Catégories
Actualité Hôtellerie

Résoudre le problème de gestion des données hôtelières en 3 étapes

Pour la plupart des entreprises, la catégorie de données la plus précieuse est celle des données clients, souvent gérée collectivement via un système de gestion de la relation client (CRM). Cependant, la gestion d'une base de données clients peut être difficile et la maintenance devient de plus en plus complexe à mesure que l'organisation se développe.

Au cœur de nombre de ces défis se trouve la question des enregistrements en double. La gestion des connexions entre deux profils clients appartenant à la même personne est souvent appelée couplage d'enregistrements, alias fusion / déduplication ou résolution d'entité. En raison des complexités impliquées, il s'agit – sans surprise – d'un domaine de recherche très populaire en informatique / science des données.

Pour les hôtels d'aujourd'hui, la fusion précise de plusieurs sources de données (données provenant de plusieurs systèmes de gestion immobilière, contenu de fichier téléchargé, etc.) est extrêmement difficile. Par exemple, un hôtelier peut télécharger une nouvelle liste à partir d'un événement sur la propriété, et cette liste peut contenir un profil d'invité avec un nom légèrement différent d'un enregistrement qui est déjà dans le système de gestion immobilière (PMS), tandis que d'autres données qui suivent peut clairement être le même. Dans cet exemple, plusieurs enregistrements sont créés pour la même personne, ce qui s'amplifie rapidement sur plusieurs propriétés d'un portefeuille. Le risque est que les hôtels ne reconnaissent pas les clients qui reviennent, puissent involontairement envoyer des communications en double à la même personne et par conséquent nuire à la réputation de la marque, ou que les données agrégées telles que les dépenses ou les séjours ne soient pas calculées correctement.

Face à des problèmes de données comme celui-ci, de nombreux hôtels dépassent les capacités d'une pile de technologies hôtelières traditionnelles, en particulier les hôtels assez chanceux pour avoir déjà une grande base de données des clients passés et entrants.

Les hôteliers avisés ne veulent pas se consacrer au traitement des données ou à l'entreposage, et ils sont encore moins susceptibles de suivre des approches d'apprentissage automatique plus sophistiquées pour la gestion des données. Et ils ne devraient pas avoir à le faire. La bonne nouvelle est que les entreprises avant-gardistes s'efforcent de résoudre les problèmes de données liées au profil des clients pour les hôtels et reçoivent déjà et gèrent les données des clients de millions de clients dans des formats très variés.

Comment ça fonctionne

Voici un bref aperçu de la façon dont nous, chez Revinate, gérons le problème de couplage d'enregistrements pour offrir de la valeur à nos clients.

1. Normalisez les données.

Avant de pouvoir commencer à intégrer des données provenant des nombreuses sources disparates qui composent la pile technologique d'un hôtel, nous devons faire en sorte que les différents formats de données s'imbriquent de manière transparente.

Par exemple, considérons le petit échantillon de données client que nous pourrions recevoir d'un système de gestion immobilière (PMS). Bien qu'une réservation soit généralement pour un invité (ou deux ou trois), elle peut également être pour une fête de mariage, pour une société ou un club, ou il peut s'agir d'une réservation d'espace réservé avec un nom comme «walk-in» ou «guest . "

De plus, nous nous heurtons à des problèmes courants tels que les fautes d'orthographe, surtout lorsqu'ils sont dictés par téléphone. Un prénom comme «José» ne correspondra que partiellement à «Jose». Les noms abrégés doivent également être pris en compte, de sorte que «William» correspond à «Bill», «Margaret» à «Meg», etc. De même, si une réservation a été faite par téléphone, il est tout à fait possible que «Julie N . " est la même personne que "Julian". Les numéros de téléphone et les adresses peuvent également être particulièrement difficiles à normaliser, en particulier lorsque vous traitez des données d'invités de nombreux pays.

Grâce à une combinaison de bibliothèques de normalisation disponibles et de notre propre code propriétaire, Revinate a construit un système qui rend ces données plus cohérentes, afin qu'elles puissent être intégrées. Il s'agit d'un processus continu que nous travaillons continuellement à perfectionner pour nos clients.

2. Faites correspondre les données entre les systèmes.

Une fois que les données sont toutes dans le même format, les profils peuvent désormais être mis en correspondance entre les systèmes, garantissant qu'il n'y a pas de profils d'invité en double. Cela peut être un processus très compliqué. Par exemple, dans une propriété de 50 000 profils, il y a 2,5 milliards de combinaisons de profils possibles à évaluer. Chez Revinate, nous nous attaquons à cela en réduisant considérablement le volume de données à traiter via un schéma complexe autour de paires de profils (également appelé «blocage»), en mettant l'accent sur la qualité des données en premier lieu.

3. Fusionnez les doublons.

Maintenant que les profils d'invités en double ont été identifiés, il est temps de fusionner les données pour créer une base de données transparente. Cette fonctionnalité sera très différente pour chaque cas d'utilisation. Généralement, il est important d'avoir une manière systématique d'évaluer la façon dont chaque champ doit être traité. Lorsque les noms sont combinés (par exemple, «William F» et «Will Faulkner» devient «William Faulkner»), comment choisit-on le prénom et le nom qui prévalent?

Pour différents champs, comme les e-mails, les numéros de téléphone et les adresses, nous voulons nous assurer de conserver toutes les valeurs distinctes. Une adresse similaire à 99% est presque certainement un doublon, donc dans un cas comme celui-ci, nous devons évaluer l'adresse la plus complète et enregistrer un enregistrement. D'autres champs, comme les données sur les ventes ou les revenus, peuvent devoir être agrégés.

Synthèse de profil: l'avenir de la technologie hôtelière

Chez Revinate, les méthodes décrites ci-dessus nous ont permis de traiter de très gros volumes de données de manière sophistiquée, flexible et évolutive. Les hôteliers sont déjà confrontés à une avalanche de données clients, et ces approches aident nos clients à mieux gérer ces données et à mieux comprendre leurs clients, les libérant ainsi pour faire ce que les hôteliers font de mieux: offrir une expérience client exceptionnelle!

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *