produkcyjnych, podczas gdy wiele innych musi dopiero zrobić pierwszy krok w tym kierunku. Spośród wszystkich firm, które wzięły udział w badaniu, żadna nie zaprzeczyła hipotezie, że Big Data może zdecydowa-nie zmienić kształt branży.

Kluczem jest teraz oczywiście przejście od potencjału do rzeczywistości – choćby w małej skali. Aby osiągnąć ten cel, firmy z branży turystycznej powinny oprzeć się na pięciu kierunkach działań:

1. Badanie Big Data. To minimum. Każda firma z branży turystycznej powinna zacząć badać i śledzić ruch wiel-kich zbiorów danych. Czy konkurencja stosuje tę tech-nologię? Czy klienci zaczynają jej używać? Jak wygląda proces wdrażania Big Data i korzystania z nich w danym segmencie branży? A co najważniejsze – czy firma może pozwolić sobie na przyjęcie roli obserwatora, a nie lidera w tej dziedzinie?

2. Stworzenie strategii w zakresie Big Data. Kierownictwo musi się zastanowić, co dzieje się z wielkimi zbiorami da-nych w branży i jaką rolę firma może odegrać w obowią-zujących trendach. W których obszarach przedsiębior-stwa potrzebne są znacznie lepsze dane i lepsze decyzje? Gdzie dostępne są ignorowane obecnie dane, które mogą przydać się wewnątrz firmy lub we współpracy z klientami? Staranne przemyślenie tych dwóch kwestii umożliwia stworzenie planu działania dla Big Data.

3.NiepoprzestawanienasamejanalizietechnologiiBigData. Tak jak w przypadku innych potencjalnie rewo-lucyjnych technologii, dostrzeżenie potencjału wiel-kich zbiorów danych nie polega jedynie na wdrożeniu określonych rozwiązań. Aby skutecznie wykorzystać Big Data, firmy będą musiały popracować nad całymi pro-cesami biznesowymi i operacyjnymi, stylem podejmo-wania decyzji, umiejętnościami pracowników i kulturą korporacyjną. Ciągły napływ danych wymaga na przy-kład nieprzerwanego procesu podejmowania decyzji. Po-ziom zmian może być ogromny, to samo dotyczy jednak potencjalnych korzyści.

4.Gromadzeniepracownikówdysponującychkompeten-cjami w dziedzinie Big Data. Obecnie nie ma zbyt wielu specjalistów w tej dziedzinie, dlatego firmy muszą za-cząć starać się o nich już teraz. Jeśli przedsiębiorstwo nie chce zatrudniać takiego profesjonalisty, warto rozejrzeć się, jacy dostawcy lub firmy doradcze mogą ich udostęp-nić. Należy się przy tym upewnić, że wybrani eksperci mają doświadczenie w zarządzaniu danymi, analizach oraz rozwiązywaniu problemów i komunikacji w tym zakresie. Jeśli w celu zgromadzenia wszystkich tych kwa-lifikacji trzeba zatrudnić cały zespół, należy się upewnić, że jego członkowie będą dobrze ze sobą współpracować.

5.Współpracazpartnerami.Potrzeby dzisiejszych klien-tów branży turystycznej obejmują różne środki transpor-tu, kraje i interaktywność. Żaden pojedynczy dostawca usług turystycznych nie zaspokoi potrzeb klientów w zakresie płynnej podróży. Warto już teraz rozpocząć współpracę z innymi firmami, aby zapewnić klientom obsługę, jakiej potrzebują – w oparciu o Big Data.

Podsumowanie i zalecenia


• Air France-KLM

• Amadeus

• Applied Predictive Technologies

• Bangkok Airways

• British Airways

• Caesars Entertainment

• Cathay Pacific

• Criteo

• Eurostar

• Facebook

• Fairmont Raffles

• Frontier Airlines

• Hipmunk

• InterContinental Hotels Group

• KAYAK

• Lufthansa

• Marriott

• Lotnisko w Monachium

• Opera Solutions

• Swiss International Airlines

• Thai Airways

Lista firm, które wzięły udział w badaniu


Davenport,ThomasH.,„How to Design Smart Business Experiments” (Jak projektować inteligentne eksperymenty biznesowe)Harvard Business Review, luty 2009 r.

Davenport,ThomasH.,PaulBarthiRandyBean,„How Big Data Is Different” (Co wyróżnia wielkie zbiory danych)MIT Sloan Management Review, jesień 2012 r.

Davenport,ThomasH.iJillDyche,„Big Data in Big Companies” (Big Data w wielkich firmach)Raport z badania International Institute for Analyticshttp://www.sas.com/reg/gen/corp/2266746

Davenport,ThomasH.iJeanneG.Harris,„Competing on Analytics: The New Science of Winning” (Rywalizowanie za pomocą analiz – nowa nauka wygrywania)(Boston: Harvard Business Review Press, 2007 r.)

Davenport,ThomasH.iD.J.Patil,„Data Scientist: The Sexiest Job of the 21st Century” (Specjalista ds. danych: najatrakcyjniejszy zawód XXI w.)Harvard Business Review, październik 2012 r.

Manyika,Jamesetal,„Big Data: The Next Frontier for Innovation, Competition, and Productivity” (Big Data: kolejna granica dla innowacyjności, rywalizacji i produktywności)McKinsey Global Institute Report, maj 2011 r.http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation

Mayer-Schonberger,ViktoriKennethCukier,„Big Data: A Revolution that Will Transform How We Live, Work, and Think” (Big Data: rewolucja, która zmieni nasz styl życia, pracy i myślenia)(Houghton Mifflin Harcourt, 2013 r.)

McAfee, Andrew i Erik Brynjolffson,„Big Data: The Management Revolution” (Big Data: rewolucja w zarządzaniu)Harvard Business Review, październik 2012 r.

SOCAP International,„Now Arriving: Big Data in the Hospitality, Travel, and Tourism Sector” (Już nadchodzą: wielkie zbiory danych w sektorze hotelarskim, podróżniczym i turystycznym)23 kwietnia 2013 r.www.socap.org

Vivion,Nick,„Mission Millennials: Capturing a Lucrative Cohort for Life” (Misja ‘Pokolenie Y’ - lukratywni klienci na całe życie)Strona internetowa Tnooz, http://www.tnooz.com/2012/08/06/how-to/mission-millennials-capturing-a-lucrative-cohort-for-life/

Źródła i sugerowana dalsza lektura


Amadeus to wiodący dostawca usług przetwarzania danych i zaawansowa-nych rozwiązań technologicznych dla światowej branży turystycznej.

Docelowe grupy klientów firmy to dostawcy usług tury-stycznych (np. linie lotnicze, hotele, operatorzy kolejowi, armatorzy itp.), sprzedawcy usług turystycznych (biura podróży, w tym online) oraz ich nabywcy (korporacje i podróżni indywidualni).

Centralne ośrodki firmy Amadeus znajdują się w Madry-cie (siedziba główna), Nicei (dział rozwoju) i Erding (dział operacyjny – centrum przetwarzania danych). Firma ma również biura regionalne w Miami, Buenos Aires, Bangkoku i Dubaju. Na poziomie rynkowym Amadeus współpracuje z klientami za pośrednictwem 73 lokal-nych jednostek handlowych obejmujących 195 krajów.

Firma Amadeus jest notowana na giełdzie w Madrycie, Barcelonie, Bilbao i Walencji (AMS.MC). Wchodzi w skład indeksów IBEX 35, STOXX Europe 600 i Dow Jones Susta-inability Index (DJSI).

W 2012 r. przedsiębiorstwo odnotowało przychody w ujęciu LfL na poziomie 2910,3 mln EUR i zysk EBITDA w wysokości 1107,7 mln EUR. Grupa Amadeus zatrudnia na całym świecie ok. 10 tys. pracowników, którzy repre-zentują 123 narodowości.

Więcej informacji na temat firmy Amadeus można zna-leźć na stronie www.amadeus.com

Centrum relacji z inwestorami firmy Amadeus jest do-stępne pod adresem www.investors.amadeus.com

Egzemplarz raportu można pobrać ze strony www.amadeus.com/blog/tag/big-data

Informacje o firmie Amadeus

Wcześniejsze publikacjeAmator-Ekspert w podróży

Trzy istotne trendy w turystyce, które nasilą się pod wpływem recesji

www.amadeus.com/amateur-expert

Od chaosu do współpracy

Innowacje technologiczne zapowiadają nową erę w podróżowaniu

www.amadeus.com/upload_ineed/user-files/file/Amadeus%20study%20From%20chaos%20to%20collaboration.pdf

Open For Business

Zalety oprogramowania open source w przetwarzaniu transakcji

www.amadeus.com/airlineit/docs/open_for_business_17092012.pdf

Oszczędny Podróżny

Wpływ redukcji wydatków korporacji na branżę hotelarską

Opracowanie: Economist Intelligence Unit

www.amadeus.com/hotels/austere_tra-veller.html

Future Traveller Tribes

Raport dla branży turystycznej

Opracowanie: Henley Centre HeadLightVi-sion we współpracy z Amadeus

www.amadeus.com/travellertribes

Gorączka złotaw branży turystycznej 2020

Pionierskie spojrzenie na rozwój oraz wzrost rentowności w sektorze podróży

Opracowane przez Oxford Economicswe współpracy z firmą Amadeus

www.amadeus.com/amadeus/docu-ments/corporate/Travel-Gold-Rush--2020-EN.pdf

Na rozdrożu Big Data - Amadeus Data -Raport.pdf · 6 Na rozdrożu Big Data: zwrot w kierunku...

Documents

Transcript of Na rozdrożu Big Data - Amadeus Data -Raport.pdf · 6 Na rozdrożu Big Data: zwrot w kierunku...