Big data para anticipar la ocupación hotelera

La puesta en práctica de estas técnicas, añadiendo algún factor de corrección extra como puede ser el de la situación económica, está permitiendo a los empresarios del sector adelantarse a la meteorología y predecir su nivel de ocupación con un porcentaje de acierto de entre un 70% y un 90%.

La predicción se ajusta así a la realidad, permitiendo a las compañías poner en marcha los mecanismos necesarios para optimizar los ingresos, reduciendo costes entre un 5% y un 20% según la facturación y los intermediarios, y ajustando los precios del mercado en un determinado momento, que pueden oscilar hasta un 300%, según los índices que maneja Cognodata.

Otros datos a tener en cuenta para predecir lo que ocurrirá en determinadas fechas, y que también los proporciona el big data, son la procedencia de los clientes y su capacidad adquisitiva media, los espectáculos y eventos en el entorno, la ocupación de la competencia o las búsquedas de alojamiento a través de internet.

En el caso concreto de la Semana Santa, según ha explicado Alfredo Revuelta de Rojas, socio director de Turismo y Ocio en Cognodata, “prever con precisión la ocupación que se espera permite a los operadores calcular el porcentaje de ingresos que recibirán en ese periodo, uno de los más importantes del año y del que depende la rentabilidad anual de la industria turística”.

Y es que, concluye, “una predicción meteorológica positiva puede suponer un incremento sustancial de la ocupación en vista de que atraerá una buena cantidad de turistas potenciales. Una mala predicción, sin embargo, puede ser una losa que lastre los resultados anuales”.