Previsión de la demanda hotelera

“La anticipación en la toma de decisiones nos permite minimizar el impacto negativo de un período difícil y maximizar las oportunidades del mercado.”

Recomendación previa, leer:

• Implementación del Modelo de Revenue Management

La previsión de la demanda

Causas de denegaciones, rechazos, cancelaciones y no-shows para desarrollar una estrategia

En las previsiones, no sólo es importante disponer de los datos anteriores, sino que es necesario analizar los mismos para conocer la tendencia de años anteriores y del actual.

En muchos casos, es complicado entender la casuística de cada reserva y aún más complicado recoger los datos correctamente ya que pueden interpretarse erróneamente.

Patrones de comportamiento de datos históricos

Se debe analizar los patrones de comportamiento de la demanda en función de los datos históricos. Es importante conocer el booking pace. Este varía según cada segmento de mercado, se puede calcular un booking pace promedio.

Dos dimensiones en los datos:

1. El momento en el que se realiza la reserva
2. La fecha de la reserva

El lapso de tiempo entre ambos periodos:

LEAD TIME O BOOKING PACEOverstay

Elaborar la curva de reservas o tendencias pick-up

Las reservas actuales que se van realizando, las denominadas OTB (on the books) o ROH (reservation on hand) deben compararse por precios y segmentos con las reservas del mismo periodo del año anterior para elaborar la curva de reservas o tendencias pick up que, consiste en determinar los clientes que se producirán en los días futuros por mes y por segmento.

Según Weatherford (1999), existen cinco métodos de previsión:

Ajuste Exponencial

Es una previsión basada en series temporales que da mayor importancia a los datos actuales.

Es recomendable que por la simplicidad de los datos que se requieren y porque, generalmente, solo hay un parámetro a estimar. Se elije un parámetro de suavizado determina las ponderaciones asignadas.

Previsión (t +1)= @ x Actual t + (1 - @) x Previsión t

t es el año actual y @ es la “constante suavizado” entre 0 y 1

Por lo tanto, sólo es necesario determinar los últimos datos de la observación, la última prevision y la constante de suavizado.

Medias Móviles

Similar al alisado exponencial, la demanda futura se prevé considerando el promedio de las “n” observaciones históricas más recientes. Se puede generar un nuevo pronóstico mediante suavizado en cada nueva observación, obviando los más antiguos.

Previsión (t + 1) = 1/n Et-n+1 Actual K

Regresión Lineal

Se asume que hay una tendencia lineal entre las reservas efectuadas para un día en concreto y las reservas realizadas varios días antes.

ReservasDBA0 = B0 +B1 ReservasD7 + B2 Reservas DBA21

DBA = Son las reservas antes de la llegada

ReservasDBA0 = Son las reservas para un día concreto

ReservasDBA7 = Son las reservas 7 días antes del día de referencia

ReservasDBA21 = Son las reservas 21 días antes del día de referencia

B0 B1 B2 = parámetros a estimar

Modelo Aditivo de Pick-Up

La demanda para un día determinado se calcula añadiendo las reservas históricas a las producidas en el momento del análisis.

Esto significa que las reservas finales son una función de las reservas actuales y estimadas entre el día del análisis y el día concreto para el cual se está realizando la prevision.

ReservasDBA0 = ReservasDBA14 + PU DBA (14,0)

ReservasDBA0 = Son las reservas para un día concreto.

ReservasDBA14 = Son las reservas on hand 14 días antes del día refer.

PU DBA (14,0) = Número medio de reservas adicionales estimadas entre el día 14 y el día anterior a la fecha para la cual se está estimando.

Existen dos versiones de este modelo, el clásico que para el cálculo del estimado realiza la media únicamente considerando los datos de ocupaciones ya materializadas, mientras que el avanzado además utiliza las reservas on hand para el día en que se está realizando el pronóstico.

Ejemplo: Pronóstico a 8 semanas, siendo la semana 0 la más reciente, las semanas en negativos se refieren a llegadas en el pasado, y las posotivas a llegadas futuras.

DBA corresponde a reservas actuales on hand anteriores al día para el que se está realizando el pronóstico.

Realizar previsión 14 días antes.

• Modelo Clásico

Habrá que sumar a 45 (número de reservas on hand que hay 14 días antes) el pick up medio entre el día 14 y el día previsto. El promedio se calcula restando las reservas de la media en DBA 14 y la media en DBA 0 para las reservas históricas.

PU DBA(14) = Reservas DBA0 – Reservas DBA14

PU = (100+97+94+91+88)/5 - (70+65+60+57+54)/5 = 33

La prevision final de reservas sera 45+33 es 78

• Modelo Avanzado

Este modelo estima las variaciones de reservas entre una fecha y la otra, las agrega y calcula la media como se observa en la siguiente tabla.

Así, en la semana -4 hay una variación, dos semanas antes de la fecha de referencia de 20 (90-70), y de 10 (100-90) en la semana anterior al día de referencia. Se realiza esta misma operación para todas las semanas, se clacula la media de la siguiente manera:

2semanas pick-up= pick-up en 2 semanas + pik-up en 1 semana

2semanas pick-up= 20 +13 = 33

Reservas DBA 14 = 45 + 33 = 78

Modelo Factorial de Pick-Up

Se pronostican las reservas futuras a través del análisis histórico del pick-up. Este modelo multiplica las reservas actuales por la media del ratio de pick up.

La media del ratio de pick-up paran un día X viene definido:

PURDBA(X,0) = ReservasDBA0 / ReservasDBAX

PrevisiónDBA0 = ReservasDBA0 x ReservasDBAX

En el ejemplo anterior:

PURDBA(14) = 100+97+94+91+88/70+65+60+57+54 = 1,54

La prevision es el resultado del producto entre las reservas actuales 14 días antes de la fecha prevista y su ratio pick-up, es decir,

PrevisiónDBA0 = 45 x 1,54 = 69

Especial atención deben tener las cuentas claves y los grupos

La previsión de las cuentas clave (Key Accounts) debe realizarse por segmento.

Para el análisis de los grupos se deben considerar además de las variables citadas anteriormente, las siguientes:

• Ratio de conversión a definitivo
• Ratio de antelación de la confirmación
• Gasto total por grupo
• Tamaño del grupo
• Segmentación de los grupos: ocio y negocio de congresos, incentivos, ...
• Estadísticas de denegaciones y cancelaciones con sus correspondientes motivos

Ajuste de previsiones en función de objetivos

Ajustar las previsiones en función de los objetivos de la empresa, el análisis del entorno y las consideraciones de juicio.

La comparativa de estos datos tiene que realizarse teniendo en cuenta:

• Las acciones de la competencia
• La estrategia de ventas de años anteriores
• Los datos cualitativos del entorno
• Las consideraciciones de juicio del personal involucrado basadas en el sentido común y la experiencia

Determinación del margen de error de las previsiones

Se debe determinar la Desviación en Valor Absoluto o MAD (Mean Absolute Deviation) y el Porcentaje Absoluto de Error o MAPE (Mean Abolute % Error) para ello se analiza la desviación entre las llegadas actuales y previstas.

Overforecasting y Underforecasting

Overforcasting

Cuando la desviación es negativa, y se esperan más clientes de los que realmente reservarán.

La acción que se desprende de esta previsión suele ser el cierre de las tarifas bajas y el establecimiento de controles de estancia estrictos, lo que provoca que se rechacen reservas.

Si la previsión es muy alta puede incluso suceder que queden habitaciones sin vender teniendo clientes interesados.

Underforecasting

Cuando la desviación es positiva, y tenemos más clientes que los previstos, la previsión que resulta está por debajo de las reservas efectivas, esperamos menos clientes. La acción en este caso suele ser abrir todas las tarifas y eliminar los controles de estancia lo que puede producir una sobreventa y en algunos casos que se canibalicen tarifas más altas.

Continuación...