Aceleración digital en la industria turística Sesión 24 de ...

Template de apresentação para projectos externos

Sesión 24 de Junio:Aceleración digital en la industria turística


CONTEXTO DE MERCADO:

El sector turístico ha estado siempre a la vanguardia en la adopción de la tecnología para sus procesos y su propuesta de valor. Desde el uso de los aviones a propulsión (jets) inventados durante la II Guerra Mundial, a la puesta en el mercado de los GDS (Global Distribution Systems) que permitían allá por los años 70 conectar las agencias de viaje de todo el mundo entre sí, por lo que un cliente de Moscú era capaz de reservar de manera totalmente fiable una noche de hotel en Río de Janeiro, o un vuelo Barcelona-París. ¿Quién no se ha sentido sorprendido por alguna novedad tecnológica en un hotel?

La transformación actual es digital y afecta a todos los eslabones de la cadena de valor turístico -desde la fase de inspiración a la de reserva o al post-viaje- y también, y de manera muy evidente, al consumidor, que ha cambiado su manera de comportarse respecto a los viajes.

Además, este proceso digitalizador tiene efectos económicos muy positivos para las empresas, para las que la OCDE estimó 305 billones de dólares de beneficios extraordinarios (2017-2025) gracias al uso de estas herramientas.

La relevancia de las tecnologías digitales se aprecia tanto en los planes del sector público (se prevé dotar de 216 millones de euros a una línea de financiación de los Fondos NextGeneration Europe a la digitalización y la internacionalización de la empresa turística española) como en los múltiples ejemplos de su aplicación en destinos y empresas.


Los datos, sin embargo, aún muestran un uso de las herramientas algo superficial (para la comunicación corporativa, vía web o redes sociales), y algo en el comercio electrónico, pero, por ejemplo, poco orientada a la mejora de los procesos internos. Otras barreras a las que se enfrenta este proceso digitalizador tienen que ver con la propia estructura del sector, atomizado y con cierta resistencia al cambio (especialmente entre las empresas de menor tamaño, las más abundantes), al desconocimiento de las posibilidades existentes o sus beneficios, o a las dificultades para financiar estos proyectos.

Ejemplos de transformación digital en el sector turístico

·Big data/ data analytics·Destinos inteligentes·Nuevos modelos de innovación·Negocios estacionales·Tecnología mobile (4G/5G)

·Publicidad y comunicación digital·Redes sociales·OTAs y plataformas de intermediación·Economía colaborativa


El uso de datos en la industria turística

Sin datos (convertidos en información y después en conocimiento) no se pueden tomar decisiones de negocio sólidas y sostenibles. Esto es especialmente relevante para la industria turística, donde las decisiones no son siempre objetivas, sino basadas en la experiencia, o en observaciones parciales del mercado, en fuentes insolventes, etc. y más relevante aún en el contexto actual de salida de la crisis más grave sufrida por el sector.

A pesar de que en el sector turístico se puede hablar de abundancia de datos y de fuentes para conseguirlos (tanto públicas como privadas, y tanto en España como en el exterior), esta data a menudo no es fácil de localizar, o se encuentra de manera parcial, incompleta o sin las desagregaciones que la hacen más útil. Esto, unido a la multiplicidad de fuentes, dificulta su uso por empresas y destinos.

Los usos del dato para la toma de decisiones en las empresas son aún escasos y limitados a ámbitos muy concretos: el margen de mejora es muy amplio, y ese aspecto es uno de los que se ha trabajado durante la sesión.

El marketing digital

Estamos en el albor del uso de la data para el marketing. Y, sin embargo, ya se están generalizando prácticas que aumentan los retornos de la inversión en marketing significativamente, desde la puesta en marcha de estrategias de precios dinámicos (en función de múltiples factores identificados por la data), a la posibilidad de generar valor personalizado o la microsegmentación, pasando por un uso equilibrado e idóneo de los canales en función de los objetivos de comunicación, del segmento, del momento, etc, más allá de la publicidad digital (también creciente: de un 19% en 2019 a un 31% en 2021 entre las empresas turísticas).


En el Think Tank que se celebró el día 24 de Junio de forma telemática- participaron los siguientes expertos:

DESARROLLO Y CONCLUSIONES DE LA SESIÓN:

Fuencisla ClemaresDirectora General Google

España

Mauricio Prieto

Co-Fundador Odigeo Edreams

Miguel SanzGeneral Manager

Turespaña

Maialen CarbajoDirectora de la vertical de viajes para Google España

Javier Pérez TrigoEnterprise Sales Director Google Cloud

Susana Voces

CEO Entradas.com

Carlos Cendra

Socio y Director de Marketing, Ventas y

Comunicación en Mabrian Technologies

Ignacio Barrios

CEO & Co-Founder de Kido Dynamics

Javier Delgado

Leading Sales, Marketing, Distribution, Data & IT at

Iberostar

Gabriel Perdiguero

Director de Clientes, Transformación y Sistemas en

Iberia

Esta sesión se dividió en dos temáticas, precedidas por sendas comunicaciones desde el equipo de Google que sirvieron para dar contexto a las discusiones. Estas dos secciones fueron: aprovisionamiento y uso de la data y posibles aplicaciones del machine learning en la industria turística.


La digitalización de distintos sectores ha conducido a un proceso creciente de acumulación de datos de distintas fuentes (mercado, consumidor y dispositivos) por parte de las empresas. Adicionalmente a los datos propios de las compañías existe la posibilidad de integrar distintas fuentes de información externas (third-party data).

Parte del proceso de transformación de las compañías consiste en tomar decisiones acerca del “Gobierno del dato”: qué datos son relevantes, quién puede acceder a qué tipo de datos y para qué usos, cómo podemos integrarlos y qué tipo de análisis son necesarios para su consumo.

La tecnología cloud facilita estos procesos ya que permite: almacenar y adquirir grandes cantidades de información, depurarlos, conectarlos, analizarlos y visualizarlos para su consumo.

Áreas en las que crear valor con la data

LA TRANSFORMACIÓN A TRAVÉS DE LA DATA Y EL USO DE LA DATA PARA EL MARKETING DIGITAL


En el ámbito del marketing turístico, la automatización de los procesos en base a la data y la integración de los datos de proveedores externos con los datos internos de la empresa permiten un mayor impacto de las inversiones.

Sin embargo, hay dificultades derivadas de la velocidad del avance tecnológico (cambio exponencial), lo que dificulta la adaptación a unas soluciones siempre cambiantes y siempre mejores que las anteriores; o de una información que con frecuencia está fragmentada, se captura o genera en diferentes formatos o desde distintos sistemas o procesos.

Precisamente sobre este tema versó el primer trabajo en grupo del Think Tank: cómo fomentar, en las organizaciones, una mayor colaboración entre los equipos que generan y gestionan los datos, y los equipos de marketing que podrían aportar valor tangible a las organizaciones a partir de esos datos.

Esta cuestión se abordó desde cuatro ámbitos: las estrategias más recomendables, las decisiones en cuanto a estructura, los procesos a adoptar para sobreponerse a estos “silos” de información en las organizaciones, y por último, los profesionales o perfiles que tienen que impulsar estos desarrollos.

LA TRANSFORMACIÓN A TRAVÉS DE LA DATA Y EL USO DE LA DATA PARA EL MARKETING DIGITAL

AUMENTANDO LA COLABORACIÓN ENTRE DEPARTAMENTOS DE MARKETING Y DATA

● Definir los objetivos desde la Dirección (enfoque top-down).

● Definir los KPIs de éxito, y que sean compartidos entre los departamentos para que trabajen en la misma dirección.

● Re-evaluación continua de los objetivos para adaptarse a la evolución del mercado.

● Definir el rol de cada departamento, pero asegurar una “cultura data-centric” en toda la organización (aprecio, búsqueda, mejora, utilización).

● Dotar económicamente a los proyectos.

● Incorporar a los departamentos de legal en las fases iniciales de los proyectos: foco en privacidad, GDPR, implicaciones éticas, crisis de reputación...

● Asegurar un trabajo conjunto y continuo de los departamentos implicados (que no sea puntual o esporádico).

● Utilización de OKRs (Objetivos y Resultados Clave) marcados por la Dirección de la organización.

● Acudir a la externalización si es necesario.

● Mejor generar estructuras ágiles y con mayor capacidad de adaptación que muy grandes y con inercias difíciles de cambiar.

● Proporcionar estructuras de data warehouse que permitan el acceso a los datos de los departamentos involucrados (en la nube, por ejemplo).E

● Asegurar la generación de suficientes datos en todos los procesos en los que sea posible.

● Trabajar en la “fontanería” de datos: la conexión entre fuentes, la homogeneización de formatos, etc.

● Evitar el exceso de reportes, dashboards y análisis, para sintetizar en indicadores clave accionables y que aporten valor a la organización.

● Priorizar los proyectos en función de su impacto en los OKRs definidos.

● Respeto absoluto a la privacidad de los usuarios: no sólo en la anonimización de BBDD sino en su potencial integración con otras.

● El rol de los departamentos de IT es clave, ya que muchas de las labores tienen que ver con programación.

Igualmente, se reflexiona acerca de los principales perfiles que deben impulsar el uso de los datos dentro de las organizaciones. Se plantearon distintos ejes de trabajo a desarrollar:

- Democratización: impulsar la <<alfabetización>> en el uso de datos en todos los departamentos de la organización: el uso y consumo de datos en las organizaciones se convertirá en una herramienta de trabajo tan habitual como en el pasado fue la ofimática. Es por tanto necesario un conocimiento básico de las posibilidades que ofrece el uso de los datos en distintos puestos de trabajo.

- Especialización: a pesar de que exista una alfabetización de la plantilla, es necesario dedicar determinados perfiles que garanticen la construcción de las infraestructuras, estudien los potenciales sesgos, diseñen los potenciales usos de negocio y sean capaces de realizar consultas a través de las distintas herramientas para el consumo de los mismos.

- Externalización: adicionalmente a estas estrategias internas, se comentó también la posibilidad de incorporar empresas externas especializadas que puedan suplir alguna de las necesidades basadas en datos que tiene la organización (no es fácil para las empresas atraer y retener profesionales especializados en el uso del dato).

AUMENTANDO LA COLABORACIÓN ENTRE DEPARTAMENTOS DE MARKETING Y DATA


La segunda parte de la sesión se centró en la práctica por parte de empresas y destinos turísticos del Machine Learning (ML), una de las aplicaciones de la Inteligencia Artificial (IA). En concreto se define el ML como la ciencia de conseguir que los ordenadores actúen en un determinado sentido sin haber sido explícitamente programados.

La manera de comunicarnos con los ordenadores (la programación) ha variado: antes los programadores seguían las “reglas del negocio” para que las máquinas hicieran una serie de tareas (“con estos datos, haz esto”, y se obtendrá el resultado deseado), mientras que ahora, en base a inputs del pasado (datos) y resultados obtenidos en el pasado (outputs), la máquina infiere las “reglas del negocio” y, de esa forma, se auto-programa y aprende de manera autónoma.

EL MACHINE LEARNING (ML): BUENAS PRÁCTICAS EN EL SECTOR TURÍSTICO

Este nuevo enfoque tiene ventajas significativas:● Ahora podemos hacer cosas que antes no éramos capaces de hacer (por ejemplo reconocer imágenes,

procesar textos complejos, etc.).● Se acortan los períodos de programación y mejora de los productos. ● El propio conocimiento del programador ya no es un límite a lo que se puede hacer (no se puede lograr

algo que no se sabe que es posible): las máquinas encuentran patrones diferentes (y a veces mejores).

El requisito para que el ML opere con éxito es que exista conocimiento, talento y, sobre todo, muchos datos (de inputs y outputs pasados), y de buena calidad. Esto significa que, cuanto antes, las organizaciones deben generar, captar y tratar datos para garantizar unos buenos resultados en el futuro, acudiendo a tantas fuentes internas y externas como sea posible, con información estructurada (en “formato tabla”) o desestructurada (imágenes, audios, contratos, albaranes, comentarios de clientes, posts en redes sociales, etc.), que sean de calidad.

El segundo ejercicio del Think Tank consistió, precisamente, en identificar casos prácticos ya presentes en los subsectores del alojamiento, el transporte y las actividades en destino, identificando sus beneficios y consideraciones sobre la existencia o no de datos para cada caso.

EL MACHINE LEARNING (ML): BUENAS PRÁCTICAS EN EL SECTOR TURÍSTICO

MACHINE LEARNING APLICADO AL SUBVERTICAL DE ALOJAMIENTO

CASOS DE USO BENEFICIOS ¿SE DISPONE DE DATOS?

● Clasificación y tratamiento de las opiniones de los consumidores en tiempo real.

● Mejor conocimiento de fortalezas y debilidades.

● Reacción en tiempo real.● Análisis de la competencia.

● Abundan las herramientas que agrupan, clasifican y analizan las opiniones de los consumidores (API’s - Agregadores).

● Algunas barreras siguen presentes, como la ironía/ sorna (aún no decodifica correctamente), o el sesgo en la muestra hacia opiniones negativas (un 70% más probables).

● Predicción eficaz de recurrencia de compra. ● Aumento de la lealtad de clientes.● Análisis del Life Time Value.

● En base a patrones pasados de compra identificados por los sistemas (datos internos) se puede extrapolar el comportamiento a otros clientes.

● Personalización de los servicios para clientes repetidores (ej: late check out).

● Mejora de la satisfacción en base a experiencias pasadas.

● En base a patrones pasados de comportamiento identificados por los sistemas (datos internos).

● Revenue management. ● Márgenes de beneficio mayores.● Mayor y mejor adaptación a las

circunstancias del mercado.● Gestión del overbooking y predicción de

cancelaciones.

● Múltiples fuentes de información: demandas anteriores de viajes, nivel de ocupación turística, predicción de clima, feriados...

● Supervisión de excedentes de comida y bebida..

● Sostenibilidad ambiental mejorada.● Reducción de costes.

● Captura y análisis de imágenes diarias de los contenedores de basura (datos internos).

● Gestión automatizada de ascensores en hoteles (edificios altos)

● Sostenibilidad mejorada por reducción de consumo energético.

● Mejora de la experiencia.

● Los propios datos generados por el uso de los ascensores (IoT)

Al finalizar esta parte de la sesión, los participantes eligieron por votación el REVENUE MANAGEMENT como el caso de uso de mayor impacto para organizaciones turísticas.

MACHINE LEARNING APLICADO AL SUBVERTICAL DE TRANSPORTE

Al finalizar esta parte de la sesión, los participantes eligieron por votación la PREDICCIÓN DE PÉRDIDA DE CONEXIONES Y PROPUESTA DE ALTERNATIVAS como el caso de uso de mayor impacto para organizaciones turísticas.


● Reconocimiento facial en aeropuertos. ● Mayor seguridad para las aerolíneas.● Mayor sencillez para el viajero (embarca sin mostrar

documentación).

● Existen distintas bases de datos de imágenes faciales para alimentar los algoritmos.

● Potencial problema de privacidad añadido -en regulación-.

● Predicción de pérdida de conexiones y propuesta de alternativas.

● Oferta de alternativas para el viajero.● Reducción de insatisfacción con una compañía que propone

una solución a una situación incómoda.

● Datos internos de las compañías, cruzando datos de eventos pasados, características de aeropuertos, etc.

● Revenue management. ● Márgenes de beneficio mayores.● Mayor y mejor adaptación a las circunstancias del

mercado.● Gestión del overbooking y predicción de cancelaciones.

● Múltiples fuentes alimentan estas herramientas de amplia implantación en el mercado desde hace años.

● Multimodalidad entre medios de transporte ● El viajero puede acceder a reservas en distintos medios de transporte de manera sencilla.

● En base a las APIs de las compañías de transporte.

● Optimización de la distribución de elementos de transporte compartido en ciudades.

● Mejor acceso a la oferta para el usuario de estos sistemas.● Mayores beneficios por incremento del uso de los vehículos

disponibles.

● En base a las APIs de las compañías de transporte, agregadores, etc..

● Los municipios sí comparten mucha información (Open Data) pero en formatos muy distintos y fragmentados.

● Mantenimiento predictivo de aviones. ● Identificar períodos de mayor probabilidad de eventos en las aeronaves, para revisar y corregir con antelación.

● Clave firmar acuerdos con constructores o competidores para compartir información sobre la vida útil de materiales, potenciales averías/revisiones, etc.

● Predicción de retrasos y corrección de impactos en la logística de vuelo.

● Optimización de las tareas de logística de la aerolínea y de los servicios aeroportuarios.

● Reducir los costes logísticos.

● Se gestiona con datos internos de las aerolíneas y/o aeropuertos.

MACHINE LEARNING APLICADO AL SUBVERTICAL DE ACTIVIDADES DE DESTINO

A la finalización de esta parte de la sesión de trabajo, los asistentes eligieron la GESTIÓN DINÁMICA DE AFOROS como el caso de uso más relevante.


● Pricing: cómo definir el precio potencial a pagar por los turistas para determinados eventos o combinaciones de ocio.

● Incrementar la rentabilidad de las compañías. ● Aumentar el gasto de turista en destino.

● Existe información del precio a la que se consume cada evento pero se carece de datos experimentales para ver la aceptación por parte del turista a distintos tramos de precios.

● Limitación de la reventa de entradas. ● Mejora de la experiencia de cliente. ● Dificultad de acceder a datos que pertenecen a empresas del sector.

● Gestión dinámica de los aforos en distintos puntos de interés.

● Mejora de la experiencia del cliente gracias a aforos limitados/ controlados.

● Redistribución de los turistas por distintos recursos turísticos.

● Datos de movilidad: telecomunicaciones y/o APP’s con geolocalización.

● Algunas ciudades están instalando sensores (IoT) para determinar la afluencia y rutas turísticas.

● Identificación de intereses, percepciones, segmentos y nichos de demanda (destinos).

● Adaptación de la oferta a las necesidades de los distintos tipos de turistas.

● Desarrollo de líneas de comunicación / marketing.

● Identificación de nuevos destinos y zonas / potenciales tipos de ocio.

● Datos disponibles en plataformas digitales (ocio, cultural, deportivo..). Se necesita integración de las distintas fuentes para disponer de una visión global.

Think FuTourism seguirá celebrándose periódicamente en los próximos meses, cerrando su siguiente encuentro el 30 de septiembre en el que abordaremos la temática de la sostenibilidad en el turismo desde distintos ángulos.

Aceleración digital en la industria turística Sesión 24 de ...

Documents

Transcript of Aceleración digital en la industria turística Sesión 24 de ...