Previsión de la demanda hotelera

Prevision de la demanda hotelera

"Los Anticipación en la toma de resoluciones le deja disminuir al mínimo los efectos negativos de un instante bastante difícil y aumentar al máximo las ocasiones de mercado. "

Recomendación precedente, lea:

Índice

    La previsión de la demanda

    Razones de denegaciones, denegaciones, cancelaciones y no presentaciones para desarrollar una estrategia

    Al hacer un pronóstico, no solo son esenciales los datos precedentes, sino más bien asimismo es preciso examinarlos para conocer la tendencia del año pasado y actual.

    En muchos casos es bastante difícil entender la casuística de las reservas individuales y todavía más bastante difícil recoger los datos adecuadamente pues se pueden interpretar incorrectamente.

    Patrones de comportamiento de datos históricos

    Los patrones de comportamiento de la demanda deben analizarse sobre la base de datos históricos.. Es esencial conocer la velocidad de reserva. Esto cambia conforme el segmento de mercado, se puede calcular una velocidad de reserva promedio.

    Dos dimensiones en los datos:

    1. Al instante de efectuar la reserva
    2. La data de reserva

    El tiempo entre los 2 períodos:

    LEAD TIME O bien RESERVA TEMPORAL

    Prepare la curva de reserva o bien las tendencias de restauración.

    Las reservas efectuadas en nuestros días, las llamadas OTB (en los libros) o bien ROH (reserva en mano) deben equipararse conforme costos y segmentos con las reservas del mismo periodo del año precedente para poder calcular la curva de reserva o bien up-trends, consistente en determinar los clientes del servicio que se generarán en los próximos días al mes y segmento.

    Según Weatherford (mil novecientos noventa y nueve) existen 5 métodos de pronóstico:

    Ajuste exponencial

    Es un pronóstico basado en series de tiempo que le da más relevancia a los datos actuales.

    Esto se aconseja en labras de la simplicidad de los datos requeridos y pues normalmente solo se precisa apreciar un factor. La selección de un factor de suavizado determina los pesos asignados.

    Pronóstico (t +1) = @ x t real + (1 - @) x pronóstico t

    t es el año actual y @ es la "incesante suavizada" entre 0 y 1

    Por lo tanto, solo es preciso determinar los últimos datos de la observación, la última predicción y la incesante de suavizado.

    Medias móviles

    Similar al suavizado exponencial, la demanda futura se predice teniendo presente el promedio de las últimas “n” observaciones históricas. Se puede producir una nueva predicción suavizando cada nueva observación, ignorando la más vieja.

    Pronóstico (t + 1) = 1 / n Et-n + 1 K. real

    Regresión lineal

    Se supone que hay una tendencia lineal entre las reservas efectuadas para un día determinado y las reservas efectuadas múltiples días ya antes.

    Reservas DBA0 = B0 + B1 Reservas D7 + B2 Reservas DBA21

    DBA = ¿Se hacen las reservas ya antes de la llegada?

    ReservationsDBA0 = Estas son las reservas para un día específico

    ReservationsDBA7 = Las reservas se efectúan siete días ya antes del día de referencia

    ReservationsDBA21 = Las reservas se efectúan veintiuno días ya antes del día de referencia

    B0 B1 B2 = factores a estimar

    Modelo de recogida de aditivos

    La demanda de un día determinado se calcula sumando las reservas históricas a las reservas producidas en el instante del análisis.

    Esto quiere decir que las reservas finales son una función de las reservas actuales y estimadas entre el día del análisis y el día concreto para el que se efectúa la previsión.

    ReservasDBA0 = ReservasDBA14 + PU-DBA (catorce.0)

    ReservationsDBA0 = Estas son las reservas para un día concreto.

    ReservationsDBA14 = Las reservas están libres catorce días ya antes del día de referencia.

    PU DBA (catorce.0) = Número promedio de reservas auxiliares estimadas entre el día catorce y el día precedente a la data estimada.

    Existen 2 versiones de este modelo, el modelo tradicional, que para el cálculo de la estimación usa la media solo teniendo presente los datos de las ocupaciones ya efectuadas, al tiempo que el modelo avanzado asimismo usa las reservas libres para el día de la previsión.

    Ejemplo: pronóstico de ocho semanas, donde la semana 0 es la más reciente, las semanas negativas se refieren a llegadas pasadas y las semanas positivas se refieren a llegadas futuras.

    DBA corresponde a las reservas actuales ya antes del día para el que se efectúa la previsión.

    semana

    DBA 0

    DBA 7

    DBA catorce

    DBA 21

    DBA 60

    DBA 90

    DBA360

    -4

    100

    90

    70

    55

    25

    10

    -3

    97

    85

    sesenta y cinco

    50

    23

    9

    -2

    94

    80

    60

    45

    21

    Octavo

    -1

    91

    77

    57

    42

    19

    Séptimo

    88

    73

    54

    39

    17

    Sexto

    1

    -

    70

    50

    35

    quince

    5

    2

    -

    -

    45

    30

    13

    Cuarto

    3

    -

    -

    -

    25

    11

    3

    Te puede Interesar  ¿Qué es la comunicación externa en turismo?

    Haz un pronóstico con catorce días de anticipación.

    La recogida promedio entre el día 14 y el programado debe sumarse a cuarenta y cinco (número de reservas libres que son catorce días ya antes). El promedio se calcula quitando las reservas de la media en DBA catorce y la media en DBA 0 para las reservas históricas.

    PU DBA (catorce) = reservas DBA0 - reservas DBA14

    VE = (cien + noventa y siete + noventa y cuatro + noventa y uno + ochenta y ocho) / cinco - (setenta + sesenta y cinco + sesenta + cincuenta y siete + cincuenta y cuatro) / cinco = 33

    El pronóstico de reserva final es cuarenta y cinco + treinta y tres es 78

    Este modelo estima las fluctuaciones en las reservas entre una data y la otra, las suma y promedia como se muestra en la siguiente tabla.

    semana

    PU-DBA (siete.0)

    PU-DBA (catorce,7)

    -cuatro

    10

    Vigésimo

    -3

    12

    Vigésimo

    -2

    14

    Vigésimo

    -1

    14

    Vigésimo

    quince

    19

    1

    -

    Vigésimo

    2

    -

    -

    3

    -

    -

    MEDIOS DE COMUNICACIÓN

    13

    Vigésimo

    Por tanto, hay una desviación en la semana -4, un par de semanas ya antes de la data de referencia desde veinte (noventa-setenta) y desde diez (cien-noventa) en la semana precedente a la data de referencia. Se efectúa exactamente el mismo proceso para cada semana, el promedio se calcula de la siguiente manera:

    Recogida en dos semanas = recogida en dos semanas + recogida en 1 semana

    Recogida de dos Semanas = veinte +13 = 33

    Reservas de DBA catorce = cuarenta y cinco + treinta y tres = 78

    Modelo Factorial de Pick-Up

    Las reservas futuras se prevén a través de el análisis histórico de la recogida. Este modelo multiplica las reservas corrientes por la tasa de absorción promedio.

    Se define la tasa de recogida promedio para el día X:

    PURDBA (X, 0) = ReservenDBA0 / ReservenDBAX

    ForecastDBA0 = ReservasDBA0 x ReservasDBAX

    En el ejemplo anterior:

    PURDBA (catorce) = cien + noventa y siete + noventa y cuatro + noventa y uno + 88/70 + sesenta y cinco + sesenta + cincuenta y siete + cincuenta y cuatro = 1,54

    La previsión resulta del producto entre las reservas actuales catorce días ya antes de la data prevista y su tasa de recogida, es decir

    PronósticoDBA0 = cuarenta y cinco x uno con cincuenta y cuatro = 69

    Se debe prestar singular atención a las cuentas y los conjuntos clave.

    La previsión de las cuentas clave (cuentas clave) debe efectuarse por segmentos.

    Para el análisis de los conjuntos, además de esto de las variables citadas previamente, se debe tomar en consideración lo siguiente:

    • Relación de conversión al final
    • Confirmación de prepago
    • Gastos totales por grupo
    • Tamaño del grupo
    • Segmentación de los grupos: negocios de ocio y congresos, incentivos, ...
    • Estadísticas de rechazos y cancelaciones con los motivos correspondientes

    Ajuste de pronóstico basado en objetivos

    Ajuste los pronósticos en función de los objetivos de la empresa, el análisis ambiental y las consideraciones de evaluación.

    La comparación de estos datos debe tener en cuenta:

    • Las acciones de la competencia
    • Estrategia de ventas de años anteriores
    • Los datos cualitativos del medio ambiente
    • Las consideraciones de juicio del personal implicado basadas en el los pies en el suelo y la experiencia.

    Determinación de la tasa de fallo de las previsiones.

    Para ello se debe determinar la desviación en el valor absoluto o bien MAD (Desviación Media Absoluta) y el Porcentaje Absoluto de Fallo o bien MAPE (Media Absoluta% Fallo), se examina la desviación entre llegadas actuales y aguardadas.

    Sobre y bajo pronóstico

    Sobrepredicción

    Si la desviación es negativa y se aguardan más clientes del servicio de los que se reservan.

    Las acciones que brotan de esta previsión acostumbran a ser cerrar tarifas bajas y también imponer rigurosos controles de vivienda, lo que resulta en la denegación de reservas..

    Si la previsión es demasiado alta, aun puede ocurrir que las habitaciones sin vender se queden con clientes del servicio interesados.

    Bajo pronóstico

    Si la desviación es positiva y tenemos más clientes del servicio de los aguardados, el pronóstico resultante está por debajo de las reservas reales, aguardamos menos clientes del servicio.. La acción en un caso así acostumbra a ser abrir todas y cada una de las tarifas y quitar los controles de vivienda, lo que puede llevar a la sobreventa y, en ciertos casos, a la canibalización de tarifas más altas.

    Continuación...

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    Subir

    Utilizamos cookies para asegurar que damos la mejor experiencia al usuario en nuestra web. Si sigues utilizando este sitio asumiremos que estás de acuerdo Mas Información