Il existe de nombreuses applications analytiques intéressantes dans les opérations à l’intersection entre la gestion de l’expérience client et le contrôle des coûts. A travers cet article je vais tacher de démontrer l’importance et le réel intérêt que les hôteliers ont à comprendre et utiliser leurs données.

Je vais me concentrer sur les applications d’analyse avancées plutôt que sur les techniques d’analyse décisionnelles traditionnelles.

Dans un hôtel, la plupart des départements disposent déjà d’un ensemble d’indicateurs de performance clés (KPI) qu’ils suivent en interne pour mesurer les performances. Je souhaite démontrer les possibilités d’influencer ces indicateurs de performance clés grâce à une analyse avancée.

Grâce aux améliorations apportées à l’accès aux données et à la visualisation des données, les sociétés hôtelières ont la possibilité de repenser la manière dont elles vont suivre les performances et mesurer le succès de leur hôtel.

Peter Drucker a déclaré : « Vous ne pouvez pas gérer ce que vous ne mesurez pas.» Bien entendu, le contraire est également vrai.

Vous gérez très diligemment ce sur quoi vous êtes mesuré. Définir correctement les indicateurs de performance clés est très important pour que vous obteniez les résultats souhaités pour votre entreprise.

À mesure que l’analyse évolue, vous trouverez également de nouvelles mesures car bien qu’il existe des normes de l’industrie, dictées par des pratiques courantes ou par des exigences de reporting réglementaires, les indicateurs de performance clés que vous suivez et leur définition peuvent également être une décision stratégique basée sur le plan commercial à long terme de l’entreprise et des conditions de fonctionnement uniques.

livre blanc des données dans l'hôtellerie

Et si on passait à l’analyse avancée pour les opérations ?

Analyses statistiques

Plusieurs méthodes …

En utilisant des données d’enquête, avec la satisfaction globale comme variable dépendante et les éléments individuels comme variables prédictives, les modèles de régression identifieront les éléments qui sont des prédicteurs significatifs de la satisfaction des clients et ceux qui ont le plus d’impact.

De cette manière, les responsables des opérations de service peuvent se concentrer sur les éléments des opérations qui ont le plus grand impact.

Une autre méthode… les tests A / B très précieux et utilisés systématiquement par le revenu management

L’efficacité peut donc être aussi évaluée à l’aide de tests d’hypothèses.

Par exemple, vous voudrez peut-être savoir si la promotion d’un service de bar spécial à l’accueil ou dans un groupe de chambres choisi et non dans un autre groupe de chambre augmente le trafic dans le bar ou non. Ce mécanisme est le test A / B.

Pour que cela soit efficace, vous avez besoin de deux groupes choisis au hasard : un groupe recevant le nouveau traitement et un autre non. Vous avez également besoin d’un résultat soigneusement défini et facilement mesurable, ainsi que d’une taille d’échantillon statistiquement significative (pouvant aller jusqu’à 30, selon les règles statistiques que vous pouvez rechercher, appelée hypothèse d’une distribution normale).

Prévision

La prévision est probablement l’application analytique avancée la plus utile et la plus largement utilisée pour les opérations.

De nombreux responsables des opérations sont garants des prévisions budgétaires et sont une attente de la génération de revenus par période pour l’année à venir.

Une prévision de la demande pour n’importe quel département de l’hôtel est très utile pour la planification de la main-d’œuvre, la commande de produits et la conception de processus de service.

La plupart des prévisions pour les opérations impliquent une saisonnalité, des impacts sur la période de l’année, le jour de la semaine et l’heure. Les prévisions peuvent également nécessiter un niveau de détail ou une hiérarchie des relations. Par exemple, il est utile de prévoir le nombre de steaks commandés. Cependant, avec un menu complet, prévoir chaque produit signifie beaucoup de prévisions très détaillées. Cela signifie que les prévisions de la demande pour les opérations peuvent devenir très complexes très rapidement.

Les opérations pourraient également juger utiles les prévisions de demande sans contrainte. Cette méthode de prévision prédit la quantité de demande qui existait pour votre service, qu’il y ait ou non suffisamment de place pour le prendre en charge.

Ces prévisions sont utiles pour les points de vente soumis à des contraintes de capacité, telles que le nombre de tables et de sièges dans le restaurant ou le nombre de rendez-vous dans un spa. L’historique précédent est limité par cette capacité. Dans les données historiques, vous ne « verrez » jamais plus de demande que ce qui a pu être servi, même si le restaurant a refusé les clients. Une prévision de demande non contrainte s’ajuste statistiquement à cet événement et vous permet de prévoir ce qui aurait pu être « . Cela signifie que vous saurez si vous devez engager davantage de techniciens pour le spa ou agrandir le restaurant.

Lors de la prévision de la planification de la main-d’œuvre, il est primordial de prévoir l’entité qui dirige le travail. Cela peut être plus difficile à faire du point de vue des données, mais au final, cela donnera une prévision plus précise. Par exemple, une prévision globale du nombre d’occupations nocturnes est moins utile pour la planification des femmes de ménage et des agents de la réception que la prévision du nombre d’arrivées et de départs par période. Les arrivées et les départs sont ce qui dicte en réalité le travail de la réception.

De même, une prévision de revenus pour le restaurant est utile, mais il s’agit en fait du nombre de couvertures (personnes à servir) qui conduit le travail. La période de prévision doit également être prise en compte.

Par exemple, le nombre d’invités à vérifier au cours d’une journée est utile pour l’horaire d’entretien ménager, car toutes ces chambres doivent être nettoyées à la fin des quarts de travail d’entretien ménager. Cependant, prévoir le nombre de couverts par jour pour un restaurant à trois repas n’est pas aussi utile. Les restaurants ont besoin d’un horaire plus détaillé, car la demande peut varier considérablement selon les repas, voire les heures ou les demi-heures. Bien sûr, le défi réside dans les données. Plus l’incrément de temps est petit, moins il y a de données historiques et pourtant plus il est difficile d’établir une prévision précise.

Les prévisionnistes doivent concilier précision et utilité des prévisions.

L’analyse prédictive de simulation

L’analyse de simulation est l’une des applications les plus intéressantes de l’analyse prédictive (du moins pour moi) mais n’est pas encore largement utilisée dans les opérations.

La simulation vous permet de modéliser des systèmes complexes du monde réel dans un environnement artificiel afin que vous puissiez tester les options avant de les implémenter et qu’elles impactent l’expérience client.

La simulation est particulièrement utile pour les processus multi-étapes où chaque étape dépend des résultats de l’étape précédente.

Par exemple, pensez à une cuisine. Il y a un certain nombre de parties dans la cuisine avec un personnel fixe. Chaque partie produit certains éléments de menu. Quand une commande arrive, elle est divisée entre les différentes parties qui préparent des articles individuels, puis la commande est réunie pour être livrée à une table. Chaque partie a un volume de travail variable en fonction du contenu et de la chronologie des vérifications, ainsi que du temps nécessaire à la préparation de chaque élément. Cependant, tous les éléments doivent être prêts à peu près au même moment.

Une analyse par simulation pourrait modéliser une série d’ordres et tester si certaines parties sont surchargées ou présentent du mou. Cela permettrait au restaurant de tester un nouveau menu pour s’assurer de ne pas surcharger la cuisine, de tester de nouvelles configurations de cuisine ou de tester un nouvel équipement, en ajustant simplement les paramètres de la simulation.

Un autre type de modélisation prédictive qui peut être utile aux opérations est la théorie de la mise en file d’attente. La théorie des files d’attente est une branche de l’analyse qui prédit le comportement des lignes. Il s’avère que cette modélisation est l’une des techniques mathématiques les plus complexes, car elle doit tenir compte de l’incertitude. Également appelée variabilité, l’incertitude signifie essentiellement qu’une tâche ou une mesure change chaque fois qu’elle se produit. Il ne faut pas exactement le même temps pour enregistrer un invité, servir une table ou garer une voiture chaque fois que vous le faites. Lorsque les tâches sont exécutées en séquence, la variabilité à chaque étape peut créer des attentes énormes et de longues lignes. Les modèles de file d’attente peuvent prédire ce qui se passera dans diverses conditions de service, déterminant en fin de compte le meilleur moyen de concevoir un processus de service permettant de mieux gérer les temps d’attente. Ils peuvent également vous aider à évaluer les interventions qui auront le plus grand impact sur la réduction des temps d’attente.

Optimisation

Les opérations utilisent généralement l’optimisation pour la planification du travail.

L’optimisation vous indique les décisions que vous devez prendre pour obtenir le meilleur résultat possible, en tenant compte de toutes les contraintes de l’entreprise.

Pour un horaire de main-d’œuvre, l’objectif est de minimiser le coût de la main-d’œuvre.

Les contraintes peuvent inclure le nombre d’invités attendus, le nombre d’employés disponibles, le nombre d’heures de travail, les pauses, les demandes spécifiques, les contraintes de conception des équipements ou des processus, un ratio invités / personnel, niveau de service, et heures d’ouverture et de fermeture.

Analytique par objectif commercial

Les opérations ont de nombreux objectifs commerciaux. Certaines sont spécifiques à des services ou à des fonctions, d’autres concernent l’ensemble de l’hotel.

Le tableau ci-dessous présente certains des objectifs opérationnels de niveau supérieur et les analyses permettant d’atteindre chaque objectif.

Bien entendu, les opérations doivent également fonctionner au sein d’une organisation plus large, de sorte que leurs objectifs doivent être considérés à la lumière de ce que l’entreprise tente de réaliser.