SISTEMAS DE PREDICCIÓN PARA LA DEMANDA ... - iet.tourspain.es · de la misma, como es la llegada...

Estudios Turísticos, n.° 142 (1999), pp. 85-96Instituto de Estudios Turísticos

Secretaría de Estado de Comercio, Turismo y Pymes

SISTEMAS DE PREDICCIÓN PARA LA DEMANDADE PLAZAS HOTELERAS: EL PROYECTO PLAZA

Ignacio Olmeda Martos, Eugenio Fernández Vicente y Ma del Mar de Miguel Colom*

Este artículo se presentó como ponencia en el I Congreso Nacional de Turismo y Tecnologías de la Información y las Comunicaciones: Nue-vas Tecnologías y Calidad (TURITEC'99)

Resumen: Uno de los problemas más importantes en la gestión hotelera consiste en determinar con antelación el nivel de ocupación. Es bienconocido que una deficiente predicción del nivel de ocupación final se traduce en un desajuste entre la oferta y la demanda de los servicios tu-rísticos. Tal deficiencia ocasiona un inadecuado dimensionamiento de los medios requeridos (falta de personal, suministros,..) con la consi-guiente caída en el nivel de calidad y aumento de los costes. Por tanto, resulta de especial interés que el hotelero cuente con una predicción lomás exacta posible del nivel de ocupación. En el presente trabajo describimos brevemente el objetivo del proyecto PLAZA consistente en un sis-tema que permita al hotelero disponer de predicciones sobre la demanda a diferentes horizontes temporales.

Palabras clave: Predicción, "overbooking", demanda turística

Abstract: One of the main problems in hotel management consists on forecasting future occupancy rates. An innadecuate forecast gives riseto misadjustments between suply and demand of turistic services. This, in turn, leads to a inappropriate dimensioning of the means required(lack of staff, supplies, ...) which resutls in decreasing quality and increasing costs. It is, therefore, particularly desireable that an as accurate aspossible forecast of occupancy be available for the hotelkeeper. In this paper we briefly describe the PLAZA project, a system that allows to ob-tain demand forecasts for diferent time horizons.

I. INTRODUCCIÓN: RASGOSY TENDENCIAS DEL TURISMOEN BALEARES

Es conocida la gran importancia que laactividad turística tiene en la economía Ba-lear, importancia que se refleja, claramente,en los datos de la distribución sectorial dedicha economía. En concreto, se estima quemientras que la participación del sector pri-mario, secundario y construcción suponenel 1.8%, 7.6% y 9.2%, de la actividad eco-nómica total respectivamente, la participa-ción del sector terciario se sitúa en un81.4% (1). Dentro del sector terciario elcomponente fundamental es la actividad tu-

rística. La participación total del sector tu-rístico en el Producto Interior Bruto (PIB)de las Islas Baleares se sitúa, aproximada-mente, en un 60% (2) mientras que su parti-cipación directa en el empleo total se sitúaen torno al 30%.

Una vez destacados estos rasgos funda-mentales de la actividad económica Balearnos interesa describir cuales son las carac-terísticas más destacadas de la oferta y de lademanda turística en nuestra comunidad.En relación con la demanda resulta de inte-rés señalar que un indicador fundamentalde la misma, como es la llegada de pasaje-ros por vía aérea, ha crecido de manera con-

* Universidad de Alcalá. Departamento de Fundamentos de Economía e Historia Económica y Escuela Universitaria de Turismo.Universidad Rey Juan Carlos. Escuela Superior de Ciencias Experimentales y Tecnología.Ex-Directora del Centro de Investigación y Tecnologías Turísticas de las Islas Baleares

85

Ignacio Olmeda Marios, Eugenio Fernández Vicente y M" del Mar de Miguel Colom

tinua durante los últimos cuarenta años, re-gistrando unas tasas de crecimiento medioanual de un 5%. La distribución mensual dela llegada de pasajeros pone de manifiestosu concentración durante los meses de vera-no a pesar de los claros signos de desesta-cionalización que está registrando la activi-dad turística. Otro rasgo a destacar es ladistribución por nacionalidades en la quepredomina la llegada de alemanes (40,8%)y británicos (36,27%) (3). Por otro lado, nosinteresa destacar que el gasto medio diariopor turista es de 7.630 Ptas. con una estan-cia media de 10-11 días, alojándose funda-mentalmente en hoteles (62%). Aproxima-damente, la mitad vienen en régimen demedia pensión (46,7%). Los motivos funda-mentales en la elección de las Islas Balearescomo destino turístico son, básicamente, elclima (76,2%) y las playas (49,3%). Consi-deran que la relación calidad precio es nor-mal (68%) y la impresión del viaje es buenao muy buena (37,2% y 44,2%, respectiva-mente) (4)

Teniendo en cuenta estas características,la política turística de las Islas Baleares seha orientado hacia la búsqueda de una dis-tribución más homogénea de la demanda alo largo de los distintos meses del año (Plande Desestacionalización) así como una me-jora en la calidad (Plan de calidad Q y LeyGeneral Turística).

En cuanto a la oferta turística interesadestacar cuál ha sido la evolución temporaldel número de plazas a lo largo del tiempo,con un tasa de crecimiento medio anual de3,28% así como la distribución de las mis-mas según tipos de alojamiento. En la ac-tualidad (datos del año 1998), existen

398:697 plazas de alojamiento turístico enlas Islas Baleares, de las cuales 187.700 sonplazas hoteleras y 103.489 plazas de aparta-mentos (5). En términos porcentuales dichadistribución quedaría del siguiente modo:

HotelesApartamentosHotel apartamentoOtros

47,1%26,0%14,4%12,5%

II. DESAJUSTES ENTRELA OFERTA YLA DEMANDA TURÍSTICA

Si analizamos la evolución del grado deocupación hotelera sobre la planta abierta alo largo de los distintos meses del año, seponen de manifiesto una serie de factores adestacar: Durante los meses de temporadaalta (Junio a Septiembre) el porcentaje deocupación sobre planta abierta se sitúa entreel 90 y el 100% en la mayoría de los casos.En concreto el porcentaje de ocupación me-dio, durante dichos meses, es de 90,23%(1995-98) para la isla de Mallorca, segúndatos de la Oficina de Seguimiento de laOcupación (OSO) de la Consejería de Tu-rismo. Puesto que hablamos de porcentajesmedios, resulta obvio que un cierto númerode hoteles presentan una ocupación com-pleta, existiendo, por tanto, posibilidades deque se produzcan situaciones de sobreocu-pación (Overbooking).

Por el contrario, durante los meses detemporada media (abril, mayo y octubre) ybaja (noviembre a marzo) se pone de mani-fiesto que el porcentaje de ocupación sobreplanta abierta dista mucho de alcanzar los

86 Estudios Turísticos, n.° 142 (1999)

Sistemas de predicción para la demanda de plazas hoteleras: el proyecto Plaza

porcentajes correspondientes a la tempora-da alta existiendo una tasa de ocupaciónmedia sobre el total de planta abierta, en laisla de Mallorca entre 1995 y 1998, de62,4% en temporada media y 21,51% entemporada baja. Se produce, en este caso, eldesajuste contrario (exceso de oferta sobrela demanda) con el consiguiente coste deoportunidad que ello supone dadas las ca-racterísticas del producto turístico.

Ambos tipos de desajustes provocan unincremento de costes y se producen, en granmedida, debido a la incertidumbre existentesobre el futuro nivel de demanda efectiva deplazas. El disponer de un elemento adicio-nal como sería la predicción a distintos ho-rizontes temporales de dicha variable, sobretodo a medio y largo plazo, permitiría a losprofesionales del sector realizar su previ-sión sobre el comportamiento del mercadoturístico contando con una mayor informa-ción y de manera más ajustada. Lo anteriorfacilitaría de manera importante la gestióndel proceso de reserva y venta de plazas.

La situación del mercado turístico, en laactualidad, se caracteriza por la existencia deun elevado nivel de competencia que se havisto favorecido, entre otros factores, por laaplicación de las nuevas tecnologías de la in-formación y de las comunicaciones. Dichaaplicación permite un conocimiento on linede las características y precio del producto tu-rístico ofertado por parte de todos los agentesdel mercado. En este entorno, el surgimientode mercados turísticos competidores con elnuestro así como la búsqueda de la desesta-cionalización y de la captación de segmentosde mercado de renta elevada ha provocadoque la estrategia elegida consista en la mejora

cualitativa de la calidad de los servicios turís-ticos ofertados en las Islas Baleares.

No obstante, uno de los desajustes ante-riormente comentados, en concreto el exce-so de la demanda sobre la oferta, afecta demodo negativo sobre la calidad percibidapor el cliente en la prestación del servicio.Básicamente, nos estamos refiriendo alefecto del Overbooking sobre el grado desatisfacción del cliente.

¿En qué consiste la sobre-contrataciónu Overbooking?

El Overbooking del hotelero se producecuando éste decide contratar más habitacio-nes de las disponibles de acuerdo con su ca-pacidad. Dicho comportamiento se debe aque el hotelero no tiene garantía de que loscontingentes o cupos reservados vayan a serrespetados por los Tour Operadores (TTOO).Por tanto, el hotelero sólo conocerá la ocupa-ción efectiva en el momento del vencimientodel "reléase". Teniendo en cuenta que losTTOO devolverán al hotel aquellos cuposque no hayan conseguido vender, el hoteleropuede encontrarse, en ese momento, con unasensible disminución de los cupos que real-mente se han hecho efectivos. Por todo ello,el hotelero podría optar por contratar cupossuperiores a su capacidad real, y equivalen-tes al número de cancelaciones que estimarecibir, de tal modo que al vencimiento de di-chos cupos pueda obtener mejores ocupacio-nes. No obstante, esta estrategia requiere unprofundo conocimiento por parte del hotele-ro del grado de realización de los cupos con-tratados con el fin de que el Overbookingeste controlado y el número de habitaciones

Estudios Turísticos, n.° 142 (1999) 87


devueltas por los TTOO coincida con lascontratadas en exceso.

Los hoteles tienen como objetivo la maxi-mización de sus ingresos, reducción de suscostes e impulsar sus beneficios. Una de lasmaneras en las que los gestores hoteleros in-tentan maximizar su rentabilidad consiste enestimar, lo más ajustadamente posible, cuan-tos de los clientes que han realizado una re-serva la harán efectiva. Dicha estimación esnecesaria ya que algunos clientes efectúanreservas en distintos hoteles para la mismanoche. Otros realizan reservas y cambianposteriormente sus planes sin avisar al hotelde dichos cambios. En otros casos, los hués-pedes que están alojados en un hotel decidenalargar o acortar su estancia sin avisar pre-viamente. Por lo tanto, los directores sabenque un determinado porcentaje de sus reser-vas serán canceladas, que en otros casos nose presentarán los clientes (no-shows) y que,además, se producirán cancelaciones de últi-ma hora. En cada caso, el hotel se quedarácon habitaciones vacías que de otro modohabrían sido vendidas.

Algunos hoteles intentan solucionar esteproblema a través del Overbooking, es decirdel intento del hotel de llenar cada noche,cada habitación, vendiendo intencionada-mente más habitaciones de las que hay dis-ponibles. Si el hotel estima incorrectamenteel número de personas con reserva que nose presentarán, que alargarán o acortarán suestancia o que cancelarán sus reservas, notendrá habitaciones suficientes para todoslos clientes con reserva.

Dichas prácticas se justifican como econó-micamente necesarias y causadas por los

clientes que hacen reservas y no se presentan,al tiempo que se intenta legitimar el procesosuministrando a los clientes alojamientos al-ternativos. No obstante, el Overbooking esuna práctica de marketing perniciosa que re-duce la satisfacción del consumidor y causapérdidas de negocio futuro. Se considera, portanto, que se debería predecir de manera másexacta el número de no presentados (no-shows) lo que permitiría reducir la probabili-dad de Overbooking.

La causa de la implementación de sofisti-cados modelos de predicción de reservas sebasan en la idea de que, en ocasiones, seconsidera que el Overbooking es la prácticamás extendida de gestión para minimizar elcoste financiero causado por cancelacionesy no presentaciones.

III. DESCRIPCIÓN DEL SISTEMADE PREDICCIÓN EN LÍNEADE LA DEMANDADE PLAZAS HOTELERAS

III.l. Objetivo

El objetivo del Proyecto PLAZA consis-te en desarrollar un sistema que permita alhotelero disponer de predicciones sobre lademanda efectiva de plazas a diferentes ho-rizontes temporales.

III.2. Descripción del sistema

El sistema consiste en un servidor en lí-nea que permite al usuario registrado enviarlos datos de su establecimiento y recibir ins-tantáneamente la predicción sobre el nivel



de demanda efectiva prevista, así como su-gerencias y recomendaciones para la gestiónde la demanda en cualquier instante de tiem-po. Se trata por tanto de un canal directo einteractivo que permita un acceso cómodo ala información que requiere el hotelero.

Además del sistema de predicción, PLA-ZA incorpora un sistema de informaciónrico y actualizado: datos de coyuntura eco-nómica, acontecimientos culturales, situa-ción de otras zonas competidoras, etc.

El sistema de predicción está implerñen-tado fundamentalmente en C++ y Java, yestá instalado en un servidor de informa-ción conectado a Internet funcionando bajoWindows NT, e incorporando accesos Web,FTP y Mail. El servidor Web incluye elprotocolo HTTPS (Secure HypertextTransfer Protocol), incorporado en la ac-tualidad en la mayoría de los navegadores,y que permite la encriptación y desencrip-tación de la información transferida, asegu-rando de esta forma la la confidencialidad,autenticidad y seguridad de las conexiones.Permite dos modos de acceso bien diferen-ciados. El primero de ellos, diseñado paralos clientes asociados al proyecto, permiteel acceso a través de un CGI mediante cla-ves de usuario, permitiendo la consulta deinformación privada referente al usuarioconectado.

Por otro lado, el sistema de acceso públicosin claves, permite a cualquier usuario que seconecte a través de Internet obtener informa-ción genérica. Por su parte, el servidor de ac-cesos FTP está enlazado con un gestor de ba-ses de datos diseñado específicamente enPERL que permite el acceso a la base de da-

tos que contiene la información generada porel sistema de predicción. El usuario, median-te un menú de acceso puede acceder a estosdatos de forma cómoda y rápida. Por último,el servidor de correo electrónico permite lagestión de un número determinado de cuen-tas de correo que permite a los clientes en-viar información al sistema, así como recibirinformes periódicos sobre la informaciónmás relevante (Ver Gráfico 1).

III.3. Tecnologías

PLAZA supone un esfuerzo tecnológicosignificativo que lo sitúa a la cabeza de lossistemas de predicción. Además de las téc-nicas tradicionales (modelos econométricosy de series temporales) PLAZA incorporatecnologías mucho más potentes (RedesNeuronales Artificiales, Modelos Bayesia-nos,...) que permiten aprovechar los distin-tos aspectos de la variedad de fuentes de in-formación empleadas. PLAZA es, además,de un sistema que integra las diferentes me-todologías y fuentes de información paraconseguir una predicción lo más exacta po-sible.

Es bien conocido que la predicción de lasvariables turísticas resulta extremadamentedifícil. La diversidad de factores que afec-tan al comportamiento de las principalesmagnitudes determinantes de la demanda,hacen que esta sea difícil de prever. La in-vestigación tradicional en este campo hahecho uso intensivo de la metodología Box-Jenkins, aunque recientemente están apare-ciendo nuevos enfoques.



Gráfico 1

DATOS DE LOSHOTELES

(WTERNET\

1 ROGRAMA DEI REDICCION

HOTELES

H

H



Tal vez, el modelo más simple de deter-minación del grado de ocupación sea un pa-seo aleatorio. Si llamamos Nt al número devisitantes a hospedarse en un determinadoestablecimiento en la fecha t, un modelo depaseo aleatorio supone:

N. = N... + e, e. N I I D ( 0 , G ) '

Si llamamos L a toda la información dis-ponible sobre las variables relevantes queafectan tal nivel de ocupación, el modelo depaseo aleatorio implica que

E[N, | L] = N,-i

donde E[- | L] es el valor esperado de la va-riable, condicionado al conjunto de infor-mación disponible. Dicho de otro modo, deser cierto que el número de visitantes sigueun paseo aleatorio, la mejor predicción fu-tura sobre dicho número es el número de vi-sitantes en la fecha anterior.

Por sorprendente que parezca, numerososestudios han demostrado que el sencillo mo-delo de paseo aleatorio supone, con gran fre-cuencia, el que ofrece mejores prediccionesfrente a otras alternativas más sofisticadas ycon elevados requisitos de información. Unaalternativa sencilla al modelo de paseo alea-torio son los modelos de series temporalesunivariantes o multivariantes. Ejemplo para-digmático de este tipo de modelos es el mo-delo autorregresivo univariante:

N. = a Ni-i + e, & NIID(0,o)

Donde a es un parámetro a estimar. Eneste caso, la predicción del número de visi-tantes sería aNi i .

En el caso multivariante, es posible in-cluir otras variables que puedan afectar a ladinámica. Por ejemplo, podríamos extenderel anterior modelo incluyendo una variablede precios relativos, PRt, que recogiera ladiferencia existente entre el poder adquisiti-vo del país emisor y el del receptor, de ma-nera que cuando tal variable es inferior auno, el número de turistas sea, ceteris parí-bus, menor que el esperado y superior encaso de que dicha proporción sea superior auno, de esta forma:

N. = <x N.-i + p PR.-. + & & NIID(0,a)

Finalmente, es posible que la relaciónexistente entre la variable dependiente y lasindependientes sea de tipo no lineal. El pro-blema es que, a diferencia de la linealidad, lano linealidad se puede manifestar de diferen-tes maneras y admitir múltiples parametriza-ciones. Por ello, es necesario emplear formasfuncionales flexibles que permitan aproximarla relación subyacente, con independencia deque se desconozca su forma específica. Unatécnica que permite adoptar tal enfoque sonlas Redes Neuronales Artificiales (RNA). Su-pongamos que el número de visitantes depen-de de un conjunto de variables Vn1, Vt-21,...,,V,r',..., V-,s, V,-2S,...,, V,-rs. Una RNA (Ver Grá-fico 2) está parametrizada de la forma:

N, = f (V,-,1, V-21,...,, Vi-,1,..., V - I \ V,-2S,...,,V,rs) = f (V) = Po + I.^pjGCtfV)

La ventaja de las RNA frente a otro tipode modelizaciones es que aquéllas permitenaproximar en cualquier grado cualquier re-lación funcional de la forma Nt = f (V), conindependencia de que la forma específicade f sea desconocida.



Gráfico 2.Red Neuronal Artificial

Además de su capacidad modelizadorageneral, las RNA presentan múltiples ven-tajas frente a otros modelos cuantitativos,por ejemplo, es sencillo integrar, en un mis-mo modelo, información cuantitativa o cua-litativa, que se relacione lineal o no lineal-mente con la variable a predecir. Comoprincipal desventaja de este enfoque pode-mos señalar la necesidad de disponer de unconocimiento completo de sus fundamentosestadísticos y matemáticos así como deunos elevados requisitos computacionales.

El Proyecto PLAZA emplea, además delos modelos lineales tradicionales y de lasRNA, otras técnicas sofisticadas, integrán-dolas en un sistema de predicción que em-plea conjuntamente diversas fuentes esta-dísticas.

III.4. Bases de Datos empleadase información suministradapor el Sistema

El sistema integra diversas fuentes esta-dísticas, que permiten establecer prediccio-nes a diferentes niveles de agregación. El

primer nivel lo constituirá un sistema deprevisión de las principales macromagnitu-des económicas de los principales paísesemisores y receptores, empleando informa-ción cuantitativa y cualitativa suministradapor varias fuentes (Oficinas de Turismo,Paneles de expertos,...). Este primer nivelpermite establecer un escenario base quesirva al hotelero para valorar la situacióngeneral y establecer sus prioridades y estra-tegias a seguir en el medio o largo plazo(negociación de cupos y precios, políticasde promoción, etc.).

El segundo nivel lo constituye un con-junto de predicciones sobre la demanda tu-rística en las Islas Baleares, tanto a nivelagregado como desagregado por islas y zo-nas turísticas. Este nivel permitirá al empre-sario hotelero valorar su ventaja o desventa-ja competitiva frente a otros competidoresde su entorno próximo. En este nivel se em-plean una diversidad de fuentes: encuestasde ocupación, series de vuelos y de llegadasde pasajeros, tasas de ocupación efectivaagregada por zonas turísticas, etc.

El tercer nivel consiste en un sistema depredicción del número de visitantes de cadauno de los hoteles asociados, empleandodatos históricos por hoteles de ocupación enlibros, cierres reales de ocupación, númerode no-shows, porcentajes de salidas antici-padas y extensiones así como número decancelaciones. Este nivel de informaciónpermitirá al hotelero determinar sus necesi-dades de aprovisionamiento y dotación depersonal en el corto plazo, lo que le permiti-rá planificar turnos y establecer un sistemade precios internos flexible.

92 Estudios Turísticos, n." 142 (1999)


III.5. Usuarios

Podemos destacar la existencia de dos ti-pos de usuarios del sistema. Por un lado, losusuarios directos que son los clientes del sis-tema ya que se registrarían al mismo y ob-tendrían dos tipos de predicciones (indivi-dualizadas y generales) y que, básicamente,se trataría de los hoteles. Y, por otro lado, losusuarios indirectos del sistema que seríantodos aquellos agentes participantes en elsector turístico que de alguna manera se vie-ran afectados por el servicio prestado por di-cho sistema. Nos estamos refiriendo en con-creto a los clientes (consumidores) de loshoteles y a la Administración Pública.

IV. BENEFICIOS DERIVADOSDEL SISTEMA DE PREDICCIÓN

Entre los beneficios que se derivarían dela aplicación de este sistema podríamosdestacar que la tenencia de una previsiónsobre el comportamiento de las reservas deplazas plantearía la posibilidad de utilizartécnicas de Yield Management. Es decir, deuna técnica de gestión de la rentabilidad enhostelería que consiste en aplicar diferentestipos de tarifas según el tipo de demanda,atendiendo a sus características y comporta-miento, con el objetivo de maximizar las ta-rifas cuando la demanda excede de la ofertao, maximizar la ocupación cuando la ofertaexcede a la demanda.

La reducción de la probabilidad de quese produzcan situaciones de Overbookingproduciría, también, un efecto positivo so-bre la satisfacción del cliente al ver cumpli-das sus expectativas de obtener la habita-

ción reservada con las características que sesolicitaron. Al tiempo que preserva el nego-cio futuro, en el sentido de no provocarcomo lo hace la sobrecontratación un efectonegativo sobre el cliente potencial. En estesentido, resulta de interés señalar que enEEUU se realizó un estudio en 1991 sobrela reacción de los clientes de hoteles que ha-bían experimentado los efectos del Overbo-oking. Los resultados indicaban que casi el40% de los afectados estaban tan insatisfe-chos con el realojamiento en otro hotel yque nunca volverían al hotel en el que ini-cialmente habían reservado.

Otro efecto positivo consistiría en que re-duciría el grado de desgaste del personal delhotel al no tener que enfrentarse con fre-cuencia a situaciones comprometidas y destress como las que se derivan de la sobre-contratación, reduciendo el grado de rota-ción de dicho personal e incrementando lacalidad del trato al cliente.

La fidelidad de la clientela se ve afectadade un modo positivo cuando el hotel cum-ple con la reserva que realizó el cliente. Te-niendo en cuenta que el consumidor deman-da un servicio efectivo y real, los hotelesque aseguren la realización de dicho servi-cio ganarán ventajas competitivas.

Se ahorrarán los costes directos e indi-rectos que tiene que soportar el hotel comoconsecuencia de las situaciones de Overbo-oking. Entre los costes directos podemosseñalar:

1. Costes laborales empleados en encon-trar alojamientos alternativos a losclientes afectados

Estudios Turísticos, n.» 142 (1999) 93

Ignacio Olmeda Martos, Eugenio Fernández Vicente y M" del Mar de Miguel Colom

2. Costes de transporte al trasladar a losclientes a sus nuevos alojamientos

3. Coste del alojamiento alternativo

4. Coste de la llamada a larga distanciaque se ofrece al cliente para que pue-da avisar a familiares o amigos delcambio de alojamiento

5. Coste de la preparación de cartas dedisculpa

6. Coste de las compensaciones para ga-narse la disculpa del cliente

7. Coste de aprendizaje del personal quetiene que enfrentarse a este tipo de si-tuaciones delicadas

No obstante, el coste real del Overboo-king se basa también en los gastos indirec-tos que dicha práctica ocasiona a los hotelesque lo practican. Dichos costes, frecuente-mente, incluyen las pérdidas de la confianzadel cliente y la pérdida de negocio futuro.Otros costes indirectos serían el "efecto ice-berg" que se produce cuando un cliente nosólo no vuelve al hotel, donde ha experi-mentado los efectos de la sobre-ocupación,sino que además cuenta su experiencia a susfamiliares y amigos.

La consecución de una elevada y establetasa de ocupación se mantiene como el prin-cipal objetivo de marketing para muchoshoteles cuya tasa de ocupación está directa-mente asociada a la rentabilidad del hotel.No obstante, el hotelero debe tener en cuen-ta que cada acto de gestión hotelera es tam-bién un acto de marketing ya que tiene efec-

tos sobre el consumidor. De este modo, lacontribución en la reducción de la prácticadel Overbooking tiene potenciales efectospositivos sobre el marketing del productoturístico. Por tanto, la obtención de una pre-dicción ajustada del nivel de ocupación, y lareducción en la frecuencia del uso del Over-booking, contribuiría, también, a la reduc-ción del coste que supone el suministro decalidad al cliente así como al logro de losobjetivos de marketing como son el mante-nimiento de una elevada y estable tasa deocupación.

Otro efecto positivo, que se derivaría deluso de este sistema, consistiría en que al con-tribuir a la reducción de la probabilidad deque se produzcan situaciones de Overboo-king también reduciría las posibles conse-cuencias negativas derivadas de acciones le-gales emprendidas por los clientes afectados.

También sería interesante destacar todoel conjunto de ventajas que se derivan delcomponente tecnológico del sistema ya quese trata de un sistema barato que exige unasdotaciones de equipos limitadas para su uti-lización y que plantea grandes posibilidadesde ampliación del número de usuarios singrandes costes adicionales. Por otro lado,en este sentido, existiría una desventaja de-rivada del hecho de que muchos hoteles to-davía carecen de la infraestructura necesa-ria para su utilización.

Básicamente, podemos señalar que elefecto fundamental que se deriva de estesistema es que contribuye a reducir la incer-tidumbre asociada con el proceso de confir-mación de reservas, es decir, de realizaciónde cupos reservados.



V. CONCLUSIONES

Teniendo en cuenta lo establecido ante-riormente se pone de manifiesto cuáles son,básicamente, los agentes que se beneficia-rán del sistema de predicción:

1. En primer lugar los hoteles, que aldisponer de una previsión de informa-ción sobre el nivel de ocupación efec-tivo de su establecimiento podránajustar en mayor medida sus cupos decontratación a la capacidad de su esta-blecimiento. Dicha información tam-bién serviría como indicador para elplan de inversiones previsto, para lacontratación de personal y para lacompra de aprovisionamientos. Portanto, dichos agentes se beneficiaránde una reducción del nivel de incerti-dumbre sobre el comportamiento fu-turo del mercado turístico. No debe-mos olvidar tampoco el efectopositivo que se produce sobre el per-sonal del hotel al reducirse las situa-ciones comprometidas y favorecer lamenor rotación del mismo.

2. El cliente o consumidor del productoturístico, al reducirse la probabilidadde la práctica de la sobrecontratación,podrá consumir el servicio reservadocon las características que escogió. Sefavorecerá, por tanto, el grado de sa-tisfacción del cliente al tiempo quemejorará el nivel de calidad del servi-cio teniendo esto efectos importantessobre la fidelización de la clientela.

3. La Administración Pública tambiénse verá beneficiada al contar con las

predicciones generales ofrecidas porel sistema lo que le indicará como vaa evolucionar el sector turístico a me-dio y largo plazo, evitando incerti-dumbres en este sentido. Lo anteriortiene una gran importancia sobre todosi tenemos en cuenta el papel que laactividad turística juega en la econo-mía de las Islas Baleares. También di-cho sistema contribuirá al mejor logrode algunos de los objetivos de la polí-tica turística Balear como es el de me-jorar la calidad.

VI. BIBLIOGRAFÍA

ENGHAGEN, L. K. y E. P. HEALY (1996): The caseagainst overbooking, Journal of Hospitality &Leisure Marketing, vol 4(1), 51-62.

EUSEBIO, P. y J. CASAMAYOR (1971): El overbookingen Mallorca, Estudios Turísticos, n° 30, abril-ju-nio, 61-83.

LAMBERT , C. U.; LAMBERT, J. M. y T. P. Cullen(1989): The overbooking question: a simulation,The Cornell Hotel and Restaurant AdministrationQuarterly, august, 14-20.

LEFEVER, M. M. (1988): The Gentle Art of Overboo-king, The Cornell Hotel and Restaurant Adminis-tration Quarterly, vol 29, n° 3, 7-8.

OLMEDA, I. y S. BARBA-ROMERO, Eds. (1993): Redesneuronales artificiales. Fundamentos y aplicacio-nes. Servicio de Publicaciones de la Universidadde Alcalá.

PALANZUELOS, DANIEL (1996): Ocupación total.La sobreventa: el problema más deseado delos hoteleros, Alta Hotelería, marzo-abril,20-21.

QUAIN, W. J. y P. W. HERMANN (1982): Chain reser-vations systems: What happens when de guestcali?, The Cornell Hotel and Restaurant Adminis-tration Quarterly, vol 23, n° 1, 70-73.



SCHWARTZ, Z. y S. HIEMSTRA (1997): Improving theaccuracy of hotel reservations forecasting: curvessimilarity approach, Journal of Travel Research,summer, 3-14.

TOH, R. S. (1985): An inventory depletion overboo-king model for the hotel industry, Journal of Tra-vel Research, spring, 24-30.

VOGELER, C. y E. HERNÁNDEZ (1997): Estructura yOrganización del Mercado Turístico, EditorialCentro de Estudios Ramón Areces, S. A.

WILSON, R. H. y P. SHARMA (1994): Overbooking:The practice and the law, Hospitality ResearchJournal, vol 17, n° 2,93-105.

NOTAS

(1) Consejería de Economía y Hacienda de laCAIB.

(2) La economía de las Islas Baleares, CAEB,1996.

(3) El turismo a les Ules Balears. Dades informa-tives, 1998.

(4) La despesa turística, 1997.

(5) El Turisme a les liles Balears. Dades infor-matives, any 1998.


SISTEMAS DE PREDICCIÓN PARA LA DEMANDA ... - iet.tourspain.es · de la misma, como es la llegada...

Documents

Transcript of SISTEMAS DE PREDICCIÓN PARA LA DEMANDA ... - iet.tourspain.es · de la misma, como es la llegada...